Referencia de configuración de memoria

Esta página enumera cada opción de configuración para la búsqueda de memoria de OpenClaw. Para resúmenes conceptuales, consulta:

Resumen de memoria

Cómo funciona la memoria.

Motor integrado

Backend SQLite predeterminado.

Motor QMD

Sidecar local-first.

Búsqueda de memoria

Canalización de búsqueda y ajuste.

Active Memory

Subagente de memoria para sesiones interactivas.

Todas las opciones de búsqueda de memoria se encuentran en agents.defaults.memorySearch en openclaw.json, salvo que se indique lo contrario.

Si buscas el interruptor de la función Active Memory y la configuración del subagente, eso se encuentra en plugins.entries.active-memory en lugar de memorySearch.Active Memory usa un modelo de dos puertas:

el plugin debe estar habilitado y apuntar al id del agente actual
la solicitud debe ser una sesión de chat persistente interactiva apta

Consulta Active Memory para conocer el modelo de activación, la configuración propiedad del plugin, la persistencia de transcripciones y el patrón de despliegue seguro.

Selección de proveedor

Clave	Tipo	Predeterminado	Descripción
`provider`	`string`	detectado automáticamente	ID del adaptador de embeddings, como `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai` o `voyage`; también puede ser un `models.providers.<id>` configurado cuyo `api` apunte a uno de esos adaptadores
`model`	`string`	predeterminado del proveedor	Nombre del modelo de embeddings
`fallback`	`string`	`"none"`	ID del adaptador de respaldo cuando falla el principal
`enabled`	`boolean`	`true`	Habilita o deshabilita la búsqueda de memoria

Orden de detección automática

Cuando provider no está definido, OpenClaw selecciona el primero disponible:

local

Seleccionado si memorySearch.local.modelPath está configurado y el archivo existe.

github-copilot

Seleccionado si se puede resolver un token de GitHub Copilot (variable de entorno o perfil de autenticación).

openai

Seleccionado si se puede resolver una clave de OpenAI.

gemini

Seleccionado si se puede resolver una clave de Gemini.

voyage

Seleccionado si se puede resolver una clave de Voyage.

mistral

Seleccionado si se puede resolver una clave de Mistral.

deepinfra

Seleccionado si se puede resolver una clave de DeepInfra.

bedrock

Seleccionado si la cadena de credenciales del AWS SDK se resuelve (rol de instancia, claves de acceso, perfil, SSO, identidad web o configuración compartida).

ollama es compatible, pero no se detecta automáticamente (defínelo explícitamente).

ID de proveedores personalizados

memorySearch.provider puede apuntar a una entrada personalizada models.providers.<id>. OpenClaw resuelve el propietario api de ese proveedor para el adaptador de embeddings mientras conserva el id del proveedor personalizado para el manejo de endpoint, autenticación y prefijo de modelo. Esto permite que las configuraciones multi-GPU o multi-host dediquen los embeddings de memoria a un endpoint local específico:

{
  models: {
    providers: {
      "ollama-5080": {
        api: "ollama",
        baseUrl: "http://gpu-box.local:11435",
        apiKey: "ollama-local",
        models: [{ id: "qwen3-embedding:0.6b" }],
      },
    },
  },
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama-5080",
        model: "qwen3-embedding:0.6b",
      },
    },
  },
}

Resolución de claves de API

Los embeddings remotos requieren una clave de API. Bedrock usa en su lugar la cadena de credenciales predeterminada del AWS SDK (roles de instancia, SSO, claves de acceso).

Proveedor	Variable de entorno	Clave de configuración
Bedrock	Cadena de credenciales de AWS	No se necesita clave de API
DeepInfra	`DEEPINFRA_API_KEY`	`models.providers.deepinfra.apiKey`
Gemini	`GEMINI_API_KEY`	`models.providers.google.apiKey`
GitHub Copilot	`COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN`	Perfil de autenticación mediante inicio de sesión de dispositivo
Mistral	`MISTRAL_API_KEY`	`models.providers.mistral.apiKey`
Ollama	`OLLAMA_API_KEY` (marcador de posición)	—
OpenAI	`OPENAI_API_KEY`	`models.providers.openai.apiKey`
Voyage	`VOYAGE_API_KEY`	`models.providers.voyage.apiKey`

Codex OAuth cubre solo chat/completions y no satisface solicitudes de embeddings.

