Bellek yapılandırması referansı

Bu sayfa, OpenClaw bellek araması için her yapılandırma düğmesini listeler. Kavramsal genel bakışlar için bkz.:

Memory overview

Belleğin nasıl çalıştığı.

Builtin engine

Varsayılan SQLite arka ucu.

QMD engine

Yerel öncelikli yardımcı süreç.

Memory search

Arama işlem hattı ve ayarlama.

Active memory

Etkileşimli oturumlar için bellek alt ajanı.

Aksi belirtilmedikçe tüm bellek araması ayarları openclaw.json içinde agents.defaults.memorySearch altında bulunur.

Active Memory özellik anahtarı ve alt ajan yapılandırmasını arıyorsanız, bu memorySearch yerine plugins.entries.active-memory altında bulunur.Active Memory iki geçitli bir model kullanır:

Plugin etkinleştirilmiş olmalı ve geçerli ajan kimliğini hedeflemelidir
istek uygun bir etkileşimli kalıcı sohbet oturumu olmalıdır

Etkinleştirme modeli, Plugin sahipli yapılandırma, transkript kalıcılığı ve güvenli kullanıma alma deseni için Active Memory bölümüne bakın.

Sağlayıcı seçimi

Anahtar	Tür	Varsayılan	Açıklama
`provider`	`string`	auto-detected	`bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai` veya `voyage` gibi gömme bağdaştırıcısı kimliği; `api` değeri bu bağdaştırıcılardan birini işaret eden yapılandırılmış bir `models.providers.<id>` de olabilir
`model`	`string`	sağlayıcı varsayılanı	Gömme modeli adı
`fallback`	`string`	`"none"`	Birincil başarısız olduğunda kullanılacak yedek bağdaştırıcı kimliği
`enabled`	`boolean`	`true`	Bellek aramasını etkinleştirir veya devre dışı bırakır

Otomatik algılama sırası

provider ayarlanmadığında OpenClaw kullanılabilir ilk seçeneği seçer:

local

memorySearch.local.modelPath yapılandırılmışsa ve dosya varsa seçilir.

github-copilot

Bir GitHub Copilot belirteci çözümlenebiliyorsa (env var veya kimlik doğrulama profili) seçilir.

openai

Bir OpenAI anahtarı çözümlenebiliyorsa seçilir.

gemini

Bir Gemini anahtarı çözümlenebiliyorsa seçilir.

voyage

Bir Voyage anahtarı çözümlenebiliyorsa seçilir.

mistral

Bir Mistral anahtarı çözümlenebiliyorsa seçilir.

deepinfra

Bir DeepInfra anahtarı çözümlenebiliyorsa seçilir.

bedrock

AWS SDK kimlik bilgisi zinciri çözümleniyorsa (örnek rolü, erişim anahtarları, profil, SSO, web kimliği veya paylaşılan yapılandırma) seçilir.

ollama desteklenir ancak otomatik algılanmaz (açıkça ayarlayın).

Özel sağlayıcı kimlikleri

memorySearch.provider, özel bir models.providers.<id> girdisini işaret edebilir. OpenClaw, gömme bağdaştırıcısı için bu sağlayıcının api sahibini çözümlerken uç nokta, kimlik doğrulama ve model öneki işleme için özel sağlayıcı kimliğini korur. Bu, çok GPU’lu veya çok ana makineli kurulumların bellek gömmelerini belirli bir yerel uç noktaya ayırmasını sağlar:

{
  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",
      },
    },
  },
}

API anahtarı çözümleme

Uzak gömmeler bir API anahtarı gerektirir. Bedrock bunun yerine AWS SDK varsayılan kimlik bilgisi zincirini kullanır (örnek rolleri, SSO, erişim anahtarları).

Sağlayıcı	Env var	Yapılandırma anahtarı
Bedrock	AWS kimlik bilgisi zinciri	API anahtarı gerekmez
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`	Cihaz oturum açma üzerinden kimlik doğrulama profili
Mistral	`MISTRAL_API_KEY`	`models.providers.mistral.apiKey`
Ollama	`OLLAMA_API_KEY` (yer tutucu)	—
OpenAI	`OPENAI_API_KEY`	`models.providers.openai.apiKey`
Voyage	`VOYAGE_API_KEY`	`models.providers.voyage.apiKey`

Codex OAuth yalnızca sohbet/tamamlama isteklerini kapsar ve gömme isteklerini karşılamaz.

