--- read_when: - 메모리 검색 제공자 또는 임베딩 모델을 구성하려는 경우 - QMD 백엔드를 설정하려고 합니다 - 하이브리드 검색, MMR 또는 시간 감쇠를 조정하려는 경우 - 멀티모달 메모리 인덱싱을 활성화하려는 경우 sidebarTitle: Memory config summary: 메모리 검색, 임베딩 제공자, QMD, 하이브리드 검색, 멀티모달 인덱싱을 위한 모든 구성 조정 옵션 title: 메모리 구성 참조 x-i18n: generated_at: "2026-05-02T22:22:46Z" model: gpt-5.5 provider: openai source_hash: 99624a13b4e700da47a523206569d84c6750266fbb648ec73c463be9c5c285d0 source_path: reference/memory-config.md workflow: 16 --- 이 페이지는 OpenClaw 메모리 검색의 모든 구성 조정 항목을 나열합니다. 개념 개요는 다음을 참조하세요. 메모리 작동 방식. 기본 SQLite 백엔드. 로컬 우선 사이드카. 검색 파이프라인 및 튜닝. 대화형 세션용 메모리 하위 에이전트. 별도로 명시하지 않는 한 모든 메모리 검색 설정은 `openclaw.json`의 `agents.defaults.memorySearch` 아래에 있습니다. **Active Memory** 기능 토글과 하위 에이전트 구성을 찾고 있다면, 이는 `memorySearch`가 아니라 `plugins.entries.active-memory` 아래에 있습니다. Active Memory는 두 단계 게이트 모델을 사용합니다. 1. plugin이 활성화되어 있어야 하며 현재 에이전트 ID를 대상으로 해야 합니다 2. 요청은 적격한 대화형 영구 채팅 세션이어야 합니다 활성화 모델, plugin 소유 구성, 대화 기록 지속성, 안전한 롤아웃 패턴은 [Active Memory](/ko/concepts/active-memory)를 참조하세요. --- ## 제공자 선택 | 키 | 유형 | 기본값 | 설명 | | ---------- | --------- | ---------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `provider` | `string` | 자동 감지 | `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `voyage` 같은 임베딩 어댑터 ID입니다. `api`가 이러한 어댑터 중 하나를 가리키는 구성된 `models.providers.`일 수도 있습니다 | | `model` | `string` | 제공자 기본값 | 임베딩 모델 이름 | | `fallback` | `string` | `"none"` | 기본 제공자가 실패할 때 사용할 폴백 어댑터 ID | | `enabled` | `boolean` | `true` | 메모리 검색을 활성화하거나 비활성화합니다 | ### 자동 감지 순서 `provider`가 설정되지 않은 경우 OpenClaw는 사용 가능한 첫 번째 항목을 선택합니다. `memorySearch.local.modelPath`가 구성되어 있고 파일이 존재하면 선택됩니다. GitHub Copilot 토큰을 확인할 수 있으면 선택됩니다(환경 변수 또는 인증 프로필). OpenAI 키를 확인할 수 있으면 선택됩니다. Gemini 키를 확인할 수 있으면 선택됩니다. Voyage 키를 확인할 수 있으면 선택됩니다. Mistral 키를 확인할 수 있으면 선택됩니다. DeepInfra 키를 확인할 수 있으면 선택됩니다. AWS SDK 자격 증명 체인이 확인되면 선택됩니다(인스턴스 역할, 액세스 키, 프로필, SSO, 웹 ID 또는 공유 구성). `ollama`는 지원되지만 자동 감지되지는 않습니다(명시적으로 설정하세요). ### 사용자 지정 제공자 ID `memorySearch.provider`는 사용자 지정 `models.providers.` 항목을 가리킬 수 있습니다. OpenClaw는 엔드포인트, 인증, 모델 접두사 처리를 위해 사용자 지정 제공자 ID를 유지하면서 임베딩 어댑터에 대한 해당 제공자의 `api` 소유자를 확인합니다. 이를 통해 멀티 GPU 또는 멀티 호스트 설정에서 메모리 임베딩을 특정 로컬 엔드포인트에 전용으로 할당할 수 있습니다. ```json5 { models: { providers: { "ollama-5080": { api: "ollama", baseUrl: "http://gpu-box.local:11435", apiKey: "ollama-local", models: [{ id: "qwen3-embedding:0.6b" }], }, }, }, agents: { defaults: { memorySearch: { provider: "ollama-5080", model: "qwen3-embedding:0.6b", }, }, }, } ``` ### API 키 확인 원격 임베딩에는 API 키가 필요합니다. 