OpenClaw Memory Search 终极指南：从原理到本地部署

Memory Search 是什么？

OpenClaw 的 Memory Search（语义记忆搜索） 是一套跨会话语义召回系统。它将笔记、对话记录等 Markdown 文件转换成数学向量（向量嵌入），使 Agent 能通过"意思相近"而非"关键词完全匹配"来检索历史信息。

例如，你搜索"投资目标"，它也能找到含有"财务规划"或"资金配置"的记录——这就是语义搜索与关键词搜索的本质区别。

这个功能依赖外部嵌入服务（Embedding Provider） 将文字转成向量，没有 API Key 就无法启动。

三条修复路径

根据你是否需要这个功能，分两大方向：

路径一：直接关闭（推荐新手）

如果你不需要 Agent 跨会话记住语义信息，一条命令搞定：

openclaw config set agents.defaults.memorySearch.enabled false

执行后 Memory Search 模块被完全禁用，不再报错，OpenClaw 其他功能完全不受影响。

路径二：配置嵌入服务（真正启用语义记忆）

OpenClaw 会按优先级自动检测可用的 Embedding Provider：

1. 本地模型 (local) — memorySearch.local.modelPath（离线，无 API 费用）
2. OpenAI — OPENAI_API_KEY（模型：text-embedding-3-small）
3. Google Gemini — GEMINI_API_KEY（模型：gemini-embedding-001）
4. Voyage AI — VOYAGE_API_KEY（模型：voyage-3-large）
5. Mistral — MISTRAL_API_KEY

方法 A：设置环境变量（以 Gemini 为例）

export GEMINI_API_KEY=AIza-你的Key
echo 'export GEMINI_API_KEY=AIza-你的Key' >> ~/.bashrc
source ~/.bashrc
openclaw doctor --fix

方法 B：通过向导配置

openclaw configure --section model

向导会逐步引导选择 Provider 并输入 API Key，自动写入 ~/.openclaw/openclaw.json。

路径三：使用本地模型（完全离线，零费用）

如果不想依赖任何云服务 API，可以配置本地 GGUF 格式的嵌入模型：

openclaw config set agents.defaults.memorySearch.provider local
openclaw config set agents.defaults.memorySearch.local.modelPath /你的路径/embedding-model.gguf

Google Gemini 免费额度

gemini-embedding-001 在免费层标准输入价格为 Free of charge（免费），付费层每 100 万输入 tokens 收费 0.15 美元。

Google 的限制按三个维度计算：

• RPM（每分钟请求数）
• TPM（每分钟输入 tokens）
• RPD（每天请求数以太平洋时间午夜重置）

具体限制以 Google AI Studio 中显示的项目配额为准。

实用建议：Gemini 嵌入对中国用户性价比高——免费额度足够记忆搜索跑起来，嵌入质量优秀。但要注意，免费层提交的内容可能被用于改进产品。

LM Studio 本地嵌入模型完整配置

为什么不直接用 OpenClaw 自带的 local 方案？因为那个方案依赖 node-llama-cpp，有时还需要 pnpm approve-builds 和重建原生模块。相比之下，把 LM Studio 当成 OpenAI-compatible embeddings 服务更省心。

原理

核心两步：

1. 在 LM Studio 里加载嵌入模型并启动本地服务
2. 把 OpenClaw 的 memorySearch 指到这个本地地址

准备工作

1. 在 LM Studio 里加载一个嵌入模型（不是聊天模型），如 text-embedding-nomic-embed-text-v1.5 或 Qwen3-Embedding-8B
2. 打开 LM Studio 的 Local Server 页面，点击 Start Server（默认端口 1234）

验证服务

curl http://127.0.0.1:1234/v1/models
curl -s http://127.0.0.1:1234/v1/models | jq '.data[].id'

如果返回 invalid_api_key，说明开启了认证——在 Server Settings 关闭 Require Authentication，或带上 Bearer token。

配置命令

openclaw config set agents.defaults.memorySearch.enabled true
openclaw config set agents.defaults.memorySearch.provider openai
openclaw config set agents.defaults.memorySearch.model text-embedding-nomic-embed-text-v1.5
openclaw config set agents.defaults.memorySearch.remote.baseUrl http://127.0.0.1:1234/v1/
openclaw config set agents.defaults.memorySearch.remote.apiKey lm-studio
openclaw config set agents.defaults.memorySearch.fallback none

⚠️ model 必须和 /v1/models 返回的模型 id 完全一致，前面加 text-embedding- 前缀是常见情况。

进阶：Qwen3-Embedding-8B 配置

对于中文用户，更推荐 Qwen3-Embedding-8B——支持 100+ 语言、32k 上下文，MTEB 多语言榜第一（2025 年 6 月）。

openclaw config set agents.defaults.memorySearch.model qwen3-embedding-8b

LM Studio 参数设置：

RTX 4070 12GB 可完整加载 Q8_0 版本进显存。

重启并诊断

systemctl --user restart openclaw-gateway.service
openclaw doctor --fix

配置后的进阶参数

启用后，可以在 ~/.openclaw/openclaw.json 中微调语义搜索行为：

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "enabled": true,
        "provider": "openai",
        "maxResults": 8,
        "vectorWeight": 0.7,
        "textWeight": 0.3,
        "sync": { "watch": true }
      }
    }
  }
}

分场景模型推荐

决策建议

对于中国用户：

1. 轻度使用 → 直接关闭，毫无损失
2. 先跑通 → EmbeddingGemma 300M（Gemini 免费额度也够用）
3. 中文 + 多语言效果优先 → Qwen3-Embedding-8B + LM Studio 本地部署

一句话总结：先用 EmbeddingGemma 300M 跑通，中文效果不够再升级到 Qwen3-Embedding-8B。

–全文完–

若你有故事想讲、有困惑想聊、或是想找个人说说心里话，甚至只是吐槽发泄一下情绪，都欢迎来找我聊聊：　　　《内容已折叠，点击展开》

希望我写的每一个字，成为我自己和某个人活下去、拼下去的力量。　　　　　　　　　　　　　　　　　　　　　《内容已折叠，点击展开》

“技术终归是工具，而我们一次次认真把问题理顺，守住的其实不只是页面样式和代码输出，还有那一点不愿被混乱打败的心气，是每一个深夜仍愿点灯前行的人。”

转载请注明来自https://oklife.me。