Пошук у пам’яті

memory_search знаходить релевантні нотатки з ваших файлів пам’яті, навіть коли формулювання відрізняється від оригінального тексту. Він працює, індексуючи пам’ять у малі фрагменти та шукаючи їх за допомогою ембедингів, ключових слів або обох способів.

Швидкий старт

Якщо у вас налаштовано API-ключ OpenAI, Gemini, Voyage або Mistral, пошук у пам’яті працює автоматично. Щоб явно вказати провайдера:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai", // або "gemini", "local", "ollama" тощо
      },
    },
  },
}

Для локальних ембедингів без API-ключа використовуйте provider: "local" (потрібен node-llama-cpp).

Підтримувані провайдери

Провайдер	ID	Потрібен API-ключ	Примітки
OpenAI	`openai`	Так	Визначається автоматично, швидко
Gemini	`gemini`	Так	Підтримує індексацію зображень/аудіо
Voyage	`voyage`	Так	Визначається автоматично
Mistral	`mistral`	Так	Визначається автоматично
Bedrock	`bedrock`	Ні	Визначається автоматично, коли доступний ланцюжок облікових даних AWS
Ollama	`ollama`	Ні	Локально, потрібно вказати явно
Local	`local`	Ні	Модель GGUF, завантаження ~0.6 ГБ

Як працює пошук

OpenClaw запускає два шляхи пошуку паралельно та об’єднує результати:

Векторний пошук знаходить нотатки зі схожим змістом (“gateway host” відповідає “the machine running OpenClaw”).
Пошук за ключовими словами BM25 знаходить точні збіги (ID, рядки помилок, ключі конфігурації).

Якщо доступний лише один шлях (немає ембедингів або немає FTS), інший працює самостійно. Коли ембединги недоступні, OpenClaw усе одно використовує лексичне ранжування за результатами FTS замість того, щоб повертатися лише до сирого впорядкування за точним збігом. У цьому деградованому режимі підвищується вага фрагментів із кращим покриттям термінів запиту та релевантними шляхами до файлів, що зберігає корисну повноту навіть без sqlite-vec або провайдера ембедингів.

Поліпшення якості пошуку

Дві необов’язкові функції допомагають, коли у вас велика історія нотаток:

Часове згасання

Старі нотатки поступово втрачають вагу в ранжуванні, тому новіша інформація з’являється першою. За стандартного періоду напіврозпаду 30 днів нотатка з минулого місяця матиме 50% від своєї початкової ваги. Для постійно актуальних файлів, таких як MEMORY.md, згасання ніколи не застосовується.

Увімкніть часове згасання, якщо ваш агент має місяці щоденних нотаток і застаріла інформація постійно випереджає новіший контекст.

MMR (різноманітність)

Зменшує кількість повторюваних результатів. Якщо п’ять нотаток згадують ту саму конфігурацію роутера, MMR гарантує, що верхні результати охоплюватимуть різні теми, а не повторюватимуться.

Увімкніть MMR, якщо memory_search постійно повертає майже дубльовані фрагменти з різних щоденних нотаток.

Увімкнути обидва

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

Мультимодальна пам’ять

З Gemini Embedding 2 ви можете індексувати зображення та аудіофайли разом із Markdown. Пошукові запити залишаються текстовими, але вони зіставляються з візуальним та аудіовмістом. Див. довідник із конфігурації пам’яті для налаштування.