---
read_when:
- คุณต้องการกำหนดค่าผู้ให้บริการค้นหาหน่วยความจำหรือโมเดลเอ็มเบดดิง
- คุณต้องการตั้งค่าแบ็กเอนด์ QMD
- คุณต้องการปรับแต่งการค้นหาแบบไฮบริด, MMR หรือการลดค่าน้ำหนักตามเวลา
- คุณต้องการเปิดใช้งานการทำดัชนีหน่วยความจำแบบหลายรูปแบบ
sidebarTitle: Memory config
summary: ปุ่มปรับการกำหนดค่าทั้งหมดสำหรับการค้นหาหน่วยความจำ ผู้ให้บริการ embedding, QMD, การค้นหาแบบไฮบริด และการทำดัชนีแบบหลายโมดัล
title: ข้อมูลอ้างอิงการกำหนดค่า Memory
x-i18n:
generated_at: "2026-06-28T22:34:28Z"
model: gpt-5.5
postprocess_version: locale-links-v1
provider: openai
source_hash: de7d1c23cd415293001ef59ae2572cd7bfe9a88c70c1e4cf138ee60664ff0ac2
source_path: reference/memory-config.md
workflow: 16
---
หน้านี้แสดงรายการตัวเลือกการกำหนดค่าทั้งหมดสำหรับการค้นหาหน่วยความจำของ OpenClaw สำหรับภาพรวมเชิงแนวคิด โปรดดู:
วิธีการทำงานของหน่วยความจำ
แบ็กเอนด์ SQLite เริ่มต้น
ไซด์คาร์แบบ local-first
ไปป์ไลน์การค้นหาและการปรับแต่ง
เอเจนต์ย่อยหน่วยความจำสำหรับเซสชันแบบโต้ตอบ
การตั้งค่าการค้นหาหน่วยความจำทั้งหมดอยู่ภายใต้ `agents.defaults.memorySearch` ใน `openclaw.json` เว้นแต่จะระบุไว้เป็นอย่างอื่น
หากคุณกำลังมองหาสวิตช์เปิดปิดฟีเจอร์ **Active Memory** และการกำหนดค่าเอเจนต์ย่อย สิ่งนั้นอยู่ภายใต้ `plugins.entries.active-memory` แทน `memorySearch`
Active Memory ใช้โมเดลสองด่าน:
1. ต้องเปิดใช้ plugin และกำหนดเป้าหมายเป็น id ของเอเจนต์ปัจจุบัน
2. คำขอต้องเป็นเซสชันแชตถาวรแบบโต้ตอบที่เข้าเกณฑ์
ดู [Active Memory](/th/concepts/active-memory) สำหรับโมเดลการเปิดใช้งาน การกำหนดค่าที่ plugin เป็นเจ้าของ การคงอยู่ของทรานสคริปต์ และรูปแบบการทยอยเปิดใช้อย่างปลอดภัย
---
## การเลือกผู้ให้บริการ
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ---------- | --------- | ---------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `provider` | `string` | `"openai"` | ID อะแดปเตอร์ embedding เช่น `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `openai-compatible` หรือ `voyage`; อาจเป็น `models.providers.` ที่กำหนดค่าไว้ซึ่ง `api` ชี้ไปยังอะแดปเตอร์ embedding หน่วยความจำหรือ API โมเดลที่เข้ากันได้กับ OpenAI |
| `model` | `string` | ค่าเริ่มต้นของผู้ให้บริการ | ชื่อโมเดล embedding |
| `fallback` | `string` | `"none"` | ID อะแดปเตอร์ fallback เมื่อตัวหลักล้มเหลว |
| `enabled` | `boolean` | `true` | เปิดหรือปิดการค้นหาหน่วยความจำ |
เมื่อไม่ได้ตั้งค่า `provider` OpenClaw จะใช้ embeddings ของ OpenAI ตั้งค่า `provider`
อย่างชัดเจนเพื่อใช้ Gemini, Voyage, Mistral, DeepInfra, Bedrock, GitHub Copilot,
Ollama, โมเดล GGUF ภายในเครื่อง หรือ endpoint `/v1/embeddings` ที่เข้ากันได้กับ OpenAI
การกำหนดค่าเดิมที่ยังระบุ `provider: "auto"` จะ resolve เป็น `openai`
การเปลี่ยนผู้ให้บริการ embedding, โมเดล, การตั้งค่าผู้ให้บริการ, แหล่งข้อมูล, ขอบเขต,
การแบ่ง chunk หรือ tokenizer อาจทำให้ดัชนีเวกเตอร์ SQLite ที่มีอยู่ไม่เข้ากัน
OpenClaw จะหยุดการค้นหาเวกเตอร์ชั่วคราวและรายงานคำเตือนเอกลักษณ์ดัชนีแทนการ
re-embed ทุกอย่างโดยอัตโนมัติ สร้างใหม่เมื่อคุณพร้อมด้วย
`openclaw memory status --index --agent ` หรือ
`openclaw memory index --force --agent `
เมื่อไม่ได้ตั้งค่า `provider`, มี `provider: "auto"` แบบเดิมอยู่ หรือ
`provider: "none"` จงใจเลือกโหมด FTS-only การเรียกคืนหน่วยความจำยังสามารถ
ใช้การจัดอันดับ FTS แบบ lexical ได้เมื่อ embeddings ไม่พร้อมใช้งาน
ผู้ให้บริการที่ไม่ใช่ภายในเครื่องซึ่งระบุอย่างชัดเจนจะล้มเหลวแบบปิด หากคุณตั้งค่า `memorySearch.provider` เป็น
ผู้ให้บริการที่มีแบ็กเอนด์ระยะไกลแบบเจาะจง เช่น OpenAI, Gemini, Voyage, Mistral,
