Dokumentacja referencyjna konfiguracji pamięci

Ta strona zawiera listę wszystkich ustawień konfiguracji wyszukiwania w pamięci OpenClaw. Omówienia koncepcyjne znajdziesz tutaj:

Omówienie pamięci

Jak działa pamięć.

Wbudowany silnik

Domyślny backend SQLite.

Silnik QMD

Lokalny sidecar.

Wyszukiwanie w pamięci

Potok wyszukiwania i dostrajanie.

Active Memory

Subagent pamięci dla sesji interaktywnych.

Wszystkie ustawienia wyszukiwania w pamięci znajdują się w agents.defaults.memorySearch w openclaw.json, o ile nie wskazano inaczej.

Jeśli szukasz przełącznika funkcji Active Memory i konfiguracji subagenta, znajduje się ona w plugins.entries.active-memory, a nie w memorySearch.Active Memory używa modelu dwóch bramek:

plugin musi być włączony i wskazywać bieżący identyfikator agenta
żądanie musi być kwalifikującą się interaktywną trwałą sesją czatu

Zobacz Active Memory, aby poznać model aktywacji, konfigurację należącą do pluginu, utrwalanie transkrypcji i bezpieczny wzorzec wdrażania.

Wybór dostawcy

Klucz	Typ	Domyślnie	Opis
`provider`	`string`	wykrywane automatycznie	Identyfikator adaptera osadzania, taki jak `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai` lub `voyage`; może też być skonfigurowanym `models.providers.<id>`, którego `api` wskazuje jeden z tych adapterów
`model`	`string`	domyślne dostawcy	Nazwa modelu osadzania
`fallback`	`string`	`"none"`	Identyfikator adaptera zapasowego, gdy podstawowy zawiedzie
`enabled`	`boolean`	`true`	Włącza lub wyłącza wyszukiwanie w pamięci

Kolejność automatycznego wykrywania

Gdy provider nie jest ustawione, OpenClaw wybiera pierwszą dostępną opcję:

local

Wybrane, jeśli skonfigurowano memorySearch.local.modelPath i plik istnieje.

github-copilot

Wybrane, jeśli można rozpoznać token GitHub Copilot (zmienna środowiskowa lub profil uwierzytelniania).

openai

Wybrane, jeśli można rozpoznać klucz OpenAI.

gemini

Wybrane, jeśli można rozpoznać klucz Gemini.

voyage

Wybrane, jeśli można rozpoznać klucz Voyage.

mistral

Wybrane, jeśli można rozpoznać klucz Mistral.

deepinfra

Wybrane, jeśli można rozpoznać klucz DeepInfra.

bedrock

Wybrane, jeśli łańcuch poświadczeń AWS SDK zostanie rozpoznany (rola instancji, klucze dostępu, profil, SSO, tożsamość internetowa lub współdzielona konfiguracja).

ollama jest obsługiwane, ale nie jest wykrywane automatycznie (ustaw je jawnie).

Niestandardowe identyfikatory dostawców

memorySearch.provider może wskazywać niestandardowy wpis models.providers.<id>. OpenClaw rozpoznaje właściciela api tego dostawcy dla adaptera osadzania, zachowując niestandardowy identyfikator dostawcy na potrzeby obsługi punktu końcowego, uwierzytelniania i prefiksu modelu. Dzięki temu konfiguracje z wieloma GPU lub wieloma hostami mogą przypisać osadzania pamięci do konkretnego lokalnego punktu końcowego:

{
  models: {
    providers: {
      "ollama-5080": {
        api: "ollama",
        baseUrl: "http://gpu-box.local:11435",
        apiKey: "ollama-local",
        models: [{ id: "qwen3-embedding:0.6b" }],
      },
    },
  },
  agents: {
    defaults: {
      memorySearch: {
        provider: "ollama-5080",
        model: "qwen3-embedding:0.6b",
      },
    },
  },
}

Rozpoznawanie klucza API

Zdalne osadzania wymagają klucza API. Bedrock używa zamiast tego domyślnego łańcucha poświadczeń AWS SDK (role instancji, SSO, klucze dostępu).

