Перейти к основному содержанию
memory-lancedb — официальный внешний плагин памяти, который хранит долговременную память в LanceDB и использует эмбеддинги для поиска. Он может автоматически вспоминать релевантные воспоминания перед ходом модели и сохранять важные факты после ответа. Используйте его, когда вам нужна локальная векторная база данных для памяти, требуется OpenAI-совместимая конечная точка эмбеддингов или вы хотите хранить базу памяти вне стандартного встроенного хранилища памяти.

​
Установка

Установите memory-lancedb перед настройкой plugins.slots.memory = "memory-lancedb": 
openclaw plugins install @openclaw/memory-lancedb
Плагин опубликован в npm и не включен в образ среды выполнения OpenClaw. Установщик записывает запись плагина и переключает слот памяти, если им не владеет другой плагин.
memory-lancedb — плагин активной памяти. Включите его, выбрав слот памяти с помощью plugins.slots.memory = "memory-lancedb". Сопутствующие плагины, такие как memory-wiki, могут работать рядом с ним, но активным слотом памяти владеет только один плагин.

​
Быстрый старт

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Перезапустите Gateway после изменения конфигурации плагина: 
openclaw gateway restart
Затем убедитесь, что плагин загружен: 
openclaw plugins list

​
Эмбеддинги на базе провайдеров

memory-lancedb может использовать те же адаптеры провайдеров эмбеддингов памяти, что и memory-core. Укажите embedding.provider и опустите embedding.apiKey, чтобы использовать настроенный профиль аутентификации провайдера, переменную окружения или models.providers.<provider>.apiKey. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
Этот путь работает с профилями аутентификации провайдера, которые предоставляют учетные данные для эмбеддингов. Например, GitHub Copilot можно использовать, когда профиль/план Copilot поддерживает эмбеддинги: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OpenAI Codex / ChatGPT OAuth не является учетными данными для эмбеддингов OpenAI Platform. Для эмбеддингов OpenAI используйте профиль аутентификации с ключом OpenAI API, OPENAI_API_KEY или models.providers.openai.apiKey. Пользователи только с OAuth могут использовать другого провайдера с поддержкой эмбеддингов, например GitHub Copilot или Ollama.

​
Эмбеддинги Ollama

Для эмбеддингов Ollama предпочитайте встроенного провайдера эмбеддингов Ollama. Он использует нативную конечную точку Ollama /api/embed и следует тем же правилам аутентификации/base URL, что и провайдер Ollama, описанный в Ollama. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "ollama",
            baseUrl: "http://127.0.0.1:11434",
            model: "mxbai-embed-large",
            dimensions: 1024,
          },
          recallMaxChars: 400,
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Укажите dimensions для нестандартных моделей эмбеддингов. OpenClaw знает размерности для text-embedding-3-small и text-embedding-3-large; для пользовательских моделей значение нужно указать в конфигурации, чтобы LanceDB могла создать векторный столбец. Для небольших локальных моделей эмбеддингов уменьшите recallMaxChars, если видите ошибки длины контекста от локального сервера.

​
OpenAI-совместимые провайдеры

Некоторые OpenAI-совместимые провайдеры эмбеддингов отклоняют параметр encoding_format, а другие игнорируют его и всегда возвращают векторы number[]. Поэтому memory-lancedb опускает encoding_format в запросах эмбеддингов и принимает как ответы с массивами чисел с плавающей точкой, так и ответы float32 в кодировке base64. Если у вас есть сырая OpenAI-совместимая конечная точка эмбеддингов без встроенного адаптера провайдера, опустите embedding.provider (или оставьте openai) и укажите embedding.apiKey вместе с embedding.baseUrl. Это сохраняет прямой OpenAI-совместимый путь клиента. Укажите embedding.dimensions для провайдеров, размерности моделей которых не встроены. Например, ZhiPu embedding-3 использует размерность 2048: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            apiKey: "${ZHIPU_API_KEY}",
            baseUrl: "https://open.bigmodel.cn/api/paas/v4",
            model: "embedding-3",
            dimensions: 2048,
          },
        },
      },
    },
  },
}

