Skip to content

Архитектура на паметта на OpenClaw

Последна актуализация: 2026-03-12

Текущ Модел на Паметта

  • Пътят мост/сесия (bridge/session) определя ефективния обхват на паметта (memory scope) за даден разговор.
  • Търсенето в паметта на OpenClaw (memory-search) е конфигурационен канал, отделен от генерирането на чат на OpenClaw.
  • Текущият доставчик за търсене в паметта е gemini с модел gemini-embedding-001.
  • Резервните решения (fallback) за търсене в паметта се обработват отделно от веригата от резервни решения за чата.

Embedding-ът на RAG Документи е Отделен Pipeline

  • Pipeline-ът за импортиране на документи (PDF, DOCX, PPTX, JSON, HTML, Google Docs/Drive) използва свой собствен експериментален канал за embedding за семантично индексиране в pgvector. Конкретният модел и размерност се определят в рамките на ограничен тест (evaluation spike) и все още не представляват стандартна политика.
  • Този процес е различен от горепосочения канал за търсене в паметта на OpenClaw, който използва gemini-embedding-001 (768 измерения) за извличане на историята на разговорите.
  • И двата pipeline-а споделят слоя за съхранение pgvector, но използват отделни векторни хранилища (vector stores).

Защо Това е Важно

  • Предотвратява объркване между моделите за генериране на чат, моделите за търсене в паметта и RAG моделите за документи.
  • Поддържа поведението на обхвата (scope) и пространствата от имена (namespaces) изрично.
  • Обяснява защо промените в конфигурацията на паметта не са същите като промените в модела на чата или embedding-ите на документи.

Свързани Публични Референции