Bedrock, GitHub Copilot, DeepInfra, Ollama, LM Studio หรือผู้ให้บริการกำหนดเอง
ที่เข้ากันได้กับ OpenAI และผู้ให้บริการนั้นไม่พร้อมใช้งานขณะรัน `memory_search`
จะส่งคืนผลลัพธ์ไม่พร้อมใช้งานแทนการใช้การเรียกคืนแบบ FTS-only อย่างเงียบ ๆ แก้ไข
การกำหนดค่าผู้ให้บริการ/auth สลับไปใช้ผู้ให้บริการที่เข้าถึงได้ หรือตั้งค่า
`provider: "none"` หากคุณต้องการการเรียกคืนแบบ FTS-only โดยเจตนา
### ID ผู้ให้บริการกำหนดเอง
`memorySearch.provider` สามารถชี้ไปยังรายการ `models.providers.` กำหนดเองสำหรับอะแดปเตอร์ผู้ให้บริการเฉพาะหน่วยความจำ เช่น `ollama` หรือสำหรับ API โมเดลที่เข้ากันได้กับ OpenAI เช่น `openai-responses` / `openai-completions` OpenClaw จะ resolve เจ้าของ `api` ของผู้ให้บริการนั้นสำหรับอะแดปเตอร์ embedding ขณะคง ID ผู้ให้บริการกำหนดเองไว้สำหรับ endpoint, auth และการจัดการ model-prefix วิธีนี้ช่วยให้การตั้งค่าแบบหลาย GPU หรือหลายโฮสต์จัดสรร embeddings หน่วยความจำให้กับ endpoint ภายในเครื่องแบบเจาะจงได้:
```json5
{
models: {
providers: {
"ollama-5080": {
api: "ollama",
baseUrl: "http://gpu-box.local:11435",
apiKey: "ollama-local",
models: [{ id: "qwen3-embedding:0.6b" }],
},
},
},
agents: {
defaults: {
memorySearch: {
provider: "ollama-5080",
model: "qwen3-embedding:0.6b",
},
},
},
}
```
### การ resolve คีย์ API
Embeddings ระยะไกลต้องใช้คีย์ API Bedrock ใช้ credential chain เริ่มต้นของ AWS SDK แทน (instance roles, SSO, access keys)
| ผู้ให้บริการ | Env var | คีย์การกำหนดค่า |
| -------------- | -------------------------------------------------- | ----------------------------------- |
| Bedrock | AWS credential chain | ไม่ต้องใช้คีย์ API |
| DeepInfra | `DEEPINFRA_API_KEY` | `models.providers.deepinfra.apiKey` |
| Gemini | `GEMINI_API_KEY` | `models.providers.google.apiKey` |
| GitHub Copilot | `COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN` | โปรไฟล์ auth ผ่านการเข้าสู่ระบบด้วยอุปกรณ์ |
| Mistral | `MISTRAL_API_KEY` | `models.providers.mistral.apiKey` |
| Ollama | `OLLAMA_API_KEY` (placeholder) | -- |
| OpenAI | `OPENAI_API_KEY` | `models.providers.openai.apiKey` |
| Voyage | `VOYAGE_API_KEY` | `models.providers.voyage.apiKey` |
Codex OAuth ครอบคลุมเฉพาะแชต/completions และไม่ตอบสนองคำขอ embedding
---
## การกำหนดค่า endpoint ระยะไกล
ใช้ `provider: "openai-compatible"` สำหรับเซิร์ฟเวอร์ `/v1/embeddings`
ทั่วไปที่เข้ากันได้กับ OpenAI ซึ่งไม่ควรสืบทอดข้อมูลรับรองแชต OpenAI ส่วนกลาง
URL ฐาน API กำหนดเอง
แทนที่คีย์ API
ส่วนหัว HTTP เพิ่มเติม (ผสานกับค่าเริ่มต้นของผู้ให้บริการ)
```json5
{
agents: {
defaults: {
memorySearch: {
provider: "openai-compatible",
model: "text-embedding-3-small",
remote: {
baseUrl: "https://api.example.com/v1/",
apiKey: "YOUR_KEY",
},
},
},
},
}
```
---
## การกำหนดค่าเฉพาะผู้ให้บริการ
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------- | -------- | ---------------------- | ------------------------------------------ |
| `model` | `string` | `gemini-embedding-001` | รองรับ `gemini-embedding-2-preview` ด้วย |
| `outputDimensionality` | `number` | `3072` | สำหรับ Embedding 2: 768, 1536 หรือ 3072 |
การเปลี่ยนโมเดลหรือ `outputDimensionality` จะเปลี่ยนเอกลักษณ์ของดัชนี OpenClaw
จะหยุดการค้นหาเวกเตอร์ชั่วคราวจนกว่าคุณจะสร้างดัชนีหน่วยความจำใหม่อย่างชัดเจน
Endpoint embedding ที่เข้ากันได้กับ OpenAI สามารถเลือกใช้ฟิลด์คำขอ `input_type` เฉพาะผู้ให้บริการได้ สิ่งนี้มีประโยชน์สำหรับโมเดล embedding แบบ asymmetric ที่ต้องใช้ป้ายกำกับต่างกันสำหรับ embeddings ของคำค้นและเอกสาร