Dostawca	Zmienna środowiskowa	Klucz konfiguracji
Bedrock	Łańcuch poświadczeń AWS	Klucz API nie jest potrzebny
DeepInfra	`DEEPINFRA_API_KEY`	`models.providers.deepinfra.apiKey`
Gemini	`GEMINI_API_KEY`	`models.providers.google.apiKey`
GitHub Copilot	`COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN`	Profil uwierzytelniania przez logowanie urządzenia
Mistral	`MISTRAL_API_KEY`	`models.providers.mistral.apiKey`
Ollama	`OLLAMA_API_KEY` (placeholder)	—
OpenAI	`OPENAI_API_KEY`	`models.providers.openai.apiKey`
Voyage	`VOYAGE_API_KEY`	`models.providers.voyage.apiKey`

OAuth Codex obejmuje tylko czat/uzupełnienia i nie spełnia wymagań żądań osadzania.

Konfiguracja zdalnego punktu końcowego

Dla niestandardowych punktów końcowych zgodnych z OpenAI lub nadpisywania ustawień domyślnych dostawcy:

remote.baseUrl

string

Niestandardowy bazowy URL API.

remote.apiKey

string

Nadpisanie klucza API.

remote.headers

object

Dodatkowe nagłówki HTTP (scalane z ustawieniami domyślnymi dostawcy).

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
        model: "text-embedding-3-small",
        remote: {
          baseUrl: "https://api.example.com/v1/",
          apiKey: "YOUR_KEY",
        },
      },
    },
  },
}

Konfiguracja specyficzna dla dostawcy

Gemini

Klucz	Typ	Domyślnie	Opis
`model`	`string`	`gemini-embedding-001`	Obsługuje także `gemini-embedding-2-preview`
`outputDimensionality`	`number`	`3072`	Dla Embedding 2: 768, 1536 lub 3072

Zmiana modelu lub outputDimensionality wyzwala automatyczne pełne ponowne indeksowanie.

Typy danych wejściowych zgodne z OpenAI

Punkty końcowe osadzania zgodne z OpenAI mogą włączyć specyficzne dla dostawcy pola żądania input_type. Jest to przydatne w przypadku asymetrycznych modeli osadzania, które wymagają różnych etykiet dla osadzań zapytań i dokumentów.

Klucz	Typ	Domyślnie	Opis
`inputType`	`string`	nieustawione	Wspólne `input_type` dla osadzań zapytań i dokumentów
`queryInputType`	`string`	nieustawione	`input_type` w czasie zapytania; nadpisuje `inputType`
`documentInputType`	`string`	nieustawione	`input_type` indeksu/dokumentu; nadpisuje `inputType`

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
        remote: {
          baseUrl: "https://embeddings.example/v1",
          apiKey: "env:EMBEDDINGS_API_KEY",
        },
        model: "asymmetric-embedder",
        queryInputType: "query",
        documentInputType: "passage",
      },
    },
  },
}

Zmiana tych wartości wpływa na tożsamość pamięci podręcznej osadzania dla indeksowania wsadowego dostawcy i powinna być po niej wykonana ponowna indeksacja pamięci, gdy model nadrzędny różnie traktuje etykiety.

Bedrock

Konfiguracja osadzania Bedrock

Bedrock używa domyślnego łańcucha poświadczeń AWS SDK — klucze API nie są potrzebne. Jeśli OpenClaw działa na EC2 z rolą instancji z włączonym Bedrock, wystarczy ustawić dostawcę i model:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "bedrock",
        model: "amazon.titan-embed-text-v2:0",
      },
    },
  },
}

Klucz	Typ	Domyślnie	Opis
`model`	`string`	`amazon.titan-embed-text-v2:0`	Dowolny identyfikator modelu osadzania Bedrock
`outputDimensionality`	`number`	domyślne modelu	Dla Titan V2: 256, 512 lub 1024

Obsługiwane modele (z wykrywaniem rodziny i domyślnymi wymiarami):

