Recherche de mémoire

Recherche de mémoire

memory_search trouve des notes pertinentes dans vos fichiers de mémoire, même lorsque la formulation diffère du texte original. Il fonctionne en indexant la mémoire en petits morceaux et en les recherchant à l’aide d’embeddings, de mots-clés ou des deux.

Quick start

Si vous avez une clé OpenAI, Gemini, Voyage ou Mistral API configurée, la recherche de mémoire fonctionne automatiquement. Pour définir un provider explicitement :

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai", // or "gemini", "local", "ollama", etc.
      },
    },
  },
}

Pour les embeddings locaux sans clé API, utilisez provider: "local" (nécessite node-llama-cpp).

Providers pris en charge

Provider	ID	Nécessite une clé API	Notes
OpenAI	openai	Oui	Détecté automatiquement, rapide
Gemini	gemini	Oui	Prend en charge l’indexation d’images/audio
Voyage	voyage	Oui	Détecté automatiquement
Mistral	mistral	Oui	Détecté automatiquement
Ollama	ollama	Non	Local, doit être défini explicitement
Local	local	Non	Modèle GGUF, téléchargement de ~0,6 Go

Fonctionnement de la recherche

OpenClaw exécute deux chemins de récupération en parallèle et fusionne les résultats :

flowchart LR
    Q["Query"] --> E["Embedding"]
    Q --> T["Tokenize"]
    E --> VS["Vector Search"]
    T --> BM["BM25 Search"]
    VS --> M["Weighted Merge"]
    BM --> M
    M --> R["Top Results"]

• La recherche vectorielle trouve des notes ayant une signification similaire (“hôte de passerelle” correspond à “la machine exécutant OpenClaw”).
• La recherche de mots-clés BM25 trouve des correspondances exactes (ID, chaînes d’erreur, clés de configuration).

Si un seul chemin est disponible (pas d’embeddings ou pas de FTS), l’autre fonctionne seul.

Amélioration de la qualité de la recherche

Deux fonctionnalités optionnelles aident lorsque vous avez un long historique de notes :

Décroissance temporelle

Les anciennes notes perdent progressivement du poids dans le classement afin que les informations récentes apparaissent en premier. Avec la demi-vie par défaut de 30 jours, une note du mois dernier est notée à 50 % de son poids initial. Les fichiers pérennes comme MEMORY.md ne sont jamais dépréciés.

Tip

Activez la décroissance temporelle si votre agent a des mois de notes quotidiennes et que des informations obsolètes dépassent constamment le contexte récent.

MMR (diversité)

Réduit les résultats redondants. Si cinq notes mentionnent toutes la même configuration de routeur, MMR garantit que les premiers résultats couvrent différents sujets au lieu de se répéter.

Tip

Activez MMR si

memory_search

continue à renvoyer des extraits presque identiques provenant de différentes notes quotidiennes.

Activer les deux

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          hybrid: {
            mmr: { enabled: true },
            temporalDecay: { enabled: true },
          },
        },
      },
    },
  },
}

Mémoire multimodale

Avec Gemini Embedding 2, vous pouvez indexer des images et des fichiers audio avec le Markdown. Les requêtes de recherche restent textuelles, mais elles correspondent au contenu visuel et audio. Voir la référence de configuration de la mémoire pour la configuration.

Recherche dans la mémoire de session

Vous pouvez éventuellement indexer les transcriptions de session pour que memory_search puisse rappeler les conversations précédentes. Cela est optionnel via memorySearch.experimental.sessionMemory. Voir la référence de configuration pour plus de détails.

Dépannage

Aucun résultat ? Exécutez openclaw memory status pour vérifier l’index. S’il est vide, exécutez openclaw memory index --force.

Uniquement des correspondances par mot-clé ? Votre fournisseur d’embeddings n’est peut-être pas configuré. Vérifiez openclaw memory status --deep.

Texte CJK introuvable ? Reconstruisez l’index FTS avec openclaw memory index --force.

Pour aller plus loin

• Mémoire — disposition des fichiers, backends, outils
• Référence de configuration de la mémoire — tous les paramètres de configuration