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ------------------- | -------- | ------- | ------------------------------------------------------- |
| `inputType` | `string` | ไม่ได้ตั้งค่า | `input_type` ที่ใช้ร่วมกันสำหรับ embeddings ของคำค้นและเอกสาร |
| `queryInputType` | `string` | ไม่ได้ตั้งค่า | `input_type` ณ เวลาค้นหา; แทนที่ `inputType` |
| `documentInputType` | `string` | ไม่ได้ตั้งค่า | `input_type` ของดัชนี/เอกสาร; แทนที่ `inputType` |
```json5
{
agents: {
defaults: {
memorySearch: {
provider: "openai-compatible",
remote: {
baseUrl: "https://embeddings.example/v1",
apiKey: "${EMBEDDINGS_API_KEY}",
},
model: "asymmetric-embedder",
queryInputType: "query",
documentInputType: "passage",
},
},
},
}
```
การเปลี่ยนค่าเหล่านี้มีผลต่อเอกลักษณ์แคช embedding สำหรับการทำดัชนีแบบแบตช์ของผู้ให้บริการ และควรตามด้วยการ reindex หน่วยความจำเมื่อโมเดลต้นทางปฏิบัติต่อป้ายกำกับแตกต่างกัน
### การกำหนดค่า embedding ของ Bedrock
Bedrock ใช้ credential chain เริ่มต้นของ AWS SDK โดยไม่ต้องใช้คีย์ API หาก OpenClaw รันบน EC2 พร้อม instance role ที่เปิดใช้ Bedrock เพียงตั้งค่าผู้ให้บริการและโมเดล:
```json5
{
agents: {
defaults: {
memorySearch: {
provider: "bedrock",
model: "amazon.titan-embed-text-v2:0",
},
},
},
}
```
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------- | -------- | ------------------------------ | ------------------------------- |
| `model` | `string` | `amazon.titan-embed-text-v2:0` | ID โมเดล embedding ของ Bedrock ใดก็ได้ |
| `outputDimensionality` | `number` | ค่าเริ่มต้นของโมเดล | สำหรับ Titan V2: 256, 512 หรือ 1024 |
**โมเดลที่รองรับ** (พร้อมการตรวจจับ family และค่าเริ่มต้นของมิติ):
| ID โมเดล | ผู้ให้บริการ | มิติเริ่มต้น | มิติที่กำหนดค่าได้ |
| ------------------------------------------ | ---------- | ------------ | -------------------- |
| `amazon.titan-embed-text-v2:0` | Amazon | 1024 | 256, 512, 1024 |
| `amazon.titan-embed-text-v1` | Amazon | 1536 | -- |
| `amazon.titan-embed-g1-text-02` | Amazon | 1536 | -- |
| `amazon.titan-embed-image-v1` | Amazon | 1024 | -- |
| `amazon.nova-2-multimodal-embeddings-v1:0` | Amazon | 1024 | 256, 384, 1024, 3072 |
| `cohere.embed-english-v3` | Cohere | 1024 | -- |
| `cohere.embed-multilingual-v3` | Cohere | 1024 | -- |
| `cohere.embed-v4:0` | Cohere | 1536 | 256-1536 |
| `twelvelabs.marengo-embed-3-0-v1:0` | TwelveLabs | 512 | -- |
| `twelvelabs.marengo-embed-2-7-v1:0` | TwelveLabs | 1024 | -- |
ตัวแปรที่มีส่วนต่อท้ายด้านปริมาณงาน (เช่น `amazon.titan-embed-text-v1:2:8k`) จะสืบทอดการกำหนดค่าของโมเดลฐาน
**การยืนยันตัวตน:** การยืนยันตัวตนของ Bedrock ใช้ลำดับการแก้ไขข้อมูลประจำตัวมาตรฐานของ AWS SDK:
1. ตัวแปรสภาพแวดล้อม (`AWS_ACCESS_KEY_ID` + `AWS_SECRET_ACCESS_KEY`)
2. แคชโทเค็น SSO
3. ข้อมูลประจำตัวโทเค็น Web identity
4. ไฟล์ข้อมูลประจำตัวและไฟล์กำหนดค่าที่ใช้ร่วมกัน
5. ข้อมูลประจำตัวเมตาดาต้า ECS หรือ EC2
ภูมิภาคจะถูกแก้ไขจาก `AWS_REGION`, `AWS_DEFAULT_REGION`, `baseUrl` ของผู้ให้บริการ `amazon-bedrock` หรือใช้ค่าเริ่มต้นเป็น `us-east-1`
**สิทธิ์ IAM:** บทบาทหรือผู้ใช้ IAM ต้องมี:
```json
{
"Effect": "Allow",
"Action": "bedrock:InvokeModel",
"Resource": "*"
}
```
เพื่อใช้สิทธิ์น้อยที่สุด ให้จำกัดขอบเขต `InvokeModel` ไว้ที่โมเดลเฉพาะ:
```
arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0
```
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| --------------------- | ------------------ | ---------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `local.modelPath` | `string` | ดาวน์โหลดอัตโนมัติ | เส้นทางไปยังไฟล์โมเดล GGUF |
