ข้อมูลอ้างอิงการกำหนดค่า Memory

หน้านี้แสดงรายการปุ่มปรับแต่งการกำหนดค่าทั้งหมดสำหรับการค้นหาหน่วยความจำของ OpenClaw สำหรับภาพรวมเชิงแนวคิด โปรดดู:

การตั้งค่าการค้นหาหน่วยความจำทั้งหมดอยู่ใต้ agents.defaults.memorySearch ใน openclaw.json เว้นแต่จะระบุไว้เป็นอย่างอื่น

การเลือกผู้ให้บริการ

เมื่อไม่ได้ตั้งค่า provider OpenClaw จะใช้ embeddings ของ OpenAI ตั้งค่า provider อย่างชัดเจนเพื่อใช้ Gemini, Voyage, Mistral, DeepInfra, Bedrock, GitHub Copilot, Ollama, โมเดล GGUF ภายในเครื่อง หรือ endpoint /v1/embeddings ที่เข้ากันได้กับ OpenAI การกำหนดค่าดั้งเดิมที่ยังระบุ provider: "auto" จะ resolve เป็น openai

เมื่อไม่ได้ตั้งค่า provider มี provider: "auto" ดั้งเดิมอยู่ หรือ provider: "none" ตั้งใจเลือกโหมด FTS เท่านั้น การเรียกคืนหน่วยความจำยังสามารถ ใช้การจัดอันดับ FTS แบบ lexical ได้เมื่อ embeddings ไม่พร้อมใช้งาน

ผู้ให้บริการที่ไม่ใช่ภายในเครื่องและระบุชัดเจนจะล้มเหลวแบบปิด หากคุณตั้ง memorySearch.provider เป็น ผู้ให้บริการที่มีแบ็กเอนด์ระยะไกลแบบเจาะจง เช่น OpenAI, Gemini, Voyage, Mistral, Bedrock, GitHub Copilot, DeepInfra, Ollama, LM Studio หรือผู้ให้บริการแบบกำหนดเอง ที่เข้ากันได้กับ OpenAI และผู้ให้บริการนั้นไม่พร้อมใช้งานขณะรันไทม์ memory_search จะคืนผลลัพธ์ว่าไม่พร้อมใช้งานแทนการใช้การเรียกคืนแบบ FTS เท่านั้นอย่างเงียบ ๆ แก้ไข การกำหนดค่าผู้ให้บริการ/การยืนยันตัวตน เปลี่ยนไปใช้ผู้ให้บริการที่เข้าถึงได้ หรือตั้ง provider: "none" หากคุณต้องการการเรียกคืนแบบ FTS เท่านั้นโดยตั้งใจ

รหัสผู้ให้บริการแบบกำหนดเอง

memorySearch.provider สามารถชี้ไปยังรายการ models.providers.<id> แบบกำหนดเองสำหรับอะแดปเตอร์ผู้ให้บริการเฉพาะหน่วยความจำ เช่น ollama หรือสำหรับ API โมเดลที่เข้ากันได้กับ OpenAI เช่น openai-responses / openai-completions OpenClaw จะ resolve เจ้าของ api ของผู้ให้บริการนั้นสำหรับอะแดปเตอร์ embedding พร้อมคงรหัสผู้ให้บริการแบบกำหนดเองไว้สำหรับ endpoint, auth และการจัดการคำนำหน้าโมเดล สิ่งนี้ทำให้การตั้งค่าแบบหลาย GPU หรือหลายโฮสต์สามารถอุทิศ embeddings หน่วยความจำให้กับ endpoint ภายในเครื่องเฉพาะได้:

{  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",      },    },  },}

การ resolve คีย์ API

embeddings ระยะไกลต้องใช้คีย์ API Bedrock ใช้ลำดับข้อมูลรับรองเริ่มต้นของ AWS SDK แทน (บทบาทอินสแตนซ์, SSO, access keys)

การกำหนดค่า endpoint ระยะไกล

ใช้ provider: "openai-compatible" สำหรับเซิร์ฟเวอร์ /v1/embeddings ทั่วไปที่เข้ากันได้กับ OpenAI ซึ่งไม่ควรสืบทอดข้อมูลรับรองแชต OpenAI ส่วนกลาง

