記憶體設定參考

本頁列出 OpenClaw 記憶搜尋的每一個組態旋鈕。概念總覽請參閱：

除非另有註明，所有記憶搜尋設定都位於 openclaw.json 的 agents.defaults.memorySearch 底下。

提供者選擇

未設定 provider 時，OpenClaw 會使用 OpenAI embeddings。請明確設定 provider 以使用 Gemini、Voyage、Mistral、DeepInfra、Bedrock、GitHub Copilot、 Ollama、本機 GGUF 模型，或與 OpenAI 相容的 /v1/embeddings 端點。 仍寫著 provider: "auto" 的舊版組態會解析為 openai。

當 provider 未設定、存在舊版 provider: "auto"，或 provider: "none" 有意選擇僅 FTS 模式時，若 embeddings 無法使用，記憶回想仍可 使用詞彙 FTS 排名。

明確的非本機提供者會封閉式失敗。如果你將 memorySearch.provider 設為 具體的遠端後端提供者，例如 OpenAI、Gemini、Voyage、Mistral、 Bedrock、GitHub Copilot、DeepInfra、Ollama、LM Studio，或與 OpenAI 相容的 自訂提供者，而該提供者在執行階段無法使用，memory_search 會回傳不可用結果，而不是默默使用僅 FTS 回想。請修正 提供者/驗證組態、切換到可連線的提供者，或在你想要刻意使用僅 FTS 回想時設定 provider: "none"。

自訂提供者 id

memorySearch.provider 可以指向自訂 models.providers.<id> 項目，用於記憶專用提供者配接器，例如 ollama，或用於與 OpenAI 相容的模型 API，例如 openai-responses / openai-completions。OpenClaw 會為嵌入配接器解析該提供者的 api 擁有者，同時保留自訂提供者 id，以處理端點、驗證與模型前綴。這讓多 GPU 或多主機設定能將記憶 embeddings 專門指派給特定本機端點：

{  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",      },    },  },}

API 金鑰解析

遠端 embeddings 需要 API 金鑰。Bedrock 則改用 AWS SDK 預設憑證鏈（執行個體角色、SSO、存取金鑰）。

遠端端點組態

對於不應繼承全域 OpenAI 聊天憑證的通用 OpenAI 相容 /v1/embeddings 伺服器，請使用 provider: "openai-compatible"。

{  agents: {    defaults: {      memorySearch: {        provider: "openai-compatible",        model: "text-embedding-3-small",        remote: {          baseUrl: "https://api.example.com/v1/",          apiKey: "YOUR_KEY",        },      },    },  },}

提供者專屬組態

{  agents: {    defaults: {      memorySearch: {        provider: "openai-compatible",        remote: {          baseUrl: "https://embeddings.example/v1",          apiKey: "${EMBEDDINGS_API_KEY}",        },        model: "asymmetric-embedder",        queryInputType: "query",        documentInputType: "passage",      },    },  },}

{  agents: {    defaults: {      memorySearch: {        provider: "bedrock",        model: "amazon.titan-embed-text-v2:0",      },    },  },}

{  "Effect": "Allow",  "Action": "bedrock:InvokeModel",  "Resource": "*"}

arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

openclaw memory status --deep --agent mainopenclaw memory index --force --agent main

行內嵌入逾時

混合搜尋設定

全部位於 memorySearch.query.hybrid 之下：

完整範例

{  agents: {    defaults: {      memorySearch: {        query: {          hybrid: {            vectorWeight: 0.7,            textWeight: 0.3,            mmr: { enabled: true, lambda: 0.7 },            temporalDecay: { enabled: true, halfLifeDays: 30 },          },        },      },    },  },}

其他記憶路徑

{  agents: {    defaults: {      memorySearch: {        extraPaths: ["../team-docs", "/srv/shared-notes"],      },    },  },}

路徑可以是絕對路徑，也可以是相對於工作區的路徑。目錄會以遞迴方式掃描 .md 檔案。符號連結處理取決於啟用中的後端：內建引擎會忽略符號連結，而 QMD 則遵循底層 QMD 掃描器的行為。

若要進行以代理程式為範圍的跨代理程式逐字稿搜尋，請使用 agents.list[].memorySearch.qmd.extraCollections，而不是 memory.qmd.paths。這些額外集合遵循相同的 { path, name, pattern? } 形狀，但會按代理程式合併，且當路徑指向目前工作區外部時，可以保留明確的共享名稱。如果同一個解析後的路徑同時出現在 memory.qmd.paths 和 memorySearch.qmd.extraCollections 中，QMD 會保留第一個項目並略過重複項目。

多模態記憶（Gemini）

使用 Gemini Embedding 2 將圖片和音訊與 Markdown 一起建立索引：

支援的格式：.jpg、.jpeg、.png、.webp、.gif、.heic、.heif（圖片）；.mp3、.wav、.ogg、.opus、.m4a、.aac、.flac（音訊）。

