記憶搜尋

memory_search 會從您的記憶檔案中找出相關筆記，即使措辭與原文不同。其運作方式是將記憶索引成小區塊，並使用嵌入、關鍵字或兩者結合來進行搜尋。

快速開始

記憶搜尋預設使用 OpenAI 嵌入。若要使用其他嵌入後端，請明確設定供應商：

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

對於具有記憶專用供應商的多端點設定，當該供應商設定 api: "ollama" 或其他記憶嵌入適配器擁有者時，provider 也可以是自訂 models.providers.<id> 項目，例如 ollama-5080。

對於沒有 API 金鑰的本機嵌入，請設定 provider: "local"。來源檢出可能仍需要原生建置核准：pnpm approve-builds 然後 pnpm rebuild node-llama-cpp。

某些與 OpenAI 相容的嵌入端點需要非對稱標籤，例如用於搜尋的 input_type: "query" 和用於索引區塊的 input_type: "document" 或 "passage"。使用 memorySearch.queryInputType 和 memorySearch.documentInputType 進行設定；請參閱記憶設定參考。

支援的供應商

供應商	ID	需要 API 金鑰	備註
Bedrock	`bedrock`	否	使用 AWS 憑證鏈
DeepInfra	`deepinfra`	是	預設： `BAAI/bge-m3`
Gemini	`gemini`	是	支援圖片/音訊索引
GitHub Copilot	`github-copilot`	否	使用 Copilot 訂閱
本機	`local`	否	GGUF 模型，約 0.6 GB 下載大小
Mistral	`mistral`	是
Ollama	`ollama`	否	本機/自託管
OpenAI	`openai`	是	預設
OpenAI 相容	`openai-compatible`	通常	通用 `/v1/embeddings`
Voyage	`voyage`	是

搜尋運作方式

OpenClaw 並行執行兩條檢索路徑並合併結果：

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"]

向量搜尋 尋找具有相似含義的筆記（“gateway host” 符合 “the machine running OpenClaw”）。
BM25 關鍵字搜尋 尋找完全匹配項（ID、錯誤字串、設定鍵）。

如果只有一條路徑可用（沒有嵌入或沒有 FTS），則另一條路徑單獨執行。

當嵌入不可用時，OpenClaw 仍會對 FTS 結果使用詞彙排序，而不是僅回退到原始的完全匹配排序。這種降級模式會提升查詢詞覆蓋率更強且相關檔案路徑的區塊，這使得即使沒有 sqlite-vec 或嵌入供應商，召回率仍然有用。

改善搜尋品質

當您有大量筆記歷史記錄時，有兩個可選功能可以提供幫助：

時間衰減

舊筆記的排名權重會逐漸降低，以便最新資訊優先顯示。使用預設的 30 天半衰期，上個月的筆記得分為其原始權重的 50%。像 MEMORY.md 這類常青檔案永不衰減。

MMR (多樣性)

減少重複結果。如果有五則筆記都提及相同的路由器設定，MMR 會確保熱門結果涵蓋不同主題，而不僅是重複內容。

同時啟用

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

多模態記憶

使用 Gemini Embedding 2，您可以將圖片和音訊檔案與 Markdown 一起建立索引。搜尋查詢保持為文字，但會對應到視覺和音訊內容。請參閱記憶組態參考以了解設定方式。

工作階段記憶搜尋

您可以選擇為工作階段文字記錄建立索引，讓 memory_search 能夠回憶先前的對話。這是透過 memorySearch.experimental.sessionMemory 選擇加入的功能。詳情請參閱組態參考。

疑難排解

沒有結果？ 執行 openclaw memory status 檢查索引。如果是空的，請執行 openclaw memory index --force。

只有關鍵字相符？ 您的嵌入提供者可能尚未設定。請檢查 openclaw memory status --deep。

本地嵌入逾時？ ollama、lmstudio 和 local 預設使用較長的內聯批次逾時時間。如果主機單純只是很慢，請設定 agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds 並重新執行 openclaw memory index --force。

找不到 CJK 文字？ 使用 openclaw memory index --force 重建 FTS 索引。