記憶設定參考資料

此頁列出 OpenClaw 記憶搜尋的所有設定選項。如需概念性概覽，請參閱：

記憶概覽

記憶的運作方式。

內建引擎

預設的 SQLite 後端。

QMD 引擎

本機優先的附屬程序。

記憶搜尋

搜尋流水線與調校。

主動記憶

用於互動式工作階段的記憶子代理程式。

所有共用記憶設定都位於 openclaw.json 的頂層 memory 下。搜尋預設值使用 memory.search；各代理程式的搜尋覆寫使用 agents.entries.*.memory.search。

若要使用建議的個人代理程式工作流程，請使用 memory.search.rememberAcrossConversations。進階主動記憶的目標指定、模型、提示詞與延遲控制位於 plugins.entries.active-memory 下。如需兩種啟用路徑、逐字稿持久化與安全推出指南，請參閱主動記憶。

跨對話記憶

鍵	類型	預設值	說明
`rememberAcrossConversations`	`boolean`	個人安裝時開啟；設定 DM 隔離時關閉	使用此代理程式其他已識別私人對話中的相關脈絡。

若只有受信任的個人代理程式應使用跨對話逐字稿回憶，請針對該代理程式進行設定：

{
  agents: {
    entries: {
      personal: {
        memory: {
          search: {
            rememberAcrossConversations: true,
          },
        },
      },
    },
  },
}

此值遵循一般的 memory.search 繼承規則，並可由各代理程式覆寫。未設定時，只有在全域 session.dmScope 未設定或為 "main"，且沒有任何繫結具有 session.dmScope 覆寫時，才會預設開啟。設定任何 DM 隔離都會使其預設關閉。明確的 true 或 false 一律優先。啟用後即表示啟用工作階段逐字稿索引，並將 sessions 加入代理程式解析後的記憶來源。使用 QMD 時，這也會啟用該代理程式的工作階段匯出；此模式不需要另外設定 memory.qmd.sessions.enabled。 OpenClaw 的內建記憶提供者在內建與 QMD 後端中都支援此受保護路徑。替代記憶提供者仍可使用自己的回憶掛鉤與進階主動記憶工具，但除非目前的提供者支援受保護的私人逐字稿回憶，否則會略過此設定。 openclaw doctor 會回報不支援的提供者，或明確的主動記憶 toolsAllow 清單遺漏 memory_search。此擷取邊界比一般工作階段搜尋更為狹窄：

只有同一代理程式已識別的私人對話符合資格
目前正在回答的對話會被排除
群組與頻道會從來源和目的地中排除
未知的對話類型會以封閉方式失敗
沙箱化回憶無法使用特殊的跨對話授權

此設定不會變更 tools.sessions.visibility、工作階段金鑰、逐字稿儲存、傳遞路由，也不會變更 sessions_list、sessions_history 和 sessions_send 的權限。主動記憶會執行有界限的唯讀擷取流程；擷取無法使用或逾時不會阻擋回覆。

提供者選擇

鍵	類型	預設值	說明
`enabled`	`boolean`	`true`	啟用或停用記憶搜尋
`provider`	`string`	`"openai"`	嵌入轉接器 ID，例如 `bedrock`、`deepinfra`、`gemini`、`github-copilot`、`local`、`mistral`、`ollama`、`openai`、`openai-compatible` 或 `voyage`；也可以是已設定的 `models.providers.<id>`，其 `api` 指向記憶嵌入轉接器或 OpenAI 相容模型 API
`model`	`string`	提供者預設值	嵌入模型名稱
`fallback`	`string`	`"none"`	主要轉接器失敗時使用的備援轉接器 ID

未設定 provider 時，OpenClaw 會使用 OpenAI 嵌入。若要使用 Bedrock、DeepInfra、Gemini、GitHub Copilot、Mistral、Ollama、Voyage、本機 GGUF 模型或 OpenAI 相容的 /v1/embeddings 端點，請明確設定 provider。仍使用 provider: "auto" 的舊版設定會解析為 openai。