Configuración de endpoint remoto

Para endpoints personalizados compatibles con OpenAI o para sobrescribir los valores predeterminados del proveedor:

remote.baseUrl

string

URL base de API personalizada.

remote.apiKey

string

Sobrescribe la clave de API.

remote.headers

object

Encabezados HTTP adicionales (combinados con los valores predeterminados del proveedor).

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
        model: "text-embedding-3-small",
        remote: {
          baseUrl: "https://api.example.com/v1/",
          apiKey: "YOUR_KEY",
        },
      },
    },
  },
}

Configuración específica del proveedor

Gemini

Clave	Tipo	Predeterminado	Descripción
`model`	`string`	`gemini-embedding-001`	También admite `gemini-embedding-2-preview`
`outputDimensionality`	`number`	`3072`	Para Embedding 2: 768, 1536 o 3072

Cambiar el modelo o outputDimensionality activa una reindexación completa automática.

Tipos de entrada compatibles con OpenAI

Los endpoints de embeddings compatibles con OpenAI pueden optar por usar campos de solicitud input_type específicos del proveedor. Esto resulta útil para modelos de embeddings asimétricos que requieren etiquetas diferentes para embeddings de consulta y documento.

Clave	Tipo	Predeterminado	Descripción
`inputType`	`string`	sin definir	`input_type` compartido para embeddings de consulta y documento
`queryInputType`	`string`	sin definir	`input_type` en tiempo de consulta; sobrescribe `inputType`
`documentInputType`	`string`	sin definir	`input_type` de índice/documento; sobrescribe `inputType`

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
        remote: {
          baseUrl: "https://embeddings.example/v1",
          apiKey: "env:EMBEDDINGS_API_KEY",
        },
        model: "asymmetric-embedder",
        queryInputType: "query",
        documentInputType: "passage",
      },
    },
  },
}

Cambiar estos valores afecta la identidad de la caché de embeddings para la indexación por lotes del proveedor y debe ir seguido de una reindexación de memoria cuando el modelo upstream trate las etiquetas de forma diferente.

Bedrock

Configuración de embeddings de Bedrock

Bedrock usa la cadena de credenciales predeterminada del AWS SDK; no se necesitan claves de API. Si OpenClaw se ejecuta en EC2 con un rol de instancia habilitado para Bedrock, solo define el proveedor y el modelo:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "bedrock",
        model: "amazon.titan-embed-text-v2:0",
      },
    },
  },
}

Clave	Tipo	Predeterminado	Descripción
`model`	`string`	`amazon.titan-embed-text-v2:0`	Cualquier ID de modelo de embeddings de Bedrock
`outputDimensionality`	`number`	predeterminado del modelo	Para Titan V2: 256, 512 o 1024

Modelos compatibles (con detección de familia y dimensiones predeterminadas):

ID de modelo	Proveedor	Dims predeterminadas	Dims configurables
`amazon.titan-embed-text-v2:0`	Amazon	1024	256, 512, 1024
`amazon.titan-embed-text-v1`	Amazon	1536	—
`amazon.titan-embed-g1-text-02`	Amazon	1536	—
`amazon.titan-embed-image-v1`	Amazon	1024	—
`amazon.nova-2-multimodal-embeddings-v1:0`	Amazon	1024	256, 384, 1024, 3072
`cohere.embed-english-v3`	Cohere	1024	—
`cohere.embed-multilingual-v3`	Cohere	1024	—
`cohere.embed-v4:0`	Cohere	1536	256-1536
`twelvelabs.marengo-embed-3-0-v1:0`	TwelveLabs	512	—
`twelvelabs.marengo-embed-2-7-v1:0`	TwelveLabs	1024	—

Las variantes con sufijo de capacidad de procesamiento (por ejemplo, amazon.titan-embed-text-v1:2:8k) heredan la configuración del modelo base.Autenticación: la autenticación de Bedrock usa el orden estándar de resolución de credenciales del AWS SDK:

Variables de entorno (AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY)
Caché de tokens SSO
Credenciales de token de identidad web
Credenciales compartidas y archivos de configuración
Credenciales de metadatos de ECS o EC2

La región se resuelve desde AWS_REGION, AWS_DEFAULT_REGION, el baseUrl del proveedor amazon-bedrock, o toma us-east-1 de forma predeterminada.Permisos de IAM: el rol o usuario de IAM necesita:

{
  "Effect": "Allow",
  "Action": "bedrock:InvokeModel",
  "Resource": "*"
}

Para privilegios mínimos, limita InvokeModel al modelo específico:

arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

Local (GGUF + node-llama-cpp)