嵌入快取

避免在重新建立索引或逐字稿更新期間，對未變更的文字重新產生嵌入。

批次索引

適用於 openai、gemini 和 voyage。OpenAI 批次通常是大型回填最快且成本最低的選項。

remote.nonBatchConcurrency 控制本機/自行託管提供者，以及在提供者批次 API 未啟用時由託管提供者使用的內嵌嵌入呼叫。Ollama 的非批次索引預設為 1，以避免讓較小的本機主機負載過高；在較大的機器上可設定較高的值。

這與 sync.embeddingBatchTimeoutSeconds 分開，後者控制內嵌嵌入呼叫的逾時。

工作階段記憶搜尋（實驗性）

為工作階段逐字稿建立索引，並透過 memory_search 顯示：

工作階段逐字稿命中也會遵守 tools.sessions.visibility。預設的 tree 可見性只會公開目前工作階段及其衍生的工作階段。若要從不同 工作階段（例如私人訊息）召回不相關、同一代理且由閘道分派的工作階段，請有意將可見性擴大為 agent（或只有在也需要跨代理召回且代理對代理政策允許時才使用 all）。

下列範例會將這些設定放在 agents.defaults 下。當只有單一代理應索引並搜尋工作階段逐字稿時，你也可以在每個代理的覆寫中套用等效的 memorySearch 設定。

用於同一代理從閘道到私人訊息的召回：

{  agents: {    defaults: {      memorySearch: {        experimental: { sessionMemory: true },        sources: ["memory", "sessions"],      },    },  },  tools: {    sessions: { visibility: "agent" },  },}

{  agents: {    defaults: {      memorySearch: {        experimental: { sessionMemory: true },        sources: ["memory", "sessions"],      },    },  },  memory: {    backend: "qmd",    qmd: {      sessions: { enabled: true },    },  },  tools: {    sessions: { visibility: "agent" },  },}

使用 QMD 時，agents.defaults.memorySearch.experimental.sessionMemory 和 sources: ["sessions"] 本身不會將逐字稿匯出到 QMD。也請設定 memory.qmd.sessions.enabled: true。

SQLite 向量加速（sqlite-vec）

當 sqlite-vec 無法使用時，OpenClaw 會自動退回到程序內餘弦相似度。

索引儲存

內建記憶索引位於每個代理的 OpenClaw SQLite 資料庫： agents/<agentId>/agent/openclaw-agent.sqlite。

QMD 後端設定

設定 memory.backend = "qmd" 以啟用。所有 QMD 設定都位於 memory.qmd 下：

searchMode: "search" 僅使用詞彙/BM25。OpenClaw 不會針對該模式執行語意向量就緒度探測或 QMD 嵌入維護，包括在 memory status --deep 期間；vsearch 和 query 仍然需要 QMD 向量就緒度和嵌入。

rerank: false 只會變更 QMD query 模式，且需要 QMD 2.1 或更新版本。在直接命令列介面模式中，OpenClaw 會傳遞 --no-rerank；在 mcporter 支援的 MCP 模式中，它會將 rerank: false 傳遞給 QMD 的統一查詢工具。保持未設定即可使用 QMD 預設的查詢重新排序行為。

OpenClaw 偏好目前的 QMD 集合和 MCP 查詢形狀，但會在需要時嘗試相容的集合模式旗標和較舊的 MCP 工具名稱，以維持較舊 QMD 版本可用。當 QMD 宣告支援多個集合篩選器時，會使用單一 QMD 程序搜尋同來源集合；較舊的 QMD 建置版本則保留每集合相容路徑。同來源表示持久記憶集合會群組在一起，而工作階段逐字稿集合會維持為獨立群組，因此來源多樣化仍同時具備兩種輸入。

{  memory: {    qmd: {      scope: {        default: "deny",        rules: [{ action: "allow", match: { chatType: "direct" } }],      },    },  },}

啟用閘道啟動 QMD 初始化時，OpenClaw 只會為符合資格的代理啟動 QMD。如果 update.onBoot 為 true，且未設定間隔/嵌入維護，啟動會使用一次性管理器進行啟動重新整理，然後將其關閉。如果設定了更新或嵌入間隔，啟動會開啟長時間執行的 QMD 管理器，讓它負責監看器和間隔計時器；update.onBoot: false 只會略過立即啟動重新整理。

完整 QMD 範例

{  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" }],    },  },}

夢境整理

夢境整理是在 plugins.entries.memory-core.config.dreaming 下設定，而不是在 agents.defaults.memorySearch 下。

夢境整理會作為一次排程掃描執行，並將內部的淺層/深層/REM 階段作為實作細節。

如需概念行為和斜線命令，請參閱夢境整理。

使用者設定

範例

{  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",          },        },      },    },  },}

相關

• 設定參考
• 記憶概覽
• 記憶搜尋