> ## Documentation Index
> Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Вбудований рушій пам’яті

Вбудований рушій є типовим бекендом пам’яті. Він зберігає індекс пам’яті в
SQLite-базі даних для кожного агента й не потребує додаткових залежностей для початку роботи.

## Що він надає

* **Пошук за ключовими словами** через повнотекстове індексування FTS5 (оцінювання BM25).
* **Векторний пошук** через embeddings від будь-якого підтримуваного постачальника.
* **Гібридний пошук**, що поєднує обидва підходи для найкращих результатів.
* **Підтримку CJK** через триграмну токенізацію для китайської, японської та корейської мов.
* **Прискорення sqlite-vec** для векторних запитів у базі даних (необов’язково).

## Початок роботи

Типово вбудований рушій використовує OpenAI embeddings. Якщо у вас уже налаштовано
`OPENAI_API_KEY` або `models.providers.openai.apiKey`, векторний пошук
працює без додаткової конфігурації пам’яті.

Щоб явно задати постачальника:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
```

Без постачальника embeddings доступний лише пошук за ключовими словами.

Щоб примусово використовувати локальні GGUF embeddings, установіть офіційний Plugin постачальника llama.cpp,
а потім спрямуйте `local.modelPath` на файл GGUF:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw plugins install @openclaw/llama-cpp-provider
```

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}
```

## Підтримувані постачальники embeddings

| Постачальник    | ID                  | Примітки                                         |
| --------------- | ------------------- | ------------------------------------------------ |
| Bedrock         | `bedrock`           | Використовує ланцюг облікових даних AWS          |
| DeepInfra       | `deepinfra`         | Типово: `BAAI/bge-m3`                            |
| Gemini          | `gemini`            | Підтримує мультимодальність (зображення + аудіо) |
| GitHub Copilot  | `github-copilot`    | Використовує передплату Copilot                  |
| Локальний       | `local`             | `@openclaw/llama-cpp-provider`                   |
| Mistral         | `mistral`           |                                                  |
| Ollama          | `ollama`            | Локальний/самостійно розгорнутий                 |
| OpenAI          | `openai`            | Типово: `text-embedding-3-small`                 |
| OpenAI-сумісний | `openai-compatible` | Універсальний endpoint `/v1/embeddings`          |
| Voyage          | `voyage`            |                                                  |

Задайте `memorySearch.provider`, щоб перейти з OpenAI на іншого постачальника.

## Як працює індексування

OpenClaw індексує `MEMORY.md` і `memory/*.md` у фрагменти (\~400 токенів із
перекриттям 80 токенів) і зберігає їх у SQLite-базі даних для кожного агента.

* **Розташування індексу:** база даних відповідного агента за адресою
  `~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite`
* **Обслуговування сховища:** побічні файли SQLite WAL обмежуються періодичними
  checkpoint і checkpoint під час завершення роботи.
* **Відстеження файлів:** зміни у файлах пам’яті запускають повторне індексування з debounce (1,5 с).
* **Автоматичне повторне індексування:** коли змінюється постачальник embeddings, модель або конфігурація фрагментації,
  весь індекс автоматично перебудовується.
* **Повторне індексування на вимогу:** `openclaw memory index --force`

<Info>
  Ви також можете індексувати Markdown-файли поза робочою областю за допомогою
  `memorySearch.extraPaths`. Див.
  [довідник із конфігурації](/uk/reference/memory-config#additional-memory-paths).
</Info>

## Коли використовувати

Вбудований рушій є правильним вибором для більшості користувачів:

* Працює одразу без додаткових залежностей.
* Добре обробляє пошук за ключовими словами та векторний пошук.
* Підтримує всіх постачальників embeddings.
* Гібридний пошук поєднує найкраще з обох підходів до пошуку.

Розгляньте перехід на [QMD](/uk/concepts/memory-qmd), якщо вам потрібні reranking, розширення запиту
або індексування каталогів поза робочою областю.

Розгляньте [Honcho](/uk/concepts/memory-honcho), якщо вам потрібна пам’ять між сеансами з
автоматичним моделюванням користувача.

## Усунення несправностей

**Пошук у пам’яті вимкнено?** Перевірте `openclaw memory status`. Якщо постачальника
не виявлено, задайте його явно або додайте ключ API.

**Локального постачальника не виявлено?** Переконайтеся, що локальний шлях існує, і виконайте:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
```

І автономні команди CLI, і Gateway використовують той самий ID постачальника `local`.
Задайте `memorySearch.provider: "local"`, коли хочете використовувати локальні embeddings.

**Застарілі результати?** Виконайте `openclaw memory index --force`, щоб перебудувати індекс. Watcher
може пропустити зміни в рідкісних крайових випадках.

**sqlite-vec не завантажується?** OpenClaw автоматично повертається до in-process cosine similarity.
`openclaw memory status --deep` повідомляє про локальне векторне сховище
окремо від постачальника embeddings, тож `Vector store: unavailable` вказує
на завантаження sqlite-vec, тоді як `Embeddings: unavailable` вказує на постачальника/auth
або готовність моделі. Перевірте журнали на конкретну помилку завантаження.

## Конфігурація

Щоб налаштувати постачальника embeddings, тонко налаштувати гібридний пошук (ваги, MMR, temporal
decay), пакетне індексування, мультимодальну пам’ять, sqlite-vec, додаткові шляхи та всі
інші параметри конфігурації, див.
[довідник із конфігурації пам’яті](/uk/reference/memory-config).

## Пов’язане

* [Огляд пам’яті](/uk/concepts/memory)
* [Пошук у пам’яті](/uk/concepts/memory-search)
* [Active Memory](/uk/concepts/active-memory)