Uzak uç nokta yapılandırması

Özel OpenAI uyumlu uç noktalar veya sağlayıcı varsayılanlarını geçersiz kılmak için:

remote.baseUrl

string

Özel API temel URL’si.

remote.apiKey

string

API anahtarını geçersiz kıl.

remote.headers

object

Ek HTTP üstbilgileri (sağlayıcı varsayılanlarıyla birleştirilir).

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

Sağlayıcıya özel yapılandırma

Gemini

Anahtar	Tür	Varsayılan	Açıklama
`model`	`string`	`gemini-embedding-001`	`gemini-embedding-2-preview` desteği de vardır
`outputDimensionality`	`number`	`3072`	Embedding 2 için: 768, 1536 veya 3072

Modeli veya outputDimensionality değerini değiştirmek otomatik tam yeniden indekslemeyi tetikler.

OpenAI-compatible input types

OpenAI uyumlu gömme uç noktaları sağlayıcıya özel input_type istek alanlarını kullanmayı seçebilir. Bu, sorgu ve belge gömmeleri için farklı etiketler gerektiren asimetrik gömme modelleri için kullanışlıdır.

Anahtar	Tür	Varsayılan	Açıklama
`inputType`	`string`	ayarlanmamış	Sorgu ve belge gömmeleri için paylaşılan `input_type`
`queryInputType`	`string`	ayarlanmamış	Sorgu zamanı `input_type`; `inputType` değerini geçersiz kılar
`documentInputType`	`string`	ayarlanmamış	İndeks/belge `input_type`; `inputType` değerini geçersiz kılar

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

Bu değerleri değiştirmek, sağlayıcı toplu indeksleme için gömme önbelleği kimliğini etkiler ve yukarı akış modeli etiketleri farklı işliyorsa bellek yeniden indekslemesiyle takip edilmelidir.

Bedrock

Bedrock gömme yapılandırması

Bedrock, AWS SDK varsayılan kimlik bilgisi zincirini kullanır; API anahtarları gerekmez. OpenClaw, Bedrock etkinleştirilmiş bir örnek rolüyle EC2 üzerinde çalışıyorsa yalnızca sağlayıcıyı ve modeli ayarlayın:

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

Anahtar	Tür	Varsayılan	Açıklama
`model`	`string`	`amazon.titan-embed-text-v2:0`	Herhangi bir Bedrock gömme modeli kimliği
`outputDimensionality`	`number`	model varsayılanı	Titan V2 için: 256, 512 veya 1024

Desteklenen modeller (aile algılama ve boyut varsayılanlarıyla):

Model kimliği	Sağlayıcı	Varsayılan Boyutlar	Yapılandırılabilir Boyutlar
`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	—

Verim eki taşıyan varyantlar (ör. amazon.titan-embed-text-v1:2:8k) temel modelin yapılandırmasını devralır.Kimlik doğrulama: Bedrock kimlik doğrulaması standart AWS SDK kimlik bilgisi çözümleme sırasını kullanır:

Ortam değişkenleri (AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY)
SSO belirteç önbelleği
Web kimliği belirteci kimlik bilgileri
Paylaşılan kimlik bilgileri ve yapılandırma dosyaları
ECS veya EC2 meta veri kimlik bilgileri

Bölge AWS_REGION, AWS_DEFAULT_REGION, amazon-bedrock sağlayıcısı baseUrl değerinden çözümlenir veya varsayılan olarak us-east-1 kullanılır.IAM izinleri: IAM rolü veya kullanıcısı şunlara ihtiyaç duyar:

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

En az ayrıcalık için InvokeModel kapsamını belirli modele daraltın:

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

Yerel (GGUF + node-llama-cpp)

Anahtar	Tür	Varsayılan	Açıklama
`local.modelPath`	`string`	otomatik indirilir	GGUF model dosyasının yolu
`local.modelCacheDir`	`string`	node-llama-cpp varsayılanı	İndirilen modeller için önbellek dizini
`local.contextSize`	`number \| "auto"`	`4096`	Gömme bağlamı için bağlam penceresi boyutu. 4096, ağırlık dışı VRAM’i sınırlarken tipik parçaları (128-512 token) kapsar. Kısıtlı ana makinelerde 1024-2048’e düşürün. `"auto"` modelin eğitilmiş en yüksek değerini kullanır; 8B+ modeller için önerilmez (Qwen3-Embedding-8B: 40 960 token -> 4096’da ~8,8 GB’a karşılık ~32 GB VRAM).

