---
read_when:
- คุณต้องการกำหนดค่าผู้ให้บริการค้นหาหน่วยความจำหรือโมเดลการฝังข้อมูล
- คุณต้องการตั้งค่าแบ็กเอนด์ QMD
- คุณต้องการปรับแต่งการค้นหาแบบไฮบริด, MMR หรือการลดทอนตามเวลา
- คุณต้องการเปิดใช้งานการทำดัชนีหน่วยความจำแบบหลายรูปแบบ
sidebarTitle: Memory config
summary: ตัวเลือกการกำหนดค่าทั้งหมดสำหรับการค้นหาหน่วยความจำ ผู้ให้บริการ embedding, QMD, การค้นหาแบบไฮบริด และการทำดัชนีแบบมัลติโหมด
title: ข้อมูลอ้างอิงการกำหนดค่าหน่วยความจำ
x-i18n:
generated_at: "2026-05-02T22:22:43Z"
model: gpt-5.5
provider: openai
source_hash: 99624a13b4e700da47a523206569d84c6750266fbb648ec73c463be9c5c285d0
source_path: reference/memory-config.md
workflow: 16
---
หน้านี้แสดงรายการตัวเลือกการกำหนดค่าทั้งหมดสำหรับการค้นหาหน่วยความจำของ OpenClaw สำหรับภาพรวมเชิงแนวคิด โปรดดู:
วิธีการทำงานของหน่วยความจำ
แบ็กเอนด์ SQLite เริ่มต้น
ไซด์คาร์แบบ local-first
ไปป์ไลน์การค้นหาและการปรับแต่ง
ซับเอเจนต์หน่วยความจำสำหรับเซสชันแบบโต้ตอบ
การตั้งค่าการค้นหาหน่วยความจำทั้งหมดอยู่ใต้ `agents.defaults.memorySearch` ใน `openclaw.json` เว้นแต่จะระบุไว้เป็นอย่างอื่น
หากคุณกำลังมองหาสวิตช์เปิดปิดฟีเจอร์ **Active Memory** และการกำหนดค่าซับเอเจนต์ สิ่งนั้นจะอยู่ใต้ `plugins.entries.active-memory` แทนที่จะเป็น `memorySearch`
Active Memory ใช้โมเดลสองด่าน:
1. Plugin ต้องเปิดใช้งานและกำหนดเป้าหมายเป็น ID เอเจนต์ปัจจุบัน
2. คำขอต้องเป็นเซสชันแชทถาวรแบบโต้ตอบที่เข้าเกณฑ์
ดู [Active Memory](/th/concepts/active-memory) สำหรับโมเดลการเปิดใช้งาน การกำหนดค่าที่ Plugin เป็นเจ้าของ การคงอยู่ของทรานสคริปต์ และรูปแบบการเปิดใช้งานอย่างปลอดภัย
---
## การเลือกผู้ให้บริการ
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ---------- | --------- | ---------------- | ---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `provider` | `string` | ตรวจพบอัตโนมัติ | ID อะแดปเตอร์ embedding เช่น `bedrock`, `deepinfra`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai` หรือ `voyage`; อาจเป็น `models.providers.` ที่กำหนดค่าไว้ ซึ่ง `api` ชี้ไปยังอะแดปเตอร์เหล่านั้นรายการใดรายการหนึ่ง |
| `model` | `string` | ค่าเริ่มต้นของผู้ให้บริการ | ชื่อโมเดล embedding |
| `fallback` | `string` | `"none"` | ID อะแดปเตอร์สำรองเมื่อตัวหลักล้มเหลว |
| `enabled` | `boolean` | `true` | เปิดหรือปิดการค้นหาหน่วยความจำ |
### ลำดับการตรวจพบอัตโนมัติ
เมื่อไม่ได้ตั้งค่า `provider` OpenClaw จะเลือกตัวแรกที่พร้อมใช้งาน:
เลือกหากกำหนดค่า `memorySearch.local.modelPath` ไว้และไฟล์มีอยู่จริง
เลือกหากสามารถแก้ค่าโทเค็น GitHub Copilot ได้ (ตัวแปรสภาพแวดล้อมหรือโปรไฟล์การยืนยันตัวตน)
เลือกหากสามารถแก้ค่า OpenAI key ได้
เลือกหากสามารถแก้ค่า Gemini key ได้
เลือกหากสามารถแก้ค่า Voyage key ได้
เลือกหากสามารถแก้ค่า Mistral key ได้
เลือกหากสามารถแก้ค่า DeepInfra key ได้
เลือกหากสายโซ่ข้อมูลรับรองของ AWS SDK แก้ค่าได้ (บทบาทอินสแตนซ์, access keys, โปรไฟล์, SSO, web identity หรือการกำหนดค่าที่ใช้ร่วมกัน)