대신 Bedrock은 AWS SDK 기본 자격 증명 체인을 사용합니다(인스턴스 역할, SSO, 액세스 키). | 제공자 | 환경 변수 | 구성 키 | | -------------- | -------------------------------------------------- | ----------------------------------- | | Bedrock | AWS 자격 증명 체인 | API 키 필요 없음 | | 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` | 디바이스 로그인을 통한 인증 프로필 | | Mistral | `MISTRAL_API_KEY` | `models.providers.mistral.apiKey` | | Ollama | `OLLAMA_API_KEY` (자리 표시자) | -- | | OpenAI | `OPENAI_API_KEY` | `models.providers.openai.apiKey` | | Voyage | `VOYAGE_API_KEY` | `models.providers.voyage.apiKey` | Codex OAuth는 채팅/완성만 처리하며 임베딩 요청을 충족하지 않습니다. --- ## 원격 엔드포인트 구성 사용자 지정 OpenAI 호환 엔드포인트를 사용하거나 제공자 기본값을 재정의하는 경우: 사용자 지정 API 기본 URL. API 키 재정의. 추가 HTTP 헤더(제공자 기본값과 병합됨). ```json5 { agents: { defaults: { memorySearch: { provider: "openai", model: "text-embedding-3-small", remote: { baseUrl: "https://api.example.com/v1/", apiKey: "YOUR_KEY", }, }, }, }, } ``` --- ## 제공자별 구성 | 키 | 유형 | 기본값 | 설명 | | ---------------------- | -------- | ---------------------- | ------------------------------------------ | | `model` | `string` | `gemini-embedding-001` | `gemini-embedding-2-preview`도 지원합니다 | | `outputDimensionality` | `number` | `3072` | Embedding 2의 경우: 768, 1536 또는 3072 | 모델 또는 `outputDimensionality`를 변경하면 자동 전체 재색인이 트리거됩니다. OpenAI 호환 임베딩 엔드포인트는 제공자별 `input_type` 요청 필드를 사용할 수 있습니다. 이는 쿼리와 문서 임베딩에 서로 다른 레이블이 필요한 비대칭 임베딩 모델에 유용합니다. | 키 | 유형 | 기본값 | 설명 | | ------------------- | -------- | ------- | ------------------------------------------------------- | | `inputType` | `string` | 설정되지 않음 | 쿼리 및 문서 임베딩에 대한 공유 `input_type` | | `queryInputType` | `string` | 설정되지 않음 | 쿼리 시점 `input_type`; `inputType`을 재정의합니다 | | `documentInputType` | `string` | 설정되지 않음 | 색인/문서 `input_type`; `inputType`을 재정의합니다 | ```json5 { agents: { defaults: { memorySearch: { provider: "openai", remote: { baseUrl: "https://embeddings.example/v1", apiKey: "env:EMBEDDINGS_API_KEY", }, model: "asymmetric-embedder", queryInputType: "query", documentInputType: "passage", }, }, }, } ``` 이러한 값을 변경하면 제공자 배치 색인에 대한 임베딩 캐시 ID에 영향을 주며, 업스트림 모델이 레이블을 다르게 처리하는 경우 메모리 재색인이 뒤따라야 합니다. ### Bedrock 임베딩 구성 Bedrock은 AWS SDK 기본 자격 증명 체인을 사용하므로 API 키가 필요하지 않습니다. OpenClaw가 Bedrock이 활성화된 인스턴스 역할을 사용해 EC2에서 실행되는 경우, 제공자와 모델만 설정하면 됩니다. ```json5 { agents: { defaults: { memorySearch: { provider: "bedrock", model: "amazon.titan-embed-text-v2:0", }, }, }, } ``` | 