Dokumentacja referencyjna konfiguracji pamięci

Ta strona wymienia wszystkie ustawienia konfiguracji wyszukiwania pamięci OpenClaw. Omówienia koncepcyjne znajdziesz tutaj:

Przegląd pamięci

Jak działa pamięć.

Wbudowany silnik

Domyślny backend SQLite.

Silnik QMD

Lokalny sidecar.

Wyszukiwanie pamięci

Potok wyszukiwania i strojenie.

Active Memory

Podagent pamięci dla sesji interaktywnych.

Wszystkie ustawienia wyszukiwania pamięci znajdują się w agents.defaults.memorySearch w openclaw.json, chyba że zaznaczono inaczej.

Jeśli szukasz przełącznika funkcji Active Memory i konfiguracji podagenta, znajduje się ona w plugins.entries.active-memory, a nie w memorySearch.Active Memory używa modelu dwóch bramek:

Plugin musi być włączony i wskazywać bieżący identyfikator agenta
żądanie musi być kwalifikującą się interaktywną, trwałą sesją czatu

Zobacz Active Memory, aby poznać model aktywacji, konfigurację należącą do Pluginu, utrwalanie transkryptu i wzorzec bezpiecznego wdrażania.

Wybór dostawcy

Klucz	Typ	Domyślnie	Opis
`provider`	`string`	`"openai"`	Identyfikator adaptera osadzania, taki jak `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `openai-compatible` lub `voyage`; może też być skonfigurowanym `models.providers.<id>`, którego `api` wskazuje adapter osadzania pamięci lub API modelu zgodne z OpenAI
`model`	`string`	domyślny dostawcy	Nazwa modelu osadzania
`fallback`	`string`	`"none"`	Identyfikator adaptera awaryjnego używany, gdy podstawowy zawiedzie
`enabled`	`boolean`	`true`	Włącz lub wyłącz wyszukiwanie pamięci

Gdy provider nie jest ustawiony, OpenClaw używa osadzeń OpenAI. Ustaw provider jawnie, aby użyć Gemini, Voyage, Mistral, DeepInfra, Bedrock, GitHub Copilot, Ollama, lokalnego modelu GGUF albo zgodnego z OpenAI punktu końcowego /v1/embeddings. Starsze konfiguracje, które nadal zawierają provider: "auto", są rozwiązywane jako openai.

Zmiana dostawcy osadzeń, modelu, ustawień dostawcy, źródeł, zakresu, dzielenia na fragmenty lub tokenizatora może sprawić, że istniejący indeks wektorowy SQLite stanie się niezgodny. OpenClaw wstrzymuje wyszukiwanie wektorowe i zgłasza ostrzeżenie o tożsamości indeksu zamiast automatycznie ponownie osadzać wszystko. Odbuduj indeks, gdy będziesz gotowy, za pomocą openclaw memory status --index --agent <id> albo openclaw memory index --force --agent <id>.

Gdy provider nie jest ustawiony, obecne jest starsze provider: "auto" albo provider: "none" celowo wybiera tryb tylko FTS, przywoływanie pamięci nadal może używać leksykalnego rankingu FTS, gdy osadzenia są niedostępne. Jawni dostawcy nielokalni zawodzą w trybie zamkniętym. Jeśli ustawisz memorySearch.provider na konkretnego dostawcę opartego na zdalnym backendzie, takiego jak OpenAI, Gemini, Voyage, Mistral, Bedrock, GitHub Copilot, DeepInfra, Ollama, LM Studio albo zgodnego z OpenAI dostawcę niestandardowego, i ten dostawca jest niedostępny w czasie działania, memory_search zwraca wynik niedostępności zamiast po cichu używać przywoływania tylko FTS. Napraw konfigurację dostawcy/uwierzytelniania, przełącz się na osiągalnego dostawcę albo ustaw provider: "none", jeśli chcesz celowego przywoływania tylko FTS.