รองรับ `ollama` แต่ไม่ถูกตรวจพบอัตโนมัติ (ตั้งค่าอย่างชัดเจน)
### ID ผู้ให้บริการแบบกำหนดเอง
`memorySearch.provider` สามารถชี้ไปยังรายการ `models.providers.` แบบกำหนดเองได้ OpenClaw จะแก้ค่าเจ้าของ `api` ของผู้ให้บริการนั้นสำหรับอะแดปเตอร์ embedding พร้อมคง ID ผู้ให้บริการแบบกำหนดเองไว้สำหรับ endpoint, auth และการจัดการคำนำหน้าโมเดล สิ่งนี้ช่วยให้การตั้งค่าแบบหลาย GPU หรือหลายโฮสต์สามารถอุทิศ embeddings ของหน่วยความจำให้กับ endpoint ภายในเครื่องเฉพาะได้:
```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",
},
},
},
}
```
### การแก้ค่า API key
Embeddings ระยะไกลต้องใช้ API key ส่วน Bedrock ใช้สายโซ่ข้อมูลรับรองเริ่มต้นของ AWS SDK แทน (บทบาทอินสแตนซ์, SSO, access keys)
| ผู้ให้บริการ | ตัวแปรสภาพแวดล้อม | คีย์การกำหนดค่า |
| -------------- | -------------------------------------------------- | ----------------------------------- |
| Bedrock | สายโซ่ข้อมูลรับรอง AWS | ไม่ต้องใช้ API key |
| 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` | โปรไฟล์การยืนยันตัวตนผ่านการเข้าสู่ระบบด้วยอุปกรณ์ |
| Mistral | `MISTRAL_API_KEY` | `models.providers.mistral.apiKey` |
| Ollama | `OLLAMA_API_KEY` (ตัวยึดตำแหน่ง) | -- |
| OpenAI | `OPENAI_API_KEY` | `models.providers.openai.apiKey` |
| Voyage | `VOYAGE_API_KEY` | `models.providers.voyage.apiKey` |
Codex OAuth ครอบคลุมเฉพาะแชท/การเติมข้อความเท่านั้น และไม่ตอบสนองคำขอ embedding
---
## การกำหนดค่า endpoint ระยะไกล
สำหรับ endpoint แบบเข้ากันได้กับ OpenAI ที่กำหนดเอง หรือการแทนที่ค่าเริ่มต้นของผู้ให้บริการ:
URL ฐาน API แบบกำหนดเอง
แทนที่ API key
ส่วนหัว HTTP เพิ่มเติม (ผสานกับค่าเริ่มต้นของผู้ให้บริการ)
```json5
{
agents: {
defaults: {
memorySearch: {
provider: "openai",
model: "text-embedding-3-small",
remote: {
baseUrl: "https://api.example.com/v1/",
apiKey: "YOUR_KEY",
},
},
},
},
}
```
---
## การกำหนดค่าเฉพาะผู้ให้บริการ
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------- | -------- | ---------------------- | ------------------------------------------ |
| `model` | `string` | `gemini-embedding-001` | รองรับ `gemini-embedding-2-preview` ด้วย |
| `outputDimensionality` | `number` | `3072` | สำหรับ Embedding 2: 768, 1536 หรือ 3072 |
การเปลี่ยนโมเดลหรือ `outputDimensionality` จะทริกเกอร์การทำดัชนีใหม่ทั้งหมดโดยอัตโนมัติ
endpoint embedding ที่เข้ากันได้กับ OpenAI สามารถเลือกใช้ฟิลด์คำขอ `input_type` เฉพาะผู้ให้บริการได้ สิ่งนี้มีประโยชน์สำหรับโมเดล embedding แบบอสมมาตรที่ต้องใช้ป้ายกำกับต่างกันสำหรับ embeddings ของคำค้นหาและเอกสาร
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------- | -------- | ------- | ------------------------------------------------------- |
| `inputType` | `string` | ไม่ได้ตั้งค่า | `input_type` ที่ใช้ร่วมกันสำหรับ embeddings ของคำค้นหาและเอกสาร |
| `queryInputType` | `string` | ไม่ได้ตั้งค่า | `input_type` ตอนค้นหา; แทนที่ `inputType` |
