Ana içeriğe atla

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_search, ifadeler özgün metinden farklı olsa bile bellek dosyalarınızdan ilgili notları bulur. Belleği küçük parçalara dizinleyip bunları embedding’ler, anahtar sözcükler veya ikisiyle birlikte arayarak çalışır.

​
Hızlı başlangıç

Yapılandırılmış bir GitHub Copilot aboneliğiniz, OpenAI, Gemini, Voyage veya Mistral API anahtarınız varsa bellek araması otomatik olarak çalışır. Bir sağlayıcıyı açıkça ayarlamak için: 
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai", // or "gemini", "local", "ollama", etc.
      },
    },
  },
}
Çok uç noktalı kurulumlarda provider, ilgili sağlayıcı api: "ollama" veya başka bir embedding adaptörü sahibi ayarladığında ollama-5080 gibi özel bir models.providers.<id> girdisi de olabilir. API anahtarı olmadan yerel embedding’ler için provider: "local" ayarlayın. Kaynak checkout’ları yine de yerel derleme onayı gerektirebilir: pnpm approve-builds, ardından pnpm rebuild node-llama-cpp. Bazı OpenAI uyumlu embedding uç noktaları, aramalar için input_type: "query" ve dizinlenen parçalar için input_type: "document" veya "passage" gibi asimetrik etiketler gerektirir. Bunları memorySearch.queryInputType ve memorySearch.documentInputType ile yapılandırın; bkz. Bellek yapılandırma referansı.

​
Desteklenen sağlayıcılar

SağlayıcıIDAPI anahtarı gerekirNotlar
BedrockbedrockHayırAWS kimlik bilgisi zinciri çözümlendiğinde otomatik algılanır
GeminigeminiEvetGörüntü/ses dizinlemeyi destekler
GitHub Copilotgithub-copilotHayırOtomatik algılanır, Copilot aboneliğini kullanır
YerellocalHayırGGUF modeli, ~0.6 GB indirme
MistralmistralEvetOtomatik algılanır
OllamaollamaHayırYerel, açıkça ayarlanmalıdır
OpenAIopenaiEvetOtomatik algılanır, hızlı
VoyagevoyageEvetOtomatik algılanır

​
Arama nasıl çalışır

OpenClaw iki geri getirme yolunu paralel olarak çalıştırır ve sonuçları birleştirir:
  • Vektör araması, benzer anlamdaki notları bulur (“gateway host”, “OpenClaw çalıştıran makine” ile eşleşir).
  • BM25 anahtar sözcük araması, tam eşleşmeleri bulur (ID’ler, hata dizeleri, yapılandırma anahtarları).
Yalnızca bir yol kullanılabiliyorsa (embedding yoksa veya FTS yoksa), diğer yol tek başına çalışır. Embedding’ler kullanılamadığında OpenClaw, yalnızca ham tam eşleşme sıralamasına geri dönmek yerine FTS sonuçları üzerinde sözcüksel sıralama kullanmaya devam eder. Bu düşürülmüş mod, daha güçlü sorgu terimi kapsamına ve ilgili dosya yollarına sahip parçaları öne çıkarır; bu da sqlite-vec veya bir embedding sağlayıcısı olmadan bile hatırlamayı kullanışlı tutar.

​
Arama kalitesini iyileştirme

Büyük bir not geçmişiniz olduğunda iki isteğe bağlı özellik yardımcı olur:

​
Zamansal azalma

Eski notlar sıralama ağırlığını kademeli olarak kaybeder, böylece güncel bilgiler önce görünür. Varsayılan 30 günlük yarı ömürle, geçen aydan bir not özgün ağırlığının %50’siyle puanlanır. MEMORY.md gibi her zaman geçerli dosyalara asla azalma uygulanmaz.
Aracınızda aylarca günlük not varsa ve eski bilgiler güncel bağlamın önüne geçmeyi sürdürüyorsa zamansal azalmayı etkinleştirin.

​
MMR (çeşitlilik)

Yinelenen sonuçları azaltır. Beş notun tamamı aynı yönlendirici yapılandırmasından bahsediyorsa MMR, en üst sonuçların tekrarlamak yerine farklı konuları kapsamasını sağlar.
memory_search farklı günlük notlardan neredeyse yinelenen parçalar döndürmeyi sürdürüyorsa MMR’yi etkinleştirin.

​
İkisini de etkinleştirme

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

​
Çok kipli bellek

Gemini Embedding 2 ile görüntü ve ses dosyalarını Markdown ile birlikte dizinleyebilirsiniz. Arama sorguları metin olarak kalır, ancak görsel ve ses içeriğiyle eşleşir. Kurulum için Bellek yapılandırma referansı bölümüne bakın.

​
Oturum bellek araması

İsteğe bağlı olarak oturum transkriptlerini dizinleyebilirsiniz; böylece memory_search önceki konuşmaları hatırlayabilir. Bu, memorySearch.experimental.sessionMemory aracılığıyla isteğe bağlıdır. Ayrıntılar için yapılandırma referansı bölümüne bakın.

​
Sorun giderme

Sonuç yok mu? Dizini denetlemek için openclaw memory status çalıştırın. Boşsa openclaw memory index --force çalıştırın. Yalnızca anahtar sözcük eşleşmeleri mi var? Embedding sağlayıcınız yapılandırılmamış olabilir. openclaw memory status --deep ile denetleyin. Yerel embedding’ler zaman aşımına mı uğruyor? ollama, lmstudio ve local varsayılan olarak daha uzun bir satır içi toplu iş zaman aşımı kullanır. Ana makine sadece yavaşsa agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds ayarlayın ve openclaw memory index --force komutunu yeniden çalıştırın. CJK metni bulunamıyor mu? FTS dizinini openclaw memory index --force ile yeniden oluşturun.

​
Ek okuma

​
İlgili