Memory

Bộ nhớ OpenClaw là Markdown thuần trong workspace của agent. The files are the source of truth; the model only “remembers” what gets written to disk.
Công cụ tìm kiếm bộ nhớ được cung cấp bởi plugin bộ nhớ đang hoạt động (mặc định: memory-core). 16. Tắt plugin bộ nhớ bằng plugins.slots.memory = "none".

Memory files (Markdown)

Bố cục workspace mặc định dùng hai lớp bộ nhớ:

memory/YYYY-MM-DD.md
- Nhật ký hằng ngày (chỉ ghi thêm).
- Đọc hôm nay + hôm qua khi bắt đầu phiên.
MEMORY.md (tùy chọn)
- Bộ nhớ dài hạn đã được tuyển chọn.
- Chỉ tải trong phiên chính, riêng tư (không bao giờ trong ngữ cảnh nhóm).

Các tệp này nằm dưới workspace (agents.defaults.workspace, mặc định ~/.openclaw/workspace). 18. Xem Agent workspace để biết bố cục đầy đủ.

Khi nào ghi bộ nhớ

Quyết định, sở thích và sự thật bền vững ghi vào MEMORY.md.
Ghi chú hằng ngày và ngữ cảnh đang chạy ghi vào memory/YYYY-MM-DD.md.
Nếu ai đó nói “hãy nhớ điều này”, hãy ghi lại (đừng giữ trong RAM).
1. Khu vực này vẫn đang phát triển. 20. Việc nhắc mô hình lưu bộ nhớ là hữu ích; nó sẽ biết phải làm gì.
Nếu bạn muốn điều gì đó được ghi nhớ, hãy yêu cầu bot ghi vào bộ nhớ.

Automatic memory flush (pre-compaction ping)

Khi một phiên gần đến auto-compaction, OpenClaw kích hoạt một lượt tác tử im lặng để nhắc mô hình ghi bộ nhớ bền vững trước khi context bị nén gọn. 22. Các prompt mặc định nói rõ mô hình có thể trả lời, nhưng thường thì NO_REPLY là phản hồi đúng để người dùng không bao giờ thấy lượt này.

Cơ chế này được điều khiển bởi agents.defaults.compaction.memoryFlush:

{
  agents: {
    defaults: {
      compaction: {
        reserveTokensFloor: 20000,
        memoryFlush: {
          enabled: true,
          softThresholdTokens: 4000,
          systemPrompt: "Session nearing compaction. Store durable memories now.",
          prompt: "Write any lasting notes to memory/YYYY-MM-DD.md; reply with NO_REPLY if nothing to store.",
        },
      },
    },
  },
}

Chi tiết:

Ngưỡng mềm: xả bộ nhớ được kích hoạt khi ước lượng token của phiên vượt contextWindow - reserveTokensFloor - softThresholdTokens.
Im lặng theo mặc định: lời nhắc bao gồm NO_REPLY nên không có gì được gửi ra.
Hai lời nhắc: một lời nhắc người dùng cộng với một lời nhắc hệ thống để thêm nhắc nhở.
Một lần xả cho mỗi chu kỳ nén (theo dõi trong sessions.json).
Workspace phải ghi được: nếu phiên chạy trong sandbox với workspaceAccess: "ro" hoặc "none", việc xả sẽ bị bỏ qua.

Để biết toàn bộ vòng đời nén, xem Session management + compaction.

Vector memory search

Mặc định: Mặc định:

Bật theo mặc định.
Theo dõi thay đổi của tệp bộ nhớ (debounce).
Cấu hình tìm kiếm bộ nhớ trong agents.defaults.memorySearch (không phải memorySearch cấp cao nhất).
1. Sử dụng embeddings từ xa theo mặc định. 24. Nếu memorySearch.provider không được đặt, OpenClaw tự động chọn:
2. local nếu memorySearch.local.modelPath được cấu hình và tệp tồn tại.
3. openai nếu có thể phân giải khóa OpenAI.
4. gemini nếu có thể phân giải khóa Gemini.
5. voyage nếu có thể phân giải khóa Voyage.
6. Nếu không, tìm kiếm bộ nhớ sẽ bị vô hiệu cho đến khi được cấu hình.
Chế độ local dùng node-llama-cpp và có thể cần pnpm approve-builds.
Dùng sqlite-vec (khi có) để tăng tốc tìm kiếm vector trong SQLite.

