Skip to content

Архітектура пам'яті OpenClaw

Останнє оновлення: 2026-03-12

Поточна модель пам'яті

  • Шлях bridge/сесія визначає ефективну область дії пам'яті (memory scope) для розмови.
  • Пошук у пам'яті OpenClaw (memory-search) налаштовується в окремому каналі, незалежно від генерації чату.
  • Поточним провайдером для пошуку в пам'яті є gemini з моделлю gemini-embedding-001.
  • Резервний шлях для пошуку в пам'яті розглядається окремо від ланцюжка резервних моделей чату.

Ембединги для RAG документів — це окремий пайплайн

  • Пайплайн завантаження документів (PDF, DOCX, PPTX, JSON, HTML, Google Docs/Drive) використовує власний експериментальний канал ембедингів для семантичного індексування у pgvector. Конкретна модель і розмірність визначаються в межах обмеженого оціночного спайку і поки що не є канонічною політикою за замовчуванням.
  • Цей процес працює окремо від згаданого вище каналу пошуку в пам'яті OpenClaw, який використовує gemini-embedding-001 (768 вимірів) для отримання історії розмов.
  • Обидва пайплайни використовують спільний шар зберігання pgvector, але зберігають дані в окремих векторних сховищах.

Чому це важливо

  • Це запобігає плутанині між моделями генерації чату, моделями пошуку в пам'яті та RAG моделями для документів.
  • Це зберігає поведінку scope (області видимості) і namespace (просторів імен) явною.
  • Це пояснює, чому зміни в налаштуваннях пам'яті відрізняються від змін у моделях чату або ембедингах документів.

Пов'язані публічні довідники