變更嵌入提供者、模型、提供者設定、來源、範圍、分塊方式或權杖化工具，可能導致現有的 SQLite 向量索引不相容。 OpenClaw 會暫停向量搜尋並回報索引識別資訊警告，而不會自動重新嵌入所有內容。準備好後，請使用 openclaw memory status --index --agent <id> 或 openclaw memory index --force --agent <id> 重建。

當 provider 未設定、存在舊版 provider: "auto"，或 provider: "none" 刻意選擇僅使用 FTS 的模式時，即使嵌入無法使用，記憶回憶仍可使用詞彙 FTS 排序。明確指定的非本機提供者會以封閉方式失敗。如果你將 memory.search.provider 設為具體的遠端後端提供者，例如 Bedrock、DeepInfra、Gemini、GitHub Copilot、LM Studio、Mistral、Ollama、OpenAI、Voyage 或 OpenAI 相容的自訂提供者，而該提供者在執行階段無法使用，memory_search 會傳回無法使用的結果，而不會默默改用僅使用 FTS 的回憶。請修正提供者／驗證設定、切換到可連線的提供者，或在你希望刻意僅使用 FTS 回憶時設定 provider: "none"。

自訂提供者 ID

memory.search.provider 可以指向記憶專用提供者轉接器（例如 ollama）的自訂 models.providers.<id> 項目，或指向 OpenAI 相容模型 API（例如 openai-responses／openai-completions）的項目。OpenClaw 會解析該提供者的 api 擁有者以取得嵌入轉接器，同時保留自訂提供者 ID，用於處理端點、驗證與模型前綴。這可讓多 GPU 或多主機設定將記憶嵌入專門交由特定的本機端點處理：

{
  models: {
    providers: {
      "ollama-5080": {
        api: "ollama",
        baseUrl: "http://gpu-box.local:11435",
        apiKey: "ollama-local",
        models: [{ id: "qwen3-embedding:0.6b", name: "Qwen3 Embedding 0.6B" }],
      },
    },
  },
  memory: {
    search: {
      provider: "ollama-5080",
      model: "qwen3-embedding:0.6b",
    },
  },
}

API 金鑰解析

遠端嵌入需要 API 金鑰。Bedrock 則改用 AWS SDK 的預設認證資訊鏈（執行個體角色、SSO、存取金鑰或 Bedrock API 金鑰）。

提供者	環境變數	設定鍵
Bedrock	AWS 認證資訊鏈，或 `AWS_BEARER_TOKEN_BEDROCK`	不需要 API 金鑰
DeepInfra	`DEEPINFRA_API_KEY`	`models.providers.deepinfra.apiKey`
Gemini	`GEMINI_API_KEY`	`models.providers.google.apiKey`
GitHub Copilot	`COPILOT_GITHUB_TOKEN`、`GH_TOKEN`、`GITHUB_TOKEN`	透過裝置登入取得驗證設定檔
Mistral	`MISTRAL_API_KEY`	`models.providers.mistral.apiKey`
Ollama	`OLLAMA_API_KEY`（預留位置）	—
OpenAI	`OPENAI_API_KEY`	`models.providers.openai.apiKey`
Voyage	`VOYAGE_API_KEY`	`models.providers.voyage.apiKey`

Codex OAuth 僅涵蓋聊天／補全，無法滿足嵌入要求。

遠端端點設定

針對不應繼承全域 OpenAI 聊天認證資訊的通用 OpenAI 相容 /v1/embeddings 伺服器，請使用 provider: "openai-compatible"。

string

自訂 API 基底 URL。

string

覆寫 API 金鑰。

object

額外的 HTTP 標頭（與提供者預設值合併）。

{
  memory: {
    search: {
      provider: "openai-compatible",
      model: "text-embedding-3-small",
      remote: {
        baseUrl: "https://api.example.com/v1/",
        apiKey: "YOUR_KEY",
      },
    },
  },
}