Embeddings từ xa yêu cầu API key cho nhà cung cấp embedding. 26. OpenClaw phân giải khóa từ auth profiles, models.providers.*.apiKey, hoặc biến môi trường. 27. Codex OAuth chỉ bao phủ chat/completions và không đáp ứng embeddings cho tìm kiếm bộ nhớ. For Gemini, use GEMINI_API_KEY or models.providers.google.apiKey. 29. Với Voyage, sử dụng VOYAGE_API_KEY hoặc models.providers.voyage.apiKey. When using a custom OpenAI-compatible endpoint, set memorySearch.remote.apiKey (and optional memorySearch.remote.headers).

QMD backend (experimental)

Đặt memory.backend = "qmd" để thay thế indexer SQLite tích hợp bằng QMD: một sidecar tìm kiếm ưu tiên local kết hợp BM25 + vector + reranking. Markdown stays the source of truth; OpenClaw shells out to QMD for retrieval. 33. Các điểm chính:

Prereqs

1. Bị tắt theo mặc định. 35. Bật theo từng cấu hình (memory.backend = "qmd").
Cài QMD CLI riêng (bun install -g https://github.com/tobi/qmd hoặc tải bản phát hành) và đảm bảo binary qmd nằm trong PATH của gateway.
QMD cần bản dựng SQLite cho phép extension (brew install sqlite trên macOS).
QMD chạy hoàn toàn local qua Bun + node-llama-cpp và tự động tải model GGUF từ HuggingFace khi dùng lần đầu (không cần daemon Ollama riêng).
Gateway chạy QMD trong một XDG home tự chứa dưới ~/.openclaw/agents/<agentId>/qmd/ bằng cách đặt XDG_CONFIG_HOME và XDG_CACHE_HOME.
1. Hỗ trợ hệ điều hành: macOS và Linux hoạt động ngay sau khi cài Bun + SQLite. Windows is best supported via WSL2.

Cách sidecar chạy

Gateway ghi một QMD home tự chứa dưới ~/.openclaw/agents/<agentId>/qmd/ (config + cache + sqlite DB).
Collection được tạo qua qmd collection add từ memory.qmd.paths (cộng với các tệp bộ nhớ workspace mặc định), sau đó qmd update + qmd embed chạy khi khởi động và theo khoảng thời gian cấu hình (memory.qmd.update.interval, mặc định 5 phút).
Gateway hiện khởi tạo QMD manager khi khởi động, vì vậy các bộ hẹn giờ cập nhật định kỳ được kích hoạt ngay cả trước lệnh gọi memory_search đầu tiên.
Làm mới khi khởi động hiện chạy nền theo mặc định để không chặn khởi động chat; đặt memory.qmd.update.waitForBootSync = true để giữ hành vi chặn trước đây.
Tìm kiếm chạy qua memory.qmd.searchMode (mặc định qmd search --json; cũng hỗ trợ vsearch và query). Nếu chế độ đã chọn từ chối các cờ trên bản dựng QMD của bạn, OpenClaw sẽ thử lại với qmd query. Nếu QMD gặp lỗi hoặc thiếu file nhị phân, OpenClaw sẽ tự động chuyển sang sử dụng trình quản lý SQLite tích hợp sẵn để các công cụ bộ nhớ vẫn hoạt động bình thường.
Hiện OpenClaw không phơi bày tinh chỉnh batch-size embedding của QMD; hành vi batch do QMD tự điều khiển.
Lần tìm đầu tiên có thể chậm: QMD có thể tải model GGUF local (reranker/mở rộng truy vấn) ở lần chạy qmd query đầu tiên.
- OpenClaw tự động đặt XDG_CONFIG_HOME/XDG_CACHE_HOME khi chạy QMD.
- Nếu muốn tải sẵn model thủ công (và làm ấm cùng chỉ mục OpenClaw dùng), hãy chạy một truy vấn một lần với các XDG dir của tác tử.
  1. Trạng thái QMD của OpenClaw nằm dưới thư mục state của bạn (mặc định ~/.openclaw). You can point qmd at the exact same index by exporting the same XDG vars OpenClaw uses:
  # Chọn cùng thư mục state mà OpenClaw sử dụng STATE_DIR="${OPENCLAW_STATE_DIR:-$HOME/.openclaw}" export XDG_CONFIG_HOME="$STATE_DIR/agents/main/qmd/xdg-config" export XDG_CACHE_HOME="$STATE_DIR/agents/main/qmd/xdg-cache" # (Tùy chọn) buộc làm mới chỉ mục + embeddings qmd update qmd embed # Khởi động làm nóng / kích hoạt tải model lần đầu qmd query "test" -c memory-root --json >/dev/null 2>&1

