Passer au contenu principal

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 est un Plugin de mémoire intégré qui stocke la mémoire à long terme dans LanceDB et utilise des embeddings pour le rappel. Il peut rappeler automatiquement les mémoires pertinentes avant un tour de modèle et capturer les faits importants après une réponse. Utilisez-le lorsque vous voulez une base de données vectorielle locale pour la mémoire, avez besoin d’un point de terminaison d’embeddings compatible OpenAI, ou voulez conserver une base de données de mémoire en dehors du magasin de mémoire intégré par défaut.
memory-lancedb est un Plugin de mémoire active. Activez-le en sélectionnant l’emplacement mémoire avec plugins.slots.memory = "memory-lancedb". Des Plugins compagnons tels que memory-wiki peuvent s’exécuter à côté, mais un seul Plugin possède l’emplacement de mémoire active.

​
Démarrage rapide

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Redémarrez le Gateway après avoir modifié la configuration du Plugin : 
openclaw gateway restart
Vérifiez ensuite que le Plugin est chargé : 
openclaw plugins list

​
Embeddings adossés à un fournisseur

memory-lancedb peut utiliser les mêmes adaptateurs de fournisseur d’embeddings de mémoire que memory-core. Définissez embedding.provider et omettez embedding.apiKey pour utiliser le profil d’authentification configuré du fournisseur, la variable d’environnement ou models.providers.<provider>.apiKey. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
Ce chemin fonctionne avec les profils d’authentification de fournisseur qui exposent des identifiants d’embeddings. Par exemple, GitHub Copilot peut être utilisé lorsque le profil/forfait Copilot prend en charge les embeddings : 
{
  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) n’est pas un identifiant d’embeddings OpenAI Platform. Pour les embeddings OpenAI, utilisez un profil d’authentification avec clé API OpenAI, OPENAI_API_KEY, ou models.providers.openai.apiKey. Les utilisateurs avec OAuth seul peuvent utiliser un autre fournisseur compatible embeddings, comme GitHub Copilot ou Ollama.

​
Embeddings Ollama

Pour les embeddings Ollama, privilégiez le fournisseur d’embeddings Ollama intégré. Il utilise le point de terminaison Ollama natif /api/embed et suit les mêmes règles d’authentification/d’URL de base que le fournisseur Ollama documenté dans Ollama. 
{
  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,
        },
      },
    },
  },
}
Définissez dimensions pour les modèles d’embeddings non standard. OpenClaw connaît les dimensions de text-embedding-3-small et text-embedding-3-large ; les modèles personnalisés ont besoin de la valeur dans la configuration afin que LanceDB puisse créer la colonne vectorielle. Pour les petits modèles d’embeddings locaux, réduisez recallMaxChars si vous observez des erreurs de longueur de contexte provenant du serveur local.

​
Fournisseurs compatibles OpenAI

Certains fournisseurs d’embeddings compatibles OpenAI rejettent le paramètre encoding_format, tandis que d’autres l’ignorent et renvoient toujours des vecteurs number[]. memory-lancedb omet donc encoding_format dans les requêtes d’embeddings et accepte soit des réponses sous forme de tableaux de flottants, soit des réponses float32 encodées en base64. Si vous disposez d’un point de terminaison d’embeddings brut compatible OpenAI qui n’a pas d’adaptateur de fournisseur intégré, omettez embedding.provider (ou laissez-le à openai) et définissez embedding.apiKey ainsi que embedding.baseUrl. Cela préserve le chemin client direct compatible OpenAI. Définissez embedding.dimensions pour les fournisseurs dont les dimensions de modèle ne sont pas intégrées. Par exemple, ZhiPu embedding-3 utilise 2048 dimensions : 
{
  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,
          },
        },
      },
    },
  },
}