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

การกำหนดค่าเฉพาะผู้ให้บริการ

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

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

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

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

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

timeout ของ embedding แบบ inline

การกำหนดค่า hybrid search

ทั้งหมดอยู่ภายใต้ memorySearch.query.hybrid:

ตัวอย่างแบบเต็ม

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

พาธหน่วยความจำเพิ่มเติม

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

พาธอาจเป็นแบบสัมบูรณ์หรืออิงตามเวิร์กสเปซก็ได้ ไดเรกทอรีจะถูกสแกนแบบเรียกซ้ำเพื่อหาไฟล์ .md การจัดการ symlink ขึ้นอยู่กับแบ็กเอนด์ที่ใช้งานอยู่: เอนจินในตัวจะละเว้น symlink ขณะที่ QMD จะทำตามพฤติกรรมของตัวสแกน QMD พื้นฐาน

สำหรับการค้นหาทรานสคริปต์ข้ามเอเจนต์ในขอบเขตเอเจนต์ ให้ใช้ agents.list[].memorySearch.qmd.extraCollections แทน memory.qmd.paths คอลเลกชันเพิ่มเติมเหล่านั้นใช้รูปแบบ { path, name, pattern? } เดียวกัน แต่จะถูกผสานเป็นรายเอเจนต์และสามารถคงชื่อที่แชร์ไว้อย่างชัดเจนเมื่อพาธชี้ออกนอกเวิร์กสเปซปัจจุบัน หากพาธที่ resolve แล้วเดียวกันปรากฏทั้งใน memory.qmd.paths และ memorySearch.qmd.extraCollections QMD จะเก็บรายการแรกไว้และข้ามรายการที่ซ้ำ

หน่วยความจำหลายรูปแบบ (Gemini)

ทำดัชนีรูปภาพและเสียงควบคู่กับ Markdown โดยใช้ Gemini Embedding 2:

รูปแบบที่รองรับ: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (รูปภาพ); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (เสียง)

แคช Embedding

ป้องกันการฝังข้อความเดิมซ้ำระหว่างการทำดัชนีใหม่หรือการอัปเดตทรานสคริปต์

การทำดัชนีแบบแบตช์

พร้อมใช้งานสำหรับ openai, gemini และ voyage โดยทั่วไปแบตช์ของ OpenAI จะเร็วที่สุดและประหยัดที่สุดสำหรับการเติมข้อมูลย้อนหลังจำนวนมาก

remote.nonBatchConcurrency ควบคุมการเรียกฝังแบบอินไลน์ที่ใช้โดยผู้ให้บริการแบบโลคัล/โฮสต์เอง และผู้ให้บริการแบบโฮสต์เมื่อ API แบตช์ของผู้ให้บริการไม่ได้เปิดใช้งาน Ollama ใช้ค่าเริ่มต้นเป็น 1 สำหรับการทำดัชนีแบบไม่ใช่แบตช์เพื่อหลีกเลี่ยงการทำให้โฮสต์โลคัลขนาดเล็กรับภาระหนักเกินไป ตั้งค่าให้สูงขึ้นบนเครื่องที่ใหญ่กว่า

ส่วนนี้แยกจาก sync.embeddingBatchTimeoutSeconds ซึ่งควบคุมการหมดเวลาสำหรับการเรียกฝังแบบอินไลน์

การค้นหาหน่วยความจำของเซสชัน (ทดลอง)

ทำดัชนีทรานสคริปต์ของเซสชันและแสดงผ่าน memory_search:

การเร่งความเร็วเวกเตอร์ SQLite (sqlite-vec)

เมื่อ sqlite-vec ไม่พร้อมใช้งาน OpenClaw จะย้อนกลับไปใช้ความคล้ายคลึงแบบโคไซน์ในโปรเซสโดยอัตโนมัติ

พื้นที่จัดเก็บดัชนี

ดัชนีหน่วยความจำในตัวจะอยู่ในฐานข้อมูล OpenClaw SQLite ของแต่ละเอเจนต์ที่ agents/<agentId>/agent/openclaw-agent.sqlite

