---
read_when:
    - आप डिफ़ॉल्ट मेमोरी बैकएंड को समझना चाहते हैं
    - आप एम्बेडिंग प्रदाताओं या हाइब्रिड खोज को कॉन्फ़िगर करना चाहते हैं
summary: कीवर्ड, वेक्टर और हाइब्रिड खोज वाला डिफ़ॉल्ट SQLite-आधारित मेमोरी बैकएंड
title: अंतर्निहित मेमोरी इंजन
x-i18n:
    generated_at: "2026-06-28T22:58:48Z"
    model: gpt-5.5
    postprocess_version: locale-links-v1
    provider: openai
    source_hash: a867bd295778f81109b258a63a35a1683d652d4564e44335053af4d86f90584e
    source_path: concepts/memory-builtin.md
    workflow: 16
---

अंतर्निर्मित इंजन डिफ़ॉल्ट मेमोरी बैकएंड है। यह आपकी मेमोरी इंडेक्स को
प्रति-एजेंट SQLite डेटाबेस में संग्रहीत करता है और शुरू करने के लिए किसी अतिरिक्त निर्भरता की आवश्यकता नहीं होती।

## यह क्या प्रदान करता है

- FTS5 फुल-टेक्स्ट इंडेक्सिंग (BM25 स्कोरिंग) के जरिए **कीवर्ड खोज**।
- किसी भी समर्थित प्रदाता से embeddings के जरिए **वेक्टर खोज**।
- **हाइब्रिड खोज**, जो सर्वोत्तम परिणामों के लिए दोनों को जोड़ती है।
- चीनी, जापानी और कोरियाई के लिए ट्राइग्राम टोकनाइज़ेशन के जरिए **CJK समर्थन**।
- इन-डेटाबेस वेक्टर क्वेरी के लिए **sqlite-vec त्वरण** (वैकल्पिक)।

## शुरुआत करना

डिफ़ॉल्ट रूप से, अंतर्निर्मित इंजन OpenAI embeddings का उपयोग करता है। यदि आपने पहले से
`OPENAI_API_KEY` या `models.providers.openai.apiKey` कॉन्फ़िगर किया है, तो वेक्टर खोज
बिना अतिरिक्त मेमोरी कॉन्फ़िगरेशन के काम करती है।

किसी प्रदाता को स्पष्ट रूप से सेट करने के लिए:

```json5
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
```

embedding प्रदाता के बिना, केवल कीवर्ड खोज उपलब्ध होती है।

स्थानीय GGUF embeddings को बाध्य करने के लिए, आधिकारिक llama.cpp प्रदाता Plugin इंस्टॉल करें,
फिर `local.modelPath` को किसी GGUF फ़ाइल की ओर इंगित करें:

```bash
openclaw plugins install @openclaw/llama-cpp-provider
```

```json5
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}
```

## समर्थित embedding प्रदाता

| प्रदाता          | ID                  | नोट्स                               |
| ----------------- | ------------------- | ----------------------------------- |
| Bedrock           | `bedrock`           | AWS क्रेडेंशियल चेन का उपयोग करता है           |
| DeepInfra         | `deepinfra`         | डिफ़ॉल्ट: `BAAI/bge-m3`              |
| Gemini            | `gemini`            | मल्टीमॉडल (इमेज + ऑडियो) का समर्थन करता है |
| GitHub Copilot    | `github-copilot`    | Copilot सदस्यता का उपयोग करता है           |
| Local             | `local`             | `@openclaw/llama-cpp-provider`      |
| Mistral           | `mistral`           |                                     |
| Ollama            | `ollama`            | स्थानीय/स्व-होस्टेड                   |
| OpenAI            | `openai`            | डिफ़ॉल्ट: `text-embedding-3-small`   |
| OpenAI-संगत | `openai-compatible` | सामान्य `/v1/embeddings` endpoint   |
| Voyage            | `voyage`            |                                     |

