Speichersuche

memory_search findet relevante Notizen aus Ihren Speicherdateien, auch wenn die Formulierung vom ursprünglichen Text abweicht. Es funktioniert, indem Speicher in kleine Abschnitte indexiert und diese mit Embeddings, Schlüsselwörtern oder beidem durchsucht werden.

Schnellstart

Die Speichersuche verwendet standardmäßig OpenAI-Embeddings. Um ein anderes Embedding- Backend zu verwenden, legen Sie explizit einen Provider fest:

{  agents: {    defaults: {      memorySearch: {        provider: "openai", // or "gemini", "local", "ollama", "openai-compatible", etc.      },    },  },}

Für Setups mit mehreren Endpunkten und speicherspezifischen Providern kann provider auch ein benutzerdefinierter models.providers.<id>-Eintrag sein, etwa ollama-5080, wenn dieser Provider api: "ollama" oder einen anderen Eigentümer eines Speicher-Embedding-Adapters festlegt.

Für lokale Embeddings ohne API-Schlüssel installieren Sie @openclaw/llama-cpp-provider und setzen provider: "local". Source-Checkouts können weiterhin eine native Build-Genehmigung erfordern: pnpm approve-builds, danach pnpm rebuild node-llama-cpp.

Einige OpenAI-kompatible Embedding-Endpunkte erfordern asymmetrische Labels wie input_type: "query" für Suchen und input_type: "document" oder "passage" für indexierte Abschnitte. Konfigurieren Sie diese mit memorySearch.queryInputType und memorySearch.documentInputType; siehe die Referenz zur Speicherkonfiguration.

Unterstützte Provider

Funktionsweise der Suche

OpenClaw führt zwei Abrufpfade parallel aus und führt die Ergebnisse zusammen:

flowchart LR
    Q["Query"] --> E["Embedding"]
    Q --> T["Tokenize"]
    E --> VS["Vector Search"]
    T --> BM["BM25 Search"]
    VS --> M["Weighted Merge"]
    BM --> M
    M --> R["Top Results"]

• Vektorsuche findet Notizen mit ähnlicher Bedeutung ("gateway host" passt zu "the machine running OpenClaw").
• BM25-Schlüsselwortsuche findet exakte Treffer (IDs, Fehlerzeichenfolgen, Konfigurations- schlüssel).

Wenn nur ein Pfad verfügbar ist, wird der andere allein ausgeführt. Der absichtliche Nur-FTS-Modus (provider: "none") und die automatische/standardmäßige Provider-Auswahl können weiterhin lexikalisches Ranking verwenden, wenn Embeddings nicht verfügbar sind.

Explizite nicht lokale Embedding-Provider verhalten sich anders. Wenn Sie memorySearch.provider auf einen konkreten remote-gestützten Provider setzen und dieser Provider zur Laufzeit nicht verfügbar ist, meldet memory_search den Speicher als nicht verfügbar, statt stillschweigend nur FTS-Ergebnisse zu verwenden. Dadurch bleibt ein fehlerhaft konfigurierter semantischer Provider sichtbar. Setzen Sie provider: "none" für bewusstes Nur-FTS-Recall, oder beheben Sie die Provider-/Auth-Konfiguration, um semantisches Ranking wiederherzustellen.

Suchqualität verbessern

Zwei optionale Funktionen helfen bei einer großen Notizhistorie:

Zeitlicher Verfall

Alte Notizen verlieren schrittweise Ranking-Gewicht, damit neuere Informationen zuerst erscheinen. Mit der standardmäßigen Halbwertszeit von 30 Tagen erreicht eine Notiz aus dem letzten Monat 50 % ihres ursprünglichen Gewichts. Dauerhaft relevante Dateien wie MEMORY.md verfallen nie.

MMR (Diversität)

Reduziert redundante Ergebnisse. Wenn fünf Notizen dieselbe Router-Konfiguration erwähnen, stellt MMR sicher, dass die Top-Ergebnisse unterschiedliche Themen abdecken, statt sich zu wiederholen.

Beides aktivieren

{  agents: {    defaults: {      memorySearch: {        query: {          hybrid: {            mmr: { enabled: true },            temporalDecay: { enabled: true },          },        },      },    },  },}

Multimodaler Speicher

Mit Gemini Embedding 2 können Sie Bilder und Audiodateien zusammen mit Markdown indexieren. Suchanfragen bleiben Text, passen aber zu visuellen und Audio- Inhalten. Informationen zur Einrichtung finden Sie in der Referenz zur Speicherkonfiguration.

Sitzungsspeichersuche

Sie können optional Sitzungsprotokolle indexieren, damit memory_search frühere Konversationen abrufen kann. Dies ist Opt-in über memorySearch.experimental.sessionMemory und sources: ["sessions"]; die Standard- Quellenliste enthält nur Speicher. Das experimentelle Flag aktiviert die Indexierung von Sitzungsprotokollen, während sources steuert, ob Sitzungsabschnitte durchsucht werden.

Sitzungstreffer beachten tools.sessions.visibility: Die Standardeinstellung tree gibt nur die aktuelle Sitzung und von ihr gestartete Sitzungen frei. Um eine nicht verwandte, vom Gateway ausgelöste Sitzung desselben Agents aus einer separaten DM-Sitzung abzurufen, erweitern Sie die Sichtbarkeit bewusst auf agent.

Wenn Sie QMD verwenden, setzen Sie außerdem memory.qmd.sessions.enabled: true, damit Protokolle in eine QMD-Sammlung exportiert werden. Details finden Sie in der Konfigurationsreferenz.

Fehlerbehebung

Keine Ergebnisse? Führen Sie openclaw memory status aus, um den Index zu prüfen. Wenn er leer ist, führen Sie openclaw memory index --force aus.

Nur Schlüsselworttreffer? Ihr Embedding-Provider ist möglicherweise nicht konfiguriert. Prüfen Sie openclaw memory status --deep.

Lokale Embeddings laufen in ein Timeout? ollama, lmstudio und local verwenden standardmäßig ein längeres Inline-Batch-Timeout. Wenn der Host einfach langsam ist, setzen Sie agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds und führen Sie erneut openclaw memory index --force aus.

CJK-Text nicht gefunden? Erstellen Sie den FTS-Index neu mit openclaw memory index --force.

Weiterführende Informationen

• Active Memory -- Sub-Agent-Speicher für interaktive Chat-Sitzungen
• Speicher -- Dateilayout, Backends, Tools
• Referenz zur Speicherkonfiguration -- alle Konfigurationsoptionen

Verwandt

• Speicherübersicht
• Active Memory
• Integrierte Speicher-Engine