提供者特定設定

Gemini

鍵	類型	預設值	說明
`model`	`string`	`gemini-embedding-001`	也支援 `gemini-embedding-2-preview`
`outputDimensionality`	`number`	`3072`	適用於 Embedding 2：768、1536 或 3072

變更模型或 outputDimensionality 會變更索引識別資訊。OpenClaw 會暫停向量搜尋，直到你明確重建記憶索引為止。

OpenAI 相容輸入類型

OpenAI 相容的嵌入端點可以選擇加入提供者特定的 input_type 要求欄位。這適用於查詢與文件嵌入需要不同標籤的非對稱嵌入模型。

鍵	類型	預設值	說明
`inputType`	`string`	未設定	查詢與文件嵌入共用的 `input_type`
`queryInputType`	`string`	未設定	查詢時的 `input_type`；覆寫 `inputType`
`documentInputType`	`string`	未設定	索引／文件的 `input_type`；覆寫 `inputType`

{
  memory: {
    search: {
      provider: "openai-compatible",
      remote: {
        baseUrl: "https://embeddings.example/v1",
        apiKey: "${EMBEDDINGS_API_KEY}",
      },
      model: "asymmetric-embedder",
      queryInputType: "query",
      documentInputType: "passage",
    },
  },
}

變更這些值會影響提供者批次索引的嵌入快取識別；若上游模型對這些標籤有不同處理，變更後應重新建立記憶索引。

Bedrock

Bedrock 嵌入設定

Bedrock 使用 AWS SDK 預設認證資訊鏈，加上由 OpenClaw 檢查的持有人權杖，因此不會在設定中儲存 API 金鑰。如果 OpenClaw 在具備 Bedrock 權限之執行個體角色的 EC2 上執行，只需設定提供者與模型：

{
  memory: {
    search: {
      provider: "bedrock",
      model: "amazon.titan-embed-text-v2:0",
    },
  },
}

鍵	類型	預設值	說明
`model`	`string`	`amazon.titan-embed-text-v2:0`	任何 Bedrock 嵌入模型 ID
`outputDimensionality`	`number`	模型預設值	Titan V2：256、512 或 1024

支援的模型（包含系列偵測與預設維度）：

模型 ID	提供者	預設維度	可設定維度
`amazon.titan-embed-text-v2:0`	Amazon	1024	256, 512, 1024
`amazon.titan-embed-text-v1`	Amazon	1536	—
`amazon.titan-embed-g1-text-02`	Amazon	1536	—
`amazon.titan-embed-image-v1`	Amazon	1024	—
`amazon.nova-2-multimodal-embeddings-v1:0`	Amazon	1024	256, 384, 1024, 3072
`cohere.embed-english-v3`	Cohere	1024	—
`cohere.embed-multilingual-v3`	Cohere	1024	—
`cohere.embed-v4:0`	Cohere	1536	256, 384, 512, 768, 1024, 1536
`twelvelabs.marengo-embed-3-0-v1:0`	TwelveLabs	512	—
`twelvelabs.marengo-embed-2-7-v1:0`	TwelveLabs	1024	—

帶有輸送量後綴的變體（例如 amazon.titan-embed-text-v1:2:8k）與帶有區域前綴的推論設定檔 ID（例如 us.amazon.titan-embed-text-v2:0）會繼承基礎模型的設定。**區域：**依此順序解析：memory.search.remote.baseUrl 覆寫、models.providers.amazon-bedrock.baseUrl 設定、AWS_REGION、AWS_DEFAULT_REGION，最後使用預設值 us-east-1。**驗證：**OpenClaw 會先檢查 AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY 或 AWS_BEARER_TOKEN_BEDROCK，接著才轉用標準 AWS SDK 預設認證資訊提供者鏈：

環境變數（AWS_ACCESS_KEY_ID + AWS_SECRET_ACCESS_KEY），除非也設定了 AWS_PROFILE
SSO（僅在已設定 SSO 欄位時）
共用認證資訊與設定檔（fromIni，包含 AWS_PROFILE）
認證資訊處理程序（AWS 設定檔中的 credential_process）
Web 身分權杖認證資訊
ECS 或 EC2 執行個體中繼資料認證資訊

