मेमोरी LanceDB

memory-lancedb एक आधिकारिक बाहरी Plugin है, जो वेक्टर खोज के साथ LanceDB में दीर्घकालिक मेमोरी संग्रहीत करता है। यह मॉडल टर्न से पहले प्रासंगिक मेमोरी को अपने-आप पुनः प्राप्त कर सकता है और प्रतिक्रिया के बाद महत्वपूर्ण तथ्यों को अपने-आप कैप्चर कर सकता है।

इसे स्थानीय वेक्टर डेटाबेस, OpenAI-संगत एम्बेडिंग एंडपॉइंट या डिफ़ॉल्ट अंतर्निहित मेमोरी बैकएंड से बाहर किसी मेमोरी स्टोर के लिए उपयोग करें।

इंस्टॉलेशन

openclaw plugins install @openclaw/memory-lancedb

Plugin npm पर प्रकाशित है; यह OpenClaw रनटाइम इमेज में बंडल नहीं है। इसे इंस्टॉल करने पर Plugin प्रविष्टि लिखी जाती है, इसे सक्षम किया जाता है और plugins.slots.memory को memory-lancedb पर स्विच किया जाता है। यदि वर्तमान में कोई अन्य Plugin मेमोरी स्लॉट का स्वामी है, तो चेतावनी के साथ उस Plugin को अक्षम कर दिया जाता है।

त्वरित शुरुआत

{  plugins: {    slots: {      memory: "memory-lancedb",    },    entries: {      "memory-lancedb": {        enabled: true,        config: {          embedding: {            provider: "openai",            model: "text-embedding-3-small",          },          autoRecall: true,          autoCapture: false,        },      },    },  },}

Plugin कॉन्फ़िगरेशन बदलने के बाद Gateway को पुनः आरंभ करें, फिर सत्यापित करें कि वह लोड हुआ है:

openclaw gateway restartopenclaw plugins list

एम्बेडिंग कॉन्फ़िगरेशन

embedding आवश्यक है और इसमें कम-से-कम एक फ़ील्ड होना चाहिए। provider का डिफ़ॉल्ट openai है; model का डिफ़ॉल्ट text-embedding-3-small है।

अनुरोध के दो पथ उपलब्ध हैं:

• प्रदाता एडाप्टर पथ (डिफ़ॉल्ट): embedding.provider सेट करें और embedding.apiKey/embedding.baseUrl को छोड़ दें। Plugin उसी मेमोरी एम्बेडिंग एडाप्टर के माध्यम से प्रदाता की कॉन्फ़िगर की गई प्रमाणीकरण प्रोफ़ाइल, पर्यावरण चर या models.providers.<provider>.apiKey को हल करता है, जिनका उपयोग memory-core करता है। यह github-copilot, ollama और एम्बेडिंग समर्थन वाले किसी भी अन्य बंडल प्रदाता का पथ है।
• प्रत्यक्ष OpenAI-संगत क्लाइंट पथ: embedding.provider को सेट न करें (या "openai") और embedding.apiKey के साथ embedding.baseUrl सेट करें। इसका उपयोग ऐसे कच्चे OpenAI-संगत एम्बेडिंग एंडपॉइंट के लिए करें जिसका कोई बंडल प्रदाता एडाप्टर नहीं है।

OpenAI Codex / ChatGPT OAuth, OpenAI Platform की एम्बेडिंग क्रेडेंशियल नहीं है। OpenAI एम्बेडिंग के लिए OpenAI API कुंजी प्रमाणीकरण प्रोफ़ाइल, OPENAI_API_KEY या models.providers.openai.apiKey का उपयोग करें। केवल OAuth का उपयोग करने वाले उपयोगकर्ताओं को github-copilot या ollama जैसा कोई अन्य एम्बेडिंग-सक्षम प्रदाता चुनना चाहिए।

{  plugins: {    entries: {      "memory-lancedb": {        enabled: true,        config: {          embedding: {            provider: "github-copilot",            model: "text-embedding-3-small",          },        },      },    },  },}

कुछ OpenAI-संगत एम्बेडिंग एंडपॉइंट encoding_format पैरामीटर को अस्वीकार करते हैं; अन्य इसे अनदेखा करके हमेशा number[] लौटाते हैं। memory-lancedb अनुरोधों में encoding_format को छोड़ देता है और फ़्लोट-ऐरे या base64-एन्कोडेड float32 प्रतिक्रियाएँ स्वीकार करता है, इसलिए दोनों प्रतिक्रिया संरचनाएँ बिना कॉन्फ़िगरेशन के काम करती हैं।

आयाम

OpenClaw में केवल text-embedding-3-small (1536) और text-embedding-3-large (3072) के लिए अंतर्निहित आयाम हैं। किसी भी अन्य मॉडल को स्पष्ट embedding.dimensions चाहिए, ताकि LanceDB वेक्टर कॉलम बना सके, उदाहरण के लिए 2048 आयाम वाला ZhiPu embedding-3:

{  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,          },        },      },    },  },}

