--- read_when: - Sie möchten verstehen, wie memory_search funktioniert - Sie möchten einen Embedding-Provider auswählen - Sie möchten die Suchqualität optimieren summary: Wie die Speichersuche mithilfe von Embeddings und hybrider Suche relevante Notizen findet title: Speichersuche x-i18n: generated_at: "2026-07-12T15:17:54Z" model: gpt-5.6 postprocess_version: locale-links-v1 prompt_version: 15 provider: openai source_hash: 2ae0830843fba28c24159d85425240051fb8caf086cd0563d3091890045dcfad source_path: concepts/memory-search.md workflow: 16 --- `memory_search` findet relevante Notizen in Ihren Speicherdateien, selbst wenn die Formulierung vom Originaltext abweicht. Es unterteilt den Speicher in kleine Abschnitte und durchsucht sie mithilfe von Embeddings, Schlüsselwörtern oder beidem. ## Schnellstart OpenClaw verwendet standardmäßig OpenAI-Embeddings. Um einen anderen Provider zu verwenden, legen Sie ihn explizit fest: ```json5 { agents: { defaults: { memorySearch: { provider: "openai", // oder "gemini", "voyage", "mistral", "bedrock", "local", "ollama", "lmstudio", "github-copilot", "openai-compatible" }, }, }, } ``` `provider` kann auch auf einen benutzerdefinierten `models.providers.`-Eintrag verweisen (zum Beispiel `ollama-5080`), sofern dieser Eintrag `api` auf `"ollama"` oder eine andere Provider-ID mit einem Adapter für Speicher-Embeddings setzt. Für lokale Embeddings ohne API-Schlüssel installieren Sie das offizielle llama.cpp-Provider- Plugin und setzen `provider: "local"`: ```bash openclaw plugins install @openclaw/llama-cpp-provider ``` Quellcode-Checkouts benötigen weiterhin eine Genehmigung für den nativen Build: `pnpm approve-builds`, anschließend `pnpm rebuild node-llama-cpp`. Einige OpenAI-kompatible Embedding-Endpunkte erfordern asymmetrische `input_type`- Bezeichnungen, beispielsweise `"query"` für Suchvorgänge und `"document"`/`"passage"` für indizierte Abschnitte. Legen Sie diese mit `queryInputType` und `documentInputType` fest; siehe [Referenz zur Speicherkonfiguration](/de/reference/memory-config#provider-specific-config). ## Unterstützte Provider | Provider | ID | API-Schlüssel erforderlich | Hinweise | | ----------------- | ------------------- | -------------------------- | ------------------------------------ | | Bedrock | `bedrock` | Nein | Verwendet die AWS-Anmeldedatenkette | | DeepInfra | `deepinfra` | Ja | Standardmodell `BAAI/bge-m3` | | Gemini | `gemini` | Ja | Unterstützt Bild-/Audioindizierung | | GitHub Copilot | `github-copilot` | Nein | Verwendet Ihr Copilot-Abonnement | | Lokal | `local` | Nein | GGUF-Modell, automatischer Download von ~0.6 GB | | LM Studio | `lmstudio` | Nein | Lokaler/selbst gehosteter Server | | Mistral | `mistral` | Ja | | | Ollama | `ollama` | Nein | Lokaler/selbst gehosteter Server | | OpenAI | `openai` | Ja | Standard | | OpenAI-kompatibel | `openai-compatible` | Üblicherweise | Generischer `/v1/embeddings`-Endpunkt | | Voyage | `voyage` | Ja | | ## Funktionsweise der Suche OpenClaw führt zwei Abrufpfade parallel aus und führt die Ergebnisse zusammen: ```mermaid flowchart LR Q["Abfrage"] --> E["Embedding"] Q --> T["Tokenisieren"] E --> VS["Vektorsuche"] T --> BM["BM25-Suche"] VS --> M["Gewichtete Zusammenführung"] BM --> M M --> R["Beste Ergebnisse"] ``` - **Vektorsuche** findet ähnliche Bedeutungen („Gateway-Host“ entspricht „der Maschine, auf der OpenClaw ausgeführt wird“). - **BM25-Schlüsselwortsuche** findet exakte Begriffe (IDs, Fehlermeldungen, Konfigurations- schlüssel). - **Dateinamensuche** indiziert Pfade getrennt von den Inhalten der Notizen. Exakte vollständige Pfade, Basisdateinamen und Dateinamensstämme werden höher eingestuft als teilweise Pfadübereinstimmungen, während Textausschnitte und Schlüsselwortbewertungen des Inhalts weiterhin aus dem Notizinhalt stammen. Wenn nur ein Pfad verfügbar ist, wird dieser allein ausgeführt. **Nur-FTS-Modus.** Setzen Sie `provider: "none"`, um Embeddings bewusst zu deaktivieren und nur mit Schlüsselwörtern zu suchen. Wenn `provider` nicht gesetzt oder auf `"auto"` gesetzt ist, wird ebenfalls ohne Fehler auf eine reine Schlüsselwortbewertung zurückgegriffen, falls keine Embedding-Authentifizierung konfiguriert ist. Dasselbe gilt für `provider: "local"` (den GGUF/llama.cpp- Provider), wenn dieser fehlschlägt. **Expliziter Provider nicht verfügbar.