**IAM 權限：**IAM 角色或使用者需要：

{
  "Effect": "Allow",
  "Action": "bedrock:InvokeModel",
  "Resource": "*"
}

若要遵循最低權限原則，請將 InvokeModel 的範圍限制為特定模型：

arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0

本機（GGUF + llama.cpp）

鍵	類型	預設值	說明
`local.modelPath`	`string`	自動下載	GGUF 模型檔案的路徑
`local.modelCacheDir`	`string`	node-llama-cpp 預設值	已下載模型的快取目錄
`local.contextSize`	`number \| "auto"`	`4096`	嵌入內容脈絡的內容脈絡視窗大小。4096 可涵蓋一般區塊（128-512 個權杖），同時限制模型權重以外的 VRAM 用量。在資源受限的主機上可降至 1024-2048。`"auto"` 會使用模型訓練時的上限——不建議用於 8B 以上的模型（Qwen3-Embedding-8B：最高 40 960 個權杖可能使 VRAM 用量增至約 32 GB）。

請先安裝官方 llama.cpp 提供者：openclaw plugins install @openclaw/llama-cpp-provider。預設模型：embeddinggemma-300m-qat-Q8_0.gguf（約 0.6 GB，會自動下載）。原始碼簽出仍需核准原生建置：先執行 pnpm approve-builds，再執行 pnpm rebuild node-llama-cpp。使用獨立命令列介面驗證與閘道相同的提供者路徑：

openclaw memory status --deep --agent main
openclaw memory index --force --agent main

數值型 local.contextSize 值也會提供給 node-llama-cpp 的自動 GPU 層配置，使模型權重與要求的嵌入內容脈絡能一併容納。執行階段載入後，openclaw memory status --deep 會回報最近一次已知的 llama.cpp 後端、裝置、卸載、要求的內容脈絡，以及帶有時間戳記的記憶體資訊；被動狀態檢查不會載入模型。請為本機 GGUF 嵌入明確設定 provider: "local"。明確的本機設定支援 hf: 與 HTTP(S) 模型參照（透過 node-llama-cpp 的模型解析），但不會變更預設提供者。

索引行為

記憶引擎負責同步、批次處理、監看，以及壓縮後的索引啟發式規則。OpenClaw 會使用受維護的預設值保持這些行為啟用，而不公開各安裝環境的計時開關。

混合搜尋設定

全部位於 memory.search.query 下：

鍵	類型	預設值	說明
`maxResults`	`number`	`6`	注入前傳回的記憶命中數上限
`minScore`	`number`	`0.35`	納入命中結果的最低相關性分數

混合式擷取會保持啟用；內建引擎原則會維持停用 MMR 與時間衰減。

完整範例

{
  memory: {
    search: {
      query: {
        maxResults: 6,
        minScore: 0.35,
      },
    },
  },
}

額外記憶路徑

鍵	類型	說明
`extraPaths`	`string[]`	要建立索引的其他目錄或檔案

{
  memory: {
    search: {
      extraPaths: ["../team-docs", "/srv/shared-notes"],
    },
  },
}

路徑可以是絕對路徑或相對於工作區的路徑。目錄會以遞迴方式掃描 .md 檔案。符號連結的處理方式取決於作用中的後端：內建引擎會略過符號連結，而 QMD 則依循底層 QMD 掃描器的行為。若要進行限定代理程式範圍的跨代理程式逐字稿搜尋，請使用 agents.entries.*.memory.search.qmd.extraCollections，而非 memory.qmd.paths。這些額外集合採用相同的 { path, name, pattern? } 結構，但會依代理程式合併；當路徑指向目前工作區之外時，也可保留明確的共用名稱。如果相同的解析後路徑同時出現在 memory.qmd.paths 與 memory.search.qmd.extraCollections 中，QMD 會保留第一個項目並略過重複項目。

