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 langfristige Memory in LanceDB speichert und Embeddings für den Abruf verwendet. Es kann relevante Memories vor einer Modellrunde automatisch abrufen und wichtige Fakten nach einer Antwort erfassen. Verwenden Sie es, wenn Sie eine lokale Vektordatenbank für Memory wünschen, einen OpenAI-kompatiblen Embedding-Endpunkt benötigen oder eine Memory-Datenbank außerhalb des standardmäßigen integrierten Memory-Speichers behalten möchten.
memory-lancedb ist ein Active Memory-Plugin. Aktivieren Sie es, indem Sie den Memory- Slot mit plugins.slots.memory = "memory-lancedb" auswählen. Begleitende Plugins wie memory-wiki können daneben laufen, 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 neu, nachdem Sie die Plugin-Konfiguration geändert haben: 
openclaw gateway restart
Prüfen Sie anschließend, ob das Plugin geladen ist: 
openclaw plugins list

​
Provider-gestützte Embeddings

memory-lancedb kann dieselben Adapter für Memory-Embedding-Provider verwenden wie memory-core. 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-Anmeldedaten bereitstellen. Beispielsweise kann GitHub Copilot verwendet werden, wenn das Copilot-Profil bzw. der 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 keine Embedding-Anmeldedatenquelle für die OpenAI Platform. Verwenden Sie für OpenAI-Embeddings ein Authentifizierungsprofil mit OpenAI API-Schlüssel, OPENAI_API_KEY oder models.providers.openai.apiKey. Benutzer mit reinem OAuth 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 Regeln für Authentifizierung und Basis-URL wie der in Ollama dokumentierte Ollama-Provider. 
{
  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,
        },
      },
    },
  },
}
Setzen Sie dimensions für nicht standardmäßige Embedding-Modelle. 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. Verringern Sie bei kleinen lokalen Embedding-Modellen recallMaxChars, wenn Sie vom lokalen Server Fehler zur Kontextlänge erhalten.

​
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 daher bei Embedding-Anfragen weg und akzeptiert entweder Float-Array-Antworten oder base64-codierte float32-Antworten. Wenn Sie einen einfachen OpenAI-kompatiblen Embeddings-Endpunkt haben, für den es keinen gebündelten Provider-Adapter gibt, lassen Sie embedding.provider weg (oder belassen Sie es bei openai) und setzen Sie embedding.apiKey zusammen mit embedding.baseUrl. Dadurch bleibt der direkte OpenAI-kompatible Client-Pfad erhalten. Setzen Sie embedding.dimensions für Provider, deren Modelldimensionen nicht integriert sind. Beispielsweise verwendet ZhiPu embedding-3 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 getrennte Textlimits:
EinstellungStandardBereichGilt für
recallMaxChars1000100-10000Text, der für den Abruf an die Embedding-API gesendet wird
captureMaxChars500100-10000Länge von Assistant-Nachrichten, die für die Erfassung infrage kommt
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 der Runde und fällt 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 Abrufabfrage-Embeddings.

​
Befehle

Wenn memory-lancedb das aktive Memory-Plugin ist, registriert es den ltm-CLI- Namensraum: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
Das Plugin erweitert außerdem openclaw memory um den 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 Allowlist von Spalten (standardmäßig id, text, importance, category, createdAt).
  • --filter <condition>: SQL-artige WHERE-Klausel; auf 200 Zeichen begrenzt und auf alphanumerische Zeichen, Vergleichsoperatoren, Anführungszeichen, Klammern und eine kleine Menge sicherer Interpunktion beschränkt.
  • --limit <n>: Positive ganze Zahl; Standardwert 10.
  • --order-by <column>:<asc|desc>: Im Arbeitsspeicher angewendete Sortierung nach dem Filter; die Sortierspalte wird automatisch in die Projektion aufgenommen.
Agents erhalten außerdem LanceDB-Memory-Tools vom aktiven Memory-Plugin:
  • memory_recall für LanceDB-gestützten Abruf
  • memory_store zum Speichern wichtiger Fakten, Präferenzen, Entscheidungen und Entitäten
  • memory_forget zum Entfernen passender Memories

​
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 Zeichenketten-Schlüssel/Wert-Paare für LanceDB-Speicher-Backends und unterstützt die Erweiterung von ${ENV_VAR}: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${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. Paketiertes OpenClaw behandelt dieses Paket als Teil des Plugin-Pakets. Der Gateway-Start repariert keine Plugin-Abhängigkeiten; wenn die Abhängigkeit fehlt, installieren oder aktualisieren Sie das Plugin-Paket erneut und starten Sie den Gateway neu. Wenn eine ältere Installation beim Laden 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 Computer das standardmäßige Memory-Backend, verschieben Sie den Gateway auf eine unterstützte Plattform oder deaktivieren Sie memory-lancedb.

​
Fehlerbehebung

​
Eingabelänge überschreitet die Kontextlänge

Das 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 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. Setzen Sie für lokale oder benutzerdefinierte Embedding-Modelle embedding.dimensions auf die von diesem Modell gemeldete Vektorgröße.

​
Plugin lädt, aber es erscheinen keine Memories

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 Memories ab, speichert aber nicht automatisch neue. Verwenden Sie das Tool memory_store oder aktivieren Sie autoCapture, wenn Sie automatische Erfassung wünschen.

​
Verwandt