| `local.modelCacheDir` | `string` | ค่าเริ่มต้นของ node-llama-cpp | ไดเรกทอรีแคชสำหรับโมเดลที่ดาวน์โหลด |
| `local.contextSize` | `number \| "auto"` | `4096` | ขนาดหน้าต่างบริบทสำหรับบริบทการฝัง 4096 ครอบคลุมชังก์ทั่วไป (128–512 โทเค็น) พร้อมจำกัด VRAM ที่ไม่ใช่น้ำหนัก ลดลงเป็น 1024–2048 บนโฮสต์ที่มีข้อจำกัด `"auto"` ใช้ค่าสูงสุดที่โมเดลได้รับการฝึกมา — ไม่แนะนำสำหรับโมเดล 8B+ (Qwen3-Embedding-8B: 40 960 โทเค็น → VRAM ~32 GB เทียบกับ ~8.8 GB ที่ 4096) |
ติดตั้งผู้ให้บริการ llama.cpp อย่างเป็นทางการก่อน: `openclaw plugins install @openclaw/llama-cpp-provider`
โมเดลเริ่มต้น: `embeddinggemma-300m-qat-Q8_0.gguf` (~0.6 GB, ดาวน์โหลดอัตโนมัติ) เช็กเอาต์ซอร์สยังคงต้องอนุมัติการสร้างแบบเนทีฟ: `pnpm approve-builds` จากนั้น `pnpm rebuild node-llama-cpp`
ใช้ CLI แบบสแตนด์อโลนเพื่อตรวจสอบเส้นทางผู้ให้บริการเดียวกับที่ Gateway ใช้:
```bash
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
```
ตั้งค่า `provider: "local"` อย่างชัดเจนสำหรับการฝัง GGUF ในเครื่อง รองรับการอ้างอิงโมเดล `hf:` และ HTTP(S) สำหรับการกำหนดค่าในเครื่องแบบชัดเจน แต่จะไม่เปลี่ยนผู้ให้บริการเริ่มต้น
### หมดเวลาการฝังแบบอินไลน์
แทนที่ค่าหมดเวลาสำหรับแบตช์การฝังแบบอินไลน์ระหว่างการทำดัชนีหน่วยความจำ
หากไม่ได้ตั้งค่า จะใช้ค่าเริ่มต้นของผู้ให้บริการ: 600 วินาทีสำหรับผู้ให้บริการในเครื่อง/โฮสต์เอง เช่น `local`, `ollama` และ `lmstudio` และ 120 วินาทีสำหรับผู้ให้บริการแบบโฮสต์ เพิ่มค่านี้เมื่อแบตช์การฝังที่ถูกจำกัดด้วย CPU ในเครื่องทำงานปกติแต่ช้า
---
## การกำหนดค่าการค้นหาแบบไฮบริด
ทั้งหมดอยู่ภายใต้ `memorySearch.query.hybrid`:
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| --------------------- | --------- | ------- | ---------------------------------- |
| `enabled` | `boolean` | `true` | เปิดใช้การค้นหาแบบไฮบริด BM25 + เวกเตอร์ |
| `vectorWeight` | `number` | `0.7` | น้ำหนักสำหรับคะแนนเวกเตอร์ (0-1) |
| `textWeight` | `number` | `0.3` | น้ำหนักสำหรับคะแนน BM25 (0-1) |
| `candidateMultiplier` | `number` | `4` | ตัวคูณขนาดพูลผู้สมัคร |
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ------------- | --------- | ------- | ------------------------------------ |
| `mmr.enabled` | `boolean` | `false` | เปิดใช้การจัดอันดับใหม่ด้วย MMR |
| `mmr.lambda` | `number` | `0.7` | 0 = ความหลากหลายสูงสุด, 1 = ความเกี่ยวข้องสูงสุด |
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------------- | --------- | ------- | ------------------------- |
| `temporalDecay.enabled` | `boolean` | `false` | เปิดใช้การเพิ่มคะแนนตามความใหม่ |
| `temporalDecay.halfLifeDays` | `number` | `30` | คะแนนลดลงครึ่งหนึ่งทุก N วัน |
ไฟล์ Evergreen (`MEMORY.md`, ไฟล์ที่ไม่มีวันที่ใน `memory/`) จะไม่ถูกลดน้ำหนักตามเวลา
### ตัวอย่างเต็ม
```json5
{
agents: {
defaults: {
memorySearch: {
query: {
hybrid: {
vectorWeight: 0.7,
textWeight: 0.3,
mmr: { enabled: true, lambda: 0.7 },
temporalDecay: { enabled: true, halfLifeDays: 30 },
},
},
},
},
},
}
```
---
## เส้นทางหน่วยความจำเพิ่มเติม
| คีย์ | ประเภท | คำอธิบาย |
| ------------ | ---------- | ---------------------------------------- |
| `extraPaths` | `string[]` | ไดเรกทอรีหรือไฟล์เพิ่มเติมสำหรับทำดัชนี |
```json5
{
agents: {
defaults: {
memorySearch: {
extraPaths: ["../team-docs", "/srv/shared-notes"],
},
},
},
}
```