Bề mặt cấu hình (memory.qmd.*)

command (mặc định qmd): ghi đè đường dẫn executable.
searchMode (mặc định search): chọn lệnh QMD sẽ dùng làm nền cho memory_search (search, vsearch, query).
includeDefaultMemory (mặc định true): tự động lập chỉ mục MEMORY.md + memory/**/*.md.
paths[]: thêm thư mục/tệp bổ sung (path, tùy chọn pattern, tùy chọn ổn định name).
sessions: chọn tham gia lập chỉ mục JSONL phiên (enabled, retentionDays, exportDir).
update: điều khiển nhịp làm mới và thực thi bảo trì: (interval, debounceMs, onBoot, waitForBootSync, embedInterval, commandTimeoutMs, updateTimeoutMs, embedTimeoutMs).
limits: giới hạn payload recall (maxResults, maxSnippetChars, maxInjectedChars, timeoutMs).
scope: same schema as session.sendPolicy. 41. Mặc định là chỉ DM (từ chối tất cả, cho phép chat trực tiếp); nới lỏng để hiển thị kết quả QMD trong nhóm/kênh.
- match.keyPrefix khớp với khóa phiên đã được chuẩn hóa (chuyển thành chữ thường và loại bỏ tiền tố agent:<id>: nếu có). Ví dụ: discord:channel:.
- match.rawKeyPrefix khớp với khóa phiên nguyên bản (chuyển thành chữ thường), bao gồm cả agent:<id>:. Ví dụ: agent:main:discord:.
- Legacy: match.keyPrefix: "agent:..." vẫn được xem như tiền tố raw-key, nhưng nên dùng rawKeyPrefix để rõ ràng hơn.
When scope denies a search, OpenClaw logs a warning with the derived channel/chatType so empty results are easier to debug.
Đoạn trích lấy từ ngoài workspace hiển thị là qmd/<collection>/<relative-path> trong kết quả memory_search; memory_get hiểu tiền tố đó và đọc từ root collection QMD đã cấu hình.
Khi memory.qmd.sessions.enabled = true, OpenClaw xuất transcript phiên đã được làm sạch (lượt User/Assistant) vào một collection QMD riêng dưới ~/.openclaw/agents/<id>/qmd/sessions/, để memory_search có thể gọi lại các cuộc hội thoại gần đây mà không chạm vào chỉ mục SQLite tích hợp.
Các snippet memory_search giờ bao gồm footer Source: <path#line> khi memory.citations là auto/on; đặt memory.citations = "off" để giữ metadata đường dẫn ở nội bộ (tác tử vẫn nhận đường dẫn cho memory_get, nhưng văn bản snippet bỏ footer và lời nhắc hệ thống cảnh báo tác tử không trích dẫn nó).