Identyfikator modelu	Dostawca	Domyślne wymiary	Konfigurowalne wymiary
`amazon.titan-embed-text-v2:0`	Amazon	1024	256, 512, 1024
`amazon.titan-embed-text-v1`	Amazon	1536	—
`amazon.titan-embed-g1-text-02`	Amazon	1536	—
`amazon.titan-embed-image-v1`	Amazon	1024	—
`amazon.nova-2-multimodal-embeddings-v1:0`	Amazon	1024	256, 384, 1024, 3072
`cohere.embed-english-v3`	Cohere	1024	—
`cohere.embed-multilingual-v3`	Cohere	1024	—
`cohere.embed-v4:0`	Cohere	1536	256-1536
`twelvelabs.marengo-embed-3-0-v1:0`	TwelveLabs	512	—
`twelvelabs.marengo-embed-2-7-v1:0`	TwelveLabs	1024	—

Warianty z sufiksem przepustowości (np. amazon.titan-embed-text-v1:2:8k) dziedziczą konfigurację modelu bazowego.Uwierzytelnianie: uwierzytelnianie Bedrock używa standardowej kolejności rozpoznawania poświadczeń AWS SDK:

Zmienne środowiskowe (AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY)
Pamięć podręczna tokenów SSO
Poświadczenia tokenu tożsamości internetowej
Współdzielone poświadczenia i pliki konfiguracyjne
Poświadczenia metadanych ECS lub EC2

Region jest rozpoznawany z AWS_REGION, AWS_DEFAULT_REGION, baseUrl dostawcy amazon-bedrock albo domyślnie ustawiany na us-east-1.Uprawnienia IAM: rola lub użytkownik IAM potrzebuje:

{
  "Effect": "Allow",
  "Action": "bedrock:InvokeModel",
  "Resource": "*"
}

Aby zastosować zasadę najmniejszych uprawnień, ogranicz InvokeModel do konkretnego modelu:

arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

Lokalne (GGUF + node-llama-cpp)

Klucz	Typ	Domyślne	Opis
`local.modelPath`	`string`	pobierany automatycznie	Ścieżka do pliku modelu GGUF
`local.modelCacheDir`	`string`	domyślne node-llama-cpp	Katalog pamięci podręcznej dla pobranych modeli
`local.contextSize`	`number \| "auto"`	`4096`	Rozmiar okna kontekstu dla kontekstu embeddingów. 4096 obejmuje typowe fragmenty (128–512 tokenów), ograniczając jednocześnie pamięć VRAM poza wagami. Obniż do 1024–2048 na hostach z ograniczeniami. `"auto"` używa wytrenowanego maksimum modelu — niezalecane dla modeli 8B+ (Qwen3-Embedding-8B: 40 960 tokenów → ~32 GB VRAM vs ~8,8 GB przy 4096).

Model domyślny: embeddinggemma-300m-qat-Q8_0.gguf (~0,6 GB, pobierany automatycznie). Check-outy źródłowe nadal wymagają zatwierdzenia natywnej kompilacji: pnpm approve-builds, a następnie pnpm rebuild node-llama-cpp.Użyj samodzielnego CLI, aby zweryfikować tę samą ścieżkę dostawcy, której używa Gateway:

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

Jeśli provider to auto, local jest wybierany tylko wtedy, gdy local.modelPath wskazuje istniejący plik lokalny. Odwołania do modeli hf: i HTTP(S) nadal mogą być używane jawnie z provider: "local", ale nie powodują, że auto wybierze lokalnego dostawcę, zanim model będzie dostępny na dysku.

Limit czasu embeddingów inline

sync.embeddingBatchTimeoutSeconds

number

Nadpisz limit czasu dla partii embeddingów inline podczas indeksowania pamięci.Brak ustawienia używa wartości domyślnej dostawcy: 600 sekund dla dostawców lokalnych/samodzielnie hostowanych, takich jak local, ollama i lmstudio, oraz 120 sekund dla dostawców hostowanych. Zwiększ tę wartość, gdy lokalne partie embeddingów ograniczone CPU działają poprawnie, ale wolno.