Niestandardowe identyfikatory dostawców

memorySearch.provider może wskazywać niestandardowy wpis models.providers.<id> dla adapterów dostawców specyficznych dla pamięci, takich jak ollama, albo dla zgodnych z OpenAI API modeli, takich jak openai-responses / openai-completions. OpenClaw rozwiązuje właściciela api tego dostawcy dla adaptera osadzania, zachowując jednocześnie niestandardowy identyfikator dostawcy na potrzeby obsługi punktu końcowego, uwierzytelniania i prefiksu modelu. Dzięki temu konfiguracje z wieloma GPU lub wieloma hostami mogą przeznaczyć osadzenia pamięci dla konkretnego lokalnego punktu końcowego:

{
  models: {
    providers: {
      "ollama-5080": {
        api: "ollama",
        baseUrl: "http://gpu-box.local:11435",
        apiKey: "ollama-local",
        models: [{ id: "qwen3-embedding:0.6b" }],
      },
    },
  },
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama-5080",
        model: "qwen3-embedding:0.6b",
      },
    },
  },
}

Rozwiązywanie klucza API

Zdalne osadzenia wymagają klucza API. Bedrock używa zamiast tego domyślnego łańcucha poświadczeń AWS SDK (role instancji, SSO, klucze dostępu).

Dostawca	Zmienna środowiskowa	Klucz konfiguracji
Bedrock	Łańcuch poświadczeń AWS	Klucz API nie jest potrzebny
DeepInfra	`DEEPINFRA_API_KEY`	`models.providers.deepinfra.apiKey`
Gemini	`GEMINI_API_KEY`	`models.providers.google.apiKey`
GitHub Copilot	`COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN`	Profil uwierzytelniania przez logowanie urządzenia
Mistral	`MISTRAL_API_KEY`	`models.providers.mistral.apiKey`
Ollama	`OLLAMA_API_KEY` (symbol zastępczy)	—
OpenAI	`OPENAI_API_KEY`	`models.providers.openai.apiKey`
Voyage	`VOYAGE_API_KEY`	`models.providers.voyage.apiKey`

OAuth Codex obejmuje tylko czat/uzupełnienia i nie spełnia wymagań żądań osadzeń.

Konfiguracja zdalnego punktu końcowego

Użyj provider: "openai-compatible" dla ogólnego zgodnego z OpenAI serwera /v1/embeddings, który nie powinien dziedziczyć globalnych poświadczeń czatu OpenAI.

remote.baseUrl

string

Niestandardowy bazowy URL API.

remote.apiKey

string

Zastąp klucz API.

remote.headers

object

Dodatkowe nagłówki HTTP (scalane z domyślnymi ustawieniami dostawcy).

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai-compatible",
        model: "text-embedding-3-small",
        remote: {
          baseUrl: "https://api.example.com/v1/",
          apiKey: "YOUR_KEY",
        },
      },
    },
  },
}

Konfiguracja specyficzna dla dostawcy

Gemini

Klucz	Typ	Domyślnie	Opis
`model`	`string`	`gemini-embedding-001`	Obsługuje też `gemini-embedding-2-preview`
`outputDimensionality`	`number`	`3072`	Dla Embedding 2: 768, 1536 albo 3072

Zmiana modelu lub outputDimensionality zmienia tożsamość indeksu. OpenClaw wstrzymuje wyszukiwanie wektorowe, dopóki jawnie nie odbudujesz indeksu pamięci.

Typy wejścia zgodne z OpenAI

Zgodne z OpenAI punkty końcowe osadzania mogą włączyć specyficzne dla dostawcy pola żądania input_type. Jest to przydatne dla asymetrycznych modeli osadzania, które wymagają różnych etykiet dla osadzeń zapytań i dokumentów.

Klucz	Typ	Domyślnie	Opis
`inputType`	`string`	nieustawione	Wspólne `input_type` dla osadzeń zapytań i dokumentów
`queryInputType`	`string`	nieustawione	`input_type` w czasie zapytania; zastępuje `inputType`
`documentInputType`	`string`	nieustawione	`input_type` indeksu/dokumentu; zastępuje `inputType`

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai-compatible",
        remote: {
          baseUrl: "https://embeddings.example/v1",
          apiKey: "${EMBEDDINGS_API_KEY}",
        },
        model: "asymmetric-embedder",
        queryInputType: "query",
        documentInputType: "passage",
      },
    },
  },
}

Zmiana tych wartości wpływa na tożsamość pamięci podręcznej osadzeń dla indeksowania wsadowego dostawcy i powinna być wykonana razem z ponownym indeksowaniem pamięci, gdy model upstream traktuje etykiety inaczej.