Ví dụ

memory: {
  backend: "qmd",
  citations: "auto",
  qmd: {
    includeDefaultMemory: true,
    update: { interval: "5m", debounceMs: 15000 },
    limits: { maxResults: 6, timeoutMs: 4000 },
    scope: {
      default: "deny",
      rules: [
        { action: "allow", match: { chatType: "direct" } },
        // Tiền tố khóa phiên đã chuẩn hóa (loại bỏ `agent:<id>:`).
        { action: "deny", match: { keyPrefix: "discord:channel:" } },
        // Tiền tố khóa phiên nguyên bản (bao gồm `agent:<id>:`).
        { action: "deny", match: { rawKeyPrefix: "agent:main:discord:" } },
      ]
    },
    paths: [
      { name: "docs", path: "~/notes", pattern: "**/*.md" }
    ]
  }
}

Trích dẫn & fallback

memory.citations áp dụng bất kể backend (auto/on/off).
1. Khi qmd chạy, chúng tôi gắn thẻ status().backend = "qmd" để chẩn đoán hiển thị engine nào đã phục vụ kết quả. 42. Nếu subprocess QMD thoát hoặc đầu ra JSON không thể phân tích, trình quản lý tìm kiếm ghi log cảnh báo và trả về nhà cung cấp tích hợp (embeddings Markdown hiện có) cho đến khi QMD phục hồi.

Additional memory paths

Nếu bạn muốn lập chỉ mục các tệp Markdown ngoài bố cục workspace mặc định, hãy thêm đường dẫn rõ ràng:

agents: {
  defaults: {
    memorySearch: {
      extraPaths: ["../team-docs", "/srv/shared-notes/overview.md"]
    }
  }
}

Ghi chú:

Đường dẫn có thể là tuyệt đối hoặc tương đối theo workspace.
Thư mục được quét đệ quy cho các tệp .md.
Chỉ lập chỉ mục tệp Markdown.
Bỏ qua symlink (tệp hoặc thư mục).

Gemini embeddings (native)

Đặt nhà cung cấp là gemini để dùng trực tiếp API embedding của Gemini:

agents: {
  defaults: {
    memorySearch: {
      provider: "gemini",
      model: "gemini-embedding-001",
      remote: {
        apiKey: "YOUR_GEMINI_API_KEY"
      }
    }
  }
}

Ghi chú:

remote.baseUrl là tùy chọn (mặc định là base URL của Gemini API).
remote.headers cho phép thêm header bổ sung nếu cần.
Model mặc định: gemini-embedding-001.

Nếu bạn muốn dùng endpoint tương thích OpenAI tùy chỉnh (OpenRouter, vLLM, hoặc proxy), bạn có thể dùng cấu hình remote với nhà cung cấp OpenAI:

agents: {
  defaults: {
    memorySearch: {
      provider: "openai",
      model: "text-embedding-3-small",
      remote: {
        baseUrl: "https://api.example.com/v1/",
        apiKey: "YOUR_OPENAI_COMPAT_API_KEY",
        headers: { "X-Custom-Header": "value" }
      }
    }
  }
}

Fallback: Fallback:

memorySearch.fallback có thể là openai, gemini, local, hoặc none.
Nhà cung cấp fallback chỉ được dùng khi nhà cung cấp embedding chính thất bại.

Lập chỉ mục hàng loạt (OpenAI + Gemini + Voyage):

Bị tắt theo mặc định. Đặt agents.defaults.memorySearch.remote.batch.enabled = true để bật cho việc lập chỉ mục kho dữ liệu lớn (OpenAI, Gemini và Voyage).
Hành vi mặc định chờ hoàn tất batch; tinh chỉnh remote.batch.wait, remote.batch.pollIntervalMs, và remote.batch.timeoutMinutes nếu cần.
Đặt remote.batch.concurrency để điều khiển số job batch gửi song song (mặc định: 2).
Chế độ batch áp dụng khi memorySearch.provider = "openai" hoặc "gemini" và dùng khóa API tương ứng.
Batch Gemini dùng endpoint batch embedding async và yêu cầu Gemini Batch API khả dụng.

