OpenClaw Memory Search 完全指南：讓你的 AI 真正"記得"你

2026-02-26 約 2962 字預計閱讀 6 分鐘

記錄如何啟用和配置 OpenClaw 的 Memory Search 功能，讓 AI 通過語義理解而非簡單關鍵詞匹配來檢索記憶文件。

一、前言

我是 Frank，這是我的 AI 助手阿呆。在使用 OpenClaw 的過程中，我發現一個被很多人忽視的強大功能 —— Memory Search（向量記憶搜索）。

傳統的記憶文件（memory files）雖然能保存信息，但當文件越來越多時，AI 很難精準找到伱需要的內容。Memory Search 通過語義理解而非簡單的關鍵詞匹配，讓 AI 真正"理解"你的記憶。

二、什麼是 Memory Search？

2.1 記憶文件 vs Memory Search

特性	普通記憶文件	Memory Search
存儲方式	Markdown 文本	Markdown + 向量索引
搜索方式	關鍵詞匹配	語義相似度
理解能力	字面匹配	理解同義詞、上下文
舉例	搜"API"只找含 API 的	搜"接口文檔"也能找到 API 相關

通俗類比：

普通記憶文件 = 圖書館的目錄卡片（按標題找書）
Memory Search = Google 搜索（按意思找內容）

2.2 技術原理（簡化版）

當你保存一段文字時，Memory Search 會：

分塊（Chunking）：將長文本切成小段
向量化（Embedding）：用 AI 模型把文字轉換成數字向量（幾百到幾千維的坐標）
索引（Indexing）：存入 SQLite 數據庫
搜索（Search）：查詢時把問題也轉成向量，找最相似的

這種"語義相似度"搜索，讓"汽車"和"vehicle"、“博客 API"和"接口文檔"在向量空間裡距離很近。

三、為什麼要用 Memory Search？

3.1 解決的痛點

❌ 以前的問題：

“我之前說的那個東西…"（AI 找不到）
“我上週提到的眼鏡訂單”（記不清日期，搜不到文件）
“那個體重追蹤的項目”（用了"追蹤"還是"tracker"記不清了）

✅ 現在的體驗：

“我之前說的體重追蹤那個事” → 自動找到 weight-tracker 文檔
“我博客的統計 API 在哪裡” → 找到 api-docs 相關記錄
“我的眼鏡訂單什麼狀態” → 找到監控記錄

3.2 實際應用場景

場景 1：個人項目管理

你說：“我之前讓你寫的那個體重追蹤系統”
**AI 理解：**找 “weight”、“tracker”、“體重”、“記錄” 相關內容
找到：memory/2026-02-09.md 裡的 “Weight Tracker System” 文檔

場景 2：技術文檔檢索

你說：“我那個 API 文檔的網頁地址”
**AI 理解：**找 “api-docs”、“GitHub Pages”、“接口文檔”
找到：memory/api-docs-location.md 裡的在線地址

場景 3：歷史信息回溯

你說：“我上次提到的體重記錄”
**AI 理解：**找 “weight tracker”、“體重”、“89.4kg”
**找到：**相關日期的體重數據

3.3 核心優勢

🧠 語義理解：不用記確切關鍵詞，描述大概意思就行
🔍 糢糊匹配：同一概念的不同表達都能關聯
⚡ 快速檢索：毫秒級響應，比全文掃描快得多
🔒 隱私可控：本地 SQLite 存儲，不上傳原文到雲端
📝 原文保留：向量只是索引，原始 Markdown 仍是真相來源

四、完整配置教程

4.1 準備工作

需要：

OpenClaw 2026.2.x 或更高版本
可寫的 workspace（~/.openclaw/workspace）
一個 Embedding Provider 的 API Key

系統要求：

Linux/macOS（Windows 建議用 WSL2）
至少 1GB 可用磁盤空間

4.2 選擇 Embedding Provider

OpenClaw 支持多種向量模型提供商：

方案	優點	缺點	推薦度	適合人群
Gemini	免費額度高（1500次/天），Google 出品	需要 Google 賬號	⭐⭐⭐⭐⭐	大多數人
阿里雲 DashScope	國內訪問快，價格便宜，Qwen 模型	需要阿里雲賬號	⭐⭐⭐⭐	國內用戶
Mistral	性價比高，歐洲公司隱私友好	需要綁卡	⭐⭐⭐	歐洲用戶
Local	完全離線，零 API 費用，最隱私	需要下載模型，速度較慢	⭐⭐⭐⭐	隱私優先

我的選擇： 我最終選擇了 阿里雲 DashScope + text-embedding-v4，因為：

國內訪問速度快
價格非常便宜
支持 OpenAI-compatible API 格式

4.3 配置步驟（以阿里雲為例）

Step 1: 申請 API Key

訪問阿里雲 DashScope 控制台
登錄阿里雲賬號
進入「API-KEY 管理」創建新 Key
複製 Key（格式如 sk-xxxxxx）

Step 2: 修改 OpenClaw 配置

編輯 ~/.openclaw/openclaw.json：

{
  // 添加環境變量
  "env": {
    "DASHSCOPE_API_KEY": "sk-你的阿里雲Key"
  },
  
  // 在 agents.defaults 中添加
  "agents": {
    "defaults": {
      "memorySearch": {
        "provider": "openai",
        "model": "text-embedding-v4",
        "remote": {
          "baseUrl": "https://dashscope-intl.aliyuncs.com/compatible-mode/v1",
          "apiKey": "${DASHSCOPE_API_KEY}"
        }
      }
    }
  }
}

