Skip to content

Αρχιτεκτονική μνήμης OpenClaw

Τελευταία Ενημέρωση: 2026-03-12

Τρέχον Μοντέλο Μνήμης

  • Η διαδρομή γέφυρας/συνεδρίας (bridge/session) καθορίζει το πραγματικό εύρος μνήμης (memory scope) για μια συνομιλία.
  • Η αναζήτηση στη μνήμη του OpenClaw (memory-search) είναι ένα ξεχωριστό κανάλι διαμόρφωσης (configuration lane) από τη δημιουργία chat του OpenClaw.
  • Ο τρέχων πάροχος για την αναζήτηση στη μνήμη είναι ο gemini με το μοντέλο gemini-embedding-001.
  • Οι λύσεις εφεδρείας (fallback) για την αναζήτηση στη μνήμη αντιμετωπίζονται χωριστά από την αλυσίδα εφεδρείας του chat.

Το Embedding Εγγράφων RAG είναι Ένα Ξεχωριστό Pipeline

  • Το pipeline εισαγωγής εγγράφων (PDF, DOCX, PPTX, JSON, HTML, Google Docs/Drive) χρησιμοποιεί το δικό του πειραματικό κανάλι embedding για σημασιολογική ευρετηρίαση στο pgvector. Το συγκεκριμένο μοντέλο και η διαστατικότητα (dimensionality) καθορίζονται μέσω μιας αξιολόγησης (evaluation spike) και δεν αποτελούν ακόμη την τυπική προεπιλεγμένη πολιτική.
  • Αυτή η διαδικασία είναι διαφορετική από το προαναφερθέν κανάλι αναζήτησης στη μνήμη του OpenClaw, το οποίο χρησιμοποιεί το gemini-embedding-001 (768 διαστάσεις) για να ανακτήσει το ιστορικό της συνομιλίας.
  • Και τα δύο pipelines μοιράζονται το ίδιο επίπεδο αποθήκευσης του pgvector, αλλά αποθηκεύουν τα δεδομένα σε χωριστά διανυσματικά αποθετήρια (vector stores).

Γιατί Είναι Αυτό Σημαντικό

  • Αποτρέπει τη σύγχυση μεταξύ των μοντέλων δημιουργίας chat, των μοντέλων αναζήτησης στη μνήμη και των μοντέλων RAG για έγγραφα.
  • Διατηρεί ρητή τη συμπεριφορά του εύρους (scope) και των χώρων ονομάτων (namespace).
  • Εξηγεί γιατί οι αλλαγές στη διαμόρφωση της μνήμης δεν είναι το ίδιο πράγμα με τις αλλαγές στο μοντέλο chat ή στα embeddings των εγγράφων.

Σχετικές Δημόσιες Αναφορές