Vì sao batch OpenAI nhanh + rẻ:

Với backfill lớn, OpenAI thường là lựa chọn nhanh nhất chúng tôi hỗ trợ vì có thể gửi nhiều yêu cầu embedding trong một job batch và để OpenAI xử lý bất đồng bộ.
OpenAI cung cấp giá ưu đãi cho workload Batch API, nên các đợt lập chỉ mục lớn thường rẻ hơn so với gửi đồng bộ cùng lượng yêu cầu.
Xem tài liệu và bảng giá OpenAI Batch API để biết chi tiết:
- https://platform.openai.com/docs/api-reference/batch
- https://platform.openai.com/pricing

Ví dụ cấu hình:

agents: {
  defaults: {
    memorySearch: {
      provider: "openai",
      model: "text-embedding-3-small",
      fallback: "openai",
      remote: {
        batch: { enabled: true, concurrency: 2 }
      },
      sync: { watch: true }
    }
  }
}

Công cụ:

memory_search — trả về snippet kèm tệp + khoảng dòng.
memory_get — đọc nội dung tệp bộ nhớ theo đường dẫn.

Chế độ local:

Đặt agents.defaults.memorySearch.provider = "local".
Cung cấp agents.defaults.memorySearch.local.modelPath (GGUF hoặc URI hf:).
Tùy chọn: đặt agents.defaults.memorySearch.fallback = "none" để tránh fallback từ xa.

Cách các công cụ bộ nhớ hoạt động

1. memory_search tìm kiếm ngữ nghĩa các khối Markdown (~400 token mục tiêu, chồng lấp 80 token) từ MEMORY.md + memory/**/*.md. 44. Nó trả về đoạn trích văn bản (giới hạn ~700 ký tự), đường dẫn tệp, phạm vi dòng, điểm số, nhà cung cấp/mô hình, và liệu có fallback từ embeddings local → remote hay không. No full file payload is returned.
1. memory_get đọc một tệp Markdown bộ nhớ cụ thể (tương đối workspace), tùy chọn từ một dòng bắt đầu và trong N dòng. 37. Các đường dẫn ngoài MEMORY.md / memory/ sẽ bị từ chối.
Cả hai công cụ chỉ được bật khi memorySearch.enabled phân giải true cho tác tử.

Những gì được lập chỉ mục (và khi nào)

Loại tệp: chỉ Markdown (MEMORY.md, memory/**/*.md).
Lưu trữ chỉ mục: SQLite theo từng tác tử tại ~/.openclaw/memory/<agentId>.sqlite (cấu hình qua agents.defaults.memorySearch.store.path, hỗ trợ token {agentId}).
1. Độ mới: watcher trên MEMORY.md + memory/ đánh dấu chỉ mục là bẩn (debounce 1,5s). Sync is scheduled on session start, on search, or on an interval and runs asynchronously. Session transcripts use delta thresholds to trigger background sync.
1. Kích hoạt lập chỉ mục lại: chỉ mục lưu trữ nhà cung cấp/mô hình embedding + dấu vân tay endpoint + tham số chia khối. 48. Nếu bất kỳ điều nào trong số đó thay đổi, OpenClaw tự động reset và lập chỉ mục lại toàn bộ kho.

Hybrid search (BM25 + vector)

Khi bật, OpenClaw kết hợp:

Độ tương đồng vector (khớp ngữ nghĩa, cách diễn đạt có thể khác)
Độ liên quan từ khóa BM25 (token chính xác như ID, biến môi trường, ký hiệu code)

Nếu tìm kiếm toàn văn không khả dụng trên nền tảng của bạn, OpenClaw fallback sang tìm kiếm chỉ vector.

Vì sao hybrid?

Tìm kiếm vector rất tốt cho “ý nghĩa tương đương”:

“Mac Studio gateway host” vs “máy chạy gateway”
“debounce cập nhật tệp” vs “tránh lập chỉ mục mỗi lần ghi”

Nhưng nó có thể yếu với token chính xác, tín hiệu cao:

ID (a828e60, b3b9895a…)
ký hiệu code (memorySearch.query.hybrid)
chuỗi lỗi (“sqlite-vec unavailable”)

BM25 (full-text) is the opposite: strong at exact tokens, weaker at paraphrases. 50. Tìm kiếm lai là phương án trung dung thực dụng: sử dụng cả hai tín hiệu truy xuất để bạn có kết quả tốt cho cả truy vấn “ngôn ngữ tự nhiên” và truy vấn “kim đáy bể”.

Cách chúng tôi gộp kết quả (thiết kế hiện tại)

Phác thảo triển khai:

Vector: top maxResults * candidateMultiplier theo cosine similarity.