| `documentInputType` | `string` | ไม่ได้ตั้งค่า | `input_type` สำหรับดัชนี/เอกสาร; แทนที่ `inputType` |
```json5
{
agents: {
defaults: {
memorySearch: {
provider: "openai",
remote: {
baseUrl: "https://embeddings.example/v1",
apiKey: "env:EMBEDDINGS_API_KEY",
},
model: "asymmetric-embedder",
queryInputType: "query",
documentInputType: "passage",
},
},
},
}
```
การเปลี่ยนค่าเหล่านี้มีผลต่อเอกลักษณ์ของแคช embedding สำหรับการทำดัชนีแบบแบตช์ของผู้ให้บริการ และควรตามด้วยการทำดัชนีหน่วยความจำใหม่เมื่อโมเดลต้นทางปฏิบัติกับป้ายกำกับต่างกัน
### การกำหนดค่า embedding ของ Bedrock
Bedrock ใช้สายโซ่ข้อมูลรับรองเริ่มต้นของ AWS SDK จึงไม่ต้องใช้ API key หาก OpenClaw ทำงานบน EC2 ด้วยบทบาทอินสแตนซ์ที่เปิดใช้ Bedrock แล้ว เพียงตั้งค่าผู้ให้บริการและโมเดล:
```json5
{
agents: {
defaults: {
memorySearch: {
provider: "bedrock",
model: "amazon.titan-embed-text-v2:0",
},
},
},
}
```
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------- | -------- | ------------------------------ | ------------------------------- |
| `model` | `string` | `amazon.titan-embed-text-v2:0` | ID โมเดล embedding ของ Bedrock ใดก็ได้ |
| `outputDimensionality` | `number` | ค่าเริ่มต้นของโมเดล | สำหรับ Titan V2: 256, 512 หรือ 1024 |
**โมเดลที่รองรับ** (พร้อมการตรวจพบตระกูลและค่าเริ่มต้นของมิติ):
| ID โมเดล | ผู้ให้บริการ | มิติเริ่มต้น | มิติที่กำหนดค่าได้ |
| ------------------------------------------ | ---------- | ------------ | -------------------- |
| `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 | -- |
รุ่นที่มีคำต่อท้าย throughput (เช่น `amazon.titan-embed-text-v1:2:8k`) จะสืบทอดการกำหนดค่าของโมเดลฐาน
**การยืนยันตัวตน:** auth ของ Bedrock ใช้ลำดับการแก้ค่าข้อมูลรับรอง AWS SDK มาตรฐาน:
1. ตัวแปรสภาพแวดล้อม (`AWS_ACCESS_KEY_ID` + `AWS_SECRET_ACCESS_KEY`)
2. แคชโทเค็น SSO
3. ข้อมูลรับรองโทเค็น web identity
4. ไฟล์ข้อมูลรับรองและไฟล์กำหนดค่าที่ใช้ร่วมกัน
5. ข้อมูลรับรองเมทาดาทา ECS หรือ EC2
ภูมิภาคถูกแก้ค่าจาก `AWS_REGION`, `AWS_DEFAULT_REGION`, `baseUrl` ของผู้ให้บริการ `amazon-bedrock` หรือใช้ค่าเริ่มต้นเป็น `us-east-1`
**สิทธิ์ IAM:** บทบาทหรือผู้ใช้ IAM ต้องมี:
```json
{
"Effect": "Allow",
"Action": "bedrock:InvokeModel",
"Resource": "*"
}
```
สำหรับสิทธิ์ขั้นต่ำ ให้จำกัดขอบเขต `InvokeModel` ไว้ที่โมเดลเฉพาะ:
```
arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0
```
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| --------------------- | ------------------ | ---------------------- | -------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| `local.modelPath` | `string` | ดาวน์โหลดอัตโนมัติ | พาธไปยังไฟล์โมเดล GGUF |
| `local.modelCacheDir` | `string` | ค่าเริ่มต้นของ node-llama-cpp | ไดเรกทอรีแคชสำหรับโมเดลที่ดาวน์โหลด |