Konfiguracja wyszukiwania hybrydowego

Wszystko w memorySearch.query.hybrid:

Klucz	Typ	Domyślne	Opis
`enabled`	`boolean`	`true`	Włącz hybrydowe wyszukiwanie BM25 + wektorowe
`vectorWeight`	`number`	`0.7`	Waga wyników wektorowych (0-1)
`textWeight`	`number`	`0.3`	Waga wyników BM25 (0-1)
`candidateMultiplier`	`number`	`4`	Mnożnik rozmiaru puli kandydatów

MMR (różnorodność)
Wygaszanie czasowe (aktualność)

Klucz	Typ	Domyślne	Opis
`mmr.enabled`	`boolean`	`false`	Włącz ponowne rangowanie MMR
`mmr.lambda`	`number`	`0.7`	0 = maks. różnorodność, 1 = maks. trafność

Klucz	Typ	Domyślne	Opis
`temporalDecay.enabled`	`boolean`	`false`	Włącz podbicie aktualności
`temporalDecay.halfLifeDays`	`number`	`30`	Wynik zmniejsza się o połowę co N dni

Pliki ponadczasowe (MEMORY.md, niedatowane pliki w memory/) nigdy nie podlegają wygaszaniu.

Pełny przykład

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          hybrid: {
            vectorWeight: 0.7,
            textWeight: 0.3,
            mmr: { enabled: true, lambda: 0.7 },
            temporalDecay: { enabled: true, halfLifeDays: 30 },
          },
        },
      },
    },
  },
}

Dodatkowe ścieżki pamięci

Klucz	Typ	Opis
`extraPaths`	`string[]`	Dodatkowe katalogi lub pliki do indeksowania

{
  agents: {
    defaults: {
      memorySearch: {
        extraPaths: ["../team-docs", "/srv/shared-notes"],
      },
    },
  },
}

Ścieżki mogą być bezwzględne lub względne względem przestrzeni roboczej. Katalogi są skanowane rekurencyjnie pod kątem plików .md. Obsługa dowiązań symbolicznych zależy od aktywnego backendu: wbudowany silnik ignoruje dowiązania symboliczne, natomiast QMD stosuje zachowanie bazowego skanera QMD. Do wyszukiwania transkryptów między agentami w zakresie agenta użyj agents.list[].memorySearch.qmd.extraCollections zamiast memory.qmd.paths. Te dodatkowe kolekcje używają tego samego kształtu { path, name, pattern? }, ale są scalane osobno dla każdego agenta i mogą zachować jawne współdzielone nazwy, gdy ścieżka wskazuje poza bieżącą przestrzeń roboczą. Jeśli ta sama rozwiązana ścieżka pojawi się zarówno w memory.qmd.paths, jak i memorySearch.qmd.extraCollections, QMD zachowuje pierwszy wpis i pomija duplikat.

Pamięć multimodalna (Gemini)

Indeksuj obrazy i audio obok Markdown przy użyciu Gemini Embedding 2:

Klucz	Typ	Domyślne	Opis
`multimodal.enabled`	`boolean`	`false`	Włącz indeksowanie multimodalne
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]` lub `["all"]`
`multimodal.maxFileBytes`	`number`	`10000000`	Maks. rozmiar pliku do indeksowania

Dotyczy tylko plików w extraPaths. Domyślne korzenie pamięci pozostają wyłącznie Markdown. Wymaga gemini-embedding-2-preview. fallback musi mieć wartość "none".

Obsługiwane formaty: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (obrazy); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (audio).

Pamięć podręczna embeddingów

Klucz	Typ	Domyślnie	Opis
`cache.enabled`	`boolean`	`false`	Buforuj embeddingi fragmentów w SQLite
`cache.maxEntries`	`number`	`50000`	Maksymalna liczba buforowanych embeddingów

Zapobiega ponownemu tworzeniu embeddingów dla niezmienionego tekstu podczas ponownego indeksowania lub aktualizacji transkrypcji.

Indeksowanie wsadowe

Klucz	Typ	Domyślnie	Opis
`remote.nonBatchConcurrency`	`number`	`4`	Równoległe embeddingi inline
`remote.batch.enabled`	`boolean`	`false`	Włącz API embeddingów wsadowych
`remote.batch.concurrency`	`number`	`2`	Równoległe zadania wsadowe
`remote.batch.wait`	`boolean`	`true`	Czekaj na zakończenie wsadu
`remote.batch.pollIntervalMs`	`number`	—	Interwał odpytywania
`remote.batch.timeoutMinutes`	`number`	—	Limit czasu wsadu

Dostępne dla openai, gemini i voyage. W przypadku dużych uzupełnień OpenAI batch jest zwykle najszybszy i najtańszy. remote.nonBatchConcurrency steruje wywołaniami embeddingów inline używanymi przez lokalnych/samodzielnie hostowanych dostawców oraz dostawców hostowanych, gdy API wsadowe dostawcy nie są aktywne. Ollama domyślnie używa 1 dla indeksowania niewsadowego, aby nie przeciążać mniejszych hostów lokalnych; ustaw wyższą wartość na większych maszynach. To ustawienie jest niezależne od sync.embeddingBatchTimeoutSeconds, które kontroluje limit czasu dla wywołań embeddingów inline.

