Geheugen zoeken

memory_search vindt relevante notities uit je geheugenbestanden, zelfs wanneer de formulering afwijkt van de oorspronkelijke tekst. Het werkt door geheugen in kleine stukken te indexeren en die te doorzoeken met embeddings, trefwoorden, of beide.

# Snel starten

Als je een GitHub Copilot-abonnement of een geconfigureerde API-sleutel voor OpenAI, Gemini, Voyage of Mistral hebt, werkt geheugenzoekfunctie automatisch. Om een provider expliciet in te stellen:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai", // or "gemini", "local", "ollama", etc.
      },
    },
  },
}

Voor set-ups met meerdere eindpunten kan provider ook een aangepaste models.providers.<id>-vermelding zijn, zoals ollama-5080, wanneer die provider api: "ollama" of een andere eigenaar van een embedding-adapter instelt.

Voor lokale embeddings zonder API-sleutel stel je provider: "local" in. Source-checkouts kunnen nog steeds goedkeuring voor native builds vereisen: pnpm approve-builds en daarna pnpm rebuild node-llama-cpp.

Sommige OpenAI-compatibele embedding-eindpunten vereisen asymmetrische labels zoals input_type: "query" voor zoekopdrachten en input_type: "document" of "passage" voor geïndexeerde stukken. Configureer die met memorySearch.queryInputType en memorySearch.documentInputType; zie de referentie voor geheugenconfiguratie.

# Ondersteunde providers

Provider	ID	API-sleutel vereist	Notities
Bedrock	bedrock	Nee	Automatisch gedetecteerd wanneer de AWS-referentieketen wordt opgelost
Gemini	gemini	Ja	Ondersteunt indexering van afbeeldingen/audio
GitHub Copilot	github-copilot	Nee	Automatisch gedetecteerd, gebruikt Copilot-abonnement
Lokaal	local	Nee	GGUF-model, download van ~0,6 GB
Mistral	mistral	Ja	Automatisch gedetecteerd
Ollama	ollama	Nee	Lokaal, moet expliciet worden ingesteld
OpenAI	openai	Ja	Automatisch gedetecteerd, snel
Voyage	voyage	Ja	Automatisch gedetecteerd

# Hoe zoeken werkt

OpenClaw voert twee ophaalpaden parallel uit en voegt de resultaten samen:

flowchart LR
    Q["Query"] --> E["Embedding"]
    Q --> T["Tokenize"]
    E --> VS["Vector Search"]
    T --> BM["BM25 Search"]
    VS --> M["Weighted Merge"]
    BM --> M
    M --> R["Top Results"]

• Vectorzoekfunctie vindt notities met een vergelijkbare betekenis ("gateway host" komt overeen met "the machine running OpenClaw").
• BM25-trefwoordzoekfunctie vindt exacte overeenkomsten (ID's, foutstrings, configuratie- sleutels).

Als slechts één pad beschikbaar is (geen embeddings of geen FTS), wordt alleen het andere uitgevoerd.

Wanneer embeddings niet beschikbaar zijn, gebruikt OpenClaw nog steeds lexicale rangschikking over FTS-resultaten in plaats van alleen terug te vallen op ruwe exacte-overeenkomstvolgorde. Die gedegradeerde modus geeft stukken met sterkere dekking van zoektermen en relevante bestandspaden meer gewicht, waardoor recall nuttig blijft, zelfs zonder sqlite-vec of een embedding-provider.

# Zoekkwaliteit verbeteren

Twee optionele functies helpen wanneer je een grote geschiedenis met notities hebt:

# Tijdverval

Oude notities verliezen geleidelijk rangschikkingsgewicht, zodat recente informatie eerst naar voren komt. Met de standaard halfwaardetijd van 30 dagen scoort een notitie van vorige maand 50% van haar oorspronkelijke gewicht. Evergreen-bestanden zoals MEMORY.md vervallen nooit.

# MMR (diversiteit)

Vermindert redundante resultaten. Als vijf notities allemaal dezelfde routerconfiguratie noemen, zorgt MMR ervoor dat de topresultaten verschillende onderwerpen behandelen in plaats van te herhalen.

# Beide inschakelen

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

# Multimodaal geheugen

Met Gemini Embedding 2 kun je afbeeldingen en audiobestanden naast Markdown indexeren. Zoekopdrachten blijven tekst, maar ze matchen met visuele en audio- inhoud. Zie de referentie voor geheugenconfiguratie voor instelling.

# Geheugenzoekfunctie voor sessies

Je kunt optioneel sessietranscripten indexeren, zodat memory_search eerdere gesprekken kan terughalen. Dit is opt-in via memorySearch.experimental.sessionMemory. Zie de configuratiereferentie voor details.

# Probleemoplossing

Geen resultaten? Voer openclaw memory status uit om de index te controleren. Als die leeg is, voer dan openclaw memory index --force uit.

Alleen trefwoordovereenkomsten? Je embedding-provider is mogelijk niet geconfigureerd. Controleer openclaw memory status --deep.

Time-out bij lokale embeddings? ollama, lmstudio en local gebruiken standaard een langere inline batchtime-out. Als de host gewoon traag is, stel dan agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds in en voer opnieuw openclaw memory index --force uit.

CJK-tekst niet gevonden? Bouw de FTS-index opnieuw op met openclaw memory index --force.

# Verder lezen

• Active Memory -- subagentgeheugen voor interactieve chatsessies
• Geheugen -- bestandsindeling, backends, tools
• Referentie voor geheugenconfiguratie -- alle configuratieknoppen

# Gerelateerd

• Geheugenoverzicht
• Active Memory
• Ingebouwde geheugenengine