Перейти до основного вмісту

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.

memory-lancedb — це вбудований Plugin пам’яті, який зберігає довготривалу пам’ять у LanceDB і використовує вбудовування для пригадування. Він може автоматично пригадувати релевантні спогади перед ходом моделі та фіксувати важливі факти після відповіді. Використовуйте його, коли потрібна локальна векторна база даних для пам’яті, потрібна OpenAI-сумісна кінцева точка вбудовувань або потрібно тримати базу даних пам’яті поза стандартним вбудованим сховищем пам’яті.
memory-lancedb — це Plugin Active Memory. Увімкніть його, вибравши слот пам’яті за допомогою plugins.slots.memory = "memory-lancedb". Супровідні plugins, як-от memory-wiki, можуть працювати поруч із ним, але лише один plugin володіє активним слотом пам’яті.

​
Швидкий старт

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Перезапустіть Gateway після зміни конфігурації plugin: 
openclaw gateway restart
Потім перевірте, що plugin завантажено: 
openclaw plugins list

​
Вбудовування на основі постачальника

memory-lancedb може використовувати ті самі адаптери постачальників вбудовувань пам’яті, що й memory-core. Задайте embedding.provider і не вказуйте embedding.apiKey, щоб використовувати налаштований профіль автентифікації постачальника, змінну середовища або 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,
        },
      },
    },
  },
}
Цей шлях працює з профілями автентифікації постачальника, які надають облікові дані для вбудовувань. Наприклад, GitHub Copilot можна використовувати, коли профіль/план Copilot підтримує вбудовування: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OpenAI Codex / ChatGPT OAuth (openai-codex) не є обліковими даними вбудовувань OpenAI Platform. Для вбудовувань OpenAI використовуйте профіль автентифікації з ключем OpenAI API, OPENAI_API_KEY або models.providers.openai.apiKey. Користувачі лише з OAuth можуть використовувати іншого постачальника з підтримкою вбудовувань, як-от GitHub Copilot або Ollama.

​
Вбудовування Ollama

Для вбудовувань Ollama віддавайте перевагу вбудованому постачальнику вбудовувань Ollama. Він використовує нативну кінцеву точку Ollama /api/embed і дотримується тих самих правил автентифікації/базової URL-адреси, що й постачальник Ollama, задокументований у 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,
        },
      },
    },
  },
}
Задайте dimensions для нестандартних моделей вбудовувань. OpenClaw знає розмірності для text-embedding-3-small і text-embedding-3-large; для користувацьких моделей значення потрібно вказати в конфігурації, щоб LanceDB могла створити векторний стовпець. Для малих локальних моделей вбудовувань зменште recallMaxChars, якщо бачите помилки довжини контексту від локального сервера.

​
OpenAI-сумісні постачальники

Деякі OpenAI-сумісні постачальники вбудовувань відхиляють параметр encoding_format, тоді як інші ігнорують його й завжди повертають вектори number[]. Тому memory-lancedb не передає encoding_format у запитах вбудовувань і приймає як відповіді з масивами чисел із рухомою комою, так і base64-кодовані відповіді float32. Якщо у вас є необроблена OpenAI-сумісна кінцева точка вбудовувань, для якої немає вбудованого адаптера постачальника, не вказуйте embedding.provider (або залиште його як openai) і задайте embedding.apiKey разом із embedding.baseUrl. Це зберігає прямий шлях OpenAI-сумісного клієнта. Задайте embedding.dimensions для постачальників, чиї розмірності моделей не вбудовані. Наприклад, ZhiPu embedding-3 використовує 2048 розмірності: 
{
  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,
          },
        },
      },
    },
  },
}

​
Обмеження пригадування та фіксації

memory-lancedb має два окремі текстові обмеження:
НалаштуванняТипове значенняДіапазонЗастосовується до
recallMaxChars1000100-10000тексту, надісланого до API вбудовувань для пригадування
captureMaxChars500100-10000довжини повідомлення асистента, придатної для фіксації
recallMaxChars керує автоматичним пригадуванням, інструментом memory_recall, шляхом запиту memory_forget і openclaw ltm search. Автоматичне пригадування надає перевагу останньому повідомленню користувача з ходу й повертається до повного промпта лише тоді, коли повідомлення користувача недоступне. Це не допускає метадані каналу та великі блоки промпта до запиту вбудовування. captureMaxChars керує тим, чи відповідь достатньо коротка, щоб її можна було розглядати для автоматичної фіксації. Він не обмежує вбудовування запитів пригадування.

​
Команди

Коли memory-lancedb є активним plugin пам’яті, він реєструє простір імен CLI ltm: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
Plugin також розширює openclaw memory невекторною підкомандою query, яка виконується безпосередньо над таблицею LanceDB: 
openclaw memory query --cols id,text,createdAt --limit 20
openclaw memory query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: список дозволених стовпців, розділених комами (типово id, text, importance, category, createdAt).
  • --filter <condition>: SQL-подібна умова WHERE; обмежена 200 символами та лише буквено-цифровими символами, операторами порівняння, лапками, дужками й невеликим набором безпечної пунктуації.
  • --limit <n>: додатне ціле число; типово 10.
  • --order-by <column>:<asc|desc>: сортування в пам’яті, застосоване після фільтра; стовпець сортування автоматично включається до проєкції.
Агенти також отримують інструменти пам’яті LanceDB від активного plugin пам’яті:
  • memory_recall для пригадування на основі LanceDB
  • memory_store для збереження важливих фактів, уподобань, рішень і сутностей
  • memory_forget для видалення відповідних спогадів

​
Сховище

За замовчуванням дані LanceDB розміщуються в ~/.openclaw/memory/lancedb. Перевизначте шлях за допомогою dbPath: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions приймає рядкові пари ключ/значення для бекендів сховища LanceDB і підтримує розгортання ${ENV_VAR}: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Залежності виконання

memory-lancedb залежить від нативного пакета @lancedb/lancedb. У пакетованому OpenClaw цей пакет вважається частиною пакета plugin. Запуск Gateway не виправляє залежності plugin; якщо залежність відсутня, перевстановіть або оновіть пакет plugin і перезапустіть Gateway. Якщо старіше встановлення під час завантаження plugin записує в журнал помилку про відсутній dist/package.json або відсутній @lancedb/lancedb, оновіть OpenClaw і перезапустіть Gateway. Якщо plugin записує в журнал, що LanceDB недоступна на darwin-x64, використовуйте стандартний бекенд пам’яті на цій машині, перемістіть Gateway на підтримувану платформу або вимкніть memory-lancedb.

​
Усунення несправностей

​
Довжина введення перевищує довжину контексту

Зазвичай це означає, що модель вбудовувань відхилила запит пригадування: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Задайте нижче значення recallMaxChars, а потім перезапустіть Gateway: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Для Ollama також перевірте, що сервер вбудовувань доступний із хоста Gateway: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Непідтримувана модель вбудовувань

Без dimensions відомі лише вбудовані розмірності вбудовувань OpenAI. Для локальних або користувацьких моделей вбудовувань задайте embedding.dimensions як розмір вектора, який повідомляє ця модель.

​
Plugin завантажується, але спогади не з’являються

Перевірте, що plugins.slots.memory вказує на memory-lancedb, потім виконайте: 
openclaw ltm stats
openclaw ltm search "recent preference"
Якщо autoCapture вимкнено, plugin пригадуватиме наявні спогади, але не зберігатиме нові автоматично. Використовуйте інструмент memory_store або ввімкніть autoCapture, якщо потрібна автоматична фіксація.

​
Пов’язане