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.

memory-lancedb ist ein gebündeltes Memory-Plugin, das Langzeitspeicher in LanceDB speichert und Embeddings für den Abruf verwendet. Es kann relevante Erinnerungen vor einem Modell-Turn automatisch abrufen und wichtige Fakten nach einer Antwort erfassen. Verwenden Sie es, wenn Sie eine lokale Vektordatenbank für Memory benötigen, einen OpenAI-kompatiblen Embedding-Endpunkt brauchen oder eine Memory-Datenbank außerhalb des standardmäßigen integrierten Memory-Speichers verwalten möchten.
memory-lancedb ist ein Active Memory-Plugin. Aktivieren Sie es, indem Sie den Memory-Slot mit plugins.slots.memory = "memory-lancedb" auswählen. Begleit-Plugins wie memory-wiki können daneben ausgeführt werden, aber nur ein Plugin besitzt den Active Memory-Slot.

​
Schnellstart

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Starten Sie den Gateway nach Änderungen an der Plugin-Konfiguration neu: 
openclaw gateway restart
Prüfen Sie anschließend, ob das Plugin geladen ist: 
openclaw plugins list

​
Provider-gestützte Embeddings

memory-lancedb kann dieselben Memory-Embedding-Provider-Adapter wie memory-core verwenden. Setzen Sie embedding.provider und lassen Sie embedding.apiKey weg, um das konfigurierte Authentifizierungsprofil des Providers, die Umgebungsvariable oder models.providers.<provider>.apiKey zu verwenden. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
Dieser Pfad funktioniert mit Provider-Authentifizierungsprofilen, die Embedding-Zugangsdaten bereitstellen. GitHub Copilot kann beispielsweise verwendet werden, wenn das Copilot-Profil bzw. der Copilot-Plan Embeddings unterstützt: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OpenAI Codex / ChatGPT OAuth (openai-codex) ist kein OpenAI Platform-Zugangsnachweis für Embeddings. Verwenden Sie für OpenAI-Embeddings ein Authentifizierungsprofil mit OpenAI-API-Schlüssel, OPENAI_API_KEY oder models.providers.openai.apiKey. Reine OAuth-Nutzer können einen anderen Embedding-fähigen Provider wie GitHub Copilot oder Ollama verwenden.

​
Ollama-Embeddings

Für Ollama-Embeddings sollten Sie den gebündelten Ollama-Embedding-Provider bevorzugen. Er verwendet den nativen Ollama-Endpunkt /api/embed und folgt denselben Authentifizierungs- und Basis-URL-Regeln wie der Ollama-Provider, der in Ollama dokumentiert ist. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "ollama",
            baseUrl: "http://127.0.0.1:11434",
            model: "mxbai-embed-large",
            dimensions: 1024,
          },
          recallMaxChars: 400,
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Legen Sie dimensions für nicht standardmäßige Embedding-Modelle fest. OpenClaw kennt die Dimensionen für text-embedding-3-small und text-embedding-3-large; benutzerdefinierte Modelle benötigen den Wert in der Konfiguration, damit LanceDB die Vektorspalte erstellen kann. Reduzieren Sie bei kleinen lokalen Embedding-Modellen recallMaxChars, wenn Sie Kontextlängenfehler vom lokalen Server sehen.

​
OpenAI-kompatible Provider

Einige OpenAI-kompatible Embedding-Provider lehnen den Parameter encoding_format ab, während andere ihn ignorieren und immer number[]-Vektoren zurückgeben. memory-lancedb lässt encoding_format bei Embedding-Anfragen daher weg und akzeptiert entweder Float-Array-Antworten oder base64-codierte float32-Antworten. Wenn Sie einen rohen OpenAI-kompatiblen Embeddings-Endpunkt haben, für den es keinen gebündelten Provider-Adapter gibt, lassen Sie embedding.provider weg (oder belassen Sie ihn bei openai) und setzen Sie embedding.apiKey sowie embedding.baseUrl. Dadurch bleibt der direkte OpenAI-kompatible Client-Pfad erhalten. Setzen Sie embedding.dimensions für Provider, deren Modelldimensionen nicht integriert sind. ZhiPu embedding-3 verwendet beispielsweise 2048 Dimensionen: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            apiKey: "${ZHIPU_API_KEY}",
            baseUrl: "https://open.bigmodel.cn/api/paas/v4",
            model: "embedding-3",
            dimensions: 2048,
          },
        },
      },
    },
  },
}

