Naar hoofdinhoud gaan

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 is een meegeleverde geheugenplugin die langetermijngeheugen opslaat in LanceDB en embeddings gebruikt voor terughalen. De plugin kan automatisch relevante herinneringen terughalen vóór een modelbeurt en belangrijke feiten vastleggen na een antwoord. Gebruik deze wanneer je een lokale vectordatabase voor geheugen wilt, een OpenAI-compatibel embedding-eindpunt nodig hebt, of een geheugendatabase buiten de standaard ingebouwde geheugenopslag wilt bewaren.
memory-lancedb is een Active Memory-plugin. Schakel deze in door de geheugensleuf te selecteren met plugins.slots.memory = "memory-lancedb". Begeleidende plugins zoals memory-wiki kunnen ernaast draaien, maar slechts één plugin is eigenaar van de actieve geheugensleuf.

​
Snel aan de slag

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Start de Gateway opnieuw nadat je de pluginconfiguratie hebt gewijzigd: 
openclaw gateway restart
Controleer daarna of de plugin is geladen: 
openclaw plugins list

​
Door providers ondersteunde embeddings

memory-lancedb kan dezelfde provideradapters voor geheugenembeddings gebruiken als memory-core. Stel embedding.provider in en laat embedding.apiKey weg om het geconfigureerde auth-profiel, de omgevingsvariabele of models.providers.<provider>.apiKey van de provider te gebruiken. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
Dit pad werkt met provider-auth-profielen die embedding-inloggegevens beschikbaar stellen. GitHub Copilot kan bijvoorbeeld worden gebruikt wanneer het Copilot-profiel/-abonnement embeddings ondersteunt: 
{
  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) is geen OpenAI Platform- inloggegeven voor embeddings. Gebruik voor OpenAI-embeddings een OpenAI API-sleutel-auth-profiel, OPENAI_API_KEY of models.providers.openai.apiKey. Gebruikers met alleen OAuth kunnen een andere provider met embeddingondersteuning gebruiken, zoals GitHub Copilot of Ollama.

​
Ollama-embeddings

Geef voor Ollama-embeddings de voorkeur aan de meegeleverde Ollama-embeddingprovider. Deze gebruikt het native Ollama-/api/embed-eindpunt en volgt dezelfde regels voor auth/basis-URL als de Ollama-provider die is gedocumenteerd in 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,
        },
      },
    },
  },
}
Stel dimensions in voor niet-standaard embeddingmodellen. OpenClaw kent de dimensies voor text-embedding-3-small en text-embedding-3-large; aangepaste modellen hebben de waarde in de configuratie nodig zodat LanceDB de vectorkolom kan maken. Verlaag voor kleine lokale embeddingmodellen recallMaxChars als je contextlengtefouten van de lokale server ziet.

​
OpenAI-compatibele providers

Sommige OpenAI-compatibele embeddingproviders weigeren de parameter encoding_format, terwijl andere deze negeren en altijd number[]-vectoren retourneren. memory-lancedb laat daarom encoding_format weg bij embeddingverzoeken en accepteert zowel antwoorden met float-arrays als base64-gecodeerde float32-antwoorden. Als je een onbewerkt OpenAI-compatibel embeddings-eindpunt hebt waarvoor geen meegeleverde provideradapter bestaat, laat dan embedding.provider weg (of laat dit op openai) en stel embedding.apiKey plus embedding.baseUrl in. Dit behoudt het directe OpenAI-compatibele clientpad. Stel embedding.dimensions in voor providers waarvan de modeldimensies niet ingebouwd zijn. ZhiPu embedding-3 gebruikt bijvoorbeeld 2048 dimensies: 
{
  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,
          },
        },
      },
    },
  },
}

​
Limieten voor terughalen en vastleggen

memory-lancedb heeft twee afzonderlijke tekstlimieten:
InstellingStandaardBereikVan toepassing op
recallMaxChars1000100-10000tekst die naar de embedding-API wordt gestuurd voor terughalen
captureMaxChars500100-10000lengte van assistant-bericht die in aanmerking komt voor vastleggen
recallMaxChars beheert automatisch terughalen, de tool memory_recall, het querypad memory_forget en openclaw ltm search. Automatisch terughalen geeft de voorkeur aan het nieuwste gebruikersbericht uit de beurt en valt alleen terug op de volledige prompt wanneer er geen gebruikersbericht beschikbaar is. Zo blijven kanaalmetadata en grote promptblokken buiten het embeddingverzoek. captureMaxChars bepaalt of een antwoord kort genoeg is om in aanmerking te komen voor automatisch vastleggen. Het beperkt query-embeddings voor terughalen niet.

