--- read_when: - Vuoi capire come funziona memory_search - Vuoi scegliere un provider di embedding - Vuoi ottimizzare la qualità della ricerca summary: Come la ricerca nella memoria trova note pertinenti usando rappresentazioni vettoriali e recupero ibrido title: Ricerca nella memoria x-i18n: generated_at: "2026-05-02T08:20:49Z" model: gpt-5.5 provider: openai source_hash: 2a71fb0809d5c70689e8046f854e4b4b4e79f45769ac2964e40a762ebb4e91a8 source_path: concepts/memory-search.md workflow: 16 --- `memory_search` trova note pertinenti nei tuoi file di memoria, anche quando la formulazione differisce dal testo originale. Funziona indicizzando la memoria in piccoli blocchi e cercandoli tramite embedding, parole chiave o entrambi. ## Avvio rapido Se hai un abbonamento GitHub Copilot, oppure una chiave API OpenAI, Gemini, Voyage o Mistral configurata, la ricerca nella memoria funziona automaticamente. Per impostare esplicitamente un provider: ```json5 { agents: { defaults: { memorySearch: { provider: "openai", // or "gemini", "local", "ollama", etc. }, }, }, } ``` Per configurazioni multi-endpoint, `provider` può anche essere una voce personalizzata `models.providers.`, come `ollama-5080`, quando quel provider imposta `api: "ollama"` o un altro proprietario dell'adapter di embedding. Per embedding locali senza chiave API, imposta `provider: "local"`. I checkout del sorgente potrebbero comunque richiedere l'approvazione della build nativa: `pnpm approve-builds` e poi `pnpm rebuild node-llama-cpp`. Alcuni endpoint di embedding compatibili con OpenAI richiedono etichette asimmetriche come `input_type: "query"` per le ricerche e `input_type: "document"` o `"passage"` per i blocchi indicizzati. Configurale con `memorySearch.queryInputType` e `memorySearch.documentInputType`; consulta il [Riferimento alla configurazione della memoria](/it/reference/memory-config#provider-specific-config). ## Provider supportati | Provider | ID | Richiede chiave API | Note | | -------------- | ---------------- | ------------------- | -------------------------------------------------------- | | Bedrock | `bedrock` | No | Rilevato automaticamente quando la catena di credenziali AWS si risolve | | Gemini | `gemini` | Sì | Supporta l'indicizzazione di immagini/audio | | GitHub Copilot | `github-copilot` | No | Rilevato automaticamente, usa l'abbonamento Copilot | | Local | `local` | No | Modello GGUF, download di ~0,6 GB | | Mistral | `mistral` | Sì | Rilevato automaticamente | | Ollama | `ollama` | No | Locale, deve essere impostato esplicitamente | | OpenAI | `openai` | Sì | Rilevato automaticamente, veloce | | Voyage | `voyage` | Sì | Rilevato automaticamente | ## Come funziona la ricerca OpenClaw esegue due percorsi di recupero in parallelo e unisce i risultati: ```mermaid 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"] ``` - **Ricerca vettoriale** trova note con significato simile ("gateway host" corrisponde a "the machine running OpenClaw"). - **Ricerca per parole chiave BM25** trova corrispondenze esatte (ID, stringhe di errore, chiavi di configurazione). Se è disponibile un solo percorso (nessun embedding o nessun FTS), l'altro viene eseguito da solo. Quando gli embedding non sono disponibili, OpenClaw usa comunque il ranking lessicale sui risultati FTS invece di tornare solo all'ordinamento grezzo per corrispondenza esatta. Questa modalità degradata potenzia i blocchi con una copertura più forte dei termini della query e percorsi di file pertinenti, mantenendo utile il richiamo anche senza `sqlite-vec` o un provider di embedding. ## Migliorare la qualità della ricerca Due funzionalità opzionali aiutano quando hai una cronologia di note ampia: ### Decadimento temporale Le note vecchie perdono gradualmente peso nel ranking, così le informazioni recenti emergono per prime. Con il tempo di dimezzamento predefinito di 30 giorni, una nota del mese scorso ottiene il 50% del suo peso originale. I file sempre validi come `MEMORY.md` non subiscono mai decadimento. Abilita il decadimento temporale se il tuo agent ha mesi di note giornaliere e le informazioni obsolete continuano a superare il contesto recente nel ranking. ### MMR (diversità) Riduce i risultati ridondanti. Se cinque note menzionano tutte la stessa configurazione del router, MMR assicura che i risultati principali coprano argomenti diversi invece di ripetersi. Abilita MMR se `memory_search` continua a restituire snippet quasi duplicati da note giornaliere diverse. ### Abilitare entrambe ```json5 { agents: { defaults: { memorySearch: { query: { hybrid: { mmr: { enabled: true }, temporalDecay: { enabled: true }, }, }, }, }, }, } ``` ## Memoria multimodale Con Gemini Embedding 2, puoi indicizzare immagini e file audio insieme al Markdown. Le query di ricerca restano testuali, ma trovano corrispondenze nei contenuti visivi e audio. Consulta il [Riferimento alla configurazione della memoria](/it/reference/memory-config) per la configurazione. ## Ricerca nella memoria di sessione Puoi indicizzare facoltativamente le trascrizioni delle sessioni, così `memory_search` può ricordare conversazioni precedenti. È opt-in tramite `memorySearch.experimental.sessionMemory`. Consulta il [riferimento alla configurazione](/it/reference/memory-config) per i dettagli. ## Risoluzione dei problemi **Nessun risultato?** Esegui `openclaw memory status` per controllare l'indice. Se è vuoto, esegui `openclaw memory index --force`. **Solo corrispondenze per parole chiave?** Il tuo provider di embedding potrebbe non essere configurato. Controlla `openclaw memory status --deep`. **Gli embedding locali scadono per timeout?** `ollama`, `lmstudio` e `local` usano per impostazione predefinita un timeout batch inline più lungo. Se l'host è semplicemente lento, imposta `agents.defaults.memorySearch.sync.embeddingBatchTimeoutSeconds` e riesegui `openclaw memory index --force`. **Testo CJK non trovato?** Ricostruisci l'indice FTS con `openclaw memory index --force`. ## Approfondimenti - [Active Memory](/it/concepts/active-memory) -- memoria dei sub-agent per sessioni di chat interattive - [Memoria](/it/concepts/memory) -- layout dei file, backend, strumenti - [Riferimento alla configurazione della memoria](/it/reference/memory-config) -- tutte le opzioni di configurazione ## Correlati - [Panoramica della memoria](/it/concepts/memory) - [Active Memory](/it/concepts/active-memory) - [Motore di memoria integrato](/it/concepts/memory-builtin)