内置引擎是默认的记忆后端。它会把你的记忆索引存储在每个智能体的 SQLite 数据库中，并且入门不需要额外依赖。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.
它提供什么
- 关键词搜索：通过 FTS5 全文索引实现（BM25 评分）。
- 向量搜索：通过任意受支持提供商的 embeddings 实现。
- 混合搜索：结合两者以获得最佳结果。
- CJK 支持：通过 trigram 分词支持中文、日文和韩文。
- sqlite-vec 加速：用于数据库内向量查询（可选）。
入门指南
如果你有 OpenAI、Gemini、Voyage、Mistral 或 DeepInfra 的 API key，内置 引擎会自动检测它并启用向量搜索。无需配置。 要显式设置提供商：node-llama-cpp 运行时包，然后将 local.modelPath
指向一个 GGUF 文件：
支持的 embedding 提供商
| 提供商 | ID | 自动检测 | 说明 |
|---|---|---|---|
| OpenAI | openai | 是 | 默认：text-embedding-3-small |
| Gemini | gemini | 是 | 支持多模态（图像 + 音频） |
| Voyage | voyage | 是 | |
| Mistral | mistral | 是 | |
| DeepInfra | deepinfra | 是 | 默认：BAAI/bge-m3 |
| Ollama | ollama | 否 | 本地，需显式设置 |
| Local | local | 是（优先） | 可选 node-llama-cpp 运行时 |
memorySearch.provider 可覆盖该选择。
索引的工作方式
OpenClaw 会将MEMORY.md 和 memory/*.md 索引为片段（约 400 个 token，
重叠 80 个 token），并存储到每个智能体的 SQLite 数据库中。
- 索引位置：
~/.openclaw/memory/<agentId>.sqlite - 存储维护： SQLite WAL sidecar 会通过定期 checkpoint 和关闭时 checkpoint 进行限制。
- 文件监听： 记忆文件变更会触发防抖的重新索引（1.5 秒）。
- 自动重新索引： 当 embedding 提供商、模型或分块配置发生变化时，会自动重建整个索引。
- 按需重新索引：
openclaw memory index --force
你也可以使用
memorySearch.extraPaths 索引工作区外的 Markdown 文件。参见
配置参考。何时使用
内置引擎适合大多数用户：- 开箱即用，无需额外依赖。
- 能很好地处理关键词搜索和向量搜索。
- 支持所有 embedding 提供商。
- 混合搜索结合了两种检索方式的优势。
故障排除
记忆搜索被禁用了？ 检查openclaw memory status。如果未检测到提供商，
请显式设置一个，或添加 API key。
未检测到本地提供商？ 确认本地路径存在，然后运行：
local 提供商 ID。
如果提供商设置为 auto，只有当 memorySearch.local.modelPath
指向现有本地文件时，才会优先考虑本地 embeddings。
结果过旧？ 运行 openclaw memory index --force 重建索引。监听器
在极少数边缘情况下可能会漏掉变更。
sqlite-vec 未加载？ OpenClaw 会自动回退到进程内余弦相似度。
openclaw memory status --deep 会将本地向量存储与 embedding 提供商
分开报告，因此 Vector store: unavailable 指向 sqlite-vec 加载问题，
而 Embeddings: unavailable 指向提供商/认证或模型就绪问题。查看日志以了解具体加载错误。