Wyszukiwanie w pamięci sesji (eksperymentalne)

Indeksuj transkrypcje sesji i udostępniaj je przez memory_search:

Klucz	Typ	Domyślnie	Opis
`experimental.sessionMemory`	`boolean`	`false`	Włącz indeksowanie sesji
`sources`	`string[]`	`["memory"]`	Dodaj `"sessions"`, aby uwzględnić transkrypcje
`sync.sessions.deltaBytes`	`number`	`100000`	Próg bajtów do ponownego indeksowania
`sync.sessions.deltaMessages`	`number`	`50`	Próg wiadomości do ponownego indeksowania

Indeksowanie sesji jest opcjonalne i działa asynchronicznie. Wyniki mogą być nieznacznie nieaktualne. Logi sesji znajdują się na dysku, więc traktuj dostęp do systemu plików jako granicę zaufania.

Przyspieszenie wektorowe SQLite (sqlite-vec)

Klucz	Typ	Domyślnie	Opis
`store.vector.enabled`	`boolean`	`true`	Użyj sqlite-vec do zapytań wektorowych
`store.vector.extensionPath`	`string`	bundled	Zastąp ścieżkę sqlite-vec

Gdy sqlite-vec jest niedostępny, OpenClaw automatycznie wraca do podobieństwa cosinusowego obliczanego w procesie.

Przechowywanie indeksu

Klucz	Typ	Domyślnie	Opis
`store.path`	`string`	`~/.openclaw/memory/{agentId}.sqlite`	Lokalizacja indeksu (obsługuje token `{agentId}`)
`store.fts.tokenizer`	`string`	`unicode61`	Tokenizer FTS5 (`unicode61` lub `trigram`)

Konfiguracja backendu QMD

Ustaw memory.backend = "qmd", aby włączyć. Wszystkie ustawienia QMD znajdują się w memory.qmd:

Klucz	Typ	Domyślnie	Opis
`command`	`string`	`qmd`	Ścieżka do pliku wykonywalnego QMD; ustaw ścieżkę bezwzględną, gdy `PATH` usługi różni się od powłoki
`searchMode`	`string`	`search`	Polecenie wyszukiwania: `search`, `vsearch`, `query`
`includeDefaultMemory`	`boolean`	`true`	Automatycznie indeksuj `MEMORY.md` + `memory/*/.md`
`paths[]`	`array`	—	Dodatkowe ścieżki: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	Indeksuj transkrypcje sesji
`sessions.retentionDays`	`number`	—	Przechowywanie transkrypcji
`sessions.exportDir`	`string`	—	Katalog eksportu

searchMode: "search" jest wyłącznie leksykalne/BM25. OpenClaw nie uruchamia sond gotowości wektorów semantycznych ani konserwacji osadzeń QMD dla tego trybu, także podczas memory status --deep; vsearch i query nadal wymagają gotowości wektorów QMD oraz osadzeń. OpenClaw preferuje bieżącą kolekcję QMD i kształty zapytań MCP, ale zachowuje działanie starszych wydań QMD, próbując w razie potrzeby zgodnych flag wzorców kolekcji i starszych nazw narzędzi MCP. Gdy QMD ogłasza obsługę wielu filtrów kolekcji, kolekcje z tego samego źródła są przeszukiwane za pomocą jednego procesu QMD; starsze kompilacje QMD zachowują ścieżkę zgodności dla poszczególnych kolekcji. To samo źródło oznacza, że trwałe kolekcje pamięci są grupowane razem, natomiast kolekcje transkryptów sesji pozostają osobną grupą, dzięki czemu dywersyfikacja źródeł nadal ma oba wejścia.