Chuyển thứ hạng BM25 thành điểm 0..1-ish:
BM25: top maxResults * candidateMultiplier theo thứ hạng FTS5 BM25 (thấp hơn là tốt hơn).

Chuyển thứ hạng BM25 thành điểm 0..1-ish:

textScore = 1 / (1 + max(0, bm25Rank))

Hợp nhất ứng viên theo id khối và tính điểm có trọng số:

finalScore = vectorWeight * vectorScore + textWeight * textScore

Ghi chú:

vectorWeight + textWeight được chuẩn hóa thành 1.0 khi phân giải cấu hình, nên trọng số hoạt động như phần trăm.
Nếu embedding không khả dụng (hoặc nhà cung cấp trả về vector rỗng), chúng tôi vẫn chạy BM25 và trả kết quả khớp từ khóa.
Nếu không thể tạo FTS5, chúng tôi giữ tìm kiếm chỉ vector (không lỗi cứng).

Điều này không phải là “hoàn hảo theo lý thuyết IR”, nhưng nó đơn giản, nhanh và thường cải thiện recall/precision trên ghi chú thực tế. If we want to get fancier later, common next steps are Reciprocal Rank Fusion (RRF) or score normalization (min/max or z-score) before mixing.

Cấu hình:

agents: {
  defaults: {
    memorySearch: {
      query: {
        hybrid: {
          enabled: true,
          vectorWeight: 0.7,
          textWeight: 0.3,
          candidateMultiplier: 4
        }
      }
    }
  }
}

Embedding cache

Cấu hình: Cấu hình:

agents: {
  defaults: {
    memorySearch: {
      cache: {
        enabled: true,
        maxEntries: 50000
      }
    }
  }
}

Session memory search (experimental)

Bạn có thể tùy chọn lập chỉ mục bản ghi phiên và hiển thị chúng qua memory_search. This is gated behind an experimental flag.

agents: {
  defaults: {
    memorySearch: {
      experimental: { sessionMemory: true },
      sources: ["memory", "sessions"]
    }
  }
}

Ghi chú:

Lập chỉ mục phiên là tùy chọn (tắt theo mặc định).
Cập nhật phiên được debounce và lập chỉ mục bất đồng bộ khi vượt ngưỡng delta (best-effort).
memory_search không bao giờ chặn chờ lập chỉ mục; kết quả có thể hơi cũ cho đến khi đồng bộ nền hoàn tất.
Kết quả vẫn chỉ gồm snippet; memory_get vẫn giới hạn ở tệp bộ nhớ.
Lập chỉ mục phiên được cô lập theo từng tác tử (chỉ log phiên của tác tử đó được lập chỉ mục).
Session logs live on disk (~/.openclaw/agents/<agentId>/sessions/*.jsonl). 50. Bất kỳ tiến trình/người dùng nào có quyền truy cập hệ thống tệp đều có thể đọc chúng, vì vậy hãy coi quyền truy cập đĩa là ranh giới tin cậy. For stricter isolation, run agents under separate OS users or hosts.

Ngưỡng delta (mặc định hiển thị):

agents: {
  defaults: {
    memorySearch: {
      sync: {
        sessions: {
          deltaBytes: 100000,   // ~100 KB
          deltaMessages: 50     // JSONL lines
        }
      }
    }
  }
}

SQLite vector acceleration (sqlite-vec)

Khi tiện ích mở rộng sqlite-vec khả dụng, OpenClaw lưu trữ embedding trong một bảng ảo SQLite (vec0) và thực hiện các truy vấn khoảng cách vector ngay trong cơ sở dữ liệu. This keeps search fast without loading every embedding into JS. Cấu hình (tùy chọn):

agents: {
  defaults: {
    memorySearch: {
      store: {
        vector: {
          enabled: true,
          extensionPath: "/path/to/sqlite-vec"
        }
      }
    }
  }
}

Ghi chú:

enabled mặc định true; khi tắt, tìm kiếm fallback sang cosine similarity trong tiến trình trên embedding đã lưu.
Nếu extension sqlite-vec thiếu hoặc không tải được, OpenClaw ghi log lỗi và tiếp tục với fallback JS (không có bảng vector).
extensionPath ghi đè đường dẫn sqlite-vec đi kèm (hữu ích cho bản dựng tùy chỉnh hoặc vị trí cài đặt không chuẩn).