Ollama एम्बेडिंग

बंडल किए गए Ollama प्रदाता एडाप्टर पथ (embedding.provider: "ollama") का उपयोग करें। यह Ollama के मूल /api/embed एंडपॉइंट को कॉल करता है और Ollama प्रदाता के समान प्रमाणीकरण/base URL नियमों का पालन करता है।

{  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,        },      },    },  },}

mxbai-embed-large अंतर्निहित आयाम तालिका में नहीं है, इसलिए dimensions आवश्यक है। छोटे स्थानीय एम्बेडिंग मॉडल के लिए, यदि स्थानीय सर्वर संदर्भ-लंबाई त्रुटियाँ लौटाता है, तो recallMaxChars को कम करें।

पुनः प्राप्ति और कैप्चर की सीमाएँ

recallMaxChars, before_prompt_build की स्वचालित पुनः प्राप्ति क्वेरी, memory_recall टूल, memory_forget क्वेरी पथ और openclaw ltm search को सीमित करता है। स्वचालित पुनः प्राप्ति टर्न से नवीनतम उपयोगकर्ता संदेश को एम्बेड करती है और केवल उपयोगकर्ता संदेश न होने पर पूर्ण प्रॉम्प्ट का उपयोग करती है, जिससे चैनल मेटाडेटा और बड़े प्रॉम्प्ट ब्लॉक एम्बेडिंग अनुरोध से बाहर रहते हैं।

captureMaxChars यह नियंत्रित करता है कि टर्न के agent_end इवेंट से प्राप्त उपयोगकर्ता संदेश अपने-आप कैप्चर के लिए विचार किए जाने हेतु पर्याप्त छोटा है या नहीं; यह पुनः प्राप्ति क्वेरी को प्रभावित नहीं करता।

customTriggers रेगुलर एक्सप्रेशन के बिना शाब्दिक अपने-आप कैप्चर वाक्यांश जोड़ता है। अंतर्निहित ट्रिगर सामान्य अंग्रेज़ी, चेक, चीनी, जापानी और कोरियाई मेमोरी वाक्यांशों (remember, prefer, 记住, 覚えて, 기억해 और इसी प्रकार के) को कवर करते हैं।

अपने-आप कैप्चर ऐसे टेक्स्ट को भी अस्वीकार करता है जो एनवेलप/ट्रांसपोर्ट मेटाडेटा, प्रॉम्प्ट-इंजेक्शन पेलोड या पहले से इंजेक्ट किए गए <relevant-memories> संदर्भ जैसा दिखता है, और प्रति एजेंट टर्न अधिकतम 3 मेमोरी कैप्चर करता है।

प्रत्येक मेमोरी का स्वामी एक एजेंट होता है। पुनः प्राप्ति, डुप्लिकेट पहचान, कैप्चर, सूचीकरण, कच्ची क्वेरी और हटाना—सभी पंक्तियाँ लौटाने या संशोधित करने से पहले उस स्वामी को लागू करते हैं। जिस एजेंट की agents.entries.* प्रविष्टि में memory.search.enabled: false है या जिसे अक्षम शीर्ष-स्तरीय खोज विरासत में मिलती है, उसे memory_recall, memory_store या memory_forget में से कोई भी टूल नहीं मिलता और वह स्वचालित पुनः प्राप्ति या कैप्चर में भाग नहीं लेता, भले ही Plugin-स्तरीय autoRecall/autoCapture फ़्लैग चालू हों।

कमांड

memory-lancedb इंस्टॉल होने पर हमेशा ltm CLI नेमस्पेस पंजीकृत करता है (केवल तभी नहीं जब वह सक्रिय मेमोरी स्लॉट का स्वामी हो):

openclaw ltm list [--agent <id>] [--limit <n>] [--order-by-created-at]openclaw ltm search <query> [--agent <id>] [--limit <n>]openclaw ltm stats [--agent <id>]

ltm query सीधे LanceDB तालिका पर एक गैर-वेक्टर क्वेरी चलाता है:

openclaw ltm query --agent research --cols id,text,createdAt --limit 20openclaw ltm query --filter "category = 'preference'" --order-by createdAt:desc

एजेंटों को सक्रिय मेमोरी Plugin से तीन टूल मिलते हैं:

• memory_recall: संग्रहीत मेमोरी पर वेक्टर खोज।
• memory_store: तथ्य, प्राथमिकता, निर्णय या इकाई सहेजता है (ऐसे टेक्स्ट को अस्वीकार करता है जो प्रॉम्प्ट-इंजेक्शन पेलोड जैसा दिखता है; लगभग-डुप्लिकेट भंडारण को छोड़ देता है)।
• memory_forget: memoryId या query द्वारा हटाता है (90% स्कोर से ऊपर का एकल मिलान अपने-आप हटा देता है, अन्यथा अस्पष्टता दूर करने के लिए संभावित आईडी सूचीबद्ध करता है)।

स्टोरेज

LanceDB डेटा का डिफ़ॉल्ट ~/.openclaw/memory/lancedb है। dbPath से इसे ओवरराइड करें:

{  plugins: {    entries: {      "memory-lancedb": {        enabled: true,        config: {          dbPath: "~/.openclaw/memory/lancedb",          embedding: {            apiKey: "${OPENAI_API_KEY}",            model: "text-embedding-3-small",          },        },      },    },  },}

Plugin एक LanceDB तालिका रखता है और प्रत्येक पंक्ति पर सामान्यीकृत एजेंट स्वामी संग्रहीत करता है। यह स्टोरेज सीमा है, खोज के बाद का फ़िल्टर नहीं: एजेंट स्वामित्व वेक्टर रैंकिंग से पहले लागू किया जाता है और सूची, क्वेरी, गणना तथा हटाने के प्रेडिकेट में शामिल होता है। ltm query --filter सार्वजनिक आउटपुट कॉलम पर एक सत्यापित तुलना स्वीकार करता है। स्टोर उस तुलना को अनिवार्य स्वामी प्रेडिकेट से अलग बनाता है, इसलिए कोई फ़िल्टर क्वेरी को किसी अन्य एजेंट तक विस्तृत नहीं कर सकता।

प्रति-एजेंट स्वामित्व से पहले बनाए गए डेटाबेस में पंक्ति की विश्वसनीय उत्पत्ति नहीं होती। अपग्रेड पर, openclaw doctor --fix उन लेगेसी पंक्तियों को एक बार कॉन्फ़िगर किए गए डिफ़ॉल्ट एजेंट को सौंपता है। माइग्रेशन पूरा होने तक रनटाइम पहुँच बंद रहते हुए विफल होती है; अन्य एजेंटों को पुरानी साझा पंक्तियाँ कभी विरासत में नहीं मिलतीं।

storageOptions LanceDB स्टोरेज बैकएंड के लिए स्ट्रिंग कुंजी/मान युग्म स्वीकार करता है (जैसे S3-संगत ऑब्जेक्ट स्टोरेज) और ${ENV_VAR} विस्तार का समर्थन करता है:

{  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",          },        },      },    },  },}

रनटाइम निर्भरताएँ और प्लेटफ़ॉर्म समर्थन

memory-lancedb नेटिव @lancedb/lancedb पैकेज पर निर्भर करता है, जिसका स्वामित्व Plugin पैकेज के पास है (OpenClaw कोर dist के पास नहीं)। Gateway स्टार्टअप Plugin निर्भरताओं को सुधारता नहीं है; यदि नेटिव निर्भरता अनुपलब्ध है या लोड होने में विफल रहती है, तो Plugin पैकेज को फिर से इंस्टॉल या अपडेट करें और Gateway को पुनः आरंभ करें।

@lancedb/lancedb, darwin-x64 (Intel Mac) के लिए नेटिव बिल्ड प्रकाशित नहीं करता। उस प्लेटफ़ॉर्म पर Plugin लोड होते समय लॉग करता है कि LanceDB अनुपलब्ध है; डिफ़ॉल्ट मेमोरी बैकएंड का उपयोग करें, Gateway को किसी समर्थित प्लेटफ़ॉर्म/आर्किटेक्चर पर चलाएँ, या memory-lancedb को अक्षम करें।

समस्या निवारण

इनपुट की लंबाई संदर्भ लंबाई से अधिक है

एम्बेडिंग मॉडल ने रिकॉल क्वेरी अस्वीकार कर दी:

memory-lancedb: रिकॉल विफल: त्रुटि: 400 इनपुट की लंबाई संदर्भ लंबाई से अधिक है

recallMaxChars को कम करें, फिर Gateway को पुनः आरंभ करें:

{  plugins: {    entries: {      "memory-lancedb": {        config: {          recallMaxChars: 400,        },      },    },  },}

Ollama के लिए, यह भी सत्यापित करें कि एम्बेडिंग सर्वर अपने नेटिव एम्बेड एंडपॉइंट का उपयोग करके Gateway होस्ट से पहुँच योग्य है:

curl http://127.0.0.1:11434/api/embed \  -H "Content-Type: application/json" \  -d '{"model":"mxbai-embed-large","input":"hello"}'

असमर्थित एम्बेडिंग मॉडल

embedding.dimensions के बिना, केवल अंतर्निहित OpenAI एम्बेडिंग आयाम ज्ञात होते हैं (text-embedding-3-small, text-embedding-3-large)। किसी अन्य मॉडल के लिए, embedding.dimensions को उस मॉडल द्वारा रिपोर्ट किए गए वेक्टर आकार पर सेट करें।

Plugin लोड होता है लेकिन कोई मेमोरी दिखाई नहीं देती

पुष्टि करें कि plugins.slots.memory, memory-lancedb की ओर संकेत करता है, फिर चलाएँ:

openclaw ltm statsopenclaw ltm search "recent preference"

यदि autoCapture अक्षम है, तो Plugin मौजूदा मेमोरी को अब भी रिकॉल करता है, लेकिन नई मेमोरी को स्वचालित रूप से संग्रहीत नहीं करता। memory_store टूल का उपयोग करें, या autoCapture को सक्षम करें।

संबंधित

• मेमोरी का अवलोकन
• Active Memory
• मेमोरी खोज
• मेमोरी विकि
• Ollama