--- read_when: - Chcesz zrozumieć, jak działa memory_search - Chcesz wybrać dostawcę embeddingów - Chcesz dostroić jakość wyszukiwania summary: Jak wyszukiwanie w pamięci znajduje odpowiednie notatki za pomocą embeddingów i wyszukiwania hybrydowego title: Wyszukiwanie w pamięci x-i18n: generated_at: "2026-06-28T22:33:44Z" model: gpt-5.5 postprocess_version: locale-links-v1 provider: openai source_hash: 32ffb9d996851566eb92b7812c5425f545ecbb5387a0a445686df35a6c8ae143 source_path: concepts/memory-search.md workflow: 16 --- `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: ```json5 { 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.`, 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](/pl/reference/memory-config#provider-specific-config). ## Obsługiwani dostawcy | Dostawca | ID | Wymaga klucza API | Uwagi | | ----------------- | ------------------- | ----------------- | -------------------------------------- | | Bedrock | `bedrock` | Nie | Używa łańcucha poświadczeń AWS | | DeepInfra | `deepinfra` | Tak | Domyślnie: `BAAI/bge-m3` | | Gemini | `gemini` | Tak | Obsługuje indeksowanie obrazów/audio | | GitHub Copilot | `github-copilot` | Nie | Używa subskrypcji Copilot | | Local | `local` | Nie | Model GGUF, pobranie ~0,6 GB | | Mistral | `mistral` | Tak | | | Ollama | `ollama` | Nie | Lokalny/samodzielnie hostowany | | OpenAI | `openai` | Tak | Domyślny | | OpenAI-compatible | `openai-compatible` | Zwykle | Ogólne `/v1/embeddings` | | Voyage | `voyage` | Tak | | ## Jak działa wyszukiwanie OpenClaw uruchamia równolegle dwie ścieżki pobierania i scala wyniki: ```mermaid 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. Włącz spadek czasowy, jeśli agent ma miesiące codziennych notatek, a nieaktualne informacje wciąż wyprzedzają nowszy kontekst. ### 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 MMR, jeśli `memory_search` stale zwraca prawie zduplikowane fragmenty z różnych codziennych notatek. ### Włącz obie funkcje ```json5 { 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](/pl/reference/memory-config). ## 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](/pl/reference/memory-config). ## 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](/pl/concepts/active-memory) -- pamięć subagenta dla interaktywnych sesji czatu - [Pamięć](/pl/concepts/memory) -- układ plików, backendy, narzędzia - [Referencja konfiguracji pamięci](/pl/reference/memory-config) -- wszystkie pokrętła konfiguracji ## Powiązane - [Przegląd pamięci](/pl/concepts/memory) - [Active Memory](/pl/concepts/active-memory) - [Wbudowany silnik pamięci](/pl/concepts/memory-builtin)