Local embedding auto-download

Model embedding cục bộ mặc định: hf:ggml-org/embeddinggemma-300m-qat-q8_0-GGUF/embeddinggemma-300m-qat-Q8_0.gguf (~0.6 GB).
When memorySearch.provider = "local", node-llama-cpp resolves modelPath; if the GGUF is missing it auto-downloads to the cache (or local.modelCacheDir if set), then loads it. Downloads resume on retry.
Yêu cầu build native: chạy pnpm approve-builds, chọn node-llama-cpp, rồi pnpm rebuild node-llama-cpp.
Fallback: nếu thiết lập local thất bại và memorySearch.fallback = "openai", chúng tôi tự động chuyển sang embedding từ xa (openai/text-embedding-3-small trừ khi bị ghi đè) và ghi lại lý do.

Ví dụ endpoint tương thích OpenAI tùy chỉnh

agents: {
  defaults: {
    memorySearch: {
      provider: "openai",
      model: "text-embedding-3-small",
      remote: {
        baseUrl: "https://api.example.com/v1/",
        apiKey: "YOUR_REMOTE_API_KEY",
        headers: {
          "X-Organization": "org-id",
          "X-Project": "project-id"
        }
      }
    }
  }
}

Ghi chú:

remote.* có ưu tiên cao hơn models.providers.openai.*.
remote.headers được hợp nhất với header của OpenAI; remote sẽ thắng khi trùng khóa. Omit remote.headers to use the OpenAI defaults.

Kiến thức cơ bản

Khởi tạo ban đầu

Phiên và bộ nhớ

Đa tác nhân

Tin nhắn và phân phối

Memory

Memory

Memory files (Markdown)

Khi nào ghi bộ nhớ

Automatic memory flush (pre-compaction ping)

Vector memory search

QMD backend (experimental)

Additional memory paths

Gemini embeddings (native)

Cách các công cụ bộ nhớ hoạt động

Những gì được lập chỉ mục (và khi nào)

Hybrid search (BM25 + vector)

Vì sao hybrid?

Cách chúng tôi gộp kết quả (thiết kế hiện tại)

Embedding cache

Session memory search (experimental)

SQLite vector acceleration (sqlite-vec)

Local embedding auto-download

Ví dụ endpoint tương thích OpenAI tùy chỉnh

Kiến thức cơ bản

Khởi tạo ban đầu

Phiên và bộ nhớ

Đa tác nhân

Tin nhắn và phân phối

​Memory

​Memory files (Markdown)

​Khi nào ghi bộ nhớ

​Automatic memory flush (pre-compaction ping)

​Vector memory search

​QMD backend (experimental)

​Additional memory paths

​Gemini embeddings (native)

​Cách các công cụ bộ nhớ hoạt động

​Những gì được lập chỉ mục (và khi nào)

​Hybrid search (BM25 + vector)

​Vì sao hybrid?

​Cách chúng tôi gộp kết quả (thiết kế hiện tại)

​Embedding cache

​Session memory search (experimental)

​SQLite vector acceleration (sqlite-vec)

​Local embedding auto-download

​Ví dụ endpoint tương thích OpenAI tùy chỉnh

Memory

Memory files (Markdown)

Khi nào ghi bộ nhớ

Automatic memory flush (pre-compaction ping)

Vector memory search

QMD backend (experimental)

Additional memory paths

Gemini embeddings (native)

Cách các công cụ bộ nhớ hoạt động

Những gì được lập chỉ mục (và khi nào)

Hybrid search (BM25 + vector)

Vì sao hybrid?

Cách chúng tôi gộp kết quả (thiết kế hiện tại)

Embedding cache

Session memory search (experimental)

SQLite vector acceleration (sqlite-vec)

Local embedding auto-download

Ví dụ endpoint tương thích OpenAI tùy chỉnh