Zum Hauptinhalt springen

Documentation Index

Fetch the complete documentation index at: https://docs.openclaw.ai/llms.txt

Use this file to discover all available pages before exploring further.

Die integrierte Engine ist das standardmäßige Speicher-Backend. Sie speichert Ihren Speicherindex in einer SQLite-Datenbank pro Agent und benötigt für den Einstieg keine zusätzlichen Abhängigkeiten.

​
Was sie bietet

  • Schlüsselwortsuche über FTS5-Volltextindexierung (BM25-Scoring).
  • Vektorsuche über Embeddings von jedem unterstützten Provider.
  • Hybridsuche, die beides kombiniert, um die besten Ergebnisse zu erzielen.
  • CJK-Unterstützung über Trigramm-Tokenisierung für Chinesisch, Japanisch und Koreanisch.
  • sqlite-vec-Beschleunigung für Vektorabfragen in der Datenbank (optional).

​
Erste Schritte

Wenn Sie einen API-Schlüssel für OpenAI, Gemini, Voyage, Mistral oder DeepInfra haben, erkennt die integrierte Engine ihn automatisch und aktiviert die Vektorsuche. Keine Konfiguration erforderlich. So legen Sie einen Provider explizit fest: 
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
Ohne Embedding-Provider ist nur die Schlüsselwortsuche verfügbar. Um den integrierten lokalen Embedding-Provider zu erzwingen, installieren Sie das optionale Laufzeitpaket node-llama-cpp neben OpenClaw und verweisen Sie dann local.modelPath auf eine GGUF-Datei: 
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}

​
Unterstützte Embedding-Provider

ProviderIDAutomatisch erkanntHinweise
OpenAIopenaiJaStandard: text-embedding-3-small
GeminigeminiJaUnterstützt multimodal (Bild + Audio)
VoyagevoyageJa
MistralmistralJa
DeepInfradeepinfraJaStandard: BAAI/bge-m3
OllamaollamaNeinLokal, explizit festlegen
LokallocalJa (zuerst)Optionale node-llama-cpp-Laufzeit
Die automatische Erkennung wählt den ersten Provider aus, dessen API-Schlüssel aufgelöst werden kann, in der angezeigten Reihenfolge. Legen Sie memorySearch.provider fest, um dies zu überschreiben.

​
Wie die Indexierung funktioniert

OpenClaw indexiert MEMORY.md und memory/*.md in Chunks (~400 Tokens mit 80-Token-Überlappung) und speichert sie in einer SQLite-Datenbank pro Agent.
  • Indexspeicherort: ~/.openclaw/memory/<agentId>.sqlite
  • Speicherwartung: SQLite-WAL-Begleitdateien werden durch regelmäßige und Shutdown-Checkpoints begrenzt.
  • Dateiüberwachung: Änderungen an Speicherdateien lösen eine entprellte Neuindexierung aus (1,5 s).
  • Automatische Neuindexierung: Wenn sich der Embedding-Provider, das Modell oder die Chunking-Konfiguration ändert, wird der gesamte Index automatisch neu aufgebaut.
  • Neuindexierung bei Bedarf: openclaw memory index --force
Sie können auch Markdown-Dateien außerhalb des Workspace mit memorySearch.extraPaths indexieren. Siehe die Konfigurationsreferenz.

​
Wann verwenden

Die integrierte Engine ist für die meisten Nutzer die richtige Wahl:
  • Funktioniert ohne zusätzliche Abhängigkeiten sofort.
  • Verarbeitet Schlüsselwort- und Vektorsuche zuverlässig.
  • Unterstützt alle Embedding-Provider.
  • Die Hybridsuche kombiniert das Beste aus beiden Retrieval-Ansätzen.
Erwägen Sie den Wechsel zu QMD, wenn Sie Reranking, Abfrageerweiterung benötigen oder Verzeichnisse außerhalb des Workspace indexieren möchten. Erwägen Sie Honcho, wenn Sie sitzungsübergreifenden Speicher mit automatischer Nutzermodellierung wünschen.

​
Fehlerbehebung

Speichersuche deaktiviert? Prüfen Sie openclaw memory status. Wenn kein Provider erkannt wird, legen Sie einen explizit fest oder fügen Sie einen API-Schlüssel hinzu. Lokaler Provider nicht erkannt? Stellen Sie sicher, dass der lokale Pfad vorhanden ist, und führen Sie Folgendes aus: 
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
Sowohl eigenständige CLI-Befehle als auch der Gateway verwenden dieselbe local-Provider-ID. Wenn der Provider auf auto gesetzt ist, werden lokale Embeddings nur dann zuerst berücksichtigt, wenn memorySearch.local.modelPath auf eine vorhandene lokale Datei verweist. Veraltete Ergebnisse? Führen Sie openclaw memory index --force aus, um den Index neu aufzubauen. Der Watcher kann Änderungen in seltenen Randfällen übersehen. sqlite-vec wird nicht geladen? OpenClaw fällt automatisch auf In-Process-Kosinusähnlichkeit zurück. openclaw memory status --deep meldet den lokalen Vektorspeicher separat vom Embedding-Provider, sodass Vector store: unavailable auf das Laden von sqlite-vec hinweist, während Embeddings: unavailable auf Provider-/Authentifizierungsprobleme oder Modellbereitschaft hinweist. Prüfen Sie die Logs auf den konkreten Ladefehler.

​
Konfiguration

Informationen zur Einrichtung des Embedding-Providers, zur Abstimmung der Hybridsuche (Gewichtungen, MMR, zeitlicher Abfall), Batch-Indexierung, multimodalem Speicher, sqlite-vec, zusätzlichen Pfaden und allen weiteren Konfigurationsoptionen finden Sie in der Speicherkonfigurationsreferenz.

​
Verwandt