memory_search знаходить релевантні нотатки у ваших файлах пам’яті, навіть коли
формулювання відрізняється від оригінального тексту. Він працює, індексуючи
пам’ять на невеликі фрагменти та шукаючи в них за допомогою ембедингів,
ключових слів або обох способів.
Швидкий старт
Пошук у пам’яті типово використовує ембединги OpenAI. Щоб використати інший
бекенд ембедингів, явно задайте постачальника:
{
agents: {
defaults: {
memorySearch: {
provider: "openai", // or "gemini", "local", "ollama", "openai-compatible", etc.
},
},
},
}
provider також може бути власним записом models.providers.<id>,
наприклад ollama-5080, коли цей постачальник задає api: "ollama" або іншого
власника адаптера ембедингів пам’яті.
Для локальних ембедингів без ключа API встановіть
@openclaw/llama-cpp-provider і задайте provider: "local". Вихідні checkout-и
можуть усе ще вимагати схвалення нативної збірки: pnpm approve-builds, потім
pnpm rebuild node-llama-cpp.
Деякі OpenAI-сумісні кінцеві точки ембедингів вимагають асиметричних міток,
наприклад input_type: "query" для пошуку та input_type: "document" або
"passage" для індексованих фрагментів. Налаштуйте їх через
memorySearch.queryInputType і memorySearch.documentInputType; дивіться
довідник із налаштування пам’яті.
Підтримувані постачальники
| Постачальник | ID | Потрібен ключ API | Примітки |
|---|
| Bedrock | bedrock | Ні | Використовує ланцюжок облікових даних AWS |
| DeepInfra | deepinfra | Так | Типово: BAAI/bge-m3 |
| Gemini | gemini | Так | Підтримує індексування зображень/аудіо |
| GitHub Copilot | github-copilot | Ні | Використовує підписку Copilot |
| Локальний | local | Ні | Модель GGUF, завантаження ~0,6 ГБ |
| Mistral | mistral | Так | |
| Ollama | ollama | Ні | Локальний/самостійно розгорнутий |
| OpenAI | openai | Так | Типовий |
| OpenAI-сумісний | openai-compatible | Зазвичай | Універсальний /v1/embeddings |
| Voyage | voyage | Так | |
Як працює пошук
OpenClaw запускає два шляхи отримання даних паралельно й об’єднує результати:
- Векторний пошук знаходить нотатки зі схожим значенням (
"gateway host"
відповідає "the machine running OpenClaw").
- Пошук за ключовими словами BM25 знаходить точні збіги (ID, рядки помилок,
ключі конфігурації).
Якщо доступний лише один шлях, інший працює самостійно. Навмисний режим лише
FTS (provider: "none") і автоматичний/типовий вибір постачальника все ще
можуть використовувати лексичне ранжування, коли ембединги недоступні.
Явні нелокальні постачальники ембедингів поводяться інакше. Якщо ви задаєте
memorySearch.provider як конкретного постачальника з віддаленим бекендом, і
цей постачальник недоступний під час виконання, memory_search повідомляє, що
пам’ять недоступна, замість того щоб мовчки використовувати лише результати FTS.
Це робить поламаного налаштованого семантичного постачальника видимим. Задайте
provider: "none" для навмисного відтворення лише через FTS або виправте
конфігурацію постачальника/автентифікації, щоб відновити семантичне ранжування.
Покращення якості пошуку
Дві необов’язкові функції допомагають, коли у вас велика історія нотаток:
Часове згасання
Старі нотатки поступово втрачають вагу ранжування, щоб нова інформація
з’являлася першою. За типового періоду напіврозпаду 30 днів нотатка з минулого
місяця отримує 50% своєї початкової ваги. Вічнозелені файли, як-от MEMORY.md,
ніколи не згасають.
Увімкніть часове згасання, якщо ваш агент має місяці щоденних нотаток, а застаріла
інформація й далі випереджає новіший контекст.
MMR (різноманітність)
Зменшує кількість надлишкових результатів. Якщо п’ять нотаток згадують ту саму
конфігурацію маршрутизатора, MMR гарантує, що найкращі результати охоплюють
різні теми, а не повторюються.
Увімкніть MMR, якщо memory_search постійно повертає майже дублікати фрагментів
із різних щоденних нотаток.
Увімкнути обидві функції
{
agents: {
defaults: {
memorySearch: {
query: {
hybrid: {
mmr: { enabled: true },
temporalDecay: { enabled: true },
},
},
},
},
},
}
Мультимодальна пам’ять
З Gemini Embedding 2 ви можете індексувати зображення й аудіофайли разом із
Markdown. Пошукові запити залишаються текстовими, але вони зіставляються з
візуальним і аудіоконтентом. Дивіться
довідник із налаштування пам’яті для налаштування.
Пошук у пам’яті сеансу
Ви можете за бажанням індексувати стенограми сеансів, щоб memory_search міг
згадувати попередні розмови. Це вмикається явно через
memorySearch.experimental.sessionMemory і sources: ["sessions"]; типовий
список джерел містить лише пам’ять. Експериментальний прапорець вмикає
індексування стенограм сеансів, а sources контролює, чи виконуватиметься пошук
у фрагментах сеансів.
Збіги сеансів підпорядковуються tools.sessions.visibility: типове значення
tree відкриває лише поточний сеанс і сеанси, які він породив. Щоб згадати
непов’язаний сеанс того самого агента, надісланий через Gateway з окремого DM-сеансу,
навмисно розширте видимість до agent.
Під час використання QMD також задайте memory.qmd.sessions.enabled: true, щоб
стенограми експортувалися в колекцію QMD. Дивіться
довідник із конфігурації для подробиць.
Усунення несправностей
Немає результатів? Запустіть openclaw memory status, щоб перевірити індекс.
Якщо він порожній, запустіть openclaw memory index --force.
Лише збіги за ключовими словами? Ваш постачальник ембедингів може бути не
налаштований. Перевірте openclaw memory status --deep.
Час очікування локальних ембедингів вичерпано? ollama, lmstudio і local
типово використовують довший тайм-аут inline-пакета. Якщо хост просто повільний,
задайте agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds і
повторно запустіть openclaw memory index --force.
Текст CJK не знайдено? Перебудуйте індекс FTS за допомогою
openclaw memory index --force.
Додаткові матеріали
Пов’язане
