Wyszukiwanie w pamięci

memory_search znajduje odpowiednie notatki w plikach pamięci, nawet gdy sformułowanie różni się od oryginalnego tekstu. Działa przez indeksowanie pamięci w małych fragmentach i przeszukiwanie ich za pomocą osadzeń, słów kluczowych albo obu metod.

# Szybki start

Jeśli masz skonfigurowaną subskrypcję GitHub Copilot albo klucz API OpenAI, Gemini, Voyage lub Mistral, wyszukiwanie w pamięci działa automatycznie. Aby jawnie ustawić dostawcę:

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

W konfiguracjach z wieloma punktami końcowymi provider może też być niestandardowym wpisem models.providers.<id>, takim jak ollama-5080, gdy ten dostawca ustawia api: "ollama" lub innego właściciela adaptera osadzeń.

W przypadku lokalnych osadzeń bez klucza API ustaw provider: "local". Checkouty źródłowe mogą nadal wymagać zatwierdzenia natywnej kompilacji: pnpm approve-builds, a następnie pnpm rebuild node-llama-cpp.

Niektóre punkty końcowe osadzeń zgodne z OpenAI wymagają asymetrycznych etykiet, takich jak input_type: "query" dla wyszukiwań oraz input_type: "document" lub "passage" dla zindeksowanych fragmentów. Skonfiguruj je za pomocą memorySearch.queryInputType i memorySearch.documentInputType; zobacz odniesienie konfiguracji pamięci.

# Obsługiwani dostawcy

Dostawca	ID	Wymaga klucza API	Uwagi
Bedrock	bedrock	Nie	Wykrywany automatycznie, gdy łańcuch poświadczeń AWS zostanie rozpoznany
Gemini	gemini	Tak	Obsługuje indeksowanie obrazów/audio
GitHub Copilot	github-copilot	Nie	Wykrywany automatycznie, używa subskrypcji Copilot
Local	local	Nie	Model GGUF, pobieranie ~0,6 GB
Mistral	mistral	Tak	Wykrywany automatycznie
Ollama	ollama	Nie	Lokalny, trzeba ustawić jawnie
OpenAI	openai	Tak	Wykrywany automatycznie, szybki
Voyage	voyage	Tak	Wykrywany automatycznie

# Jak działa wyszukiwanie

OpenClaw uruchamia dwie ścieżki pobierania równolegle i scala wyniki:

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"]

• Wyszukiwanie wektorowe znajduje notatki o podobnym znaczeniu („gateway host” pasuje do „maszyny uruchamiającej OpenClaw”).
• Wyszukiwanie słów kluczowych BM25 znajduje dokładne dopasowania (ID, ciągi błędów, klucze konfiguracji).

Jeśli dostępna jest tylko jedna ścieżka (brak osadzeń albo brak FTS), druga działa samodzielnie.

Gdy osadzenia są niedostępne, OpenClaw nadal używa rankingu leksykalnego wyników FTS, zamiast wracać wyłącznie do surowego porządku dokładnych dopasowań. Ten tryb zdegradowany wzmacnia fragmenty z lepszym pokryciem terminów zapytania i odpowiednimi ścieżkami plików, dzięki czemu przydatność wyników pozostaje dobra nawet bez sqlite-vec lub dostawcy osadzeń.

# Poprawianie jakości wyszukiwania

Dwie opcjonalne funkcje pomagają, gdy masz dużą historię notatek:

# Zanikanie czasowe

Stare notatki stopniowo tracą wagę rankingową, aby nowsze informacje pojawiały się pierwsze. Przy domyślnym czasie połowicznego zaniku wynoszącym 30 dni notatka z zeszłego miesiąca uzyskuje 50% swojej pierwotnej wagi. Pliki ponadczasowe, takie jak MEMORY.md, nigdy nie podlegają zanikaniu.

# MMR (różnorodność)

Zmniejsza liczbę redundantnych wyników. Jeśli pięć notatek wspomina tę samą konfigurację routera, MMR sprawia, że najlepsze wyniki obejmują różne tematy zamiast się powtarzać.

# Włącz oba

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

# Pamięć multimodalna

Dzięki Gemini Embedding 2 możesz indeksować obrazy i pliki audio razem z Markdown. Zapytania wyszukiwania pozostają tekstowe, ale dopasowują się do treści wizualnych i audio. Zobacz odniesienie konfiguracji pamięci, aby poznać konfigurację.

# Wyszukiwanie w pamięci sesji

Możesz opcjonalnie indeksować transkrypty sesji, aby memory_search mogło przywoływać wcześniejsze rozmowy. Jest to opcja opt-in przez memorySearch.experimental.sessionMemory. Szczegóły znajdziesz w odniesieniu konfiguracji.

# Rozwiązywanie problemów

Brak wyników? Uruchom openclaw memory status, aby sprawdzić indeks. Jeśli jest pusty, uruchom openclaw memory index --force.

Tylko dopasowania słów kluczowych? Twój dostawca osadzeń może nie być skonfigurowany. Sprawdź openclaw memory status --deep.

Lokalne osadzenia przekraczają limit czasu? ollama, lmstudio i local domyślnie używają dłuższego limitu czasu wsadowego inline. Jeśli host jest po prostu wolny, ustaw agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds i ponownie uruchom openclaw memory index --force.

Nie znaleziono tekstu CJK? Odbuduj indeks FTS za pomocą openclaw memory index --force.

# Dalsza lektura

• Active Memory -- pamięć subagenta dla interaktywnych sesji czatu
• Pamięć -- układ plików, backendy, narzędzia
• Odniesienie konfiguracji pamięci -- wszystkie pokrętła konfiguracji

# Powiązane

• Przegląd pamięci
• Active Memory
• Wbudowany silnik pamięci