Moteur de mémoire intégré

Le moteur intégré est le backend de mémoire par défaut. Il stocke votre index de mémoire dans une base de données SQLite propre à chaque agent et ne nécessite aucune dépendance supplémentaire pour démarrer.

Ce qu’il fournit

• Recherche par mots-clés via l’indexation de texte intégral FTS5 (score BM25).
• Recherche vectorielle via des embeddings provenant de n’importe quel fournisseur pris en charge.
• Recherche hybride qui combine les deux pour obtenir les meilleurs résultats.
• Prise en charge CJK via la tokenisation par trigrammes pour le chinois, le japonais et le coréen.
• Accélération sqlite-vec pour les requêtes vectorielles en base de données (facultatif).

Premiers pas

Par défaut, le moteur intégré utilise les embeddings OpenAI. Si vous avez déjà configuré OPENAI_API_KEY ou models.providers.openai.apiKey, la recherche vectorielle fonctionne sans configuration de mémoire supplémentaire.

Pour définir explicitement un fournisseur :

{  agents: {    defaults: {      memorySearch: {        provider: "openai",      },    },  },}

Sans fournisseur d’embeddings, seule la recherche par mots-clés est disponible.

Pour forcer les embeddings GGUF locaux, installez le Plugin de fournisseur officiel llama.cpp, puis faites pointer local.modelPath vers un fichier GGUF :

openclaw plugins install @openclaw/llama-cpp-provider

{  agents: {    defaults: {      memorySearch: {        provider: "local",        fallback: "none",        local: {          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",        },      },    },  },}

Fournisseurs d’embeddings pris en charge

Définissez memorySearch.provider pour ne plus utiliser OpenAI.

Fonctionnement de l’indexation

OpenClaw indexe MEMORY.md et memory/*.md en segments (~400 tokens avec un chevauchement de 80 tokens) et les stocke dans une base de données SQLite propre à chaque agent.

• Emplacement de l’index : la base de données de l’agent propriétaire à ~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite
• Maintenance du stockage : les fichiers annexes WAL de SQLite sont limités par des points de contrôle périodiques et à l’arrêt.
• Surveillance des fichiers : les changements apportés aux fichiers de mémoire déclenchent une réindexation différée (1,5 s).
• Réindexation automatique : lorsque le fournisseur d’embeddings, le modèle ou la configuration de segmentation change, l’index entier est reconstruit automatiquement.
• Réindexation à la demande : openclaw memory index --force

Quand l’utiliser

Le moteur intégré est le bon choix pour la plupart des utilisateurs :

• Fonctionne immédiatement sans dépendances supplémentaires.
• Gère bien la recherche par mots-clés et la recherche vectorielle.
• Prend en charge tous les fournisseurs d’embeddings.
• La recherche hybride combine le meilleur des deux approches de récupération.

Envisagez de passer à QMD si vous avez besoin de reranking, d’expansion de requête ou si vous voulez indexer des répertoires hors de l’espace de travail.

Envisagez Honcho si vous voulez une mémoire intersessions avec modélisation automatique de l’utilisateur.

Dépannage

Recherche en mémoire désactivée ? Vérifiez openclaw memory status. Si aucun fournisseur n’est détecté, définissez-en un explicitement ou ajoutez une clé d’API.

Fournisseur local non détecté ? Confirmez que le chemin local existe et exécutez :

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

Les commandes CLI autonomes et le Gateway utilisent le même identifiant de fournisseur local. Définissez memorySearch.provider: "local" lorsque vous voulez utiliser des embeddings locaux.

Résultats obsolètes ? Exécutez openclaw memory index --force pour reconstruire. Le surveillant peut manquer des changements dans de rares cas limites.

sqlite-vec ne se charge pas ? OpenClaw revient automatiquement à la similarité cosinus en cours de processus. openclaw memory status --deep signale le magasin vectoriel local séparément du fournisseur d’embeddings ; ainsi, Vector store: unavailable indique un problème de chargement de sqlite-vec, tandis que Embeddings: unavailable indique un problème de fournisseur/authentification ou de disponibilité du modèle. Consultez les journaux pour l’erreur de chargement précise.

Configuration

Pour la configuration du fournisseur d’embeddings, l’ajustement de la recherche hybride (poids, MMR, décroissance temporelle), l’indexation par lots, la mémoire multimodale, sqlite-vec, les chemins supplémentaires et tous les autres paramètres de configuration, consultez la référence de configuration de la mémoire.

Liens associés

• Vue d’ensemble de la mémoire
• Recherche en mémoire
• Active Memory