Bedrock

Konfiguracja osadzeń Bedrock

Bedrock używa domyślnego łańcucha poświadczeń AWS SDK — klucze API nie są potrzebne. Jeśli OpenClaw działa na EC2 z rolą instancji z włączonym Bedrock, wystarczy ustawić dostawcę i model:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "bedrock",
        model: "amazon.titan-embed-text-v2:0",
      },
    },
  },
}

Klucz	Typ	Domyślnie	Opis
`model`	`string`	`amazon.titan-embed-text-v2:0`	Dowolny identyfikator modelu osadzania Bedrock
`outputDimensionality`	`number`	domyślna modelu	Dla Titan V2: 256, 512 albo 1024

Obsługiwane modele (z wykrywaniem rodziny i domyślnymi wymiarami):

Identyfikator modelu	Dostawca	Domyślne wymiary	Konfigurowalne wymiary
`amazon.titan-embed-text-v2:0`	Amazon	1024	256, 512, 1024
`amazon.titan-embed-text-v1`	Amazon	1536	—
`amazon.titan-embed-g1-text-02`	Amazon	1536	—
`amazon.titan-embed-image-v1`	Amazon	1024	—
`amazon.nova-2-multimodal-embeddings-v1:0`	Amazon	1024	256, 384, 1024, 3072
`cohere.embed-english-v3`	Cohere	1024	—
`cohere.embed-multilingual-v3`	Cohere	1024	—
`cohere.embed-v4:0`	Cohere	1536	256-1536
`twelvelabs.marengo-embed-3-0-v1:0`	TwelveLabs	512	—
`twelvelabs.marengo-embed-2-7-v1:0`	TwelveLabs	1024	—

Warianty z sufiksem przepustowości (np. amazon.titan-embed-text-v1:2:8k) dziedziczą konfigurację modelu bazowego.Uwierzytelnianie: uwierzytelnianie Bedrock używa standardowej kolejności rozwiązywania poświadczeń AWS SDK:

Zmienne środowiskowe (AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY)
Pamięć podręczna tokenów SSO
Poświadczenia tokenu tożsamości webowej
Współdzielone pliki poświadczeń i konfiguracji
Poświadczenia metadanych ECS lub EC2

Region jest rozwiązywany z AWS_REGION, AWS_DEFAULT_REGION, baseUrl dostawcy amazon-bedrock albo domyślnie ustawiany na us-east-1.Uprawnienia IAM: rola lub użytkownik IAM potrzebuje:

{
  "Effect": "Allow",
  "Action": "bedrock:InvokeModel",
  "Resource": "*"
}

Aby zastosować zasadę najmniejszych uprawnień, ogranicz zakres InvokeModel do konkretnego modelu:

arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

Lokalnie (GGUF + llama.cpp)

Klucz	Typ	Domyślna wartość	Opis
`local.modelPath`	`string`	pobierany automatycznie	Ścieżka do pliku modelu GGUF
`local.modelCacheDir`	`string`	domyślna node-llama-cpp	Katalog pamięci podręcznej dla pobranych modeli
`local.contextSize`	`number \| "auto"`	`4096`	Rozmiar okna kontekstu dla kontekstu embeddingów. 4096 obejmuje typowe fragmenty (128–512 tokenów), jednocześnie ograniczając VRAM niezajmowany przez wagi. Obniż do 1024–2048 na ograniczonych hostach. `"auto"` używa wytrenowanego maksimum modelu — niezalecane dla modeli 8B+ (Qwen3-Embedding-8B: 40 960 tokenów → ~32 GB VRAM vs ~8,8 GB przy 4096).