多模態記憶（Gemini）

使用 Gemini Embedding 2，將影像與音訊和 Markdown 一併建立索引：

鍵	類型	預設值	說明
`multimodal.enabled`	`boolean`	`false`	啟用多模態索引
`multimodal.modalities`	`string[]`	—	`["image"]`、`["audio"]` 或 `["all"]`
`multimodal.maxFileBytes`	`number`	`10485760`	建立索引的檔案大小上限（10 MiB）

僅適用於 extraPaths 中的檔案。預設記憶根目錄仍僅支援 Markdown。需要 gemini-embedding-2-preview。fallback 必須為 "none"。

支援的格式：.jpg、.jpeg、.png、.webp、.gif、.heic、.heif（影像）；.mp3、.wav、.ogg、.opus、.m4a、.aac、.flac（音訊）。

嵌入快取

鍵	類型	預設值	說明
`cache.enabled`	`boolean`	`true`	在 SQLite 中快取區塊嵌入

避免在重新建立索引或更新逐字稿時，再次嵌入未變更的文字。

批次索引

鍵	類型	預設值	說明
`remote.nonBatchConcurrency`	`number`	`4`	平行的行內嵌入
`remote.batch.enabled`	`boolean`	`false`	啟用批次嵌入 API

適用於 gemini、openai 與 voyage。對於大量回填，OpenAI 批次處理通常速度最快且成本最低。並行處理、輪詢與逾時行為由提供者負責。

工作階段記憶搜尋

建立工作階段逐字稿索引，並透過 memory_search 提供：

鍵	類型	預設值	說明
`rememberAcrossConversations`	`boolean`	`false`	允許私密的跨對話回憶
`sources`	`string[]`	`["memory"]`	加入 `"sessions"` 以納入逐字稿

工作階段索引須自行選用，並以非同步方式執行。結果可能略有延遲。工作階段記錄儲存在磁碟上，因此請將檔案系統存取視為信任邊界。

一般由模型呼叫的工作階段逐字記錄搜尋會遵循 tools.sessions.visibility。預設的 tree 可見性會公開目前的工作階段、由其衍生的工作階段，以及透過環境群組感知所監看、屬於同一代理程式的群組工作階段。其他不相關的工作階段需要 agent 可見性（只有在也需要跨代理程式回憶，且代理程式間政策允許時，才可使用 all）。 rememberAcrossConversations 不會擴大該設定。它會提供一項獨立且僅限執行階段的授權，範圍僅限於有界的主動記憶流程期間，同一代理程式的私人逐字記錄。下列範例將這些設定放在頂層 memory.search 之下。如果只有一個代理程式應索引及搜尋工作階段逐字記錄，也可以在該代理程式的 memory.search 覆寫中套用等效設定。若要讓同一代理程式從閘道回憶私訊：

內建後端
QMD 後端

{
  memory: {
    search: {
      experimental: { sessionMemory: true },
      sources: ["memory", "sessions"],
    },
  },
  tools: {
    sessions: { visibility: "agent" },
  },
}

{
  memory: {
    backend: "qmd",
    search: {
      experimental: { sessionMemory: true },
      sources: ["memory", "sessions"],
    },
    qmd: {
      sessions: { enabled: true },
    },
  },
  tools: {
    sessions: { visibility: "agent" },
  },
}

使用 QMD 時，僅設定 sources: ["sessions"] 並不會將逐字記錄匯出至 QMD。還需設定 memory.qmd.sessions.enabled: true。較高層級的 rememberAcrossConversations: true 設定是例外：它會隱含啟用該代理程式所需的 QMD 工作階段匯出。隱含匯出會保持私密：一律使用預設的內部匯出位置（設定的 sessions.exportDir 僅套用於明確匯出），只會在該代理程式的跨對話回憶期間進行搜尋，而且一般的 memory_get 無法讀取。明確設定 memory.qmd.sessions.enabled: true 則會維持現有行為，並將匯出的逐字記錄納入一般記憶語料庫。