​
Commando’s

Wanneer memory-lancedb de actieve geheugenplugin is, registreert deze de ltm CLI- naamruimte: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
De plugin breidt ook openclaw memory uit met een niet-vector-subcommando query dat rechtstreeks op de LanceDB-tabel draait: 
openclaw memory query --cols id,text,createdAt --limit 20
openclaw memory query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: door komma’s gescheiden allowlist met kolommen (standaard id, text, importance, category, createdAt).
  • --filter <condition>: SQL-achtige WHERE-clausule; begrensd op 200 tekens en beperkt tot alfanumerieke tekens, vergelijkingsoperatoren, aanhalingstekens, haakjes en een kleine set veilige interpunctie.
  • --limit <n>: positief geheel getal; standaard 10.
  • --order-by <column>:<asc|desc>: sortering in het geheugen die na het filter wordt toegepast; de sorteerkolom wordt automatisch opgenomen in de projectie.
Agents krijgen ook LanceDB-geheugentools van de actieve geheugenplugin:
  • memory_recall voor door LanceDB ondersteund terughalen
  • memory_store voor het opslaan van belangrijke feiten, voorkeuren, beslissingen en entiteiten
  • memory_forget voor het verwijderen van overeenkomende herinneringen

​
Opslag

Standaard staan LanceDB-gegevens onder ~/.openclaw/memory/lancedb. Overschrijf het pad met dbPath: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions accepteert tekenreeks-sleutel/waardeparen voor LanceDB-opslagbackends en ondersteunt uitbreiding van ${ENV_VAR}: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Runtime-afhankelijkheden

memory-lancedb is afhankelijk van het native pakket @lancedb/lancedb. Gepackagede OpenClaw-installaties proberen eerst de meegeleverde runtime-afhankelijkheid en kunnen de plugin-runtime-afhankelijkheid onder OpenClaw-status repareren wanneer de meegeleverde import niet beschikbaar is. Als een oudere installatie tijdens het laden van de plugin een fout over een ontbrekende dist/package.json of ontbrekende @lancedb/lancedb logt, upgrade dan OpenClaw en start de Gateway opnieuw. Als de plugin logt dat LanceDB niet beschikbaar is op darwin-x64, gebruik dan de standaard geheugenbackend op die machine, verplaats de Gateway naar een ondersteund platform, of schakel memory-lancedb uit.

​
Probleemoplossing

​
Invoerlengte overschrijdt de contextlengte

Dit betekent meestal dat het embeddingmodel de terughaalquery heeft geweigerd: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Stel een lagere recallMaxChars in en start daarna de Gateway opnieuw: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Controleer voor Ollama ook of de embeddingserver bereikbaar is vanaf de Gateway-host: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Niet-ondersteund embeddingmodel

Zonder dimensions zijn alleen de ingebouwde OpenAI-embeddingdimensies bekend. Stel voor lokale of aangepaste embeddingmodellen embedding.dimensions in op de vectorgrootte die door dat model wordt gerapporteerd.

​
Plugin laadt maar er verschijnen geen herinneringen

Controleer of plugins.slots.memory naar memory-lancedb verwijst en voer daarna uit: 
openclaw ltm stats
openclaw ltm search "recent preference"
Als autoCapture is uitgeschakeld, haalt de plugin bestaande herinneringen terug, maar slaat deze niet automatisch nieuwe op. Gebruik de tool memory_store of schakel autoCapture in als je automatische vastlegging wilt.

​
Gerelateerd