​
Ограничения поиска и захвата

У memory-lancedb есть два отдельных ограничения текста:
ПараметрПо умолчаниюДиапазонПрименяется к
recallMaxChars1000100-10000тексту, отправляемому в API эмбеддингов для поиска
captureMaxChars500100-10000длине сообщения, подходящей для автоматического захвата
customTriggers[]0-50буквальным фразам, из-за которых автозахват рассматривает сообщение
recallMaxChars управляет автоматическим вспоминанием, инструментом memory_recall, путем запроса memory_forget и openclaw ltm search. Автоматическое вспоминание предпочитает последнее сообщение пользователя из хода и возвращается к полному промпту только тогда, когда сообщение пользователя недоступно. Это не допускает попадания метаданных канала и больших блоков промпта в запрос эмбеддинга. captureMaxChars определяет, достаточно ли короток ответ, чтобы рассматривать его для автоматического захвата. Он не ограничивает эмбеддинги поисковых запросов. customTriggers позволяет добавлять буквальные фразы для автоматического захвата без написания регулярных выражений. Встроенные триггеры включают распространенные фразы памяти на английском, чешском, китайском, японском и корейском языках.

​
Команды

Когда memory-lancedb является активным Plugin памяти, он регистрирует пространство имен CLI ltm: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
Подкоманда query выполняет невекторный запрос напрямую к таблице LanceDB: 
openclaw ltm query --cols id,text,createdAt --limit 20
openclaw ltm query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: список разрешенных столбцов через запятую (по умолчанию id, text, importance, category, createdAt).
  • --filter <condition>: SQL-подобное условие WHERE; ограничено 200 символами и допускает только буквы и цифры, операторы сравнения, кавычки, скобки и небольшой набор безопасной пунктуации.
  • --limit <n>: положительное целое число; по умолчанию 10.
  • --order-by <column>:<asc|desc>: сортировка в памяти, применяемая после фильтра; столбец сортировки автоматически включается в проекцию.
Агенты также получают инструменты памяти LanceDB от активного Plugin памяти:
  • memory_recall для вызова из памяти на базе LanceDB
  • memory_store для сохранения важных фактов, предпочтений, решений и сущностей
  • memory_forget для удаления совпадающих воспоминаний

​
Хранилище

По умолчанию данные LanceDB находятся в ~/.openclaw/memory/lancedb. Переопределите путь с помощью dbPath: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions принимает строковые пары ключ/значение для бэкендов хранилища LanceDB и поддерживает раскрытие ${ENV_VAR}: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Зависимости времени выполнения

memory-lancedb зависит от нативного пакета @lancedb/lancedb. Упакованный OpenClaw рассматривает этот пакет как часть пакета Plugin. Запуск Gateway не исправляет зависимости Plugin; если зависимость отсутствует, переустановите или обновите пакет Plugin и перезапустите Gateway. Если более старая установка при загрузке Plugin записывает в журнал ошибку об отсутствующем dist/package.json или отсутствующем @lancedb/lancedb, обновите OpenClaw и перезапустите Gateway. Если Plugin сообщает в журнале, что LanceDB недоступен на darwin-x64, используйте на этой машине бэкенд памяти по умолчанию, перенесите Gateway на поддерживаемую платформу или отключите memory-lancedb.

​
Устранение неполадок

​
Длина ввода превышает длину контекста

Обычно это означает, что модель эмбеддингов отклонила запрос вызова из памяти: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Задайте меньшее значение recallMaxChars, затем перезапустите Gateway: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Для Ollama также проверьте, что сервер эмбеддингов доступен с хоста Gateway: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Неподдерживаемая модель эмбеддингов

Без dimensions известны только встроенные размерности эмбеддингов OpenAI. Для локальных или пользовательских моделей эмбеддингов задайте embedding.dimensions равным размеру вектора, который сообщает эта модель.

​
Plugin загружается, но воспоминания не появляются

Проверьте, что plugins.slots.memory указывает на memory-lancedb, затем выполните: 
openclaw ltm stats
openclaw ltm search "recent preference"
Если autoCapture отключен, Plugin будет вызывать существующие воспоминания, но не будет автоматически сохранять новые. Используйте инструмент memory_store или включите autoCapture, если вам нужен автоматический захват.

​
См. также