키 | 유형 | 기본값 | 설명 | | ---------------------- | -------- | ------------------------------ | ------------------------------- | | `model` | `string` | `amazon.titan-embed-text-v2:0` | 모든 Bedrock 임베딩 모델 ID | | `outputDimensionality` | `number` | 모델 기본값 | Titan V2의 경우: 256, 512 또는 1024 | **지원되는 모델**(패밀리 감지 및 차원 기본값 포함): | 모델 ID | 제공자 | 기본 차원 | 구성 가능한 차원 | | ------------------------------------------ | ---------- | ------------ | -------------------- | | `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 | 256-1536 | | `twelvelabs.marengo-embed-3-0-v1:0` | TwelveLabs | 512 | -- | | `twelvelabs.marengo-embed-2-7-v1:0` | TwelveLabs | 1024 | -- | 처리량 접미사가 붙은 변형(예: `amazon.titan-embed-text-v1:2:8k`)은 기본 모델의 구성을 상속합니다. **인증:** Bedrock 인증은 표준 AWS SDK 자격 증명 확인 순서를 사용합니다. 1. 환경 변수(`AWS_ACCESS_KEY_ID` + `AWS_SECRET_ACCESS_KEY`) 2. SSO 토큰 캐시 3. 웹 ID 토큰 자격 증명 4. 공유 자격 증명 및 구성 파일 5. ECS 또는 EC2 메타데이터 자격 증명 리전은 `AWS_REGION`, `AWS_DEFAULT_REGION`, `amazon-bedrock` 제공자 `baseUrl`에서 확인되거나 기본값 `us-east-1`이 사용됩니다. **IAM 권한:** IAM 역할 또는 사용자에는 다음이 필요합니다. ```json { "Effect": "Allow", "Action": "bedrock:InvokeModel", "Resource": "*" } ``` 최소 권한을 적용하려면 `InvokeModel` 범위를 특정 모델로 제한하세요. ``` arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 ``` | 키 | 유형 | 기본값 | 설명 | | --------------------- | ------------------ | ---------------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | | `local.modelPath` | `string` | 자동 다운로드됨 | GGUF 모델 파일 경로 | | `local.modelCacheDir` | `string` | node-llama-cpp 기본값 | 다운로드한 모델의 캐시 디렉터리 | | `local.contextSize` | `number \| "auto"` | `4096` | 임베딩 컨텍스트의 컨텍스트 창 크기입니다. 4096은 일반적인 청크(128~512토큰)를 처리하면서 가중치가 아닌 VRAM 사용량을 제한합니다. 제약이 있는 호스트에서는 1024~2048로 낮추세요. `"auto"`는 모델의 학습된 최대값을 사용합니다. 8B+ 모델에는 권장되지 않습니다(Qwen3-Embedding-8B: 40,960토큰 → VRAM 약 32GB, 4096에서는 약 8.8GB). | 기본 모델: `embeddinggemma-300m-qat-Q8_0.gguf`(약 0.6GB, 자동 다운로드됨). 소스 체크아웃에는 여전히 네이티브 빌드 승인이 필요합니다. `pnpm approve-builds`를 실행한 다음 `pnpm rebuild node-llama-cpp`를 실행하세요. Gateway가 사용하는 것과 동일한 제공자 경로를 확인하려면 독립 실행형 CLI를 사용하세요. ```bash openclaw memory status --deep --agent main openclaw memory index --force --agent main ``` `provider`가 `auto`이면 `local.modelPath`가 기존 로컬 파일을 가리킬 때만 `local`이 선택됩니다. `hf:` 및 HTTP(S) 모델 참조는 `provider: "local"`과 함께 명시적으로 계속 사용할 수 있지만, 모델이 디스크에서 사용 가능해지기 전에는 `auto`가 로컬을 선택하게 만들지 않습니다. ### 인라인 임베딩 시간 제한 메모리 인덱싱 중 인라인 임베딩 배치의 시간 제한을 재정의합니다. 