** Wenn Sie einen beliebigen anderen Provider explizit angeben (zum Beispiel `openai`, `ollama`, `gemini`) und dieser zum Zeitpunkt der Anfrage nicht verfügbar ist (ungültige Authentifizierung, Netzwerkfehler), meldet `memory_search` den Speicher als nicht verfügbar, statt stillschweigend auf reine FTS-Ergebnisse zurückzufallen. Dadurch bleibt ein fehlerhaft konfigurierter Provider sichtbar. Setzen Sie `provider: "none"` für einen bewussten reinen FTS-Abruf oder korrigieren Sie die Provider-/Authentifizierungskonfiguration, um die semantische Bewertung wiederherzustellen. ## Verbesserung der Suchqualität Zwei optionale Funktionen helfen bei einem umfangreichen Notizverlauf. ### Zeitlicher Verfall Alte Notizen verlieren schrittweise an Bewertungsgewicht, sodass aktuelle Informationen zuerst erscheinen. Bei der standardmäßigen Halbwertszeit von 30 Tagen erhält eine Notiz vom letzten Monat 50 % ihres ursprünglichen Gewichts. `MEMORY.md` und andere nicht datierte Dateien unter `memory/` sind dauerhaft aktuell und unterliegen keinem Verfall; nur datierte `memory/YYYY-MM-DD.md`-Dateien verfallen. Aktivieren Sie dies, wenn Ihr Agent über mehrere Monate täglicher Notizen verfügt und veraltete Informationen immer wieder höher als der aktuelle Kontext eingestuft werden. ### MMR (Diversität) Reduziert redundante Ergebnisse. Wenn fünf Notizen dieselbe Router-Konfiguration erwähnen, stellt MMR sicher, dass die besten Ergebnisse verschiedene Themen abdecken, statt sich zu wiederholen. Aktivieren Sie dies, wenn `memory_search` wiederholt nahezu identische Textausschnitte aus verschiedenen täglichen Notizen zurückgibt. ### Beides aktivieren ```json5 { agents: { defaults: { memorySearch: { query: { hybrid: { mmr: { enabled: true }, temporalDecay: { enabled: true }, }, }, }, }, }, } ``` ## Multimodaler Speicher Mit `gemini-embedding-2-preview` können Sie Bilder und Audio zusammen mit Markdown indizieren. Dies gilt nur für Dateien unter `memorySearch.extraPaths`; die standardmäßigen Speicherstammverzeichnisse (`MEMORY.md`, `memory/*.md`) bleiben ausschließlich auf Markdown beschränkt. Suchanfragen bleiben textbasiert, werden jedoch mit visuellen und Audioinhalten abgeglichen. Informationen zur Einrichtung finden Sie in der [Referenz zur Speicherkonfiguration](/de/reference/memory-config#multimodal-memory-gemini). ## Sitzungsspeichersuche Für den exakten Volltextabruf aus Sitzungstranskripten verwenden Sie [`sessions_search`](/concepts/session-search) und öffnen anschließend ein Ergebnis mit `sessions_history`. Die Sitzungsspeichersuche bleibt die semantische, experimentelle Ergänzung. Optional können Sie Sitzungstranskripte indizieren, damit `memory_search` frühere Unterhaltungen abrufen kann. Dies ist optional: Setzen Sie `experimental.sessionMemory: true` und fügen Sie `"sessions"` zu `sources` hinzu (der Standardwert für `sources` ist `["memory"]`). Sitzungstreffer beachten `tools.sessions.visibility`: Der Standardwert `"tree"` macht nur die aktuelle Sitzung und die von ihr gestarteten Sitzungen sichtbar. Um eine unabhängige Sitzung desselben Agenten aus einer anderen Sitzung abzurufen (zum Beispiel eine vom Gateway weitergeleitete Sitzung aus einer Direktnachricht), erweitern Sie die Sichtbarkeit auf `"agent"`. Wenn Sie das QMD-Backend verwenden, setzen Sie außerdem `memory.qmd.sessions.enabled: true`, damit Transkripte in die QMD-Sammlung exportiert werden; `experimental.sessionMemory` und `sources` allein exportieren keine Transkripte nach QMD. Siehe [Konfigurationsreferenz](/de/reference/memory-config#session-memory-search-experimental). ## Fehlerbehebung **Keine Ergebnisse?** Führen Sie `openclaw memory status` aus, um den Index zu überprüfen. Falls er leer ist, führen Sie `openclaw memory index --force` aus. **Nur Schlüsselworttreffer?** Ihr Embedding-Provider ist möglicherweise nicht konfiguriert. Prüfen Sie `openclaw memory status --deep`. **Zeitüberschreitung bei lokalen Embeddings?** `ollama`, `lmstudio` und `local` verwenden standardmäßig eine längere Zeitüberschreitung für Inline-Batches. Wenn der Host lediglich langsam ist, setzen Sie `agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds` und führen Sie `openclaw memory index --force` erneut aus. **CJK-Text nicht gefunden?** Erstellen Sie den FTS-Index mit `openclaw memory index --force` neu. ## Verwandte Themen - [Speicherübersicht](/de/concepts/memory) - [Active Memory](/de/concepts/active-memory) - [Integrierte Speicher-Engine](/de/concepts/memory-builtin) - [Referenz zur Speicherkonfiguration](/de/reference/memory-config)