Najpierw zainstaluj oficjalnego dostawcę llama.cpp: openclaw plugins install @openclaw/llama-cpp-provider. Model domyślny: embeddinggemma-300m-qat-Q8_0.gguf (~0,6 GB, pobierany automatycznie). Kopie robocze ze źródeł nadal wymagają zatwierdzenia natywnej kompilacji: pnpm approve-builds, a następnie pnpm rebuild node-llama-cpp.Użyj samodzielnego CLI, aby zweryfikować tę samą ścieżkę dostawcy, której używa Gateway:

openclaw memory status --deep --agent main
openclaw memory index --force --agent main

Ustaw provider: "local" jawnie dla lokalnych embeddingów GGUF. Odwołania do modeli hf: i HTTP(S) są obsługiwane dla jawnych konfiguracji lokalnych, ale nie zmieniają domyślnego dostawcy.

Limit czasu embeddingów inline

sync.embeddingBatchTimeoutSeconds

number

Nadpisz limit czasu dla partii embeddingów inline podczas indeksowania pamięci.Brak ustawienia używa wartości domyślnej dostawcy: 600 sekund dla dostawców lokalnych/samodzielnie hostowanych, takich jak local, ollama i lmstudio, oraz 120 sekund dla dostawców hostowanych. Zwiększ tę wartość, gdy lokalne partie embeddingów ograniczone przez CPU działają poprawnie, ale wolno.

Konfiguracja wyszukiwania hybrydowego

Wszystko pod memorySearch.query.hybrid:

Klucz	Typ	Domyślna wartość	Opis
`enabled`	`boolean`	`true`	Włącz hybrydowe wyszukiwanie BM25 + wektorowe
`vectorWeight`	`number`	`0.7`	Waga wyników wektorowych (0-1)
`textWeight`	`number`	`0.3`	Waga wyników BM25 (0-1)
`candidateMultiplier`	`number`	`4`	Mnożnik rozmiaru puli kandydatów

MMR (różnorodność)
Zanik czasowy (aktualność)

Klucz	Typ	Domyślna wartość	Opis
`mmr.enabled`	`boolean`	`false`	Włącz ponowne rankingowanie MMR
`mmr.lambda`	`number`	`0.7`	0 = maks. różnorodność, 1 = maks. trafność

Klucz	Typ	Domyślna wartość	Opis
`temporalDecay.enabled`	`boolean`	`false`	Włącz podbicie aktualności
`temporalDecay.halfLifeDays`	`number`	`30`	Wynik zmniejsza się o połowę co N dni

Pliki evergreen (MEMORY.md, niedatowane pliki w memory/) nigdy nie podlegają zanikowi.

Pełny przykład

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          hybrid: {
            vectorWeight: 0.7,
            textWeight: 0.3,
            mmr: { enabled: true, lambda: 0.7 },
            temporalDecay: { enabled: true, halfLifeDays: 30 },
          },
        },
      },
    },
  },
}

Dodatkowe ścieżki pamięci

Klucz	Typ	Opis
`extraPaths`	`string[]`	Dodatkowe katalogi lub pliki do zaindeksowania

{
  agents: {
    defaults: {
      memorySearch: {
        extraPaths: ["../team-docs", "/srv/shared-notes"],
      },
    },
  },
}

Ścieżki mogą być bezwzględne albo względne względem obszaru roboczego. Katalogi są skanowane rekurencyjnie w poszukiwaniu plików .md. Obsługa dowiązań symbolicznych zależy od aktywnego backendu: wbudowany silnik ignoruje dowiązania symboliczne, natomiast QMD stosuje zachowanie bazowego skanera QMD. W przypadku wyszukiwania transkrypcji między agentami w zakresie agenta użyj agents.list[].memorySearch.qmd.extraCollections zamiast memory.qmd.paths. Te dodatkowe kolekcje mają ten sam kształt { path, name, pattern? }, ale są scalane per agent i mogą zachowywać jawne nazwy współdzielone, gdy ścieżka wskazuje poza bieżący obszar roboczy. Jeśli ta sama rozwiązana ścieżka pojawia się zarówno w memory.qmd.paths, jak i w memorySearch.qmd.extraCollections, QMD zachowuje pierwszy wpis i pomija duplikat.