เส้นทางอาจเป็นแบบสัมบูรณ์หรือสัมพันธ์กับเวิร์กสเปซก็ได้ ไดเรกทอรีจะถูกสแกนแบบเรียกซ้ำเพื่อหาไฟล์ `.md` การจัดการ symlink ขึ้นอยู่กับแบ็กเอนด์ที่ใช้งานอยู่: เอนจินในตัวจะไม่สนใจ symlink ขณะที่ QMD จะทำตามพฤติกรรมของสแกนเนอร์ QMD พื้นฐาน
สำหรับการค้นหาทรานสคริปต์ข้ามเอเจนต์ที่มีขอบเขตตามเอเจนต์ ให้ใช้ `agents.list[].memorySearch.qmd.extraCollections` แทน `memory.qmd.paths` คอลเลกชันเพิ่มเติมเหล่านั้นใช้รูปแบบ `{ path, name, pattern? }` เดียวกัน แต่จะถูกผสานแยกตามแต่ละเอเจนต์ และสามารถคงชื่อที่แชร์ไว้อย่างชัดเจนเมื่อเส้นทางชี้ไปนอกเวิร์กสเปซปัจจุบัน หากเส้นทางที่ resolve แล้วเส้นทางเดียวกันปรากฏทั้งใน `memory.qmd.paths` และ `memorySearch.qmd.extraCollections` QMD จะเก็บรายการแรกไว้และข้ามรายการที่ซ้ำ
---
## หน่วยความจำหลายโมดัล (Gemini)
ทำดัชนีรูปภาพและเสียงควบคู่กับ Markdown โดยใช้ Gemini Embedding 2:
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------- | ---------- | ---------- | -------------------------------------- |
| `multimodal.enabled` | `boolean` | `false` | เปิดใช้การทำดัชนีหลายโมดัล |
| `multimodal.modalities` | `string[]` | -- | `["image"]`, `["audio"]`, หรือ `["all"]` |
| `multimodal.maxFileBytes` | `number` | `10000000` | ขนาดไฟล์สูงสุดสำหรับการทำดัชนี |
ใช้กับไฟล์ใน `extraPaths` เท่านั้น รูทหน่วยความจำเริ่มต้นยังคงเป็น Markdown เท่านั้น ต้องใช้ `gemini-embedding-2-preview` `fallback` ต้องเป็น `"none"`
รูปแบบที่รองรับ: `.jpg`, `.jpeg`, `.png`, `.webp`, `.gif`, `.heic`, `.heif` (รูปภาพ); `.mp3`, `.wav`, `.ogg`, `.opus`, `.m4a`, `.aac`, `.flac` (เสียง)
---
## แคช Embedding
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------ | --------- | ------- | -------------------------------- |
| `cache.enabled` | `boolean` | `true` | แคช embedding ของชังก์ใน SQLite |
| `cache.maxEntries` | `number` | `50000` | จำนวน embedding ที่แคชได้สูงสุด |
ป้องกันการ embedding ข้อความที่ไม่เปลี่ยนแปลงซ้ำระหว่างการทำดัชนีใหม่หรือการอัปเดตทรานสคริปต์
---
## การทำดัชนีแบบแบตช์
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ----------------------------- | --------- | ------- | -------------------------- |
| `remote.nonBatchConcurrency` | `number` | `4` | embedding แบบอินไลน์แบบขนาน |
| `remote.batch.enabled` | `boolean` | `false` | เปิดใช้ API embedding แบบแบตช์ |
| `remote.batch.concurrency` | `number` | `2` | งานแบตช์แบบขนาน |
| `remote.batch.wait` | `boolean` | `true` | รอให้แบตช์เสร็จสมบูรณ์ |
| `remote.batch.pollIntervalMs` | `number` | -- | ช่วงเวลาการ poll |
| `remote.batch.timeoutMinutes` | `number` | -- | หมดเวลาของแบตช์ |
พร้อมใช้งานสำหรับ `openai`, `gemini` และ `voyage` โดยทั่วไป แบตช์ของ OpenAI จะเร็วที่สุดและมีต้นทุนต่ำที่สุดสำหรับการเติมข้อมูลย้อนหลังขนาดใหญ่
`remote.nonBatchConcurrency` ควบคุมการเรียก embedding แบบอินไลน์ที่ใช้โดยผู้ให้บริการแบบโลคัล/โฮสต์เอง และผู้ให้บริการแบบโฮสต์เมื่อ API แบตช์ของผู้ให้บริการไม่ได้ทำงานอยู่ Ollama มีค่าเริ่มต้นเป็น `1` สำหรับการทำดัชนีแบบไม่ใช้แบตช์ เพื่อหลีกเลี่ยงการใช้งานโฮสต์โลคัลขนาดเล็กมากเกินไป ตั้งค่าให้สูงขึ้นบนเครื่องที่ใหญ่กว่า
ค่านี้แยกจาก `sync.embeddingBatchTimeoutSeconds` ซึ่งควบคุมการหมดเวลาสำหรับการเรียก embedding แบบอินไลน์
---
## การค้นหาหน่วยความจำเซสชัน (ทดลอง)
ทำดัชนีทรานสคริปต์ของเซสชันและแสดงผ่าน `memory_search`:
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ----------------------------- | ---------- | ------------ | --------------------------------------- |
| `experimental.sessionMemory` | `boolean` | `false` | เปิดใช้การทำดัชนีเซสชัน |
| `sources` | `string[]` | `["memory"]` | เพิ่ม `"sessions"` เพื่อรวมทรานสคริปต์ |