설정하지 않으면 제공자 기본값을 사용합니다. `local`, `ollama`, `lmstudio` 같은 로컬/자체 호스팅 제공자는 600초, 호스팅 제공자는 120초입니다. 로컬 CPU 기반 임베딩 배치가 정상적으로 동작하지만 느릴 때 이 값을 늘리세요. --- ## 하이브리드 검색 설정 모두 `memorySearch.query.hybrid` 아래에 있습니다. | 키 | 유형 | 기본값 | 설명 | | --------------------- | --------- | ------ | ------------------------------------- | | `enabled` | `boolean` | `true` | 하이브리드 BM25 + 벡터 검색 활성화 | | `vectorWeight` | `number` | `0.7` | 벡터 점수의 가중치(0-1) | | `textWeight` | `number` | `0.3` | BM25 점수의 가중치(0-1) | | `candidateMultiplier` | `number` | `4` | 후보 풀 크기 배율 | | 키 | 유형 | 기본값 | 설명 | | ------------- | --------- | ------- | ----------------------------------- | | `mmr.enabled` | `boolean` | `false` | MMR 재순위 지정 활성화 | | `mmr.lambda` | `number` | `0.7` | 0 = 최대 다양성, 1 = 최대 관련성 | | 키 | 유형 | 기본값 | 설명 | | ---------------------------- | --------- | ------ | ---------------------------- | | `temporalDecay.enabled` | `boolean` | `false` | 최신성 부스트 활성화 | | `temporalDecay.halfLifeDays` | `number` | `30` | N일마다 점수가 절반으로 감소 | 에버그린 파일(`MEMORY.md`, `memory/`의 날짜 없는 파일)은 절대 감쇠되지 않습니다. ### 전체 예시 ```json5 { agents: { defaults: { memorySearch: { query: { hybrid: { vectorWeight: 0.7, textWeight: 0.3, mmr: { enabled: true, lambda: 0.7 }, temporalDecay: { enabled: true, halfLifeDays: 30 }, }, }, }, }, }, } ``` --- ## 추가 메모리 경로 | 키 | 유형 | 설명 | | ------------ | ---------- | --------------------------------- | | `extraPaths` | `string[]` | 인덱싱할 추가 디렉터리 또는 파일 | ```json5 { agents: { defaults: { memorySearch: { extraPaths: ["../team-docs", "/srv/shared-notes"], }, }, }, } ``` 경로는 절대 경로이거나 워크스페이스 기준 상대 경로일 수 있습니다. 디렉터리는 `.md` 파일을 찾기 위해 재귀적으로 스캔됩니다. 심볼릭 링크 처리는 활성 백엔드에 따라 달라집니다. 내장 엔진은 심볼릭 링크를 무시하고, QMD는 기본 QMD 스캐너 동작을 따릅니다. 에이전트 범위의 교차 에이전트 트랜스크립트 검색에는 `memory.qmd.paths` 대신 `agents.list[].memorySearch.qmd.extraCollections`를 사용하세요. 이러한 추가 컬렉션은 동일한 `{ path, name, pattern? }` 형태를 따르지만 에이전트별로 병합되며, 경로가 현재 워크스페이스 외부를 가리킬 때 명시적인 공유 이름을 보존할 수 있습니다. 동일하게 해석된 경로가 `memory.qmd.paths`와 `memorySearch.qmd.extraCollections`에 모두 나타나면 QMD는 첫 번째 항목을 유지하고 중복 항목을 건너뜁니다. --- ## 멀티모달 메모리(Gemini) Gemini Embedding 2를 사용해 Markdown과 함께 이미지 및 오디오를 인덱싱합니다. | 키 | 유형 | 기본값 | 설명 | | ------------------------- | ---------- | ---------- | ------------------------------------ | | `multimodal.enabled` | `boolean` | `false` | 멀티모달 인덱싱 활성화 | | `multimodal.modalities` | `string[]` | -- | `["image"]`, `["audio"]` 또는 `["all"]` | | `multimodal.maxFileBytes` | `number` | `10000000` | 인덱싱할 최대 파일 크기 | `extraPaths`의 파일에만 적용됩니다. 