OpenClaw Memory Search: Präzise Suche in Notizen einrichten

Kennst du das Gefühl, wenn du genau weißt, dass du eine bestimmte Information notiert hast, aber die Suche ins Leere läuft? Oft liegt es daran, dass wir beim Suchen andere Wörter im Kopf haben als beim Schreiben. Das kostet Zeit und unterbricht deinen Workflow.

memory_search löst dieses Problem für dich. Das Tool findet relevante Notizen in deinen Memory-Dateien, selbst wenn der Wortlaut vom Originaltext abweicht. Dafür wird dein Memory in kleine Chunks unterteilt und mittels Embeddings, Keywords oder einer Kombination aus beidem indiziert.

Schnellstart

Wenn du einen API-Key für OpenAI, Gemini, Voyage oder Mistral konfiguriert hast, funktioniert die Suche automatisch. Um einen Provider explizit festzulegen, nutzt du diese Konfiguration:

{
  agents: {
    defaults: {
      memorySearch: {
        provider: "openai", // or "gemini", "local", "ollama", etc.
      },
    },
  },
}

Für lokale Embeddings ohne API-Key verwendest du provider: "local" (erfordert node-llama-cpp).

Unterstützte Provider

Provider	ID	API-Key nötig	Notizen
OpenAI	openai	Ja	Automatisch erkannt, schnell
Gemini	gemini	Ja	Unterstützt Bild-/Audio-Indizierung
Voyage	voyage	Ja	Automatisch erkannt
Mistral	mistral	Ja	Automatisch erkannt
Ollama	ollama	Nein	Lokal, muss explizit gesetzt werden
Local	local	Nein	GGUF-Modell, ~0.6 GB Download

Wie die Suche funktioniert

OpenClaw nutzt zwei parallele Pfade für den Abruf und führt die Ergebnisse zusammen:

flowchart LR
    Q["Query"] --> E["Embedding"]
    Q --> T["Tokenize"]
    E --> VS["Vector Search"]
    T --> BM["BM25 Search"]
    VS --> M["Weighted Merge"]
    BM --> M
    M --> R["Top Results"]

• Vector Search findet Notizen mit ähnlicher Bedeutung (“gateway host” passt zu “the machine running OpenClaw”).
• BM25 Keyword Search findet exakte Treffer wie IDs, Error-Strings und Config-Keys.

Falls nur ein Pfad verfügbar ist (etwa keine Embeddings oder kein FTS), läuft dieser allein.

Suchqualität verbessern

Zwei optionale Features helfen dir, wenn du eine große Historie an Notizen hast:

Temporal decay

Alte Notizen verlieren schrittweise an Gewicht im Ranking, damit aktuelle Informationen zuerst erscheinen. Bei einer Standard-Halbwertszeit von 30 Tagen wird

{
  agents: {
    defaults: {
      memorySearch: {
        query: {
          hybrid: {
            mmr: { enabled: true },
            temporalDecay: { enabled: true },
          },
        },
      },
    },
  },
}