SQLite 向量加速（sqlite-vec）

鍵	類型	預設值	說明
`store.vector.enabled`	`boolean`	`true`	使用 sqlite-vec 執行向量查詢
`store.vector.extensionPath`	`string`	隨附	覆寫 sqlite-vec 路徑

當 sqlite-vec 無法使用時，OpenClaw 會自動改用程序內的餘弦相似度。

索引儲存

內建記憶索引位於每個代理程式的 OpenClaw SQLite 資料庫中： agents/<agentId>/agent/openclaw-agent.sqlite。

鍵	類型	預設值	說明
`store.fts.tokenizer`	`string`	`unicode61`	FTS5 詞元分析器（`unicode61` 或 `trigram`）

QMD 後端設定

設定 memory.backend = "qmd" 以啟用。所有 QMD 設定都位於 memory.qmd 之下：

鍵	類型	預設值	說明
`command`	`string`	`qmd`	QMD 可執行檔路徑；當服務的 `PATH` 與你的殼層不同時，請設定絕對路徑
`searchMode`	`string`	`search`	搜尋命令：`search`、`vsearch`、`query`
`rerank`	`boolean`	—	搭配 `searchMode: "query"` 與 QMD 2.1+ 時設為 `false`，以略過 QMD 重新排序
`includeDefaultMemory`	`boolean`	`true`	自動索引 `MEMORY.md` + `memory/*/.md`
`paths[]`	`array`	—	額外路徑：`{ name, path, pattern? }`
`sessions.enabled`	`boolean`	`false`	將工作階段逐字記錄匯出至 QMD
`sessions.retentionDays`	`number`	—	逐字記錄保留期限
`sessions.exportDir`	`string`	—	匯出目錄

searchMode: "search" 僅使用詞彙／BM25。對於此模式，OpenClaw 不會執行語意向量就緒探測或 QMD 嵌入維護，包括在 memory status --deep 期間；vsearch 和 query 仍需要 QMD 向量就緒及嵌入。 rerank: false 只會變更 QMD 的 query 模式，且需要 QMD 2.1 或更新版本。在直接命令列介面模式中，OpenClaw 會傳遞 --no-rerank；在由 mcporter 支援的 MCP 模式中，則會將 rerank: false 傳遞給 QMD 的統一查詢工具。若不設定，將使用 QMD 的預設查詢重新排序行為。 OpenClaw 優先採用目前的 QMD 集合與 MCP 查詢格式，但仍會在需要時嘗試相容的集合模式旗標及較舊的 MCP 工具名稱，以維持舊版 QMD 的運作。當 QMD 宣告支援多個集合篩選條件時，同來源集合會以單一 QMD 程序進行搜尋；較舊的 QMD 組建則維持每個集合各自處理的相容路徑。同來源表示持久記憶集合（預設記憶檔案加上自訂路徑）會歸為一組，而工作階段逐字記錄集合仍會維持為另一組，讓來源多樣化仍同時包含這兩種輸入。

QMD 模型覆寫應保留在 QMD 端，而不是 OpenClaw 設定中。如果需要全域覆寫 QMD 的模型，請在閘道執行階段環境中設定 QMD_EMBED_MODEL、QMD_RERANK_MODEL 和 QMD_GENERATE_MODEL 等環境變數。

限制

鍵	類型	預設值	說明
`limits.maxResults`	`number`	`4`	搜尋結果數量上限
`limits.maxSnippetChars`	`number`	`450`	限制摘要長度
`limits.maxInjectedChars`	`number`	`2200`	限制注入的字元總數
`limits.timeoutMs`	`number`	`4000`	由 QMD 支援的搜尋期間（包括 `memory_search`）之 QMD 命令逾時；設定、同步、內建後援及補充工作仍沿用預設工具期限

範圍

控制哪些工作階段可以接收 QMD 搜尋結果。結構與 session.sendPolicy 相同：

{
  memory: {
    qmd: {
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
    },
  },
}