기본 메모리 루트는 Markdown 전용으로 유지됩니다. `gemini-embedding-2-preview`가 필요합니다. `fallback`은 반드시 `"none"`이어야 합니다. 지원 형식: `.jpg`, `.jpeg`, `.png`, `.webp`, `.gif`, `.heic`, `.heif`(이미지); `.mp3`, `.wav`, `.ogg`, `.opus`, `.m4a`, `.aac`, `.flac`(오디오). --- ## 임베딩 캐시 | 키 | 유형 | 기본값 | 설명 | | ------------------ | --------- | ------- | ------------------------------- | | `cache.enabled` | `boolean` | `false` | 청크 임베딩을 SQLite에 캐시 | | `cache.maxEntries` | `number` | `50000` | 캐시되는 최대 임베딩 수 | 재인덱싱 또는 대화 기록 업데이트 중 변경되지 않은 텍스트를 다시 임베딩하지 않도록 합니다. --- ## 배치 인덱싱 | 키 | 유형 | 기본값 | 설명 | | ----------------------------- | --------- | ------ | ----------------------- | | `remote.nonBatchConcurrency` | `number` | `4` | 병렬 인라인 임베딩 | | `remote.batch.enabled` | `boolean` | `false` | 배치 임베딩 API 활성화 | | `remote.batch.concurrency` | `number` | `2` | 병렬 배치 작업 | | `remote.batch.wait` | `boolean` | `true` | 배치 완료 대기 | | `remote.batch.pollIntervalMs` | `number` | -- | 폴링 간격 | | `remote.batch.timeoutMinutes` | `number` | -- | 배치 시간 제한 | `openai`, `gemini`, `voyage`에서 사용할 수 있습니다. OpenAI 배치는 일반적으로 대규모 백필에 가장 빠르고 비용이 저렴합니다. `remote.nonBatchConcurrency`는 로컬/자체 호스팅 제공자와, 제공자 배치 API가 활성화되지 않은 경우 호스팅 제공자가 사용하는 인라인 임베딩 호출을 제어합니다. Ollama는 더 작은 로컬 호스트에 과부하를 주지 않도록 비배치 인덱싱의 기본값을 `1`로 설정합니다. 더 큰 머신에서는 더 높은 값을 설정하세요. 이는 인라인 임베딩 호출의 시간 제한을 제어하는 `sync.embeddingBatchTimeoutSeconds`와는 별개입니다. --- ## 세션 메모리 검색(실험적) 세션 대화 기록을 인덱싱하고 `memory_search`를 통해 노출합니다. | 키 | 유형 | 기본값 | 설명 | | ----------------------------- | ---------- | ------------ | ----------------------------------------- | | `experimental.sessionMemory` | `boolean` | `false` | 세션 인덱싱 활성화 | | `sources` | `string[]` | `["memory"]` | 대화 기록을 포함하려면 `"sessions"` 추가 | | `sync.sessions.deltaBytes` | `number` | `100000` | 재인덱싱을 위한 바이트 임계값 | | `sync.sessions.deltaMessages` | `number` | `50` | 재인덱싱을 위한 메시지 임계값 | 세션 인덱싱은 옵트인 방식이며 비동기적으로 실행됩니다. 결과가 약간 오래되었을 수 있습니다. 세션 로그는 디스크에 저장되므로 파일시스템 접근을 신뢰 경계로 간주하세요. --- ## SQLite 벡터 가속(sqlite-vec) | 키 | 유형 | 기본값 | 설명 | | ---------------------------- | --------- | --------- | --------------------------------- | | `store.vector.enabled` | `boolean` | `true` | 벡터 쿼리에 sqlite-vec 사용 | | `store.vector.extensionPath` | `string` | 번들 제공 | sqlite-vec 경로 재정의 | sqlite-vec을 사용할 수 없는 경우 OpenClaw는 자동으로 프로세스 내부 코사인 유사도로 대체합니다. --- ## 인덱스 저장소 | 키 | 유형 | 기본값 | 설명 | | --------------------- | -------- | ------------------------------------- | ----------------------------------------- | | `store.path` | `string` | `~/.openclaw/memory/{agentId}.sqlite` | 인덱스 위치(`{agentId}` 토큰 지원) | | `store.fts.tokenizer` | `string` | `unicode61` | FTS5 토크나이저(`unicode61` 또는 `trigram`) | --- ## QMD 백엔드 구성 활성화하려면 `memory.backend = "qmd"`를 설정하세요. 