Motor de memoria integrado

El motor integrado es el backend de memoria predeterminado. Almacena el índice de memoria en una base de datos SQLite por agente y no necesita dependencias adicionales para comenzar.

Qué ofrece

• Búsqueda por palabras clave mediante indexación de texto completo FTS5 (puntuación BM25).
• Búsqueda vectorial mediante embeddings de cualquier proveedor compatible.
• Búsqueda híbrida que combina ambas para obtener los mejores resultados.
• Compatibilidad con CJK mediante tokenización por trigramas para chino, japonés y coreano.
• Aceleración con sqlite-vec para consultas vectoriales dentro de la base de datos (opcional).

Primeros pasos

De forma predeterminada, el motor integrado utiliza embeddings de OpenAI. Si OPENAI_API_KEY o models.providers.openai.apiKey ya está configurado, la búsqueda vectorial funciona sin configuración de memoria adicional.

Para establecer un proveedor explícitamente:

{  agents: {    defaults: {      memorySearch: {        provider: "openai",      },    },  },}

Sin un proveedor de embeddings, solo está disponible la búsqueda por palabras clave.

Para forzar el uso de embeddings GGUF locales, instala el Plugin proveedor oficial de llama.cpp y, a continuación, configura local.modelPath para que apunte a un archivo GGUF:

openclaw plugins install @openclaw/llama-cpp-provider

{  agents: {    defaults: {      memorySearch: {        provider: "local",        fallback: "none",        local: {          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",        },      },    },  },}

Proveedores de embeddings compatibles

Configura memorySearch.provider para dejar de usar OpenAI.

Cómo funciona la indexación

OpenClaw indexa MEMORY.md y memory/*.md en fragmentos (400 tokens con una superposición de 80 tokens de forma predeterminada) y los almacena en una base de datos SQLite por agente.

• Ubicación del índice: la base de datos del agente propietario en ~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite
• Mantenimiento del almacenamiento: los archivos auxiliares WAL de SQLite se mantienen acotados mediante puntos de control periódicos y al apagar.
• Supervisión de archivos: los cambios en los archivos de memoria activan una reindexación con antirrebote (1,5 s de forma predeterminada).
• Reindexación automática: el índice se reconstruye automáticamente cuando cambia el proveedor de embeddings, el modelo, la configuración de fragmentación, las fuentes configuradas o el ámbito.
• Reindexación bajo demanda: openclaw memory index --force

Cuándo usarlo

El motor integrado es la opción adecuada para la mayoría de los usuarios:

• Funciona de inmediato sin dependencias adicionales.
• Gestiona correctamente las búsquedas por palabras clave y vectoriales.
• Es compatible con todos los proveedores de embeddings.
• La búsqueda híbrida combina lo mejor de ambos enfoques de recuperación.

Considera cambiar a QMD si necesitas reclasificación, expansión de consultas o quieres indexar directorios fuera del espacio de trabajo.

Considera Honcho si quieres memoria entre sesiones con modelado automático del usuario.

Solución de problemas

¿La búsqueda en memoria está deshabilitada? Comprueba openclaw memory status. Si no se detecta ningún proveedor, configura uno explícitamente o añade una clave de API.

¿No se detecta el proveedor local? Confirma que la ruta local existe y ejecuta:

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

Tanto los comandos independientes de la CLI como el Gateway utilizan el mismo ID de proveedor local. Configura memorySearch.provider: "local" cuando quieras usar embeddings locales.

¿Resultados obsoletos? Ejecuta openclaw memory index --force para reconstruir el índice. En casos excepcionales, el supervisor puede no detectar algunos cambios.

¿sqlite-vec no se carga? OpenClaw recurre automáticamente a la similitud del coseno dentro del proceso. openclaw memory status --deep informa del almacén vectorial local por separado del proveedor de embeddings, por lo que Vector store: unavailable indica un problema al cargar sqlite-vec, mientras que Embeddings: unavailable indica un problema con el proveedor o la autenticación, o que el modelo no está listo. Consulta los registros para ver el error de carga específico.

Configuración

Para configurar proveedores de embeddings, ajustar la búsqueda híbrida (pesos, MMR y decaimiento temporal), la indexación por lotes, la memoria multimodal, sqlite-vec, rutas adicionales y todas las demás opciones de configuración, consulta la referencia de configuración de memoria.

Contenido relacionado

• Descripción general de la memoria
• Búsqueda en memoria
• Active Memory