Clave	Tipo	Predeterminado	Descripción
`local.modelPath`	`string`	descargado automáticamente	Ruta al archivo de modelo GGUF
`local.modelCacheDir`	`string`	predeterminado de node-llama-cpp	Directorio de caché para modelos descargados
`local.contextSize`	`number \| "auto"`	`4096`	Tamaño de la ventana de contexto para el contexto de embeddings. 4096 cubre fragmentos típicos (128–512 tokens) y limita la VRAM no asociada a pesos. Redúzcalo a 1024–2048 en hosts con recursos limitados. `"auto"` usa el máximo entrenado del modelo; no se recomienda para modelos de 8B+ (Qwen3-Embedding-8B: 40 960 tokens → ~32 GB de VRAM frente a ~8.8 GB con 4096).

Modelo predeterminado: embeddinggemma-300m-qat-Q8_0.gguf (~0.6 GB, descargado automáticamente). Los checkouts de origen aún requieren aprobación de compilación nativa: pnpm approve-builds y luego pnpm rebuild node-llama-cpp.Use la CLI independiente para verificar la misma ruta de proveedor que usa el Gateway:

openclaw memory status --deep --agent main
openclaw memory index --force --agent main

Si provider es auto, local se selecciona solo cuando local.modelPath apunta a un archivo local existente. Las referencias de modelo hf: y HTTP(S) aún pueden usarse explícitamente con provider: "local", pero no hacen que auto seleccione local antes de que el modelo esté disponible en disco.

Tiempo de espera de embeddings en línea

sync.embeddingBatchTimeoutSeconds

number

Sobrescriba el tiempo de espera para lotes de embeddings en línea durante la indexación de memoria.Si no se establece, usa el valor predeterminado del proveedor: 600 segundos para proveedores locales/autohospedados como local, ollama y lmstudio, y 120 segundos para proveedores hospedados. Aumente esto cuando los lotes de embeddings locales limitados por CPU estén sanos pero sean lentos.

Configuración de búsqueda híbrida

Todo bajo memorySearch.query.hybrid:

Clave	Tipo	Predeterminado	Descripción
`enabled`	`boolean`	`true`	Habilitar búsqueda híbrida BM25 + vectorial
`vectorWeight`	`number`	`0.7`	Peso para puntuaciones vectoriales (0-1)
`textWeight`	`number`	`0.3`	Peso para puntuaciones BM25 (0-1)
`candidateMultiplier`	`number`	`4`	Multiplicador del tamaño del conjunto de candidatos

MMR (diversity)
Temporal decay (recency)

Clave	Tipo	Predeterminado	Descripción
`mmr.enabled`	`boolean`	`false`	Habilitar reranking MMR
`mmr.lambda`	`number`	`0.7`	0 = máxima diversidad, 1 = máxima relevancia

Clave	Tipo	Predeterminado	Descripción
`temporalDecay.enabled`	`boolean`	`false`	Habilitar impulso de actualidad
`temporalDecay.halfLifeDays`	`number`	`30`	La puntuación se reduce a la mitad cada N días

Los archivos perennes (MEMORY.md, archivos sin fecha en memory/) nunca se degradan.

Ejemplo completo

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          hybrid: {
            vectorWeight: 0.7,
            textWeight: 0.3,
            mmr: { enabled: true, lambda: 0.7 },
            temporalDecay: { enabled: true, halfLifeDays: 30 },
          },
        },
      },
    },
  },
}

Rutas de memoria adicionales

Clave	Tipo	Descripción
`extraPaths`	`string[]`	Directorios o archivos adicionales para indexar

{
  agents: {
    defaults: {
      memorySearch: {
        extraPaths: ["../team-docs", "/srv/shared-notes"],
      },
    },
  },
}

Las rutas pueden ser absolutas o relativas al espacio de trabajo. Los directorios se examinan recursivamente en busca de archivos .md. El manejo de symlinks depende del backend activo: el motor integrado ignora los symlinks, mientras que QMD sigue el comportamiento del escáner QMD subyacente. Para la búsqueda de transcripciones entre agentes con alcance de agente, use agents.list[].memorySearch.qmd.extraCollections en lugar de memory.qmd.paths. Esas colecciones adicionales siguen la misma forma { path, name, pattern? }, pero se combinan por agente y pueden conservar nombres compartidos explícitos cuando la ruta apunta fuera del espacio de trabajo actual. Si la misma ruta resuelta aparece tanto en memory.qmd.paths como en memorySearch.qmd.extraCollections, QMD conserva la primera entrada y omite el duplicado.