| `sync.sessions.deltaBytes` | `number` | `100000` | เกณฑ์จำนวนไบต์สำหรับการทำดัชนีใหม่ |
| `sync.sessions.deltaMessages` | `number` | `50` | เกณฑ์จำนวนข้อความสำหรับการทำดัชนีใหม่ |
การทำดัชนีเซสชันเป็นแบบเลือกเปิดใช้และทำงานแบบอะซิงโครนัส ผลลัพธ์อาจล้าสมัยเล็กน้อย บันทึกเซสชันอยู่บนดิสก์ ดังนั้นให้ถือว่าการเข้าถึงระบบไฟล์เป็นขอบเขตความเชื่อถือ
ผลลัพธ์จากทรานสคริปต์ของเซสชันยังเป็นไปตาม
[`tools.sessions.visibility`](/th/gateway/config-tools#toolssessions) ด้วย ค่าเริ่มต้นของการมองเห็นแบบ
`tree` จะเปิดเผยเฉพาะเซสชันปัจจุบันและเซสชันที่เซสชันนั้นสร้างขึ้น หากต้องการ
เรียกคืนเซสชันของเอเจนต์เดียวกันที่ Gateway ส่งงาน แต่ไม่เกี่ยวข้องกัน จากเซสชันอื่น
เช่น DM ให้ตั้งใจขยายการมองเห็นเป็น `agent` (หรือ `all` เฉพาะเมื่อจำเป็นต้องเรียกคืนข้ามเอเจนต์ด้วย
และนโยบายเอเจนต์ถึงเอเจนต์อนุญาต)
ตัวอย่างด้านล่างวางการตั้งค่าเหล่านี้ไว้ใต้ `agents.defaults` คุณยังสามารถ
ใช้การตั้งค่า `memorySearch` ที่เทียบเท่ากันในการแทนที่รายเอเจนต์ได้ เมื่อมีเพียง
เอเจนต์เดียวที่ควรจัดทำดัชนีและค้นหาทรานสคริปต์ของเซสชัน
สำหรับการเรียกคืนจาก Gateway ไปยัง DM ในเอเจนต์เดียวกัน:
```json5
{
agents: {
defaults: {
memorySearch: {
experimental: { sessionMemory: true },
sources: ["memory", "sessions"],
},
},
},
tools: {
sessions: { visibility: "agent" },
},
}
```
```json5
{
agents: {
defaults: {
memorySearch: {
experimental: { sessionMemory: true },
sources: ["memory", "sessions"],
},
},
},
memory: {
backend: "qmd",
qmd: {
sessions: { enabled: true },
},
},
tools: {
sessions: { visibility: "agent" },
},
}
```
เมื่อใช้ QMD, `agents.defaults.memorySearch.experimental.sessionMemory` และ
`sources: ["sessions"]` จะไม่ส่งออกทรานสคริปต์เข้าไปยัง QMD ด้วยตัวเอง ให้ตั้งค่า
`memory.qmd.sessions.enabled: true` ด้วย
---
## การเร่งความเร็วเวกเตอร์ SQLite (sqlite-vec)
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------------- | --------- | ------- | --------------------------------- |
| `store.vector.enabled` | `boolean` | `true` | ใช้ sqlite-vec สำหรับคิวรีเวกเตอร์ |
| `store.vector.extensionPath` | `string` | ที่รวมมาให้ | แทนที่พาธ sqlite-vec |
เมื่อ sqlite-vec ไม่พร้อมใช้งาน OpenClaw จะถอยกลับไปใช้ cosine similarity ภายในโปรเซสโดยอัตโนมัติ
---
## พื้นที่จัดเก็บดัชนี
ดัชนีหน่วยความจำในตัวอยู่ในฐานข้อมูล OpenClaw SQLite ของแต่ละเอเจนต์ที่
`agents//agent/openclaw-agent.sqlite`
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| --------------------- | -------- | ----------- | ----------------------------------------- |
| `store.fts.tokenizer` | `string` | `unicode61` | ตัวตัดคำ FTS5 (`unicode61` หรือ `trigram`) |
---
## การกำหนดค่าแบ็กเอนด์ QMD
ตั้งค่า `memory.backend = "qmd"` เพื่อเปิดใช้งาน การตั้งค่า QMD ทั้งหมดอยู่ใต้ `memory.qmd`:
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------ | --------- | -------- | ------------------------------------------------------------------------------------- |
| `command` | `string` | `qmd` | พาธไฟล์ปฏิบัติการ QMD; ตั้งเป็นพาธแบบสัมบูรณ์เมื่อ `PATH` ของบริการต่างจากเชลล์ของคุณ |
| `searchMode` | `string` | `search` | คำสั่งค้นหา: `search`, `vsearch`, `query` |
| `rerank` | `boolean` | -- | ตั้งเป็น `false` พร้อม `searchMode: "query"` และ QMD 2.1+ เพื่อข้ามการจัดอันดับซ้ำของ QMD |
| `includeDefaultMemory` | `boolean` | `true` | จัดทำดัชนี `MEMORY.md` + `memory/**/*.md` โดยอัตโนมัติ |
| `paths[]` | `array` | -- | พาธเพิ่มเติม: `{ name, path, pattern? }` |
