---
read_when:
    - Ви хочете зрозуміти стандартний бекенд пам’яті
    - Ви хочете налаштувати постачальників embedding або гібридний пошук
summary: Стандартний бекенд пам’яті на основі SQLite з пошуком за ключовими словами, векторним і гібридним пошуком
title: Вбудований рушій пам’яті
x-i18n:
    generated_at: "2026-06-27T17:26:12Z"
    model: gpt-5.5
    postprocess_version: locale-links-v1
    provider: openai
    source_hash: a867bd295778f81109b258a63a35a1683d652d4564e44335053af4d86f90584e
    source_path: concepts/memory-builtin.md
    workflow: 16
---

Вбудований рушій є типовим бекендом пам’яті. Він зберігає індекс пам’яті в
SQLite-базі даних для кожного агента й не потребує додаткових залежностей для початку роботи.

## Що він надає

- **Пошук за ключовими словами** через повнотекстове індексування FTS5 (оцінювання BM25).
- **Векторний пошук** через embeddings від будь-якого підтримуваного постачальника.
- **Гібридний пошук**, що поєднує обидва підходи для найкращих результатів.
- **Підтримку CJK** через триграмну токенізацію для китайської, японської та корейської мов.
- **Прискорення sqlite-vec** для векторних запитів у базі даних (необов’язково).

## Початок роботи

Типово вбудований рушій використовує OpenAI embeddings. Якщо у вас уже налаштовано
`OPENAI_API_KEY` або `models.providers.openai.apiKey`, векторний пошук
працює без додаткової конфігурації пам’яті.

Щоб явно задати постачальника:

```json5
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
```

Без постачальника embeddings доступний лише пошук за ключовими словами.

Щоб примусово використовувати локальні GGUF embeddings, установіть офіційний Plugin постачальника llama.cpp,
а потім спрямуйте `local.modelPath` на файл GGUF:

```bash
openclaw plugins install @openclaw/llama-cpp-provider
```

```json5
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}
```

## Підтримувані постачальники embeddings

| Постачальник      | ID                  | Примітки                            |
| ----------------- | ------------------- | ----------------------------------- |
| Bedrock           | `bedrock`           | Використовує ланцюг облікових даних AWS |
| DeepInfra         | `deepinfra`         | Типово: `BAAI/bge-m3`               |
| Gemini            | `gemini`            | Підтримує мультимодальність (зображення + аудіо) |
| GitHub Copilot    | `github-copilot`    | Використовує передплату Copilot     |
| Локальний         | `local`             | `@openclaw/llama-cpp-provider`      |
| Mistral           | `mistral`           |                                     |
| Ollama            | `ollama`            | Локальний/самостійно розгорнутий    |
| OpenAI            | `openai`            | Типово: `text-embedding-3-small`    |
| OpenAI-сумісний   | `openai-compatible` | Універсальний endpoint `/v1/embeddings` |
| Voyage            | `voyage`            |                                     |

Задайте `memorySearch.provider`, щоб перейти з OpenAI на іншого постачальника.

## Як працює індексування

OpenClaw індексує `MEMORY.md` і `memory/*.md` у фрагменти (~400 токенів із
перекриттям 80 токенів) і зберігає їх у SQLite-базі даних для кожного агента.

- **Розташування індексу:** база даних відповідного агента за адресою
  `~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite`
- **Обслуговування сховища:** побічні файли SQLite WAL обмежуються періодичними
  checkpoint і checkpoint під час завершення роботи.
- **Відстеження файлів:** зміни у файлах пам’яті запускають повторне індексування з debounce (1,5 с).
- **Автоматичне повторне індексування:** коли змінюється постачальник embeddings, модель або конфігурація фрагментації,
  весь індекс автоматично перебудовується.
- **Повторне індексування на вимогу:** `openclaw memory index --force`

<Info>
Ви також можете індексувати Markdown-файли поза робочою областю за допомогою
`memorySearch.extraPaths`. Див.
[довідник із конфігурації](/uk/reference/memory-config#additional-memory-paths).
</Info>

## Коли використовувати

Вбудований рушій є правильним вибором для більшості користувачів:

- Працює одразу без додаткових залежностей.
- Добре обробляє пошук за ключовими словами та векторний пошук.
- Підтримує всіх постачальників embeddings.
- Гібридний пошук поєднує найкраще з обох підходів до пошуку.

Розгляньте перехід на [QMD](/uk/concepts/memory-qmd), якщо вам потрібні reranking, розширення запиту
або індексування каталогів поза робочою областю.

Розгляньте [Honcho](/uk/concepts/memory-honcho), якщо вам потрібна пам’ять між сеансами з
автоматичним моделюванням користувача.

## Усунення несправностей

**Пошук у пам’яті вимкнено?** Перевірте `openclaw memory status`. Якщо постачальника
не виявлено, задайте його явно або додайте ключ API.

**Локального постачальника не виявлено?** Переконайтеся, що локальний шлях існує, і виконайте:

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

І автономні команди CLI, і Gateway використовують той самий ID постачальника `local`.
Задайте `memorySearch.provider: "local"`, коли хочете використовувати локальні embeddings.

**Застарілі результати?** Виконайте `openclaw memory index --force`, щоб перебудувати індекс. Watcher
може пропустити зміни в рідкісних крайових випадках.

**sqlite-vec не завантажується?** OpenClaw автоматично повертається до in-process cosine similarity.
`openclaw memory status --deep` повідомляє про локальне векторне сховище
окремо від постачальника embeddings, тож `Vector store: unavailable` вказує
на завантаження sqlite-vec, тоді як `Embeddings: unavailable` вказує на постачальника/auth
або готовність моделі. Перевірте журнали на конкретну помилку завантаження.

## Конфігурація

Щоб налаштувати постачальника embeddings, тонко налаштувати гібридний пошук (ваги, MMR, temporal
decay), пакетне індексування, мультимодальну пам’ять, sqlite-vec, додаткові шляхи та всі
інші параметри конфігурації, див.
[довідник із конфігурації пам’яті](/uk/reference/memory-config).

## Пов’язане

- [Огляд пам’яті](/uk/concepts/memory)
- [Пошук у пам’яті](/uk/concepts/memory-search)
- [Active Memory](/uk/concepts/active-memory)