Pamięć multimodalna (Gemini)

Indeksuj obrazy i audio razem z Markdown przy użyciu Gemini Embedding 2:

Klucz	Typ	Domyślnie	Opis
`multimodal.enabled`	`boolean`	`false`	Włącz indeksowanie multimodalne
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]` lub `["all"]`
`multimodal.maxFileBytes`	`number`	`10000000`	Maksymalny rozmiar pliku do indeksowania

Dotyczy tylko plików w extraPaths. Domyślne katalogi główne pamięci pozostają ograniczone do Markdown. Wymaga gemini-embedding-2-preview. fallback musi mieć wartość "none".

Obsługiwane formaty: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (obrazy); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (audio).

Pamięć podręczna embeddingów

Klucz	Typ	Domyślnie	Opis
`cache.enabled`	`boolean`	`true`	Buforuj embeddingi fragmentów w SQLite
`cache.maxEntries`	`number`	`50000`	Maksymalna liczba buforowanych embeddingów

Zapobiega ponownemu embeddingowi niezmienionego tekstu podczas ponownego indeksowania lub aktualizacji transkrypcji.

Indeksowanie wsadowe

Klucz	Typ	Domyślnie	Opis
`remote.nonBatchConcurrency`	`number`	`4`	Równoległe embeddingi inline
`remote.batch.enabled`	`boolean`	`false`	Włącz API embeddingów wsadowych
`remote.batch.concurrency`	`number`	`2`	Równoległe zadania wsadowe
`remote.batch.wait`	`boolean`	`true`	Czekaj na ukończenie wsadu
`remote.batch.pollIntervalMs`	`number`	—	Interwał odpytywania
`remote.batch.timeoutMinutes`	`number`	—	Limit czasu wsadu

Dostępne dla openai, gemini i voyage. Wsad OpenAI jest zwykle najszybszy i najtańszy przy dużych uzupełnieniach historycznych. remote.nonBatchConcurrency kontroluje wywołania embeddingów inline używane przez lokalnych/samodzielnie hostowanych dostawców oraz dostawców hostowanych, gdy API wsadowe dostawcy nie są aktywne. Ollama domyślnie używa 1 dla indeksowania niewsadowego, aby uniknąć przeciążenia mniejszych hostów lokalnych; ustaw wyższą wartość na większych maszynach. Jest to niezależne od sync.embeddingBatchTimeoutSeconds, które kontroluje limit czasu wywołań embeddingów inline.

Wyszukiwanie w pamięci sesji (eksperymentalne)

Indeksuj transkrypcje sesji i udostępniaj je przez memory_search:

Klucz	Typ	Domyślnie	Opis
`experimental.sessionMemory`	`boolean`	`false`	Włącz indeksowanie sesji
`sources`	`string[]`	`["memory"]`	Dodaj `"sessions"`, aby uwzględnić transkrypcje
`sync.sessions.deltaBytes`	`number`	`100000`	Próg bajtów do ponownego indeksowania
`sync.sessions.deltaMessages`	`number`	`50`	Próg wiadomości do ponownego indeksowania

Indeksowanie sesji jest opcjonalne i działa asynchronicznie. Wyniki mogą być nieco nieaktualne. Dzienniki sesji znajdują się na dysku, więc traktuj dostęp do systemu plików jako granicę zaufania.

