Zum Hauptinhalt springen

​
Integrierte Memory-Engine

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

​
Was sie bietet

  • Keyword-Suche über FTS5-Volltextindizierung (BM25-Bewertung).
  • Vektorsuche über Embeddings von jedem unterstützten Provider.
  • Hybridsuche, die beides für die besten Ergebnisse kombiniert.
  • CJK-Unterstützung über Trigramm-Tokenisierung für Chinesisch, Japanisch und Koreanisch.
  • sqlite-vec-Beschleunigung für datenbankinterne Vektorabfragen (optional).

​
Erste Schritte

Wenn Sie einen API-Schlüssel für OpenAI, Gemini, Voyage oder Mistral 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 einen Embedding-Provider ist nur die Keyword-Suche verfügbar.

​
Unterstützte Embedding-Provider

ProviderIDAutomatisch erkanntHinweise
OpenAIopenaiJaStandard: text-embedding-3-small
GeminigeminiJaUnterstützt multimodal (Bild + Audio)
VoyagevoyageJa
MistralmistralJa
OllamaollamaNeinLokal, explizit festlegen
LocallocalJa (zuerst)GGUF-Modell, Download ca. 0,6 GB
Die automatische Erkennung wählt den ersten Provider, dessen API-Schlüssel aufgelöst werden kann, in der angegebenen Reihenfolge. Setzen Sie memorySearch.provider, um dies zu überschreiben.

​
So funktioniert die Indizierung

OpenClaw indiziert MEMORY.md und memory/*.md in Chunks (~400 Tokens mit 80-Token-Überlappung) und speichert sie in einer SQLite-Datenbank pro Agent.
  • Index-Speicherort: ~/.openclaw/memory/<agentId>.sqlite
  • Dateiüberwachung: Änderungen an Memory-Dateien lösen eine entprellte Neuindizierung aus (1,5 s).
  • Automatische Neuindizierung: Wenn sich Embedding-Provider, Modell oder Chunking-Konfiguration ändern, wird der gesamte Index automatisch neu erstellt.
  • Neuindizierung bei Bedarf: openclaw memory index --force
Sie können auch Markdown-Dateien außerhalb des Workspace mit memorySearch.extraPaths indizieren. Siehe die Konfigurationsreferenz.

​
Wann verwenden

Die integrierte Engine ist für die meisten Benutzer die richtige Wahl:
  • Funktioniert sofort ohne zusätzliche Abhängigkeiten.
  • Beherrscht Keyword- und Vektorsuche gut.
  • Unterstützt alle Embedding-Provider.
  • Die Hybridsuche kombiniert die Stärken beider Retrieval-Ansätze.
Erwägen Sie den Wechsel zu QMD, wenn Sie Reranking, Query Expansion benötigen oder Verzeichnisse außerhalb des Workspace indizieren möchten. Erwägen Sie Honcho, wenn Sie sitzungsübergreifenden Memory mit automatischer Benutzermodellierung möchten.

​
Fehlerbehebung

Memory-Suche deaktiviert? Prüfen Sie openclaw memory status. Wenn kein Provider erkannt wird, legen Sie einen explizit fest oder fügen Sie einen API-Schlüssel hinzu. Veraltete Ergebnisse? Führen Sie openclaw memory index --force aus, um neu zu erstellen. Die Überwachung kann Änderungen in seltenen Grenzfällen verpassen. sqlite-vec wird nicht geladen? OpenClaw fällt automatisch auf prozessinterne Kosinusähnlichkeit zurück. Prüfen Sie die Logs auf den konkreten Ladefehler.

​
Konfiguration

Für die Einrichtung von Embedding-Providern, Tuning der Hybridsuche (Gewichte, MMR, temporaler Abfall), Batch-Indizierung, multimodalen Memory, sqlite-vec, zusätzliche Pfade und alle anderen Konfigurationsoptionen siehe die Konfigurationsreferenz für Memory.