Varsayılan model: embeddinggemma-300m-qat-Q8_0.gguf (~0,6 GB, otomatik indirilir). Kaynak checkout’ları yine de yerel derleme onayı gerektirir: pnpm approve-builds ardından pnpm rebuild node-llama-cpp.Gateway’in kullandığı aynı sağlayıcı yolunu doğrulamak için bağımsız CLI’yi kullanın:

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

provider auto ise local yalnızca local.modelPath mevcut bir yerel dosyayı gösterdiğinde seçilir. hf: ve HTTP(S) model başvuruları provider: "local" ile yine açıkça kullanılabilir, ancak model diskte mevcut olmadan önce auto seçiminin local’ı seçmesini sağlamazlar.

Satır içi gömme zaman aşımı

sync.embeddingBatchTimeoutSeconds

number

Bellek indeksleme sırasında satır içi gömme grupları için zaman aşımını geçersiz kılın.Ayarlanmazsa sağlayıcı varsayılanı kullanılır: local, ollama ve lmstudio gibi yerel/kendi barındırdığınız sağlayıcılar için 600 saniye, barındırılan sağlayıcılar için 120 saniye. Yerel CPU’ya bağlı gömme grupları sağlıklı ama yavaş olduğunda bunu artırın.

Hibrit arama yapılandırması

Tümü memorySearch.query.hybrid altında:

Anahtar	Tür	Varsayılan	Açıklama
`enabled`	`boolean`	`true`	Hibrit BM25 + vektör aramayı etkinleştir
`vectorWeight`	`number`	`0.7`	Vektör puanları için ağırlık (0-1)
`textWeight`	`number`	`0.3`	BM25 puanları için ağırlık (0-1)
`candidateMultiplier`	`number`	`4`	Aday havuzu boyutu çarpanı

MMR (çeşitlilik)
Zamansal azalma (yenilik)

Anahtar	Tür	Varsayılan	Açıklama
`mmr.enabled`	`boolean`	`false`	MMR yeniden sıralamayı etkinleştir
`mmr.lambda`	`number`	`0.7`	0 = en yüksek çeşitlilik, 1 = en yüksek alaka

Anahtar	Tür	Varsayılan	Açıklama
`temporalDecay.enabled`	`boolean`	`false`	Yenilik artırımını etkinleştir
`temporalDecay.halfLifeDays`	`number`	`30`	Puan her N günde yarıya iner

Evergreen dosyalar (MEMORY.md, memory/ içindeki tarih içermeyen dosyalar) hiçbir zaman azaltılmaz.

Tam örnek

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

Ek bellek yolları

Anahtar	Tür	Açıklama
`extraPaths`	`string[]`	İndekslenecek ek dizinler veya dosyalar

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

Yollar mutlak veya çalışma alanına göreli olabilir. Dizinler .md dosyaları için özyinelemeli olarak taranır. Sembolik bağlantı işleme etkin arka uca bağlıdır: yerleşik motor sembolik bağlantıları yok sayarken QMD temel QMD tarayıcı davranışını izler. Ajan kapsamlı ajanlar arası transkript araması için memory.qmd.paths yerine agents.list[].memorySearch.qmd.extraCollections kullanın. Bu ek koleksiyonlar aynı { path, name, pattern? } biçimini izler, ancak ajan başına birleştirilir ve yol geçerli çalışma alanının dışını gösterdiğinde açık paylaşılan adları koruyabilir. Aynı çözümlenmiş yol hem memory.qmd.paths hem de memorySearch.qmd.extraCollections içinde görünürse QMD ilk girdiyi tutar ve kopyayı atlar.

Çok modlu bellek (Gemini)

Gemini Embedding 2 kullanarak Markdown ile birlikte görüntüleri ve sesi indeksleyin:

Anahtar	Tür	Varsayılan	Açıklama
`multimodal.enabled`	`boolean`	`false`	Çok modlu indekslemeyi etkinleştir
`multimodal.modalities`	`string[]`	—	`["image"]`, `["audio"]` veya `["all"]`
`multimodal.maxFileBytes`	`number`	`10000000`	İndeksleme için en yüksek dosya boyutu

Yalnızca extraPaths içindeki dosyalar için geçerlidir. Varsayılan bellek kökleri yalnızca Markdown olarak kalır. gemini-embedding-2-preview gerektirir. fallback, "none" olmalıdır.