Trafienia transkrypcji sesji również respektują tools.sessions.visibility. Domyślna widoczność tree udostępnia tylko bieżącą sesję oraz sesje przez nią utworzone. Aby przywołać niepowiązaną sesję tego samego agenta wysłaną przez Gateway z innej sesji, takiej jak DM, celowo rozszerz widoczność do agent (lub do all tylko wtedy, gdy wymagane jest także przywoływanie między agentami i zezwala na to polityka agent-agent). Poniższe przykłady umieszczają te ustawienia w agents.defaults. Możesz też zastosować równoważne ustawienia memorySearch w nadpisaniu dla konkretnego agenta, gdy tylko jeden agent ma indeksować i przeszukiwać transkrypcje sesji. Dla przywoływania Gateway-do-DM tego samego agenta:

Wbudowany backend
Backend QMD

{
  agents: {
    defaults: {
      memorySearch: {
        experimental: { sessionMemory: true },
        sources: ["memory", "sessions"],
      },
    },
  },
  tools: {
    sessions: { visibility: "agent" },
  },
}

{
  agents: {
    defaults: {
      memorySearch: {
        experimental: { sessionMemory: true },
        sources: ["memory", "sessions"],
      },
    },
  },
  memory: {
    backend: "qmd",
    qmd: {
      sessions: { enabled: true },
    },
  },
  tools: {
    sessions: { visibility: "agent" },
  },
}

Podczas używania QMD, agents.defaults.memorySearch.experimental.sessionMemory oraz sources: ["sessions"] same z siebie nie eksportują transkrypcji do QMD. Ustaw również memory.qmd.sessions.enabled: true.

Przyspieszenie wektorowe SQLite (sqlite-vec)

Klucz	Typ	Domyślnie	Opis
`store.vector.enabled`	`boolean`	`true`	Używaj sqlite-vec do zapytań wektorowych
`store.vector.extensionPath`	`string`	bundled	Nadpisz ścieżkę sqlite-vec

Gdy sqlite-vec jest niedostępny, OpenClaw automatycznie przełącza się na podobieństwo cosinusowe w procesie.

Przechowywanie indeksów

Wbudowane indeksy pamięci znajdują się w bazie danych OpenClaw SQLite każdego agenta pod agents/<agentId>/agent/openclaw-agent.sqlite.

Klucz	Typ	Domyślnie	Opis
`store.fts.tokenizer`	`string`	`unicode61`	Tokenizer FTS5 (`unicode61` lub `trigram`)

Konfiguracja backendu QMD

Ustaw memory.backend = "qmd", aby włączyć. Wszystkie ustawienia QMD znajdują się w memory.qmd:

Klucz	Typ	Domyślnie	Opis
`command`	`string`	`qmd`	Ścieżka do pliku wykonywalnego QMD; ustaw ścieżkę bezwzględną, gdy `PATH` usługi różni się od powłoki
`searchMode`	`string`	`search`	Polecenie wyszukiwania: `search`, `vsearch`, `query`
`rerank`	`boolean`	—	Ustaw na `false` z `searchMode: "query"` i QMD 2.1+, aby pominąć ponowne rankingowanie QMD
`includeDefaultMemory`	`boolean`	`true`	Automatycznie indeksuj `MEMORY.md` + `memory/*/.md`
`paths[]`	`array`	—	Dodatkowe ścieżki: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	Eksportuj transkrypcje sesji do QMD
`sessions.retentionDays`	`number`	—	Przechowywanie transkrypcji
`sessions.exportDir`	`string`	—	Katalog eksportu

searchMode: "search" działa wyłącznie leksykalnie/BM25. OpenClaw nie uruchamia sond gotowości wektorów semantycznych ani utrzymania embeddingów QMD dla tego trybu, także podczas memory status --deep; vsearch i query nadal wymagają gotowości wektorowej QMD oraz embeddingów. rerank: false zmienia tylko tryb query QMD i wymaga QMD 2.1 lub nowszego. W bezpośrednim trybie CLI OpenClaw przekazuje --no-rerank; w trybie MCP opartym na mcporter przekazuje rerank: false do ujednoliconego narzędzia zapytań QMD. Pozostaw to nieustawione, aby używać domyślnego zachowania ponownego rankingowania zapytań QMD. OpenClaw preferuje bieżące kształty kolekcji QMD i zapytań MCP, ale utrzymuje działanie starszych wydań QMD, próbując w razie potrzeby zgodnych flag wzorców kolekcji i starszych nazw narzędzi MCP. Gdy QMD deklaruje obsługę wielu filtrów kolekcji, kolekcje z tego samego źródła są przeszukiwane jednym procesem QMD; starsze kompilacje QMD zachowują ścieżkę zgodności dla pojedynczych kolekcji. To samo źródło oznacza, że trwałe kolekcje pamięci są grupowane razem, natomiast kolekcje transkrypcji sesji pozostają osobną grupą, aby dywersyfikacja źródeł nadal miała oba wejścia.