모든 QMD 설정은 `memory.qmd` 아래에 있습니다. | 키 | 유형 | 기본값 | 설명 | | ------------------------ | --------- | -------- | -------------------------------------------------------------------------------- | | `command` | `string` | `qmd` | QMD 실행 파일 경로. 서비스 `PATH`가 셸과 다른 경우 절대 경로를 설정하세요 | | `searchMode` | `string` | `search` | 검색 명령: `search`, `vsearch`, `query` | | `includeDefaultMemory` | `boolean` | `true` | `MEMORY.md` + `memory/**/*.md` 자동 인덱싱 | | `paths[]` | `array` | -- | 추가 경로: `{ name, path, pattern? }` | | `sessions.enabled` | `boolean` | `false` | 세션 대화 기록 인덱싱 | | `sessions.retentionDays` | `number` | -- | 대화 기록 보존 기간 | | `sessions.exportDir` | `string` | -- | 내보내기 디렉터리 | `searchMode: "search"`는 lexical/BM25 전용입니다. OpenClaw는 `memory status --deep` 중을 포함하여 해당 모드에 대해 시맨틱 벡터 준비 상태 프로브나 QMD 임베딩 유지 관리를 실행하지 않습니다. `vsearch`와 `query`는 계속 QMD 벡터 준비 상태와 임베딩을 요구합니다. OpenClaw는 현재 QMD 컬렉션과 MCP 쿼리 형태를 선호하지만, 필요할 때 호환 가능한 컬렉션 패턴 플래그와 이전 MCP 도구 이름을 시도하여 오래된 QMD 릴리스도 계속 동작하도록 유지합니다. QMD가 여러 컬렉션 필터 지원을 알리면, 동일 소스 컬렉션은 하나의 QMD 프로세스로 검색됩니다. 오래된 QMD 빌드는 컬렉션별 호환성 경로를 유지합니다. 동일 소스란 영속 메모리 컬렉션이 함께 그룹화되고, 세션 기록 컬렉션은 별도 그룹으로 남아 소스 다양화가 여전히 두 입력을 모두 갖는다는 뜻입니다. QMD 모델 재정의는 OpenClaw 구성 쪽이 아니라 QMD 쪽에 유지됩니다. QMD의 모델을 전역으로 재정의해야 한다면 Gateway 런타임 환경에서 `QMD_EMBED_MODEL`, `QMD_RERANK_MODEL`, `QMD_GENERATE_MODEL` 같은 환경 변수를 설정하세요. | 키 | 유형 | 기본값 | 설명 | | ------------------------- | --------- | ------- | ------------------------------------- | | `update.interval` | `string` | `5m` | 새로 고침 간격 | | `update.debounceMs` | `number` | `15000` | 파일 변경 디바운스 | | `update.onBoot` | `boolean` | `true` | 장기 실행 QMD 관리자가 열릴 때 새로 고침하며, 옵트인 시작 시 새로 고침도 제어합니다 | | `update.startup` | `string` | `off` | 선택적 Gateway 시작 시 새로 고침: `off`, `idle`, 또는 `immediate` | | `update.startupDelayMs` | `number` | `120000` | `startup: "idle"` 새로 고침이 실행되기 전 지연 시간 | | `update.waitForBootSync` | `boolean` | `false` | 초기 새로 고침이 완료될 때까지 관리자 열기를 차단 | | `update.embedInterval` | `string` | -- | 별도 임베딩 주기 | | `update.commandTimeoutMs` | `number` | -- | QMD 명령 제한 시간 | | `update.updateTimeoutMs` | `number` | -- | QMD 업데이트 작업 제한 시간 | | `update.embedTimeoutMs` | `number` | -- | QMD 임베딩 작업 제한 