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-lancedb, uzun süreli belleği LanceDB içinde depolayan ve geri çağırma için embedding kullanan, paketle birlikte gelen bir bellek Plugin’idir. Model turundan önce ilgili anıları otomatik olarak geri çağırabilir ve bir yanıttan sonra önemli olguları yakalayabilir. Bellek için yerel bir vektör veritabanı istediğinizde, OpenAI uyumlu bir embedding uç noktasına ihtiyaç duyduğunuzda veya bir bellek veritabanını varsayılan yerleşik bellek deposunun dışında tutmak istediğinizde kullanın.
memory-lancedb bir etkin bellek Plugin’idir. plugins.slots.memory = "memory-lancedb" ile bellek yuvasını seçerek etkinleştirin. memory-wiki gibi yardımcı Plugin’ler onun yanında çalışabilir, ancak etkin bellek yuvasına yalnızca bir Plugin sahip olur.

​
Hızlı başlangıç

{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Plugin yapılandırmasını değiştirdikten sonra Gateway’i yeniden başlatın: 
openclaw gateway restart
Ardından Plugin’in yüklendiğini doğrulayın: 
openclaw plugins list

​
Sağlayıcı destekli embedding’ler

memory-lancedb, memory-core ile aynı bellek embedding sağlayıcı bağdaştırıcılarını kullanabilir. Sağlayıcının yapılandırılmış kimlik doğrulama profilini, ortam değişkenini veya models.providers.<provider>.apiKey değerini kullanmak için embedding.provider ayarlayın ve embedding.apiKey değerini atlayın. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "openai",
            model: "text-embedding-3-small",
          },
          autoRecall: true,
        },
      },
    },
  },
}
Bu yol, embedding kimlik bilgilerini açığa çıkaran sağlayıcı kimlik doğrulama profilleriyle çalışır. Örneğin, Copilot profili/planı embedding’leri desteklediğinde GitHub Copilot kullanılabilir: 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "github-copilot",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
OpenAI Codex / ChatGPT OAuth (openai-codex) bir OpenAI Platform embedding kimlik bilgisi değildir. OpenAI embedding’leri için bir OpenAI API anahtarı kimlik doğrulama profili, OPENAI_API_KEY veya models.providers.openai.apiKey kullanın. Yalnızca OAuth kullanan kullanıcılar, GitHub Copilot veya Ollama gibi embedding özellikli başka bir sağlayıcı kullanabilir.

​
Ollama embedding’leri

Ollama embedding’leri için paketle birlikte gelen Ollama embedding sağlayıcısını tercih edin. Yerel Ollama /api/embed uç noktasını kullanır ve Ollama içinde belgelenen Ollama sağlayıcısıyla aynı kimlik doğrulama/temel URL kurallarını izler. 
{
  plugins: {
    slots: {
      memory: "memory-lancedb",
    },
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            provider: "ollama",
            baseUrl: "http://127.0.0.1:11434",
            model: "mxbai-embed-large",
            dimensions: 1024,
          },
          recallMaxChars: 400,
          autoRecall: true,
          autoCapture: false,
        },
      },
    },
  },
}
Standart olmayan embedding modelleri için dimensions ayarlayın. OpenClaw, text-embedding-3-small ve text-embedding-3-large için boyutları bilir; özel modellerde LanceDB’nin vektör sütununu oluşturabilmesi için bu değerin yapılandırmada verilmesi gerekir. Küçük yerel embedding modellerinde, yerel sunucudan bağlam uzunluğu hataları görürseniz recallMaxChars değerini düşürün.

​
OpenAI uyumlu sağlayıcılar

Bazı OpenAI uyumlu embedding sağlayıcıları encoding_format parametresini reddederken, bazıları bunu yok sayar ve her zaman number[] vektörleri döndürür. Bu nedenle memory-lancedb, embedding isteklerinde encoding_format değerini atlar ve hem kayan nokta dizisi yanıtlarını hem de base64 kodlanmış float32 yanıtlarını kabul eder. Paketle birlikte gelen bir sağlayıcı bağdaştırıcısı olmayan ham bir OpenAI uyumlu embedding uç noktanız varsa embedding.provider değerini atlayın (veya openai olarak bırakın) ve embedding.apiKey ile embedding.baseUrl ayarlayın. Bu, doğrudan OpenAI uyumlu istemci yolunu korur. Model boyutları yerleşik olmayan sağlayıcılar için embedding.dimensions ayarlayın. Örneğin, ZhiPu embedding-3 2048 boyut kullanır: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          embedding: {
            apiKey: "${ZHIPU_API_KEY}",
            baseUrl: "https://open.bigmodel.cn/api/paas/v4",
            model: "embedding-3",
            dimensions: 2048,
          },
        },
      },
    },
  },
}

​
Geri çağırma ve yakalama sınırları

memory-lancedb iki ayrı metin sınırına sahiptir:
AyarVarsayılanAralıkŞuna uygulanır
recallMaxChars1000100-10000geri çağırma için embedding API’sine gönderilen metin
captureMaxChars500100-10000yakalama için uygun asistan mesajı uzunluğu
recallMaxChars otomatik geri çağırmayı, memory_recall aracını, memory_forget sorgu yolunu ve openclaw ltm search komutunu denetler. Otomatik geri çağırma, turdaki en son kullanıcı mesajını tercih eder ve yalnızca kullanıcı mesajı yoksa tam prompt’a geri döner. Bu, kanal meta verilerini ve büyük prompt bloklarını embedding isteğinin dışında tutar. captureMaxChars, bir yanıtın otomatik yakalama için değerlendirilebilecek kadar kısa olup olmadığını denetler. Geri çağırma sorgusu embedding’lerini sınırlamaz.