Nadpisania modeli QMD pozostają po stronie QMD, a nie w konfiguracji OpenClaw. Jeśli musisz globalnie nadpisać modele QMD, ustaw zmienne środowiskowe, takie jak QMD_EMBED_MODEL, QMD_RERANK_MODEL i QMD_GENERATE_MODEL, w środowisku uruchomieniowym Gateway.

Harmonogram aktualizacji

Klucz	Typ	Domyślnie	Opis
`update.interval`	`string`	`5m`	Interwał odświeżania
`update.debounceMs`	`number`	`15000`	Debounce zmian plików
`update.onBoot`	`boolean`	`true`	Odświeżaj po otwarciu długotrwałego menedżera QMD; ustaw false, aby pominąć natychmiastową aktualizację przy uruchomieniu
`update.startup`	`string`	`off`	Opcjonalna inicjalizacja QMD przy starcie Gateway: `off`, `idle` lub `immediate`
`update.startupDelayMs`	`number`	`120000`	Opóźnienie przed uruchomieniem odświeżania `startup: "idle"`
`update.waitForBootSync`	`boolean`	`false`	Blokuj otwarcie menedżera do zakończenia jego początkowego odświeżania
`update.embedInterval`	`string`	—	Osobny rytm osadzania
`update.commandTimeoutMs`	`number`	—	Limit czasu poleceń QMD
`update.updateTimeoutMs`	`number`	—	Limit czasu operacji aktualizacji QMD
`update.embedTimeoutMs`	`number`	—	Limit czasu operacji osadzania QMD

Limity

Klucz	Typ	Domyślnie	Opis
`limits.maxResults`	`number`	`6`	Maksymalna liczba wyników wyszukiwania
`limits.maxSnippetChars`	`number`	—	Ogranicz długość fragmentu
`limits.maxInjectedChars`	`number`	—	Ogranicz łączną liczbę wstrzykniętych znaków
`limits.timeoutMs`	`number`	`4000`	Limit czasu wyszukiwania

Zakres

Steruje tym, które sesje mogą otrzymywać wyniki wyszukiwania QMD. Ten sam schemat co session.sendPolicy:

{
  memory: {
    qmd: {
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
    },
  },
}

Dostarczona wartość domyślna zezwala na sesje bezpośrednie i kanałowe, nadal odmawiając grupom.Domyślnie tylko DM. match.keyPrefix dopasowuje znormalizowany klucz sesji; match.rawKeyPrefix dopasowuje surowy klucz wraz z agent:<id>:.

Cytowania

memory.citations dotyczy wszystkich backendów:

Wartość	Zachowanie
`auto` (domyślnie)	Uwzględnij stopkę `Source: <path#line>` we fragmentach
`on`	Zawsze uwzględniaj stopkę
`off`	Pomiń stopkę (ścieżka nadal jest wewnętrznie przekazywana agentowi)

Gdy inicjalizacja QMD przy starcie Gateway jest włączona, OpenClaw uruchamia QMD tylko dla kwalifikujących się agentów. Jeśli update.onBoot ma wartość true i nie skonfigurowano konserwacji interwału ani osadzania, uruchomienie używa jednorazowego menedżera do odświeżenia przy starcie i zamyka go. Jeśli skonfigurowano interwał aktualizacji lub osadzania, uruchomienie otwiera długotrwałego menedżera QMD, aby mógł posiadać obserwator i liczniki interwałów; update.onBoot: false pomija tylko natychmiastowe odświeżenie przy starcie.