| `sessions.enabled` | `boolean` | `false` | ส่งออกทรานสคริปต์ของเซสชันเข้าไปยัง QMD |
| `sessions.retentionDays` | `number` | -- | ระยะเวลาเก็บรักษาทรานสคริปต์ |
| `sessions.exportDir` | `string` | -- | ไดเรกทอรีส่งออก |
`searchMode: "search"` เป็นแบบ lexical/BM25 เท่านั้น OpenClaw จะไม่เรียกโพรบความพร้อมของเวกเตอร์เชิงความหมายหรือการดูแลรักษา embedding ของ QMD สำหรับโหมดนั้น รวมถึงระหว่าง `memory status --deep`; `vsearch` และ `query` ยังคงต้องใช้ความพร้อมของเวกเตอร์ QMD และ embeddings
`rerank: false` เปลี่ยนเฉพาะโหมด `query` ของ QMD และต้องใช้ QMD 2.1 หรือใหม่กว่า ในโหมด CLI โดยตรง OpenClaw จะส่ง `--no-rerank`; ในโหมด MCP ที่ใช้ mcporter หนุนหลัง จะส่ง `rerank: false` ไปยังเครื่องมือคิวรีแบบรวมของ QMD ปล่อยไว้โดยไม่ตั้งค่าเพื่อใช้พฤติกรรมการจัดอันดับซ้ำของคิวรีตามค่าเริ่มต้นของ QMD
OpenClaw เลือกใช้รูปแบบ collection และคิวรี MCP ปัจจุบันของ QMD เป็นหลัก แต่ยังคงให้ QMD รุ่นเก่าทำงานได้โดยลองใช้แฟล็กรูปแบบ collection ที่เข้ากันได้และชื่อเครื่องมือ MCP แบบเก่าเมื่อจำเป็น เมื่อ QMD ประกาศว่ารองรับตัวกรอง collection หลายรายการ จะค้นหา collection จากแหล่งเดียวกันด้วยโปรเซส QMD เดียว; บิลด์ QMD รุ่นเก่าจะคงพาธความเข้ากันได้แบบต่อ collection ไว้ แหล่งเดียวกันหมายถึง collection หน่วยความจำถาวรถูกจัดกลุ่มรวมกัน ขณะที่ collection ทรานสคริปต์ของเซสชันยังคงเป็นอีกกลุ่มหนึ่ง เพื่อให้การกระจายแหล่งที่มายังมีอินพุตทั้งสองประเภท
การแทนที่โมเดล QMD จะอยู่ฝั่ง QMD ไม่ใช่การกำหนดค่า OpenClaw หากคุณจำเป็นต้องแทนที่โมเดลของ QMD แบบทั่วทั้งระบบ ให้ตั้งค่าตัวแปรสภาพแวดล้อม เช่น `QMD_EMBED_MODEL`, `QMD_RERANK_MODEL` และ `QMD_GENERATE_MODEL` ในสภาพแวดล้อมรันไทม์ของ Gateway
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------- | --------- | ------- | ------------------------------------- |
| `update.interval` | `string` | `5m` | ช่วงเวลาการรีเฟรช |
| `update.debounceMs` | `number` | `15000` | หน่วงการเปลี่ยนแปลงไฟล์ |
| `update.onBoot` | `boolean` | `true` | รีเฟรชเมื่อผู้จัดการ QMD ที่ทำงานระยะยาวเปิดขึ้น; ตั้งเป็น false เพื่อข้ามการอัปเดตทันทีตอนบูต |
| `update.startup` | `string` | `off` | การเริ่มต้น QMD ตอน Gateway เริ่มทำงานแบบเลือกได้: `off`, `idle` หรือ `immediate` |
| `update.startupDelayMs` | `number` | `120000` | หน่วงเวลาก่อนที่การรีเฟรช `startup: "idle"` จะทำงาน |
| `update.waitForBootSync` | `boolean` | `false` | บล็อกการเปิดผู้จัดการจนกว่าการรีเฟรชครั้งแรกจะเสร็จ |
| `update.embedInterval` | `string` | -- | จังหวะการ embed แยกต่างหาก |
| `update.commandTimeoutMs` | `number` | -- | เวลาหมดอายุสำหรับคำสั่ง QMD |
| `update.updateTimeoutMs` | `number` | -- | เวลาหมดอายุสำหรับการดำเนินการอัปเดต QMD |
| `update.embedTimeoutMs` | `number` | -- | เวลาหมดอายุสำหรับการดำเนินการ embed ของ QMD |
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------- | -------- | ------- | -------------------------- |
| `limits.maxResults` | `number` | `6` | ผลลัพธ์การค้นหาสูงสุด |
| `limits.maxSnippetChars` | `number` | -- | จำกัดความยาว snippet |
| `limits.maxInjectedChars` | `number` | -- | จำกัดจำนวนอักขระที่ inject ทั้งหมด |
| `limits.timeoutMs` | `number` | `4000` | เวลาหมดอายุการค้นหา |
ควบคุมว่า session ใดสามารถรับผลลัพธ์การค้นหา QMD ได้ ใช้ schema เดียวกับ [`session.sendPolicy`](/th/gateway/config-agents#session):
```json5
{
memory: {
qmd: {
scope: {
default: "deny",
rules: [{ action: "allow", match: { chatType: "direct" } }],
},
},
},
}
```
ค่าเริ่มต้นที่จัดส่งมาอนุญาต session แบบ direct และ channel แต่ยังคงปฏิเสธกลุ่ม