​
Komutlar

memory-lancedb etkin bellek Plugin’i olduğunda ltm CLI ad alanını kaydeder: 
openclaw ltm list
openclaw ltm search "project preferences"
openclaw ltm stats
Plugin ayrıca openclaw memory komutunu, doğrudan LanceDB tablosuna karşı çalışan vektör olmayan bir query alt komutuyla genişletir: 
openclaw memory query --cols id,text,createdAt --limit 20
openclaw memory query --filter "category = 'preference'" --order-by createdAt:desc
  • --cols <columns>: virgülle ayrılmış sütun izin listesi (varsayılan olarak id, text, importance, category, createdAt).
  • --filter <condition>: SQL tarzı WHERE yan tümcesi; 200 karakterle sınırlıdır ve alfasayısal karakterler, karşılaştırma işleçleri, tırnak işaretleri, parantezler ve küçük bir güvenli noktalama kümesiyle kısıtlanır.
  • --limit <n>: pozitif tam sayı; varsayılan 10.
  • --order-by <column>:<asc|desc>: filtreden sonra uygulanan bellek içi sıralama; sıralama sütunu projeksiyona otomatik olarak dahil edilir.
Ajanlar ayrıca etkin bellek Plugin’inden LanceDB bellek araçlarını alır:
  • LanceDB destekli geri çağırma için memory_recall
  • önemli olguları, tercihleri, kararları ve varlıkları kaydetmek için memory_store
  • eşleşen anıları kaldırmak için memory_forget

​
Depolama

Varsayılan olarak LanceDB verileri ~/.openclaw/memory/lancedb altında bulunur. Yolu dbPath ile geçersiz kılın: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "~/.openclaw/memory/lancedb",
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}
storageOptions, LanceDB depolama arka uçları için dize anahtar/değer çiftlerini kabul eder ve ${ENV_VAR} genişletmesini destekler: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        enabled: true,
        config: {
          dbPath: "s3://memory-bucket/openclaw",
          storageOptions: {
            access_key: "${AWS_ACCESS_KEY_ID}",
            secret_key: "${AWS_SECRET_ACCESS_KEY}",
            endpoint: "${AWS_ENDPOINT_URL}",
          },
          embedding: {
            apiKey: "${OPENAI_API_KEY}",
            model: "text-embedding-3-small",
          },
        },
      },
    },
  },
}

​
Çalışma zamanı bağımlılıkları

memory-lancedb, yerel @lancedb/lancedb paketine bağlıdır. Paketlenmiş OpenClaw kurulumları önce paketle birlikte gelen çalışma zamanı bağımlılığını denemeye çalışır ve paketle gelen içe aktarma kullanılamadığında OpenClaw durumu altında Plugin çalışma zamanı bağımlılığını onarabilir. Daha eski bir kurulum, Plugin yükleme sırasında eksik dist/package.json veya eksik @lancedb/lancedb hatası günlüğe yazarsa OpenClaw’ı yükseltin ve Gateway’i yeniden başlatın. Plugin, LanceDB’nin darwin-x64 üzerinde kullanılamadığını günlüğe yazarsa o makinede varsayılan bellek arka ucunu kullanın, Gateway’i desteklenen bir platforma taşıyın veya memory-lancedb öğesini devre dışı bırakın.

​
Sorun giderme

​
Girdi uzunluğu bağlam uzunluğunu aşıyor

Bu genellikle embedding modelinin geri çağırma sorgusunu reddettiği anlamına gelir: 
memory-lancedb: recall failed: Error: 400 the input length exceeds the context length
Daha düşük bir recallMaxChars ayarlayın, ardından Gateway’i yeniden başlatın: 
{
  plugins: {
    entries: {
      "memory-lancedb": {
        config: {
          recallMaxChars: 400,
        },
      },
    },
  },
}
Ollama için embedding sunucusuna Gateway ana makinesinden erişilebildiğini de doğrulayın: 
curl http://127.0.0.1:11434/v1/embeddings \
  -H "Content-Type: application/json" \
  -d '{"model":"mxbai-embed-large","input":"hello"}'

​
Desteklenmeyen embedding modeli

dimensions olmadan yalnızca yerleşik OpenAI embedding boyutları bilinir. Yerel veya özel embedding modelleri için embedding.dimensions değerini o modelin bildirdiği vektör boyutuna ayarlayın.

​
Plugin yükleniyor ancak hiç anı görünmüyor

plugins.slots.memory değerinin memory-lancedb öğesini işaret ettiğini kontrol edin, ardından şunu çalıştırın: 
openclaw ltm stats
openclaw ltm search "recent preference"
autoCapture devre dışıysa Plugin mevcut anıları geri çağırır ancak yenilerini otomatik olarak depolamaz. Otomatik yakalama istiyorsanız memory_store aracını kullanın veya autoCapture değerini etkinleştirin.

​
İlgili