| `local.contextSize` | `number \| "auto"` | `4096` | ขนาดหน้าต่างบริบทสำหรับบริบท embedding 4096 ครอบคลุมชิ้นข้อมูลทั่วไป (128–512 โทเค็น) พร้อมจำกัด VRAM ที่ไม่ใช่น้ำหนักโมเดล ลดลงเป็น 1024–2048 บนโฮสต์ที่มีทรัพยากรจำกัด `"auto"` ใช้ค่าสูงสุดที่โมเดลถูกฝึกมา ซึ่งไม่แนะนำสำหรับโมเดล 8B+ (Qwen3-Embedding-8B: 40 960 โทเค็น → VRAM ~32 GB เทียบกับ ~8.8 GB ที่ 4096) |
โมเดลเริ่มต้น: `embeddinggemma-300m-qat-Q8_0.gguf` (~0.6 GB, ดาวน์โหลดอัตโนมัติ) เช็กเอาต์ซอร์สยังต้องอนุมัติการ build แบบ native: `pnpm approve-builds` แล้วตามด้วย `pnpm rebuild node-llama-cpp`
ใช้ CLI แบบสแตนด์อโลนเพื่อตรวจสอบพาธ provider เดียวกับที่ Gateway ใช้:
```bash
openclaw memory status --deep --agent main
openclaw memory index --force --agent main
```
หาก `provider` เป็น `auto` ระบบจะเลือก `local` เฉพาะเมื่อ `local.modelPath` ชี้ไปยังไฟล์ภายในเครื่องที่มีอยู่เท่านั้น ยังสามารถใช้การอ้างอิงโมเดลแบบ `hf:` และ HTTP(S) อย่างชัดเจนกับ `provider: "local"` ได้ แต่สิ่งเหล่านี้จะไม่ทำให้ `auto` เลือก local ก่อนที่โมเดลจะพร้อมใช้งานบนดิสก์
### ไทม์เอาต์ของ inline embedding
แทนที่ไทม์เอาต์สำหรับชุด inline embedding ระหว่างการทำดัชนีหน่วยความจำ
เมื่อไม่ได้ตั้งค่า จะใช้ค่าเริ่มต้นของ provider: 600 วินาทีสำหรับ provider ภายในเครื่อง/โฮสต์เอง เช่น `local`, `ollama` และ `lmstudio` และ 120 วินาทีสำหรับ provider ที่โฮสต์ให้ เพิ่มค่านี้เมื่อชุด embedding ที่ผูกกับ CPU ภายในเครื่องทำงานปกติแต่ช้า
---
## การกำหนดค่า hybrid search
ทั้งหมดอยู่ใต้ `memorySearch.query.hybrid`:
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| --------------------- | --------- | ------- | ---------------------------------- |
| `enabled` | `boolean` | `true` | เปิดใช้ hybrid BM25 + vector search |
| `vectorWeight` | `number` | `0.7` | น้ำหนักสำหรับคะแนนเวกเตอร์ (0-1) |
| `textWeight` | `number` | `0.3` | น้ำหนักสำหรับคะแนน BM25 (0-1) |
| `candidateMultiplier` | `number` | `4` | ตัวคูณขนาดพูลผู้สมัคร |
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ------------- | --------- | ------- | ------------------------------------ |
| `mmr.enabled` | `boolean` | `false` | เปิดใช้การจัดอันดับใหม่ด้วย MMR |
| `mmr.lambda` | `number` | `0.7` | 0 = ความหลากหลายสูงสุด, 1 = ความเกี่ยวข้องสูงสุด |
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------------- | --------- | ------- | ------------------------- |
| `temporalDecay.enabled` | `boolean` | `false` | เปิดใช้การเพิ่มคะแนนจากความใหม่ |
| `temporalDecay.halfLifeDays` | `number` | `30` | คะแนนลดลงครึ่งหนึ่งทุก N วัน |
ไฟล์ที่ใช้ได้เสมอ (`MEMORY.md`, ไฟล์ที่ไม่มีวันที่ใน `memory/`) จะไม่ถูกลดค่า
### ตัวอย่างเต็ม
```json5
{
agents: {
defaults: {
memorySearch: {
query: {
hybrid: {
vectorWeight: 0.7,
textWeight: 0.3,
mmr: { enabled: true, lambda: 0.7 },
temporalDecay: { enabled: true, halfLifeDays: 30 },
},
},
},
},
},
}
```
---
## พาธหน่วยความจำเพิ่มเติม
| คีย์ | ชนิด | คำอธิบาย |