Pełny przykład QMD

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      includeDefaultMemory: true,
      update: { interval: "5m", debounceMs: 15000 },
      limits: { maxResults: 6, timeoutMs: 4000 },
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
    },
  },
}

Dreaming

Dreaming konfiguruje się w plugins.entries.memory-core.config.dreaming, a nie w agents.defaults.memorySearch. Dreaming działa jako jedno zaplanowane przemiatanie i używa wewnętrznych faz lekkiej/głębokiej/REM jako szczegółu implementacyjnego. Opis zachowania koncepcyjnego i poleceń z ukośnikiem znajdziesz w Dreaming.

Ustawienia użytkownika

Klucz	Typ	Domyślnie	Opis
`enabled`	`boolean`	`false`	Całkowicie włącz lub wyłącz dreaming
`frequency`	`string`	`0 3 * * *`	Opcjonalny rytm cron dla pełnego przemiatania dreaming
`model`	`string`	model domyślny	Opcjonalne zastąpienie modelu subagenta Dziennika snów
`phases.deep.maxPromotedSnippetTokens`	`number`	`160`	Maksymalna szacowana liczba tokenów zachowywanych z każdego krótkoterminowego fragmentu przypomnienia promowanego do `MEMORY.md`; metadane pochodzenia pozostają widoczne

Przykład

{
  plugins: {
    entries: {
      "memory-core": {
        subagent: {
          allowModelOverride: true,
          allowedModels: ["anthropic/claude-sonnet-4-6"],
        },
        config: {
          dreaming: {
            enabled: true,
            frequency: "0 3 * * *",
            model: "anthropic/claude-sonnet-4-6",
          },
        },
      },
    },
  },
}

Dreaming zapisuje stan maszyny w memory/.dreams/.
Dreaming zapisuje czytelne dla człowieka dane narracyjne wyjściowe w DREAMS.md (lub istniejącym dreams.md).
dreaming.model używa istniejącej bramki zaufania subagenta Plugin; ustaw plugins.entries.memory-core.subagent.allowModelOverride: true przed jej włączeniem.
Dziennik snów ponawia próbę raz z domyślnym modelem sesji, gdy skonfigurowany model jest niedostępny. Niepowodzenia zaufania lub listy dozwolonych są rejestrowane i nie są po cichu ponawiane.
Zasady i progi faz lekkiej/głębokiej/REM są zachowaniem wewnętrznym, a nie konfiguracją przeznaczoną dla użytkownika.

Przegląd pamięci

Wbudowany silnik

Silnik QMD

Wyszukiwanie pamięci

Active Memory

​Wybór dostawcy

​Niestandardowe identyfikatory dostawców

​Rozwiązywanie klucza API

​Konfiguracja zdalnego punktu końcowego

​Konfiguracja specyficzna dla dostawcy

​Konfiguracja osadzeń Bedrock

​Limit czasu embeddingów inline

​Konfiguracja wyszukiwania hybrydowego

​Pełny przykład

​Dodatkowe ścieżki pamięci

​Pamięć multimodalna (Gemini)

​Pamięć podręczna embeddingów

​Indeksowanie wsadowe

​Wyszukiwanie w pamięci sesji (eksperymentalne)

​Przyspieszenie wektorowe SQLite (sqlite-vec)

​Przechowywanie indeksów

​Konfiguracja backendu QMD

​Pełny przykład QMD

​Dreaming

​Ustawienia użytkownika

​Przykład

​Powiązane

Wybór dostawcy

Niestandardowe identyfikatory dostawców

Rozwiązywanie klucza API

Konfiguracja zdalnego punktu końcowego

Konfiguracja specyficzna dla dostawcy

Konfiguracja osadzeń Bedrock

Limit czasu embeddingów inline

Konfiguracja wyszukiwania hybrydowego

Pełny przykład

Dodatkowe ścieżki pamięci

Pamięć multimodalna (Gemini)

Pamięć podręczna embeddingów

Indeksowanie wsadowe

Wyszukiwanie w pamięci sesji (eksperymentalne)

Przyspieszenie wektorowe SQLite (sqlite-vec)

Przechowywanie indeksów

Konfiguracja backendu QMD

Pełny przykład QMD

Dreaming

Ustawienia użytkownika

Przykład

Powiązane