配置說明：

provider: 使用 "openai" 因為 DashScope 提供 OpenAI-compatible API
model: text-embedding-v4 是阿里雲最新的 embedding 模型
baseUrl: 國際站地址，如果在國內可以用 dashscope.aliyuncs.com

Step 3: 重啟 Gateway

openclaw gateway restart

Step 4: 驗證配置

重啟後，詢問 AI 任何問題，觀察 memory_search 的返回：

{
  "results": [...],
  "provider": "openai",
  "model": "text-embedding-v4",
  "mode": "hybrid"
}

如果看到 provider 不是 none，而是 openai，說明配置成功了！

4.4 監控 API 用量

阿里雲 DashScope 的用量統計頁面：

https://modelstudio.console.aliyun.com/ap-southeast-1/#/model-telemetry

在這個頁面可以查看：

API 調用次數
Token 消耗量
費用統計

五、進階知識

5.1 索引存儲位置

Memory Search 的向量索引存儲在：

~/.openclaw/memory/main.sqlite

這是一個 SQLite 數據庫，包含：

文本塊（chunks）
向量嵌入（embeddings）
元數據（文件路徑、行號等）

注意：

原始 Markdown 文件仍然是"真相來源”
SQLite 只是索引，可以刪除後重建
刪除後下次啟動會自動重新索引

5.2 索引更新機制

OpenClaw 使用文件系統監視（fs watch）來檢測變化：

創建新文件 → 自動檢測，延遲索引（通常幾分鐘）
修改現有文件 → 自動檢測，更新索引
定期批量更新 → 可能有後台任務整理索引

如果你的新文件沒立即被索引：

這是正常的，有延遲
幾分鐘後應該會自動索引
或者重啟 Gateway 強制刷新

5.3 故障排除

問題 1：provider 顯示 “none”

症狀：

{
  "provider": "none",
  "mode": "fts-only"
}

原因：

API Key 未配置或配置錯誤
Gateway 未重啟
環境變量未正確加載

解決：

檢查 openclaw.json 中的 env 和 memorySearch 配置
確認 API Key 有效
重啟 Gateway

問題 2：搜索返回空結果

症狀： 搜索任何內容都返回 []

原因：

文件尚未被索引（新創建的文件）
索引損壞

解決：

等待幾分鐘，讓系統自動索引
檢查 ~/.openclaw/memory/main.sqlite 是否存在且大小合理
如需要，刪除 SQLite 文件讓它重建

問題 3：API Key 錯誤

症狀： 日誌顯示 embedding API 調用失敗

解決：

檢查 API Key 是否過期
確認 baseUrl 正確（國內/國際站）
查看 provider 控制台是否有額度限制

六、總結

6.1 適合誰用？

推薦使用：

記憶文件超過 10 個，經常找不到東西
喜歡用自然語言描述，不喜歡記關鍵詞
需要 AI 長期記住複雜項目和上下文
對響應速度有要求（比全文搜索快）

可以暫緩：

記憶文件很少（< 5 個），直接讀文件就夠了
不想依賴外部 API（可以用 Local 模式解決）
對隱私極度敏感（可以用 Local 模式）

6.2 最佳實踐

保持記憶文件結構清晰
- 使用標準 sections（今日概覽、重要事項、待辦等）
- 方便日後檢索
定期整理
- 每週 review 一次 MEMORY.md
- 刪除過時的，更新重要的
混合使用
- 日常使用 Memory Search 快速檢索
- 需要精確內容時用 memory_get 讀原文
監控用量
- 定期查看 embedding API 的使用情況
- 避免意外超支

參考資料

OpenClaw 官方文檔：https://docs.openclaw.ai
阿里雲 DashScope：https://dashscope.aliyun.com
本文示例配置：memory/aliyun-dashscope-config.md

Written by Frank & Adai | 2026-02-26

希望這篇教程能幫助你讓 AI 真正"記得"你 💙

目錄

OpenClaw Memory Search 完全指南：讓你的 AI 真正"記得"你

一、前言

二、什麼是 Memory Search？

2.1 記憶文件 vs Memory Search

2.2 技術原理（簡化版）

三、為什麼要用 Memory Search？

3.1 解決的痛點

3.2 實際應用場景

3.3 核心優勢

四、完整配置教程

4.1 準備工作

4.2 選擇 Embedding Provider

4.3 配置步驟（以阿里雲為例）

Step 1: 申請 API Key

Step 2: 修改 OpenClaw 配置

Step 3: 重啟 Gateway

Step 4: 驗證配置

4.4 監控 API 用量

五、進階知識

5.1 索引存儲位置

5.2 索引更新機制

5.3 故障排除

問題 1：provider 顯示 “none”

問題 2：搜索返回空結果

問題 3：API Key 錯誤

六、總結

6.1 適合誰用？

6.2 最佳實踐

參考資料

另請參閱