记忆搜索

概述

memory_search 通过将记忆文件索引为小块并使用 Embedding、关键词或两者结合进行搜索，即使措辞与原文不同也能找到相关笔记。

核心要点

双路检索并行执行：

Query → Embedding → 向量搜索 ─┐
Query → 分词    → BM25 搜索  ─┤→ 加权合并 → Top 结果

• 向量搜索：找语义相似的笔记（“gateway host” 匹配 “运行 OpenClaw 的机器”）
• BM25 关键词搜索：精确匹配（ID、错误字符串、配置键）
• 无 Embedding 时降级为词法排序（仍比纯精确匹配好）

支持的 Embedding 提供商：

提供商	ID	需要 API Key	备注
Bedrock	bedrock	否	AWS 凭证链自动检测
Gemini	gemini	是	支持图片/音频索引
GitHub Copilot	github-copilot	否	自动检测
Local	local	否	GGUF 模型，约 0.6GB
Mistral	mistral	是	自动检测
Ollama	ollama	否	本地，需显式配置
OpenAI	openai	是	自动检测，速度快
Voyage	voyage	是	自动检测

搜索质量优化：

• 时间衰减（Temporal Decay）：旧笔记逐渐降权，默认半衰期 30 天，MEMORY.md 永不衰减
• MMR 多样性：减少重复结果，避免同一话题的多条笔记占据 Top 位置

多模态记忆：使用 Gemini Embedding 2 可索引图片和音频文件（查询仍为文本）

Session 记忆搜索（实验性）：可选索引 Session 记录，通过 memorySearch.experimental.sessionMemory 开启

配置/使用

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

故障排查：

openclaw memory status        # 检查索引和提供商
openclaw memory index --force # 重建索引

相关页面

• memory — 记忆机制概述
• memory-builtin — 内置 SQLite 后端
• context — 记忆与上下文的关系