시간 | | 키 | 유형 | 기본값 | 설명 | | ------------------------- | -------- | ------- | ---------------------------- | | `limits.maxResults` | `number` | `6` | 최대 검색 결과 | | `limits.maxSnippetChars` | `number` | -- | 스니펫 길이 제한 | | `limits.maxInjectedChars` | `number` | -- | 주입되는 전체 문자 수 제한 | | `limits.timeoutMs` | `number` | `4000` | 검색 제한 시간 | QMD 검색 결과를 받을 수 있는 세션을 제어합니다. [`session.sendPolicy`](/ko/gateway/config-agents#session)와 동일한 스키마입니다. ```json5 { memory: { qmd: { scope: { default: "deny", rules: [{ action: "allow", match: { chatType: "direct" } }], }, }, }, } ``` 제공되는 기본값은 그룹은 계속 거부하면서 직접 세션과 채널 세션을 허용합니다. 기본값은 DM 전용입니다. `match.keyPrefix`는 정규화된 세션 키와 일치하고, `match.rawKeyPrefix`는 `agent::`를 포함한 원시 키와 일치합니다. `memory.citations`는 모든 백엔드에 적용됩니다. | 값 | 동작 | | ---------------- | --------------------------------------------------- | | `auto` (기본값) | 스니펫에 `Source: ` 푸터 포함 | | `on` | 항상 푸터 포함 | | `off` | 푸터 생략(경로는 내부적으로 에이전트에 계속 전달됨) | QMD 부팅 새로 고침은 Gateway 시작 중 일회성 하위 프로세스 경로를 사용합니다. 장기 실행 QMD 관리자는 메모리 검색이 대화형 사용을 위해 열렸을 때 여전히 일반 파일 감시자와 간격 타이머를 소유합니다. ### 전체 QMD 예시 ```json5 { 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" } }], }, paths: [{ name: "docs", path: "~/notes", pattern: "**/*.md" }], }, }, } ``` --- ## Dreaming Dreaming은 `agents.defaults.memorySearch` 아래가 아니라 `plugins.entries.memory-core.config.dreaming` 아래에서 구성됩니다. Dreaming은 하나의 예약된 스윕으로 실행되며 내부 light/deep/REM 단계를 구현 세부 사항으로 사용합니다. 개념적 동작과 슬래시 명령은 [Dreaming](/ko/concepts/dreaming)을 참조하세요. ### 사용자 설정 | 키 | 유형 | 기본값 | 설명 | | ----------- | --------- | ------------- | ----------------------------------------- | | `enabled` | `boolean` | `false` | Dreaming을 전체적으로 활성화하거나 비활성화 | | `frequency` | `string` | `0 3 * * *` | 전체 Dreaming 스윕을 위한 선택적 cron 주기 | | `model` | `string` | 기본 모델 | 선택적 Dream Diary 하위 에이전트 모델 재정의 | ### 예시 ```json5 { 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", }, }, }, }, }, } ``` - Dreaming은 머신 상태를 `memory/.dreams/`에 기록합니다. - Dreaming은 사람이 읽을 수 있는 내러티브 출력을 `DREAMS.md`(또는 기존 `dreams.md`)에 기록합니다. - `dreaming.model`은 기존 Plugin 하위 에이전트 신뢰 게이트를 사용합니다. 활성화하기 전에 `plugins.entries.memory-core.subagent.allowModelOverride: true`를 설정하세요. - 구성된 모델을 사용할 수 없으면 Dream Diary는 세션 기본 모델로 한 번 다시 시도합니다. 신뢰 또는 허용 목록 실패는 기록되며 조용히 재시도되지 않습니다. - light/deep/REM 단계 정책과 임계값은 사용자 대상 구성이 아니라 내부 동작입니다. ## 관련 항목 - [구성 참조](/ko/gateway/configuration-reference) - [메모리 개요](/ko/concepts/memory) - [메모리 검색](/ko/concepts/memory-search)