​
Limites de rappel et de capture

memory-lancedb a deux limites de texte distinctes :
ParamètreValeur par défautPlageS’applique à
recallMaxChars1000100-10000texte envoyé à l’API d’embeddings pour le rappel
captureMaxChars500100-10000longueur de message assistant éligible à la capture
recallMaxChars contrôle le rappel automatique, l’outil memory_recall, le chemin de requête memory_forget et openclaw ltm search. Le rappel automatique privilégie le dernier message utilisateur du tour et se rabat sur le prompt complet uniquement lorsqu’aucun message utilisateur n’est disponible. Cela garde les métadonnées de canal et les gros blocs de prompt hors de la requête d’embeddings. captureMaxChars détermine si une réponse est suffisamment courte pour être prise en compte pour la capture automatique. Il ne limite pas les embeddings de requête de rappel.

​
Commandes

Lorsque memory-lancedb est le Plugin de mémoire active, il enregistre l’espace de noms CLI ltm : 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
Le Plugin étend également openclaw memory avec une sous-commande query non vectorielle qui s’exécute directement sur la table LanceDB : 
openclaw memory query --cols id,text,createdAt --limit 20
openclaw memory query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns> : liste autorisée de colonnes séparées par des virgules (par défaut id, text, importance, category, createdAt).
  • --filter <condition> : clause WHERE de style SQL ; plafonnée à 200 caractères et limitée aux caractères alphanumériques, aux opérateurs de comparaison, aux guillemets, aux parenthèses et à un petit ensemble de ponctuation sûre.
  • --limit <n> : entier positif ; valeur par défaut 10.
  • --order-by <column>:<asc|desc> : tri en mémoire appliqué après le filtre ; la colonne de tri est automatiquement incluse dans la projection.
Les agents obtiennent également des outils de mémoire LanceDB depuis le Plugin de mémoire active :
  • memory_recall pour le rappel adossé à LanceDB
  • memory_store pour enregistrer les faits importants, les préférences, les décisions et les entités
  • memory_forget pour supprimer les mémoires correspondantes

​
Stockage

Par défaut, les données LanceDB se trouvent sous ~/.openclaw/memory/lancedb. Remplacez le chemin avec dbPath : 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions accepte des paires clé/valeur de chaînes pour les backends de stockage LanceDB et prend en charge l’expansion ${ENV_VAR} : 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Dépendances d’exécution

memory-lancedb dépend du paquet natif @lancedb/lancedb. Les installations OpenClaw packagées essaient d’abord la dépendance d’exécution intégrée et peuvent réparer la dépendance d’exécution du Plugin sous l’état OpenClaw lorsque l’import intégré n’est pas disponible. Si une ancienne installation consigne une erreur dist/package.json manquant ou @lancedb/lancedb manquant pendant le chargement du Plugin, mettez OpenClaw à niveau et redémarrez le Gateway. Si le Plugin indique dans les journaux que LanceDB n’est pas disponible sur darwin-x64, utilisez le backend de mémoire par défaut sur cette machine, déplacez le Gateway vers une plateforme prise en charge, ou désactivez memory-lancedb.

​
Dépannage

​
La longueur d’entrée dépasse la longueur de contexte

Cela signifie généralement que le modèle d’embeddings a rejeté la requête de rappel : 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Définissez un recallMaxChars plus bas, puis redémarrez le Gateway : 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Pour Ollama, vérifiez également que le serveur d’embeddings est accessible depuis l’hôte du Gateway : 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Modèle d’embeddings non pris en charge

Sans dimensions, seules les dimensions d’embeddings OpenAI intégrées sont connues. Pour les modèles d’embeddings locaux ou personnalisés, définissez embedding.dimensions sur la taille vectorielle signalée par ce modèle.

​
Le Plugin se charge, mais aucune mémoire n’apparaît

Vérifiez que plugins.slots.memory pointe vers memory-lancedb, puis exécutez : 
openclaw ltm stats
openclaw ltm search "recent preference"
Si autoCapture est désactivé, le Plugin rappellera les mémoires existantes mais ne stockera pas automatiquement les nouvelles. Utilisez l’outil memory_store ou activez autoCapture si vous voulez une capture automatique.

​
Associé