| ------------ | ---------- | ---------------------------------------- |
| `extraPaths` | `string[]` | ไดเรกทอรีหรือไฟล์เพิ่มเติมที่จะทำดัชนี |
```json5
{
agents: {
defaults: {
memorySearch: {
extraPaths: ["../team-docs", "/srv/shared-notes"],
},
},
},
}
```
พาธอาจเป็นแบบสัมบูรณ์หรือสัมพันธ์กับ workspace ก็ได้ ไดเรกทอรีจะถูกสแกนแบบเรียกซ้ำเพื่อหาไฟล์ `.md` การจัดการ symlink ขึ้นอยู่กับ backend ที่ใช้งานอยู่: engine ในตัวจะละเว้น symlink ส่วน QMD จะทำตามพฤติกรรมของสแกนเนอร์ QMD พื้นฐาน
สำหรับการค้นหาทรานสคริปต์ข้าม agent แบบจำกัดขอบเขตตาม agent ให้ใช้ `agents.list[].memorySearch.qmd.extraCollections` แทน `memory.qmd.paths` คอลเลกชันเพิ่มเติมเหล่านั้นมีรูปแบบ `{ path, name, pattern? }` เดียวกัน แต่จะถูกรวมแยกตามแต่ละ agent และสามารถรักษาชื่อที่ใช้ร่วมกันอย่างชัดเจนไว้ได้เมื่อพาธชี้ออกนอก workspace ปัจจุบัน หากพาธที่ resolve แล้วเดียวกันปรากฏทั้งใน `memory.qmd.paths` และ `memorySearch.qmd.extraCollections` QMD จะเก็บรายการแรกและข้ามรายการที่ซ้ำ
---
## หน่วยความจำแบบมัลติโมดัล (Gemini)
ทำดัชนีรูปภาพและเสียงควบคู่กับ Markdown โดยใช้ Gemini Embedding 2:
| คีย์ | ชนิด | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------- | ---------- | ---------- | -------------------------------------- |
| `multimodal.enabled` | `boolean` | `false` | เปิดใช้การทำดัชนีแบบมัลติโมดัล |
| `multimodal.modalities` | `string[]` | -- | `["image"]`, `["audio"]`, หรือ `["all"]` |
| `multimodal.maxFileBytes` | `number` | `10000000` | ขนาดไฟล์สูงสุดสำหรับการทำดัชนี |
ใช้กับไฟล์ใน `extraPaths` เท่านั้น รูทหน่วยความจำเริ่มต้นยังคงรองรับเฉพาะ Markdown ต้องใช้ `gemini-embedding-2-preview` `fallback` ต้องเป็น `"none"`
รูปแบบที่รองรับ: `.jpg`, `.jpeg`, `.png`, `.webp`, `.gif`, `.heic`, `.heif` (รูปภาพ); `.mp3`, `.wav`, `.ogg`, `.opus`, `.m4a`, `.aac`, `.flac` (เสียง)
---
## แคช Embedding
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------ | --------- | ----------- | --------------------------------- |
| `cache.enabled` | `boolean` | `false` | แคช embedding ของชังก์ใน SQLite |
| `cache.maxEntries` | `number` | `50000` | จำนวน embedding ที่แคชได้สูงสุด |
ป้องกันการ embedding ข้อความที่ไม่เปลี่ยนแปลงซ้ำระหว่าง reindex หรือการอัปเดต transcript
---
## การทำดัชนีแบบแบตช์
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ----------------------------- | --------- | ----------- | ----------------------------- |
| `remote.nonBatchConcurrency` | `number` | `4` | embedding แบบ inline แบบขนาน |
| `remote.batch.enabled` | `boolean` | `false` | เปิดใช้ API การ embedding แบบแบตช์ |
| `remote.batch.concurrency` | `number` | `2` | งานแบตช์แบบขนาน |
| `remote.batch.wait` | `boolean` | `true` | รอให้แบตช์เสร็จสมบูรณ์ |
| `remote.batch.pollIntervalMs` | `number` | -- | ช่วงเวลาการ poll |
| `remote.batch.timeoutMinutes` | `number` | -- | หมดเวลาของแบตช์ |