Nadpisania modeli QMD pozostają po stronie QMD, a nie w konfiguracji OpenClaw. Jeśli musisz globalnie nadpisać modele QMD, ustaw zmienne środowiskowe, takie jak QMD_EMBED_MODEL, QMD_RERANK_MODEL i QMD_GENERATE_MODEL, w środowisku uruchomieniowym bramy.

Harmonogram aktualizacji

Klucz	Typ	Domyślnie	Opis
`update.interval`	`string`	`5m`	Interwał odświeżania
`update.debounceMs`	`number`	`15000`	Debounce zmian plików
`update.onBoot`	`boolean`	`true`	Odświeżaj, gdy długotrwały menedżer QMD się otwiera; steruje też opcjonalnym odświeżaniem przy starcie
`update.startup`	`string`	`off`	Opcjonalne odświeżanie przy starcie bramy: `off`, `idle` albo `immediate`
`update.startupDelayMs`	`number`	`120000`	Opóźnienie przed uruchomieniem odświeżania `startup: "idle"`
`update.waitForBootSync`	`boolean`	`false`	Blokuj otwarcie menedżera do czasu zakończenia jego początkowego odświeżenia
`update.embedInterval`	`string`	—	Osobny rytm osadzeń
`update.commandTimeoutMs`	`number`	—	Limit czasu dla poleceń QMD
`update.updateTimeoutMs`	`number`	—	Limit czasu dla operacji aktualizacji QMD
`update.embedTimeoutMs`	`number`	—	Limit czasu dla operacji osadzania QMD

Limity

Klucz	Typ	Domyślnie	Opis
`limits.maxResults`	`number`	`6`	Maksymalna liczba wyników wyszukiwania
`limits.maxSnippetChars`	`number`	—	Ogranicz długość fragmentu
`limits.maxInjectedChars`	`number`	—	Ogranicz łączną liczbę wstrzykiwanych znaków
`limits.timeoutMs`	`number`	`4000`	Limit czasu wyszukiwania

Zakres

Kontroluje, które sesje mogą otrzymywać wyniki wyszukiwania QMD. Ten sam schemat co session.sendPolicy:

{
  memory: {
    qmd: {
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
    },
  },
}

Domyślna konfiguracja dostarczana z produktem zezwala na sesje bezpośrednie i kanałowe, nadal odmawiając grupom.Domyślnie tylko DM. match.keyPrefix dopasowuje znormalizowany klucz sesji; match.rawKeyPrefix dopasowuje surowy klucz wraz z agent:<id>:.

Cytowania

memory.citations dotyczy wszystkich backendów:

Wartość	Zachowanie
`auto` (domyślnie)	Dołącz stopkę `Source: <path#line>` do fragmentów
`on`	Zawsze dołączaj stopkę
`off`	Pomijaj stopkę (ścieżka nadal jest przekazywana wewnętrznie do agenta)

Odświeżenia QMD przy rozruchu używają jednorazowej ścieżki podprocesu podczas startu bramy. Długotrwały menedżer QMD nadal odpowiada za zwykły obserwator plików i timery interwałów, gdy wyszukiwanie w pamięci zostanie otwarte do użytku interaktywnego.

Pełny przykład QMD

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      includeDefaultMemory: true,
      update: { interval: "5m", debounceMs: 15000 },
      limits: { maxResults: 6, timeoutMs: 4000 },
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
    },
  },
}

Dreaming

Dreaming konfiguruje się w plugins.entries.memory-core.config.dreaming, a nie w agents.defaults.memorySearch. Dreaming działa jako jeden zaplanowany przebieg i używa wewnętrznych faz light/deep/REM jako szczegółu implementacyjnego. Opis zachowania koncepcyjnego i poleceń ukośnikowych znajdziesz w Dreaming.