Memoria multimodal (Gemini)

Indexe imágenes y audio junto con Markdown usando Gemini Embedding 2:

Clave	Tipo	Predeterminado	Descripción
`multimodal.enabled`	`boolean`	`false`	Habilitar indexación multimodal
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]` o `["all"]`
`multimodal.maxFileBytes`	`number`	`10000000`	Tamaño máximo de archivo para indexación

Solo se aplica a archivos en extraPaths. Las raíces de memoria predeterminadas siguen siendo solo Markdown. Requiere gemini-embedding-2-preview. fallback debe ser "none".

Formatos compatibles: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (imágenes); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (audio).

Caché de incrustaciones

Clave	Tipo	Predeterminado	Descripción
`cache.enabled`	`boolean`	`false`	Almacena en caché incrustaciones de fragmentos en SQLite
`cache.maxEntries`	`number`	`50000`	Máximo de incrustaciones en caché

Evita volver a incrustar texto sin cambios durante la reindexación o las actualizaciones de transcripciones.

Indexación por lotes

Clave	Tipo	Predeterminado	Descripción
`remote.nonBatchConcurrency`	`number`	`4`	Incrustaciones en línea paralelas
`remote.batch.enabled`	`boolean`	`false`	Habilita la API de incrustaciones por lotes
`remote.batch.concurrency`	`number`	`2`	Trabajos por lotes paralelos
`remote.batch.wait`	`boolean`	`true`	Espera a que finalice el lote
`remote.batch.pollIntervalMs`	`number`	—	Intervalo de sondeo
`remote.batch.timeoutMinutes`	`number`	—	Tiempo de espera del lote

Disponible para openai, gemini y voyage. Los lotes de OpenAI suelen ser los más rápidos y económicos para grandes rellenos históricos. remote.nonBatchConcurrency controla las llamadas de incrustación en línea usadas por proveedores locales/autohospedados y proveedores alojados cuando las API por lotes del proveedor no están activas. Ollama usa 1 de forma predeterminada para la indexación sin lotes a fin de evitar saturar hosts locales más pequeños; establece un valor más alto en máquinas más grandes. Esto es independiente de sync.embeddingBatchTimeoutSeconds, que controla el tiempo de espera para las llamadas de incrustación en línea.

Búsqueda de memoria de sesión (experimental)

Indexa transcripciones de sesión y las expone mediante memory_search:

Clave	Tipo	Predeterminado	Descripción
`experimental.sessionMemory`	`boolean`	`false`	Habilita la indexación de sesiones
`sources`	`string[]`	`["memory"]`	Agrega `"sessions"` para incluir transcripciones
`sync.sessions.deltaBytes`	`number`	`100000`	Umbral de bytes para reindexar
`sync.sessions.deltaMessages`	`number`	`50`	Umbral de mensajes para reindexar

La indexación de sesiones es opcional y se ejecuta de forma asíncrona. Los resultados pueden estar ligeramente desactualizados. Los registros de sesión residen en disco, así que trata el acceso al sistema de archivos como el límite de confianza.

Aceleración vectorial de SQLite (sqlite-vec)

Clave	Tipo	Predeterminado	Descripción
`store.vector.enabled`	`boolean`	`true`	Usa sqlite-vec para consultas vectoriales
`store.vector.extensionPath`	`string`	incluido	Sobrescribe la ruta de sqlite-vec

Cuando sqlite-vec no está disponible, OpenClaw recurre automáticamente a la similitud del coseno en proceso.

Almacenamiento de índices

Clave	Tipo	Predeterminado	Descripción
`store.path`	`string`	`~/.openclaw/memory/{agentId}.sqlite`	Ubicación del índice (admite el token `{agentId}`)
`store.fts.tokenizer`	`string`	`unicode61`	Tokenizador FTS5 (`unicode61` o `trigram`)

Configuración del backend QMD

Establece memory.backend = "qmd" para habilitarlo. Todos los ajustes de QMD residen en memory.qmd:

Clave	Tipo	Predeterminado	Descripción
`command`	`string`	`qmd`	Ruta del ejecutable QMD; establece una ruta absoluta cuando el `PATH` del servicio difiera del de tu shell
`searchMode`	`string`	`search`	Comando de búsqueda: `search`, `vsearch`, `query`
`includeDefaultMemory`	`boolean`	`true`	Indexa automáticamente `MEMORY.md` + `memory/*/.md`
`paths[]`	`array`	—	Rutas adicionales: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	Indexa transcripciones de sesión
`sessions.retentionDays`	`number`	—	Retención de transcripciones
`sessions.exportDir`	`string`	—	Directorio de exportación

searchMode: "search" es solo léxico/BM25. OpenClaw no ejecuta sondeos de preparación vectorial semántica ni mantenimiento de incrustaciones de QMD para ese modo, incluso durante memory status --deep; vsearch y query siguen requiriendo preparación vectorial de QMD e incrustaciones. OpenClaw prefiere la colección de QMD actual y las formas de consulta MCP actuales, pero mantiene funcionando versiones anteriores de QMD probando indicadores de patrones de colección compatibles y nombres de herramientas MCP más antiguos cuando es necesario. Cuando QMD anuncia compatibilidad con varios filtros de colección, las colecciones de la misma fuente se buscan con un proceso QMD; las compilaciones anteriores de QMD conservan la ruta de compatibilidad por colección. Misma fuente significa que las colecciones de memoria duradera se agrupan juntas, mientras que las colecciones de transcripciones de sesión permanecen como un grupo separado para que la diversificación de fuentes siga teniendo ambas entradas.

Las anulaciones de modelo de QMD permanecen del lado de QMD, no en la configuración de OpenClaw. Si necesitas anular globalmente los modelos de QMD, establece variables de entorno como QMD_EMBED_MODEL, QMD_RERANK_MODEL y QMD_GENERATE_MODEL en el entorno de ejecución del gateway.

Calendario de actualización

Clave	Tipo	Predeterminado	Descripción
`update.interval`	`string`	`5m`	Intervalo de actualización
`update.debounceMs`	`number`	`15000`	Debounce de cambios de archivos
`update.onBoot`	`boolean`	`true`	Actualiza cuando se abre el gestor QMD de larga duración; también controla la actualización de inicio opcional
`update.startup`	`string`	`off`	Actualización opcional al iniciar el gateway: `off`, `idle` o `immediate`
`update.startupDelayMs`	`number`	`120000`	Retraso antes de que se ejecute la actualización `startup: "idle"`
`update.waitForBootSync`	`boolean`	`false`	Bloquea la apertura del gestor hasta que se complete su actualización inicial
`update.embedInterval`	`string`	—	Cadencia de incrustación separada
`update.commandTimeoutMs`	`number`	—	Tiempo de espera para comandos QMD
`update.updateTimeoutMs`	`number`	—	Tiempo de espera para operaciones de actualización de QMD
`update.embedTimeoutMs`	`number`	—	Tiempo de espera para operaciones de incrustación de QMD

Límites

Clave	Tipo	Predeterminado	Descripción
`limits.maxResults`	`number`	`6`	Resultados máximos de búsqueda
`limits.maxSnippetChars`	`number`	—	Limita la longitud del fragmento
`limits.maxInjectedChars`	`number`	—	Limita el total de caracteres inyectados
`limits.timeoutMs`	`number`	`4000`	Tiempo de espera de búsqueda

Alcance

Controla qué sesiones pueden recibir resultados de búsqueda de QMD. El mismo esquema que session.sendPolicy:

{
  memory: {
    qmd: {
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
    },
  },
}

El valor predeterminado incluido permite sesiones directas y de canal, mientras sigue denegando grupos.El valor predeterminado es solo DM. match.keyPrefix coincide con la clave de sesión normalizada; match.rawKeyPrefix coincide con la clave sin procesar, incluido agent:<id>:.

Citas

memory.citations se aplica a todos los backends:

Valor	Comportamiento
`auto` (predeterminado)	Incluye el pie `Source: <path#line>` en los fragmentos
`on`	Incluye siempre el pie
`off`	Omite el pie (la ruta aún se pasa internamente al agente)

Las actualizaciones de arranque de QMD usan una ruta de subproceso de una sola ejecución durante el inicio del gateway. El gestor QMD de larga duración sigue siendo dueño del observador de archivos regular y de los temporizadores de intervalo cuando se abre la búsqueda de memoria para uso interactivo.

