內建引擎是預設的記憶後端。它會將你的記憶索引儲存在 每個代理程式的 SQLite 資料庫中，開始使用時不需要額外相依項。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.
它提供的功能
- 透過 FTS5 全文索引（BM25 評分）進行關鍵字搜尋。
- 透過任何受支援提供者的嵌入進行向量搜尋。
- 混合搜尋會結合兩者以取得最佳結果。
- 透過三元組分詞支援中文、日文和韓文的 CJK 支援。
- 透過 sqlite-vec 加速進行資料庫內向量查詢（選用）。
開始使用
如果你有 OpenAI、Gemini、Voyage、Mistral 或 DeepInfra 的 API 金鑰，內建 引擎會自動偵測並啟用向量搜尋。不需要設定。 若要明確設定提供者：node-llama-cpp 執行階段套件，然後將 local.modelPath
指向 GGUF 檔案：
受支援的嵌入提供者
| 提供者 | ID | 自動偵測 | 備註 |
|---|---|---|---|
| OpenAI | openai | 是 | 預設：text-embedding-3-small |
| Gemini | gemini | 是 | 支援多模態（圖片 + 音訊） |
| Voyage | voyage | 是 | |
| Mistral | mistral | 是 | |
| DeepInfra | deepinfra | 是 | 預設：BAAI/bge-m3 |
| Ollama | ollama | 否 | 本機，需明確設定 |
| 本機 | local | 是（第一個） | 選用的 node-llama-cpp 執行階段 |
memorySearch.provider 可覆寫。
索引如何運作
OpenClaw 會將MEMORY.md 和 memory/*.md 索引為區塊（約 400 個 token，
重疊 80 個 token），並儲存在每個代理程式的 SQLite 資料庫中。
- 索引位置：
~/.openclaw/memory/<agentId>.sqlite - 儲存維護： SQLite WAL sidecar 會透過定期與 關閉時 checkpoint 控制大小。
- 檔案監看： 記憶檔案的變更會觸發防抖後重新索引（1.5 秒）。
- 自動重新索引： 當嵌入提供者、模型或區塊設定 變更時，整個索引會自動重建。
- 依需求重新索引：
openclaw memory index --force
你也可以使用
memorySearch.extraPaths 索引工作區外的 Markdown 檔案。請參閱
設定參考。使用時機
內建引擎是大多數使用者的正確選擇：- 無需額外相依項即可開箱即用。
- 能妥善處理關鍵字和向量搜尋。
- 支援所有嵌入提供者。
- 混合搜尋結合兩種擷取方式的優點。
疑難排解
記憶搜尋停用了？ 檢查openclaw memory status。如果未偵測到提供者，
請明確設定一個，或加入 API 金鑰。
未偵測到本機提供者？ 確認本機路徑存在並執行：
local 提供者 ID。
如果提供者設定為 auto，只有當 memorySearch.local.modelPath
指向現有本機檔案時，才會優先考慮本機嵌入。
結果過舊？ 執行 openclaw memory index --force 以重建。監看器
在少數邊緣情況下可能會漏掉變更。
sqlite-vec 無法載入？ OpenClaw 會自動退回使用處理程序內的餘弦相似度。
openclaw memory status --deep 會將本機向量儲存區與嵌入提供者分開回報，
因此 Vector store: unavailable 指向 sqlite-vec 載入問題，而 Embeddings: unavailable
則指向提供者/驗證或模型就緒狀態。請檢查記錄以取得具體載入錯誤。