​
Abruf- und Erfassungslimits

memory-lancedb hat zwei separate Textlimits:
EinstellungStandardBereichGilt für
recallMaxChars1000100-10000Text, der für den Abruf an die Embedding-API gesendet wird
captureMaxChars500100-10000Länge von Assistentennachrichten, die für die Erfassung infrage kommen
recallMaxChars steuert den automatischen Abruf, das Tool memory_recall, den Abfragepfad memory_forget und openclaw ltm search. Der automatische Abruf bevorzugt die neueste Benutzernachricht aus dem Turn und greift nur dann auf den vollständigen Prompt zurück, wenn keine Benutzernachricht verfügbar ist. Dadurch bleiben Kanalmetadaten und große Prompt-Blöcke aus der Embedding-Anfrage heraus. captureMaxChars steuert, ob eine Antwort kurz genug ist, um für die automatische Erfassung berücksichtigt zu werden. Es begrenzt keine Embeddings für Abrufabfragen.

​
Befehle

Wenn memory-lancedb das Active Memory-Plugin ist, registriert es den CLI-Namespace ltm: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
Das Plugin erweitert außerdem openclaw memory um einen nicht vektorbasierten Unterbefehl query, der direkt gegen die LanceDB-Tabelle ausgeführt wird: 
openclaw memory query --cols id,text,createdAt --limit 20
openclaw memory query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: kommagetrennte Spalten-Allowlist (standardmäßig id, text, importance, category, createdAt).
  • --filter <condition>: SQL-ähnliche WHERE-Klausel; auf 200 Zeichen begrenzt und auf alphanumerische Zeichen, Vergleichsoperatoren, Anführungszeichen, Klammern und eine kleine Menge sicherer Satzzeichen beschränkt.
  • --limit <n>: positive ganze Zahl; Standardwert 10.
  • --order-by <column>:<asc|desc>: In-Memory-Sortierung, die nach dem Filter angewendet wird; die Sortierspalte wird automatisch in die Projektion aufgenommen.
Agenten erhalten außerdem LanceDB-Memory-Tools vom Active Memory-Plugin:
  • memory_recall für LanceDB-gestützten Abruf
  • memory_store zum Speichern wichtiger Fakten, Präferenzen, Entscheidungen und Entitäten
  • memory_forget zum Entfernen passender Erinnerungen

​
Speicherung

Standardmäßig liegen LanceDB-Daten unter ~/.openclaw/memory/lancedb. Überschreiben Sie den Pfad mit dbPath: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions akzeptiert Zeichenfolgen-Schlüssel/Wert-Paare für LanceDB-Speicher-Backends und unterstützt ${ENV_VAR}-Erweiterung: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Laufzeitabhängigkeiten

memory-lancedb hängt vom nativen Paket @lancedb/lancedb ab. Paketierte OpenClaw-Installationen versuchen zuerst, die gebündelte Laufzeitabhängigkeit zu verwenden, und können die Plugin-Laufzeitabhängigkeit unter dem OpenClaw-Status reparieren, wenn der gebündelte Import nicht verfügbar ist. Wenn eine ältere Installation während des Ladens des Plugins einen fehlenden dist/package.json- oder fehlenden @lancedb/lancedb-Fehler protokolliert, aktualisieren Sie OpenClaw und starten Sie den Gateway neu. Wenn das Plugin protokolliert, dass LanceDB auf darwin-x64 nicht verfügbar ist, verwenden Sie auf diesem Rechner das standardmäßige Memory-Backend, verschieben Sie den Gateway auf eine unterstützte Plattform oder deaktivieren Sie memory-lancedb.

​
Fehlerbehebung

​
Eingabelänge überschreitet die Kontextlänge

Dies bedeutet in der Regel, dass das Embedding-Modell die Abrufabfrage abgelehnt hat: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Setzen Sie recallMaxChars niedriger und starten Sie dann den Gateway neu: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Prüfen Sie bei Ollama außerdem, ob der Embedding-Server vom Gateway-Host aus erreichbar ist: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Nicht unterstütztes Embedding-Modell

Ohne dimensions sind nur die integrierten OpenAI-Embedding-Dimensionen bekannt. Legen Sie für lokale oder benutzerdefinierte Embedding-Modelle embedding.dimensions auf die von diesem Modell gemeldete Vektorgröße fest.

​
Plugin wird geladen, aber es werden keine Erinnerungen angezeigt

Prüfen Sie, ob plugins.slots.memory auf memory-lancedb zeigt, und führen Sie dann Folgendes aus: 
openclaw ltm stats
openclaw ltm search "recent preference"
Wenn autoCapture deaktiviert ist, ruft das Plugin vorhandene Erinnerungen ab, speichert aber nicht automatisch neue. Verwenden Sie das Tool memory_store oder aktivieren Sie autoCapture, wenn Sie automatische Erfassung wünschen.

​
Verwandte Themen