Ustawienia użytkownika

Klucz	Typ	Domyślnie	Opis
`enabled`	`boolean`	`false`	Włącz lub wyłącz Dreaming w całości
`frequency`	`string`	`0 3 * * *`	Opcjonalny rytm Cron dla pełnego przebiegu Dreaming
`model`	`string`	model domyślny	Opcjonalne nadpisanie modelu subagenta Dream Diary

Przykład

{
  plugins: {
    entries: {
      "memory-core": {
        subagent: {
          allowModelOverride: true,
          allowedModels: ["anthropic/claude-sonnet-4-6"],
        },
        config: {
          dreaming: {
            enabled: true,
            frequency: "0 3 * * *",
            model: "anthropic/claude-sonnet-4-6",
          },
        },
      },
    },
  },
}

Dreaming zapisuje stan maszyny w memory/.dreams/.
Dreaming zapisuje czytelne dla człowieka wyjście narracyjne do DREAMS.md (albo istniejącego dreams.md).
dreaming.model używa istniejącej bramki zaufania subagenta Plugin; ustaw plugins.entries.memory-core.subagent.allowModelOverride: true przed włączeniem tej opcji.
Dream Diary ponawia próbę raz z domyślnym modelem sesji, gdy skonfigurowany model jest niedostępny. Błędy zaufania lub listy dozwolonych są rejestrowane i nie są po cichu ponawiane.
Polityka i progi faz light/deep/REM są zachowaniem wewnętrznym, a nie konfiguracją dostępną dla użytkownika.

CLI commands

RPC and API

Codex harness

Plugin reference

Plugin SDK reference

Plugin maintainer reference

Templates

Technical reference

Concept internals

Project

Release and CI

Dokumentacja referencyjna konfiguracji pamięci

Omówienie pamięci

Wbudowany silnik

Silnik QMD

Wyszukiwanie w pamięci

Active Memory

Wybór dostawcy

Kolejność automatycznego wykrywania

Niestandardowe identyfikatory dostawców

Rozpoznawanie klucza API

Konfiguracja zdalnego punktu końcowego

Konfiguracja specyficzna dla dostawcy

Konfiguracja osadzania Bedrock

Limit czasu embeddingów inline

Konfiguracja wyszukiwania hybrydowego

Pełny przykład

Dodatkowe ścieżki pamięci

Pamięć multimodalna (Gemini)

Pamięć podręczna embeddingów

Indeksowanie wsadowe

Wyszukiwanie w pamięci sesji (eksperymentalne)

Przyspieszenie wektorowe SQLite (sqlite-vec)

Przechowywanie indeksu

Konfiguracja backendu QMD

Pełny przykład QMD

Dreaming

Ustawienia użytkownika

Przykład

Powiązane

CLI commands

RPC and API

Codex harness

Plugin reference

Plugin SDK reference

Plugin maintainer reference

Templates

Technical reference

Concept internals

Project

Release and CI

Documentation Index

Omówienie pamięci

Wbudowany silnik

Silnik QMD

Wyszukiwanie w pamięci

Active Memory

​Wybór dostawcy

​Kolejność automatycznego wykrywania

​Niestandardowe identyfikatory dostawców

​Rozpoznawanie klucza API

​Konfiguracja zdalnego punktu końcowego

​Konfiguracja specyficzna dla dostawcy

​Konfiguracja osadzania Bedrock

​Limit czasu embeddingów inline

​Konfiguracja wyszukiwania hybrydowego

​Pełny przykład

​Dodatkowe ścieżki pamięci

​Pamięć multimodalna (Gemini)

​Pamięć podręczna embeddingów

​Indeksowanie wsadowe

​Wyszukiwanie w pamięci sesji (eksperymentalne)

​Przyspieszenie wektorowe SQLite (sqlite-vec)

​Przechowywanie indeksu

​Konfiguracja backendu QMD

​Pełny przykład QMD

​Dreaming

​Ustawienia użytkownika

​Przykład

​Powiązane

Wybór dostawcy

Kolejność automatycznego wykrywania

Niestandardowe identyfikatory dostawców

Rozpoznawanie klucza API

Konfiguracja zdalnego punktu końcowego

Konfiguracja specyficzna dla dostawcy

Konfiguracja osadzania Bedrock

Limit czasu embeddingów inline

Konfiguracja wyszukiwania hybrydowego

Pełny przykład

Dodatkowe ścieżki pamięci

Pamięć multimodalna (Gemini)

Pamięć podręczna embeddingów

Indeksowanie wsadowe

Wyszukiwanie w pamięci sesji (eksperymentalne)

Przyspieszenie wektorowe SQLite (sqlite-vec)

Przechowywanie indeksu

Konfiguracja backendu QMD

Pełny przykład QMD

Dreaming

Ustawienia użytkownika

Przykład

Powiązane