隨附的預設值僅允許私訊／直接對話，並拒絕群組及其他頻道類型。match.keyPrefix 會比對正規化後的工作階段鍵；match.rawKeyPrefix 會比對包含 agent:<id>: 的原始鍵。

引用

memory.citations 適用於所有後端：

值	行為
`auto`（預設）	在摘要中包含 `Source: <path#line>` 頁尾
`on`	一律包含頁尾
`off`	省略頁尾（路徑仍會在內部傳遞給代理程式）

QMD 會在首次使用記憶時延遲初始化；其介面卡負責重新整理及嵌入排程。

完整 QMD 範例

{
  memory: {
    backend: "qmd",
    citations: "auto",
    qmd: {
      includeDefaultMemory: true,
      update: { interval: "5m", debounceMs: 15000 },
      limits: { maxResults: 4, timeoutMs: 4000 },
      scope: {
        default: "deny",
        rules: [{ action: "allow", match: { chatType: "direct" } }],
      },
      paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }],
    },
  },
}

夢境整理

夢境整理是在 plugins.entries.memory-core.config.dreaming 之下設定，而不是在 memory.search 之下。夢境整理會以單次排程掃描方式執行，並將內部的淺層／深層／REM 階段視為實作細節。有關概念行為與斜線命令，請參閱夢境整理。

使用者設定

鍵	類型	預設值	說明
`enabled`	`boolean`	`false`	完全啟用或停用夢境整理
`frequency`	`string`	`0 3 * * *`	完整夢境整理掃描的選用排程週期
`model`	`string`	預設模型	選用的夢境日記子代理程式模型覆寫
`phases.deep.maxPromotedSnippetTokens`	`number`	`160`	從每個提升至 `MEMORY.md` 的短期回憶摘要中保留的估計 Token 數量上限；來源中繼資料仍保持可見

範例

{
  plugins: {
    entries: {
      "memory-core": {
        subagent: {
          allowModelOverride: true,
          allowedModels: ["anthropic/claude-sonnet-4-6"],
        },
        config: {
          dreaming: {
            enabled: true,
            frequency: "0 3 * * *",
            model: "anthropic/claude-sonnet-4-6",
          },
        },
      },
    },
  },
}

夢境整理會將機器狀態寫入 memory/.dreams/。
夢境整理會將人類可讀的敘事輸出寫入 DREAMS.md（或現有的 dreams.md）。
dreaming.model 使用現有的外掛子代理程式信任閘門；啟用前請先設定 plugins.entries.memory-core.subagent.allowModelOverride: true。
設定的模型無法使用時，夢境日記會使用工作階段預設模型重試一次。信任或允許清單失敗會記錄於日誌中，不會靜默重試。
淺層／深層／REM 階段政策及門檻屬於內部行為，不是面向使用者的設定。

記憶概覽

內建引擎

QMD 引擎

記憶搜尋

主動記憶

​跨對話記憶

​提供者選擇

​自訂提供者 ID

​API 金鑰解析

​遠端端點設定

​提供者特定設定

​Bedrock 嵌入設定

​索引行為

​混合搜尋設定

​完整範例

​額外記憶路徑

​多模態記憶（Gemini）

​嵌入快取

​批次索引

​工作階段記憶搜尋

​SQLite 向量加速（sqlite-vec）

​索引儲存

​QMD 後端設定

​完整 QMD 範例

​夢境整理

​使用者設定

​範例

​相關內容

跨對話記憶

提供者選擇

自訂提供者 ID

API 金鑰解析

遠端端點設定

提供者特定設定

Bedrock 嵌入設定

索引行為

混合搜尋設定

完整範例

額外記憶路徑

多模態記憶（Gemini）

嵌入快取

批次索引

工作階段記憶搜尋

SQLite 向量加速（sqlite-vec）

索引儲存

QMD 後端設定

完整 QMD 範例

夢境整理

使用者設定

範例

相關內容