Speichersuche

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:

{  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.<id>-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":

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.

Unterstützte Provider

Funktionsweise der Suche

OpenClaw führt zwei Abrufpfade parallel aus und führt die Ergebnisse zusammen:

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.

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.

Beides aktivieren

{  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.

Sitzungsspeichersuche

Für den exakten Volltextabruf aus Sitzungstranskripten verwenden Sie sessions_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.

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
• Active Memory
• Integrierte Speicher-Engine
• Referenz zur Speicherkonfiguration