พร้อมใช้งานสำหรับ `openai`, `gemini` และ `voyage` โดยทั่วไปแบตช์ของ OpenAI จะเร็วที่สุดและประหยัดที่สุดสำหรับการ backfill ขนาดใหญ่
`remote.nonBatchConcurrency` ควบคุมการเรียก embedding แบบ inline ที่ผู้ให้บริการแบบ local/self-hosted และผู้ให้บริการแบบ hosted ใช้เมื่อ API แบบแบตช์ของผู้ให้บริการไม่ได้เปิดใช้งาน Ollama มีค่าเริ่มต้นเป็น `1` สำหรับการทำดัชนีแบบไม่ใช่แบตช์เพื่อหลีกเลี่ยงการทำให้โฮสต์ local ขนาดเล็กทำงานหนักเกินไป ให้ตั้งค่าสูงขึ้นบนเครื่องที่ใหญ่กว่า
ค่านี้แยกจาก `sync.embeddingBatchTimeoutSeconds` ซึ่งควบคุมเวลาหมดอายุสำหรับการเรียก embedding แบบ inline
---
## การค้นหาหน่วยความจำเซสชัน (ทดลอง)
ทำดัชนี transcript ของเซสชันและแสดงผลผ่าน `memory_search`:
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ----------------------------- | ---------- | ------------ | -------------------------------------- |
| `experimental.sessionMemory` | `boolean` | `false` | เปิดใช้การทำดัชนีเซสชัน |
| `sources` | `string[]` | `["memory"]` | เพิ่ม `"sessions"` เพื่อรวม transcript |
| `sync.sessions.deltaBytes` | `number` | `100000` | เกณฑ์จำนวนไบต์สำหรับ reindex |
| `sync.sessions.deltaMessages` | `number` | `50` | เกณฑ์จำนวนข้อความสำหรับ reindex |
การทำดัชนีเซสชันเป็นแบบเลือกเปิดใช้และทำงานแบบ asynchronous ผลลัพธ์อาจล้าสมัยเล็กน้อย บันทึกเซสชันอยู่บนดิสก์ ดังนั้นให้ถือว่าการเข้าถึงระบบไฟล์เป็นขอบเขตความเชื่อถือ
---
## การเร่งความเร็วเวกเตอร์ SQLite (sqlite-vec)
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ---------------------------- | --------- | ----------- | --------------------------------- |
| `store.vector.enabled` | `boolean` | `true` | ใช้ sqlite-vec สำหรับคำค้นเวกเตอร์ |
| `store.vector.extensionPath` | `string` | ที่รวมมาให้ | แทนที่พาธ sqlite-vec |
เมื่อ sqlite-vec ไม่พร้อมใช้งาน OpenClaw จะ fallback ไปใช้ cosine similarity ภายในโปรเซสโดยอัตโนมัติ
---
## ที่จัดเก็บดัชนี
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| --------------------- | -------- | ----------------------------------- | ------------------------------------------ |
| `store.path` | `string` | `~/.openclaw/memory/{agentId}.sqlite` | ตำแหน่งดัชนี (รองรับโทเค็น `{agentId}`) |
| `store.fts.tokenizer` | `string` | `unicode61` | tokenizer ของ FTS5 (`unicode61` หรือ `trigram`) |
---
## การกำหนดค่า backend ของ QMD
ตั้งค่า `memory.backend = "qmd"` เพื่อเปิดใช้ การตั้งค่า QMD ทั้งหมดอยู่ใต้ `memory.qmd`:
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------ | --------- | ----------- | ------------------------------------------------------------------------------------ |
| `command` | `string` | `qmd` | พาธ executable ของ QMD; ตั้งเป็นพาธแบบ absolute เมื่อ `PATH` ของบริการต่างจาก shell ของคุณ |
| `searchMode` | `string` | `search` | คำสั่งค้นหา: `search`, `vsearch`, `query` |
