> ## Documentation Index
> Fetch the complete documentation index at: https://docs2.openclaw.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Встроенный механизм памяти

Встроенный движок — это бэкенд памяти по умолчанию. Он хранит индекс памяти
в отдельной для каждого агента базе данных SQLite и не требует дополнительных
зависимостей для начала работы.

## Возможности

* **Поиск по ключевым словам** с помощью полнотекстового индексирования FTS5 (ранжирование BM25).
* **Векторный поиск** с помощью эмбеддингов от любого поддерживаемого провайдера.
* **Гибридный поиск**, объединяющий оба подхода для получения наилучших результатов.
* **Поддержка CJK** с помощью триграммной токенизации для китайского, японского и корейского языков.
* **Ускорение sqlite-vec** для векторных запросов внутри базы данных (необязательно).

## Начало работы

По умолчанию встроенный движок использует эмбеддинги OpenAI. Если `OPENAI_API_KEY` или
`models.providers.openai.apiKey` уже настроен, векторный поиск работает
без дополнительной настройки памяти.

Чтобы явно указать провайдера:

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai",
      },
    },
  },
}
```

Без провайдера эмбеддингов доступен только поиск по ключевым словам.

Чтобы принудительно использовать локальные эмбеддинги GGUF, установите официальный
плагин провайдера llama.cpp, а затем укажите в `local.modelPath` файл GGUF:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw plugins install @openclaw/llama-cpp-provider
```

```json5 theme={"theme":{"light":"min-light","dark":"min-dark"}}
{
  agents: {
    defaults: {
      memorySearch: {
        provider: "local",
        fallback: "none",
        local: {
          modelPath: "~/.node-llama-cpp/models/embeddinggemma-300m-qat-Q8_0.gguf",
        },
      },
    },
  },
}
```

## Поддерживаемые провайдеры эмбеддингов

| Провайдер | Идентификатор | Примечания |
| - | - | - |
| Bedrock | `bedrock` | Использует цепочку учетных данных AWS |
| DeepInfra | `deepinfra` | По умолчанию: `BAAI/bge-m3` |
| Gemini | `gemini` | Поддерживает мультимодальность (изображения и аудио) |
| GitHub Copilot | `github-copilot` | Использует вашу подписку Copilot |
| LM Studio | `lmstudio` | Локальный или самостоятельно размещенный |
| Локальный | `local` | `@openclaw/llama-cpp-provider` |
| Mistral | `mistral` | |
| Ollama | `ollama` | Локальный или самостоятельно размещенный |
| OpenAI | `openai` | По умолчанию: `text-embedding-3-small` |
| Совместимый с OpenAI | `openai-compatible` | Универсальная конечная точка `/v1/embeddings` |
| Voyage | `voyage` | |

Чтобы отказаться от OpenAI, задайте `memorySearch.provider`.

## Как работает индексирование

OpenClaw разбивает `MEMORY.md` и `memory/*.md` на фрагменты (по умолчанию 400 токенов
с перекрытием в 80 токенов) и сохраняет их в отдельной для каждого агента базе данных SQLite.

* **Расположение индекса:** база данных соответствующего агента по пути
  `~/.openclaw/agents/<agentId>/agent/openclaw-agent.sqlite`
* **Обслуживание хранилища:** размер вспомогательных файлов SQLite WAL ограничивается с помощью периодических
  контрольных точек и контрольных точек при завершении работы.
* **Отслеживание файлов:** изменения файлов памяти запускают переиндексацию с задержкой
  для устранения дребезга (по умолчанию 1,5 с).
* **Автоматическая переиндексация:** индекс автоматически перестраивается при изменении провайдера
  эмбеддингов, модели, конфигурации разбиения на фрагменты, настроенных источников или области действия.
* **Переиндексация по запросу:** `openclaw memory index --force`

> [!NOTE]
>
> Можно также индексировать файлы Markdown за пределами рабочего пространства с помощью
> `memorySearch.extraPaths`. См.
> [справочник по конфигурации](https://docs2.openclaw.ai/ru/reference/memory-config.md#additional-memory-paths).

## Когда использовать

Встроенный движок подходит большинству пользователей:

* Работает сразу после установки без дополнительных зависимостей.
* Хорошо справляется с поиском по ключевым словам и векторным поиском.
* Поддерживает всех провайдеров эмбеддингов.
* Гибридный поиск сочетает преимущества обоих подходов к извлечению данных.

Рассмотрите переход на [QMD](https://docs2.openclaw.ai/ru/concepts/memory-qmd), если вам нужны повторное ранжирование, расширение
запросов или индексирование каталогов за пределами рабочего пространства.

Рассмотрите [Honcho](https://docs2.openclaw.ai/ru/concepts/memory-honcho.md), если вам нужна память между сеансами
с автоматическим моделированием пользователя.

## Устранение неполадок

**Поиск по памяти отключен?** Проверьте `openclaw memory status`. Если провайдер
не обнаружен, укажите его явно или добавьте ключ API.

**Локальный провайдер не обнаружен?** Убедитесь, что локальный путь существует, и выполните:

```bash theme={"theme":{"light":"min-light","dark":"min-dark"}}
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
```

Как отдельные команды CLI, так и Gateway используют один идентификатор провайдера `local`.
Задайте `memorySearch.provider: "local"`, если хотите использовать локальные эмбеддинги.

**Устаревшие результаты?** Выполните `openclaw memory index --force` для перестроения индекса. В редких
пограничных случаях средство отслеживания может пропустить изменения.

**sqlite-vec не загружается?** OpenClaw автоматически переключается на вычисление косинусного
сходства внутри процесса. `openclaw memory status --deep` сообщает о локальном
векторном хранилище отдельно от провайдера эмбеддингов, поэтому `Vector store:
unavailable` указывает на загрузку sqlite-vec, а `Embeddings: unavailable`
— на готовность провайдера, аутентификации или модели. Найдите конкретную ошибку
загрузки в журналах.

## Конфигурация

Сведения о настройке провайдера эмбеддингов, гибридного поиска (веса, MMR, временное
затухание), пакетного индексирования, мультимодальной памяти, sqlite-vec, дополнительных путей и всех
остальных параметров конфигурации см. в
[справочнике по конфигурации памяти](https://docs2.openclaw.ai/ru/reference/memory-config.md).

## Связанные материалы

* [Обзор памяти](https://docs2.openclaw.ai/ru/concepts/memory.md)
* [Поиск по памяти](https://docs2.openclaw.ai/ru/concepts/memory-search.md)
* [Active Memory](https://docs2.openclaw.ai/ru/concepts/active-memory.md)