Desteklenen biçimler: .jpg, .jpeg, .png, .webp, .gif, .heic, .heif (görseller); .mp3, .wav, .ogg, .opus, .m4a, .aac, .flac (ses).

Gömme önbelleği

Anahtar	Tür	Varsayılan	Açıklama
`cache.enabled`	`boolean`	`false`	Parça gömmelerini SQLite içinde önbelleğe al
`cache.maxEntries`	`number`	`50000`	En fazla önbelleğe alınan gömme

Yeniden indeksleme veya transkript güncellemeleri sırasında değişmemiş metnin yeniden gömülmesini önler.

Toplu indeksleme

Anahtar	Tür	Varsayılan	Açıklama
`remote.nonBatchConcurrency`	`number`	`4`	Paralel satır içi gömmeler
`remote.batch.enabled`	`boolean`	`false`	Toplu gömme API’sini etkinleştir
`remote.batch.concurrency`	`number`	`2`	Paralel toplu işler
`remote.batch.wait`	`boolean`	`true`	Toplu işlemin tamamlanmasını bekle
`remote.batch.pollIntervalMs`	`number`	—	Yoklama aralığı
`remote.batch.timeoutMinutes`	`number`	—	Toplu işlem zaman aşımı

openai, gemini ve voyage için kullanılabilir. OpenAI toplu işlemi, büyük geriye dönük doldurmalar için genellikle en hızlı ve en ucuz seçenektir. remote.nonBatchConcurrency, yerel/kendi barındırdığınız sağlayıcılar ve sağlayıcı toplu API’leri etkin olmadığında barındırılan sağlayıcılar tarafından kullanılan satır içi gömme çağrılarını denetler. Ollama, daha küçük yerel makineleri aşırı yüklememek için toplu olmayan indekslemede varsayılan olarak 1 kullanır; daha büyük makinelerde daha yüksek bir değer ayarlayın. Bu, satır içi gömme çağrılarının zaman aşımını denetleyen sync.embeddingBatchTimeoutSeconds ayarından ayrıdır.

Oturum belleği araması (deneysel)

Oturum transkriptlerini indeksleyin ve bunları memory_search üzerinden gösterin:

Anahtar	Tür	Varsayılan	Açıklama
`experimental.sessionMemory`	`boolean`	`false`	Oturum indekslemeyi etkinleştir
`sources`	`string[]`	`["memory"]`	Transkriptleri dahil etmek için `"sessions"` ekleyin
`sync.sessions.deltaBytes`	`number`	`100000`	Yeniden indeksleme için bayt eşiği
`sync.sessions.deltaMessages`	`number`	`50`	Yeniden indeksleme için ileti eşiği

Oturum indeksleme isteğe bağlıdır ve eşzamansız çalışır. Sonuçlar biraz eski olabilir. Oturum günlükleri diskte bulunur; bu nedenle dosya sistemi erişimini güven sınırı olarak değerlendirin.

SQLite vektör hızlandırması (sqlite-vec)

Anahtar	Tür	Varsayılan	Açıklama
`store.vector.enabled`	`boolean`	`true`	Vektör sorguları için sqlite-vec kullan
`store.vector.extensionPath`	`string`	bundled	sqlite-vec yolunu geçersiz kıl

sqlite-vec kullanılamadığında OpenClaw otomatik olarak işlem içi kosinüs benzerliğine geri döner.

İndeks depolama

Anahtar	Tür	Varsayılan	Açıklama
`store.path`	`string`	`~/.openclaw/memory/{agentId}.sqlite`	İndeks konumu (`{agentId}` belirtecini destekler)
`store.fts.tokenizer`	`string`	`unicode61`	FTS5 belirteçleyicisi (`unicode61` veya `trigram`)

QMD arka uç yapılandırması

Etkinleştirmek için memory.backend = "qmd" ayarlayın. Tüm QMD ayarları memory.qmd altında bulunur:

Anahtar	Tür	Varsayılan	Açıklama
`command`	`string`	`qmd`	QMD çalıştırılabilir dosya yolu; hizmet `PATH` değeri kabuğunuzdan farklıysa mutlak yol ayarlayın
`searchMode`	`string`	`search`	Arama komutu: `search`, `vsearch`, `query`
`includeDefaultMemory`	`boolean`	`true`	`MEMORY.md` + `memory/*/.md` dosyalarını otomatik indeksle
`paths[]`	`array`	—	Ek yollar: `{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	Oturum transkriptlerini indeksle
`sessions.retentionDays`	`number`	—	Transkript saklama süresi
`sessions.exportDir`	`string`	—	Dışa aktarma dizini

searchMode: "search" yalnızca leksik/BM25 tabanlıdır. OpenClaw, memory status --deep sırasında dahil olmak üzere bu mod için semantik vektör hazırlık yoklamaları veya QMD embedding bakımı çalıştırmaz; vsearch ve query, QMD vektör hazırlığı ve embedding’leri gerektirmeye devam eder. OpenClaw güncel QMD collection ve MCP sorgu biçimlerini tercih eder, ancak gerektiğinde uyumlu collection pattern bayraklarını ve eski MCP araç adlarını deneyerek daha eski QMD sürümlerinin çalışmasını sürdürür. QMD birden çok collection filtresi desteği bildirdiğinde, aynı kaynaklı collection’lar tek bir QMD işlemiyle aranır; eski QMD derlemeleri collection başına uyumluluk yolunu korur. Aynı kaynak, kalıcı bellek collection’larının birlikte gruplandığı, session transcript collection’larının ise ayrı bir grup olarak kaldığı anlamına gelir; böylece kaynak çeşitlendirmesi hâlâ her iki girdiye de sahip olur.

QMD model override’ları OpenClaw yapılandırmasında değil, QMD tarafında kalır. QMD’nin modellerini genel olarak override etmeniz gerekiyorsa, gateway çalışma zamanı ortamında QMD_EMBED_MODEL, QMD_RERANK_MODEL ve QMD_GENERATE_MODEL gibi ortam değişkenlerini ayarlayın.

Güncelleme zamanlaması

Anahtar	Tür	Varsayılan	Açıklama
`update.interval`	`string`	`5m`	Yenileme aralığı
`update.debounceMs`	`number`	`15000`	Dosya değişikliklerini debounce et
`update.onBoot`	`boolean`	`true`	Uzun ömürlü QMD yöneticisi açıldığında yenile; ayrıca isteğe bağlı başlangıç yenilemesini de denetler
`update.startup`	`string`	`off`	İsteğe bağlı gateway başlangıç yenilemesi: `off`, `idle` veya `immediate`
`update.startupDelayMs`	`number`	`120000`	`startup: "idle"` yenilemesi çalışmadan önceki gecikme
`update.waitForBootSync`	`boolean`	`false`	İlk yenilemesi tamamlanana kadar yöneticinin açılmasını engelle
`update.embedInterval`	`string`	—	Ayrı embed temposu
`update.commandTimeoutMs`	`number`	—	QMD komutları için zaman aşımı
`update.updateTimeoutMs`	`number`	—	QMD güncelleme işlemleri için zaman aşımı
`update.embedTimeoutMs`	`number`	—	QMD embed işlemleri için zaman aşımı

Sınırlar

Anahtar	Tür	Varsayılan	Açıklama
`limits.maxResults`	`number`	`6`	Maksimum arama sonucu
`limits.maxSnippetChars`	`number`	—	Snippet uzunluğunu sınırla
`limits.maxInjectedChars`	`number`	—	Toplam enjekte edilen karakterleri sınırla
`limits.timeoutMs`	`number`	`4000`	Arama zaman aşımı

Kapsam

Hangi session’ların QMD arama sonuçlarını alabileceğini denetler. session.sendPolicy ile aynı schema:

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

Gönderilen varsayılan doğrudan ve kanal session’larına izin verirken grupları yine reddeder.Varsayılan yalnızca DM’dir. match.keyPrefix normalize edilmiş session anahtarıyla eşleşir; match.rawKeyPrefix, agent:<id>: dahil ham anahtarla eşleşir.

Atıflar

memory.citations tüm backend’lere uygulanır:

Değer	Davranış
`auto` (varsayılan)	Snippet’lara `Source: <path#line>` footer’ını ekle
`on`	Footer’ı her zaman ekle
`off`	Footer’ı atla (yol yine de dahili olarak agent’a geçirilir)

QMD boot yenilemeleri gateway başlangıcı sırasında tek seferlik bir subprocess yolu kullanır. Uzun ömürlü QMD yöneticisi, bellek araması etkileşimli kullanım için açıldığında düzenli dosya watcher’ının ve aralık timer’larının sahibi olmaya devam eder.