การกำหนดค่าแบ็กเอนด์ QMD

ตั้งค่า memory.backend = "qmd" เพื่อเปิดใช้งาน การตั้งค่า QMD ทั้งหมดอยู่ภายใต้ memory.qmd:

searchMode: "search" เป็นแบบ lexical/BM25 เท่านั้น OpenClaw จะไม่เรียกโพรบความพร้อมเวกเตอร์เชิงความหมายหรือการบำรุงรักษา embedding ของ QMD สำหรับโหมดนั้น รวมถึงระหว่าง memory status --deep; vsearch และ query ยังคงต้องใช้ความพร้อมเวกเตอร์และ embeddings ของ QMD

rerank: false เปลี่ยนเฉพาะโหมด query ของ QMD และต้องใช้ QMD 2.1 หรือใหม่กว่า ในโหมด CLI โดยตรง OpenClaw จะส่ง --no-rerank; ในโหมด MCP ที่มี mcporter รองรับ จะส่ง rerank: false ไปยังเครื่องมือคิวรีรวมของ QMD ปล่อยไว้ไม่ตั้งค่าเพื่อใช้พฤติกรรมการจัดอันดับซ้ำคิวรีเริ่มต้นของ QMD

OpenClaw ต้องการรูปแบบคอลเลกชัน QMD และคิวรี MCP ปัจจุบัน แต่ยังคงรองรับ QMD รุ่นเก่าด้วยการลองใช้แฟล็กรูปแบบคอลเลกชันที่เข้ากันได้และชื่อเครื่องมือ MCP รุ่นเก่าเมื่อจำเป็น เมื่อ QMD ประกาศว่ารองรับตัวกรองคอลเลกชันหลายรายการ คอลเลกชันจากแหล่งเดียวกันจะถูกค้นหาด้วยโปรเซส QMD เดียว; บิลด์ QMD รุ่นเก่าจะคงพาธความเข้ากันได้แบบต่อคอลเลกชัน แหล่งเดียวกันหมายถึงคอลเลกชันหน่วยความจำถาวรถูกจัดกลุ่มเข้าด้วยกัน ขณะที่คอลเลกชันทรานสคริปต์เซสชันยังคงเป็นอีกกลุ่มหนึ่งแยกต่างหาก เพื่อให้การกระจายแหล่งที่มายังคงมีอินพุตทั้งสองแบบ

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

เมื่อเปิดใช้งานการเริ่มต้น QMD ตอน gateway เริ่มทำงาน OpenClaw จะเริ่ม QMD เฉพาะสำหรับเอเจนต์ที่มีสิทธิ์ หาก update.onBoot เป็น true และไม่ได้กำหนดค่าการบำรุงรักษาแบบ interval/embed การเริ่มทำงานจะใช้ผู้จัดการแบบ one-shot สำหรับการรีเฟรชตอนบูตแล้วปิด หากกำหนดค่าช่วงเวลา update หรือ embed การเริ่มทำงานจะเปิดผู้จัดการ QMD อายุยาว เพื่อให้เป็นเจ้าของ watcher และตัวจับเวลา interval ได้; update.onBoot: false จะข้ามเฉพาะการรีเฟรชทันทีตอนบูตเท่านั้น

ตัวอย่าง QMD แบบเต็ม

{  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 ถูกกำหนดค่าภายใต้ plugins.entries.memory-core.config.dreaming ไม่ใช่ภายใต้ agents.defaults.memorySearch

Dreaming ทำงานเป็นการกวาดตามกำหนดการครั้งเดียว และใช้เฟสภายในแบบ light/deep/REM เป็นรายละเอียดการใช้งานภายใน

สำหรับพฤติกรรมเชิงแนวคิดและคำสั่ง slash โปรดดู Dreaming

การตั้งค่าผู้ใช้

ตัวอย่าง

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

ที่เกี่ยวข้อง

• ข้อมูลอ้างอิงการกำหนดค่า
• ภาพรวมหน่วยความจำ
• การค้นหาหน่วยความจำ