Ejemplo completo de QMD

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      includeDefaultMemory: true,
      update: { interval: "5m", debounceMs: 15000 },
      limits: { maxResults: 6, timeoutMs: 4000 },
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
    },
  },
}

Dreaming

Dreaming se configura en plugins.entries.memory-core.config.dreaming, no en agents.defaults.memorySearch. Dreaming se ejecuta como un barrido programado y usa fases internas ligera/profunda/REM como detalle de implementación. Para el comportamiento conceptual y los comandos de barra diagonal, consulta Dreaming.

Configuración de usuario

Clave	Tipo	Predeterminado	Descripción
`enabled`	`boolean`	`false`	Activa o desactiva Dreaming por completo
`frequency`	`string`	`0 3 * * *`	Cadencia cron opcional para el barrido completo de Dreaming
`model`	`string`	modelo predeterminado	Anulación opcional del modelo del subagente Dream Diary

Ejemplo

{
  plugins: {
    entries: {
      "memory-core": {
        subagent: {
          allowModelOverride: true,
          allowedModels: ["anthropic/claude-sonnet-4-6"],
        },
        config: {
          dreaming: {
            enabled: true,
            frequency: "0 3 * * *",
            model: "anthropic/claude-sonnet-4-6",
          },
        },
      },
    },
  },
}

Dreaming escribe el estado de máquina en memory/.dreams/.
Dreaming escribe salida narrativa legible por humanos en DREAMS.md (o el dreams.md existente).
dreaming.model usa la puerta de confianza de subagente del plugin existente; establece plugins.entries.memory-core.subagent.allowModelOverride: true antes de habilitarlo.
Dream Diary reintenta una vez con el modelo predeterminado de la sesión cuando el modelo configurado no está disponible. Los fallos de confianza o de lista de permitidos se registran y no se reintentan silenciosamente.
La política y los umbrales de las fases ligera/profunda/REM son comportamiento interno, no configuración expuesta al usuario.

CLI commands

RPC and API

Codex harness

Plugin reference

Plugin SDK reference

Plugin maintainer reference

Templates

Technical reference

Concept internals

Project

Release and CI

Referencia de configuración de memoria

Resumen de memoria

Motor integrado

Motor QMD

Búsqueda de memoria

Active Memory

Selección de proveedor

Orden de detección automática

ID de proveedores personalizados

Resolución de claves de API

Configuración de endpoint remoto

Configuración específica del proveedor

Configuración de embeddings de Bedrock

Tiempo de espera de embeddings en línea

Configuración de búsqueda híbrida

Ejemplo completo

Rutas de memoria adicionales

Memoria multimodal (Gemini)

Caché de incrustaciones

Indexación por lotes

Búsqueda de memoria de sesión (experimental)

Aceleración vectorial de SQLite (sqlite-vec)

Almacenamiento de índices

Configuración del backend QMD

Ejemplo completo de QMD

Dreaming

Configuración de usuario

Ejemplo

Relacionado

CLI commands

RPC and API

Codex harness

Plugin reference

Plugin SDK reference

Plugin maintainer reference

Templates

Technical reference

Concept internals

Project

Release and CI

Documentation Index

Resumen de memoria

Motor integrado

Motor QMD

Búsqueda de memoria

Active Memory

​Selección de proveedor

​Orden de detección automática

​ID de proveedores personalizados

​Resolución de claves de API

​Configuración de endpoint remoto

​Configuración específica del proveedor

​Configuración de embeddings de Bedrock

​Tiempo de espera de embeddings en línea

​Configuración de búsqueda híbrida

​Ejemplo completo

​Rutas de memoria adicionales

​Memoria multimodal (Gemini)

​Caché de incrustaciones

​Indexación por lotes

​Búsqueda de memoria de sesión (experimental)

​Aceleración vectorial de SQLite (sqlite-vec)

​Almacenamiento de índices

​Configuración del backend QMD

​Ejemplo completo de QMD

​Dreaming

​Configuración de usuario

​Ejemplo

​Relacionado

Selección de proveedor

Orden de detección automática

ID de proveedores personalizados

Resolución de claves de API

Configuración de endpoint remoto

Configuración específica del proveedor

Configuración de embeddings de Bedrock

Tiempo de espera de embeddings en línea

Configuración de búsqueda híbrida

Ejemplo completo

Rutas de memoria adicionales

Memoria multimodal (Gemini)

Caché de incrustaciones

Indexación por lotes

Búsqueda de memoria de sesión (experimental)

Aceleración vectorial de SQLite (sqlite-vec)

Almacenamiento de índices

Configuración del backend QMD

Ejemplo completo de QMD

Dreaming

Configuración de usuario

Ejemplo

Relacionado