Tam QMD örneği

{
  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, agents.defaults.memorySearch altında değil, plugins.entries.memory-core.config.dreaming altında yapılandırılır. Dreaming tek bir zamanlanmış sweep olarak çalışır ve dahili light/deep/REM aşamalarını bir uygulama ayrıntısı olarak kullanır. Kavramsal davranış ve slash komutları için bkz. Dreaming.

Kullanıcı ayarları

Anahtar	Tür	Varsayılan	Açıklama
`enabled`	`boolean`	`false`	Dreaming’i tamamen etkinleştir veya devre dışı bırak
`frequency`	`string`	`0 3 * * *`	Tam Dreaming sweep’i için isteğe bağlı cron temposu
`model`	`string`	varsayılan model	İsteğe bağlı Dream Diary subagent model override’ı

Örnek

{
  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 makine durumunu memory/.dreams/ içine yazar.
Dreaming insan tarafından okunabilir anlatı çıktısını DREAMS.md (veya mevcut dreams.md) içine yazar.
dreaming.model mevcut Plugin subagent güven kapısını kullanır; etkinleştirmeden önce plugins.entries.memory-core.subagent.allowModelOverride: true ayarlayın.
Dream Diary, yapılandırılan model kullanılamadığında session varsayılan modeliyle bir kez yeniden dener. Güven veya allowlist hataları günlüğe kaydedilir ve sessizce yeniden denenmez.
light/deep/REM aşama politikası ve eşikleri dahili davranıştır, kullanıcıya dönük yapılandırma değildir.

CLI commands

RPC and API

Codex harness

Plugin reference

Plugin SDK reference

Plugin maintainer reference

Templates

Technical reference

Concept internals

Project

Release and CI

Bellek yapılandırması referansı

Memory overview

Builtin engine

QMD engine

Memory search

Active memory

Sağlayıcı seçimi

Otomatik algılama sırası

Özel sağlayıcı kimlikleri

API anahtarı çözümleme

Uzak uç nokta yapılandırması

Sağlayıcıya özel yapılandırma

Bedrock gömme yapılandırması

Satır içi gömme zaman aşımı

Hibrit arama yapılandırması

Tam örnek

Ek bellek yolları

Çok modlu bellek (Gemini)

Gömme önbelleği

Toplu indeksleme

Oturum belleği araması (deneysel)

SQLite vektör hızlandırması (sqlite-vec)

İndeks depolama

QMD arka uç yapılandırması

Tam QMD örneği

Dreaming

Kullanıcı ayarları

Örnek

İlgili

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

Memory overview

Builtin engine

QMD engine

Memory search

Active memory

​Sağlayıcı seçimi

​Otomatik algılama sırası

​Özel sağlayıcı kimlikleri

​API anahtarı çözümleme

​Uzak uç nokta yapılandırması

​Sağlayıcıya özel yapılandırma

​Bedrock gömme yapılandırması

​Satır içi gömme zaman aşımı

​Hibrit arama yapılandırması

​Tam örnek

​Ek bellek yolları

​Çok modlu bellek (Gemini)

​Gömme önbelleği

​Toplu indeksleme

​Oturum belleği araması (deneysel)

​SQLite vektör hızlandırması (sqlite-vec)

​İndeks depolama

​QMD arka uç yapılandırması

​Tam QMD örneği

​Dreaming

​Kullanıcı ayarları

​Örnek

​İlgili

Sağlayıcı seçimi

Otomatik algılama sırası

Özel sağlayıcı kimlikleri

API anahtarı çözümleme

Uzak uç nokta yapılandırması

Sağlayıcıya özel yapılandırma

Bedrock gömme yapılandırması

Satır içi gömme zaman aşımı

Hibrit arama yapılandırması

Tam örnek

Ek bellek yolları

Çok modlu bellek (Gemini)

Gömme önbelleği

Toplu indeksleme

Oturum belleği araması (deneysel)

SQLite vektör hızlandırması (sqlite-vec)

İndeks depolama

QMD arka uç yapılandırması

Tam QMD örneği

Dreaming

Kullanıcı ayarları

Örnek

İlgili