ค่าเริ่มต้นคือเฉพาะ DM เท่านั้น `match.keyPrefix` ตรงกับคีย์ session ที่ normalize แล้ว; `match.rawKeyPrefix` ตรงกับคีย์ดิบที่รวม `agent::` ด้วย
`memory.citations` ใช้กับ backend ทั้งหมด:
| ค่า | พฤติกรรม |
| ---------------- | --------------------------------------------------- |
| `auto` (ค่าเริ่มต้น) | รวมส่วนท้าย `Source: ` ใน snippet |
| `on` | รวมส่วนท้ายเสมอ |
| `off` | ละเว้นส่วนท้าย (ยังส่ง path ให้ agent ภายใน) |
เมื่อเปิดใช้การเริ่มต้น QMD ตอน Gateway เริ่มทำงาน OpenClaw จะเริ่ม QMD เฉพาะสำหรับ agent ที่เข้าเกณฑ์เท่านั้น หาก `update.onBoot` เป็น true และไม่ได้กำหนดค่าการดูแลรักษา interval/embed การเริ่มต้นจะใช้ผู้จัดการแบบทำครั้งเดียวสำหรับการรีเฟรชตอนบูตแล้วปิด หากกำหนดค่า update หรือ embed interval ไว้ การเริ่มต้นจะเปิดผู้จัดการ QMD ที่ทำงานระยะยาวเพื่อให้เป็นเจ้าของ watcher และตัวจับเวลา interval; `update.onBoot: false` จะข้ามเฉพาะการรีเฟรชทันทีตอนบูตเท่านั้น
### ตัวอย่าง QMD แบบเต็ม
```json5
{
memory: {
backend: "qmd",
citations: "auto",
qmd: {
includeDefaultMemory: true,
update: { interval: "5m", debounceMs: 15000 },
limits: { maxResults: 6, timeoutMs: 4000 },
scope: {
default: "deny",
rules: [{ action: "allow", match: { chatType: "direct" } }],
},
paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
},
},
}
```
---
## Dreaming
กำหนดค่า Dreaming ภายใต้ `plugins.entries.memory-core.config.dreaming` ไม่ใช่ภายใต้ `agents.defaults.memorySearch`
Dreaming ทำงานเป็นการกวาดตามกำหนดเวลาหนึ่งครั้ง และใช้เฟส light/deep/REM ภายในเป็นรายละเอียดการนำไปใช้
สำหรับพฤติกรรมเชิงแนวคิดและคำสั่ง slash โปรดดู [Dreaming](/th/concepts/dreaming)
### การตั้งค่าผู้ใช้
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| -------------------------------------- | --------- | ------------- | -------------------------------------------------------------------------------------------------------------------------------- |
| `enabled` | `boolean` | `false` | เปิดหรือปิด Dreaming ทั้งหมด |
| `frequency` | `string` | `0 3 * * *` | จังหวะ Cron แบบเลือกได้สำหรับการกวาด Dreaming เต็มรูปแบบ |
| `model` | `string` | โมเดลเริ่มต้น | การ override โมเดล subagent ของ Dream Diary แบบเลือกได้ |
| `phases.deep.maxPromotedSnippetTokens` | `number` | `160` | จำนวน token โดยประมาณสูงสุดที่เก็บจาก snippet การเรียกคืนระยะสั้นแต่ละรายการที่ promote เข้า `MEMORY.md`; metadata แหล่งที่มายังคงมองเห็นได้ |
### ตัวอย่าง
```json5
{
plugins: {
entries: {
"memory-core": {
subagent: {
allowModelOverride: true,
allowedModels: ["anthropic/claude-sonnet-4-6"],
},
config: {
dreaming: {
enabled: true,
frequency: "0 3 * * *",
model: "anthropic/claude-sonnet-4-6",
},
},
},
},
},
}
```
- Dreaming เขียนสถานะเครื่องไปยัง `memory/.dreams/`
- Dreaming เขียนผลลัพธ์ narrative ที่มนุษย์อ่านได้ไปยัง `DREAMS.md` (หรือ `dreams.md` ที่มีอยู่)
- `dreaming.model` ใช้ trust gate ของ subagent ใน Plugin ที่มีอยู่; ตั้งค่า `plugins.entries.memory-core.subagent.allowModelOverride: true` ก่อนเปิดใช้
- Dream Diary ลองใหม่หนึ่งครั้งด้วยโมเดลเริ่มต้นของ session เมื่อโมเดลที่กำหนดค่าไว้ใช้งานไม่ได้ ความล้มเหลวของ trust หรือ allowlist จะถูกบันทึกใน log และจะไม่ถูกลองใหม่แบบเงียบ ๆ
- นโยบายและ threshold ของเฟส light/deep/REM เป็นพฤติกรรมภายใน ไม่ใช่ config ที่ผู้ใช้เห็น
## ที่เกี่ยวข้อง
- [ข้อมูลอ้างอิงการกำหนดค่า](/th/gateway/configuration-reference)
- [ภาพรวมหน่วยความจำ](/th/concepts/memory)
- [การค้นหาหน่วยความจำ](/th/concepts/memory-search)