| `includeDefaultMemory` | `boolean` | `true` | ทำดัชนี `MEMORY.md` + `memory/**/*.md` โดยอัตโนมัติ |
| `paths[]` | `array` | -- | พาธเพิ่มเติม: `{ name, path, pattern? }` |
| `sessions.enabled` | `boolean` | `false` | ทำดัชนี transcript ของเซสชัน |
| `sessions.retentionDays` | `number` | -- | ระยะเวลาเก็บรักษา transcript |
| `sessions.exportDir` | `string` | -- | ไดเรกทอรีส่งออก |
`searchMode: "search"` เป็นแบบอิงคำศัพท์/BM25 เท่านั้น OpenClaw จะไม่รันการตรวจสอบความพร้อมของเวกเตอร์เชิงความหมายหรือการบำรุงรักษาการฝังเวกเตอร์ของ QMD สำหรับโหมดนั้น รวมถึงระหว่าง `memory status --deep`; `vsearch` และ `query` ยังคงต้องใช้ความพร้อมของเวกเตอร์ QMD และการฝังเวกเตอร์
OpenClaw เลือกรูปแบบคอลเลกชัน QMD และรูปแบบคิวรี MCP ปัจจุบันเป็นหลัก แต่ยังคงรองรับรุ่น QMD ที่เก่ากว่าโดยลองใช้แฟล็กรูปแบบคอลเลกชันที่เข้ากันได้และชื่อเครื่องมือ MCP รุ่นเก่าเมื่อจำเป็น เมื่อ QMD ประกาศว่ารองรับตัวกรองคอลเลกชันหลายรายการ คอลเลกชันจากแหล่งเดียวกันจะถูกค้นหาด้วยกระบวนการ QMD เดียว; บิลด์ QMD ที่เก่ากว่าจะยังใช้เส้นทางความเข้ากันได้แบบต่อคอลเลกชัน แหล่งเดียวกันหมายถึงคอลเลกชันหน่วยความจำถาวรจะถูกจัดกลุ่มเข้าด้วยกัน ขณะที่คอลเลกชันบันทึกถอดความของเซสชันยังคงเป็นกลุ่มแยกต่างหาก เพื่อให้การกระจายแหล่งที่มายังคงมีอินพุตทั้งสองแบบ
การแทนที่โมเดล QMD จะอยู่ฝั่ง QMD ไม่ใช่ในคอนฟิก OpenClaw หากคุณต้องการแทนที่โมเดลของ QMD แบบทั่วทั้งระบบ ให้ตั้งค่าตัวแปรสภาพแวดล้อม เช่น `QMD_EMBED_MODEL`, `QMD_RERANK_MODEL` และ `QMD_GENERATE_MODEL` ในสภาพแวดล้อมรันไทม์ของ gateway
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------- | --------- | ------- | ------------------------------------- |
| `update.interval` | `string` | `5m` | ช่วงเวลาการรีเฟรช |
| `update.debounceMs` | `number` | `15000` | หน่วงการเปลี่ยนแปลงไฟล์ |
| `update.onBoot` | `boolean` | `true` | รีเฟรชเมื่อเปิดตัวจัดการ QMD ที่ทำงานระยะยาว; ยังเป็นตัวกำหนดการรีเฟรชตอนเริ่มต้นแบบเลือกใช้ |
| `update.startup` | `string` | `off` | การรีเฟรชเมื่อ Gateway เริ่มทำงานแบบไม่บังคับ: `off`, `idle` หรือ `immediate` |
| `update.startupDelayMs` | `number` | `120000` | หน่วงเวลาก่อนการรีเฟรช `startup: "idle"` จะทำงาน |
| `update.waitForBootSync` | `boolean` | `false` | บล็อกการเปิดตัวจัดการจนกว่าการรีเฟรชเริ่มต้นจะเสร็จ |
| `update.embedInterval` | `string` | -- | จังหวะการฝังเวกเตอร์แยกต่างหาก |
| `update.commandTimeoutMs` | `number` | -- | เวลาหมดอายุสำหรับคำสั่ง QMD |
| `update.updateTimeoutMs` | `number` | -- | เวลาหมดอายุสำหรับการดำเนินการอัปเดต QMD |
| `update.embedTimeoutMs` | `number` | -- | เวลาหมดอายุสำหรับการดำเนินการฝังเวกเตอร์ QMD |
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ------------------------- | -------- | ------- | -------------------------- |
| `limits.maxResults` | `number` | `6` | จำนวนผลการค้นหาสูงสุด |
| `limits.maxSnippetChars` | `number` | -- | จำกัดความยาวของส่วนย่อ |