OpenAI से अलग जाने के लिए `memorySearch.provider` सेट करें।

## इंडेक्सिंग कैसे काम करती है

OpenClaw `MEMORY.md` और `memory/*.md` को खंडों (~400 टोकन, जिनमें
80-टोकन ओवरलैप होता है) में इंडेक्स करता है और उन्हें प्रति-एजेंट SQLite डेटाबेस में संग्रहीत करता है।

- **इंडेक्स स्थान:** स्वामी एजेंट डेटाबेस
  `~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite`
- **स्टोरेज रखरखाव:** SQLite WAL sidecars को आवधिक और
  शटडाउन checkpoints के साथ सीमित रखा जाता है।
- **फ़ाइल वॉचिंग:** मेमोरी फ़ाइलों में बदलाव debounced reindex (1.5s) को ट्रिगर करते हैं।
- **स्वचालित रीइंडेक्स:** जब embedding प्रदाता, मॉडल, या chunking कॉन्फ़िगरेशन
  बदलता है, तो पूरा इंडेक्स अपने आप फिर से बनाया जाता है।
- **मांग पर रीइंडेक्स:** `openclaw memory index --force`

<Info>
आप `memorySearch.extraPaths` के साथ workspace के बाहर Markdown फ़ाइलों को भी इंडेक्स कर सकते हैं। देखें
[कॉन्फ़िगरेशन संदर्भ](/hi/reference/memory-config#additional-memory-paths)।
</Info>

## कब उपयोग करें

अंतर्निर्मित इंजन अधिकांश उपयोगकर्ताओं के लिए सही विकल्प है:

- बिना अतिरिक्त निर्भरता के तुरंत काम करता है।
- कीवर्ड और वेक्टर खोज को अच्छी तरह संभालता है।
- सभी embedding प्रदाताओं का समर्थन करता है।
- हाइब्रिड खोज दोनों retrieval तरीकों की सर्वोत्तम खूबियों को जोड़ती है।

यदि आपको reranking, query expansion की आवश्यकता है, या workspace के बाहर directories को इंडेक्स करना चाहते हैं,
तो [QMD](/hi/concepts/memory-qmd) पर स्विच करने पर विचार करें।

यदि आप स्वचालित user modeling के साथ cross-session मेमोरी चाहते हैं, तो
[Honcho](/hi/concepts/memory-honcho) पर विचार करें।

## समस्या निवारण

**मेमोरी खोज अक्षम है?** `openclaw memory status` जांचें। यदि कोई प्रदाता
पता नहीं चलता, तो एक को स्पष्ट रूप से सेट करें या API key जोड़ें।

**स्थानीय प्रदाता पता नहीं चला?** पुष्टि करें कि स्थानीय path मौजूद है और चलाएं:

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

Standalone CLI commands और Gateway दोनों समान `local` प्रदाता id का उपयोग करते हैं।
जब आप स्थानीय embeddings चाहते हैं, तो `memorySearch.provider: "local"` सेट करें।

**पुराने परिणाम?** फिर से बनाने के लिए `openclaw memory index --force` चलाएं। watcher
दुर्लभ edge cases में बदलावों को चूक सकता है।

**sqlite-vec लोड नहीं हो रहा?** OpenClaw अपने आप in-process cosine similarity पर fallback करता है।
`openclaw memory status --deep` स्थानीय वेक्टर store को embedding प्रदाता से अलग रिपोर्ट करता है,
इसलिए `Vector store: unavailable` sqlite-vec loading की ओर संकेत करता है, जबकि `Embeddings: unavailable` प्रदाता/auth
या मॉडल readiness की ओर संकेत करता है। विशिष्ट load error के लिए logs जांचें।

## कॉन्फ़िगरेशन

embedding प्रदाता setup, हाइब्रिड खोज tuning (weights, MMR, temporal
decay), batch indexing, multimodal memory, sqlite-vec, extra paths, और अन्य सभी
config knobs के लिए
[मेमोरी कॉन्फ़िगरेशन संदर्भ](/hi/reference/memory-config) देखें।

## संबंधित

- [मेमोरी अवलोकन](/hi/concepts/memory)
- [मेमोरी खोज](/hi/concepts/memory-search)
- [Active Memory](/hi/concepts/active-memory)