Wyszukiwanie w pamięci

memory_search wyszukuje odpowiednie notatki w plikach pamięci, nawet gdy sformułowanie różni się od oryginalnego tekstu. Działa przez indeksowanie pamięci w małych fragmentach i przeszukiwanie ich za pomocą embeddingów, słów kluczowych albo obu metod.

Szybki start

Wyszukiwanie w pamięci domyślnie używa embeddingów OpenAI. Aby użyć innego backendu embeddingów, ustaw dostawcę jawnie:

{  agents: {    defaults: {      memorySearch: {        provider: "openai", // or "gemini", "local", "ollama", "openai-compatible", etc.      },    },  },}

W konfiguracjach z wieloma endpointami i dostawcami specyficznymi dla pamięci provider może też być niestandardowym wpisem models.providers.<id>, takim jak ollama-5080, gdy ten dostawca ustawia api: "ollama" albo innego właściciela adaptera embeddingów pamięci.

W przypadku lokalnych embeddingów bez klucza API zainstaluj @openclaw/llama-cpp-provider i ustaw provider: "local". Checkouts źródłowe mogą nadal wymagać zgody na natywną kompilację: pnpm approve-builds, a potem pnpm rebuild node-llama-cpp.

Niektóre endpointy embeddingów zgodne z OpenAI wymagają asymetrycznych etykiet, takich jak input_type: "query" dla wyszukiwań oraz input_type: "document" lub "passage" dla indeksowanych fragmentów. Skonfiguruj je za pomocą memorySearch.queryInputType i memorySearch.documentInputType; zobacz referencję konfiguracji pamięci.

Obsługiwani dostawcy

Jak działa wyszukiwanie

OpenClaw uruchamia równolegle dwie ścieżki pobierania i scala wyniki:

flowchart LR
    Q["Query"] --> E["Embedding"]
    Q --> T["Tokenize"]
    E --> VS["Vector Search"]
    T --> BM["BM25 Search"]
    VS --> M["Weighted Merge"]
    BM --> M
    M --> R["Top Results"]

• Wyszukiwanie wektorowe znajduje notatki o podobnym znaczeniu („gateway host” pasuje do „maszyna uruchamiająca OpenClaw”).
• Wyszukiwanie słów kluczowych BM25 znajduje dokładne dopasowania (ID, ciągi błędów, klucze konfiguracji).

Jeśli dostępna jest tylko jedna ścieżka, działa ona samodzielnie. Celowy tryb tylko FTS (provider: "none") oraz automatyczny/domyślny wybór dostawcy nadal mogą używać rankingu leksykalnego, gdy embeddingi są niedostępne.

Jawni nielokalni dostawcy embeddingów działają inaczej. Jeśli ustawisz memorySearch.provider na konkretnego dostawcę zdalnego, a ten dostawca będzie niedostępny w czasie działania, memory_search zgłosi pamięć jako niedostępną zamiast po cichu używać wyników tylko FTS. Dzięki temu uszkodzony skonfigurowany dostawca semantyczny pozostaje widoczny. Ustaw provider: "none" dla celowego przypominania tylko FTS albo napraw konfigurację dostawcy/uwierzytelniania, aby przywrócić ranking semantyczny.

Poprawianie jakości wyszukiwania

Dwie opcjonalne funkcje pomagają, gdy masz dużą historię notatek:

Spadek czasowy

Starsze notatki stopniowo tracą wagę rankingu, aby najpierw pojawiały się najnowsze informacje. Przy domyślnym okresie półtrwania wynoszącym 30 dni notatka z zeszłego miesiąca uzyskuje 50% swojej pierwotnej wagi. Pliki stale aktualne, takie jak MEMORY.md, nigdy nie podlegają spadkowi.

MMR (różnorodność)

Ogranicza nadmiarowe wyniki. Jeśli pięć notatek wspomina tę samą konfigurację routera, MMR sprawia, że najlepsze wyniki obejmują różne tematy zamiast się powtarzać.

Włącz obie funkcje

{  agents: {    defaults: {      memorySearch: {        query: {          hybrid: {            mmr: { enabled: true },            temporalDecay: { enabled: true },          },        },      },    },  },}

Pamięć multimodalna

Dzięki Gemini Embedding 2 możesz indeksować obrazy i pliki audio razem z Markdownem. Zapytania wyszukiwania pozostają tekstowe, ale dopasowują się do treści wizualnych i audio. Instrukcję konfiguracji znajdziesz w referencji konfiguracji pamięci.

Wyszukiwanie w pamięci sesji

Opcjonalnie możesz indeksować transkrypcje sesji, aby memory_search mogło przypominać wcześniejsze rozmowy. Jest to funkcja włączana jawnie przez memorySearch.experimental.sessionMemory oraz sources: ["sessions"]; domyślna lista źródeł obejmuje tylko pamięć. Flaga eksperymentalna włącza indeksowanie transkrypcji sesji, a sources kontroluje, czy fragmenty sesji są przeszukiwane.

Trafienia sesji przestrzegają tools.sessions.visibility: domyślne ustawienie tree udostępnia tylko bieżącą sesję i sesje przez nią utworzone. Aby przywołać niepowiązaną sesję tego samego agenta wysłaną przez Gateway z osobnej sesji DM, celowo rozszerz widoczność do agent.

Podczas używania QMD ustaw także memory.qmd.sessions.enabled: true, aby transkrypcje były eksportowane do kolekcji QMD. Szczegóły znajdziesz w referencji konfiguracji.

Rozwiązywanie problemów

Brak wyników? Uruchom openclaw memory status, aby sprawdzić indeks. Jeśli jest pusty, uruchom openclaw memory index --force.

Tylko dopasowania słów kluczowych? Dostawca embeddingów może nie być skonfigurowany. Sprawdź openclaw memory status --deep.

Lokalne embeddingi przekraczają limit czasu? ollama, lmstudio i local domyślnie używają dłuższego limitu czasu wsadowego inline. Jeśli host jest po prostu wolny, ustaw agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds i uruchom ponownie openclaw memory index --force.

Nie znaleziono tekstu CJK? Odbuduj indeks FTS za pomocą openclaw memory index --force.

Dalsza lektura

• Active Memory -- pamięć subagenta dla interaktywnych sesji czatu
• Pamięć -- układ plików, backendy, narzędzia
• Referencja konfiguracji pamięci -- wszystkie pokrętła konfiguracji

Powiązane

• Przegląd pamięci
• Active Memory
• Wbudowany silnik pamięci