| `limits.maxInjectedChars` | `number` | -- | จำกัดจำนวนอักขระที่แทรกรวม |
| `limits.timeoutMs` | `number` | `4000` | เวลาหมดอายุการค้นหา |
ควบคุมว่าเซสชันใดสามารถรับผลการค้นหา QMD ได้ ใช้สคีมาเดียวกับ [`session.sendPolicy`](/th/gateway/config-agents#session):
```json5
{
memory: {
qmd: {
scope: {
default: "deny",
rules: [{ action: "allow", match: { chatType: "direct" } }],
},
},
},
}
```
ค่าเริ่มต้นที่จัดส่งมาจะอนุญาตเซสชันแบบ direct และ channel ขณะที่ยังปฏิเสธ groups
ค่าเริ่มต้นคือเฉพาะ DM เท่านั้น `match.keyPrefix` จับคู่กับคีย์เซสชันที่ทำให้เป็นรูปแบบมาตรฐานแล้ว; `match.rawKeyPrefix` จับคู่กับคีย์ดิบรวมถึง `agent::`
`memory.citations` ใช้กับแบ็กเอนด์ทั้งหมด:
| ค่า | พฤติกรรม |
| ---------------- | --------------------------------------------------- |
| `auto` (ค่าเริ่มต้น) | รวมส่วนท้าย `Source: ` ในส่วนย่อ |
| `on` | รวมส่วนท้ายเสมอ |
| `off` | ไม่รวมส่วนท้าย (ยังส่งเส้นทางให้ agent ภายใน) |
การรีเฟรชตอนบูตของ QMD ใช้เส้นทางกระบวนการย่อยแบบครั้งเดียวระหว่างที่ gateway เริ่มทำงาน ตัวจัดการ QMD ที่ทำงานระยะยาวยังคงเป็นเจ้าของตัวเฝ้าดูไฟล์และตัวจับเวลาช่วงเวลาปกติเมื่อเปิดการค้นหาหน่วยความจำเพื่อใช้งานแบบโต้ตอบ
### ตัวอย่าง QMD แบบเต็ม
```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
Dreaming กำหนดค่าอยู่ภายใต้ `plugins.entries.memory-core.config.dreaming` ไม่ใช่ภายใต้ `agents.defaults.memorySearch`
Dreaming ทำงานเป็นการกวาดตามกำหนดการหนึ่งครั้ง และใช้เฟสภายในแบบ light/deep/REM เป็นรายละเอียดการติดตั้งใช้งาน
สำหรับพฤติกรรมเชิงแนวคิดและคำสั่ง slash โปรดดู [Dreaming](/th/concepts/dreaming)
### การตั้งค่าผู้ใช้
| คีย์ | ประเภท | ค่าเริ่มต้น | คำอธิบาย |
| ----------- | --------- | ------------- | ------------------------------------------------- |
| `enabled` | `boolean` | `false` | เปิดหรือปิด dreaming ทั้งหมด |
| `frequency` | `string` | `0 3 * * *` | จังหวะ cron แบบไม่บังคับสำหรับการกวาด dreaming แบบเต็ม |
| `model` | `string` | โมเดลเริ่มต้น | การแทนที่โมเดล subagent ของ Dream Diary แบบไม่บังคับ |
### ตัวอย่าง
```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",
},
},
},
},
},
}
```
- Dreaming เขียนสถานะเครื่องไปยัง `memory/.dreams/`
- Dreaming เขียนผลลัพธ์แบบบรรยายที่มนุษย์อ่านได้ไปยัง `DREAMS.md` (หรือ `dreams.md` ที่มีอยู่)
- `dreaming.model` ใช้เกตความเชื่อถือของ plugin subagent ที่มีอยู่; ตั้งค่า `plugins.entries.memory-core.subagent.allowModelOverride: true` ก่อนเปิดใช้งาน
- Dream Diary จะลองใหม่หนึ่งครั้งด้วยโมเดลเริ่มต้นของเซสชันเมื่อโมเดลที่กำหนดค่าไว้ไม่พร้อมใช้งาน ความล้มเหลวด้านความเชื่อถือหรือ allowlist จะถูกบันทึกและจะไม่ลองใหม่แบบเงียบๆ
- นโยบายและเกณฑ์ของเฟส light/deep/REM เป็นพฤติกรรมภายใน ไม่ใช่คอนฟิกที่แสดงต่อผู้ใช้
## ที่เกี่ยวข้อง
- [เอกสารอ้างอิงการกำหนดค่า](/th/gateway/configuration-reference)
- [ภาพรวมหน่วยความจำ](/th/concepts/memory)
- [การค้นหาหน่วยความจำ](/th/concepts/memory-search)