三、Ollama 本地向量索引memorySearch 升级默认 OpenClaw 的memorySearch.provider none走 FTS 全文检索只能按关键字匹配不支持语义/近义。要开启语义向量检索需要本地安装一个 embedding 模型。1、Ollama 上主流 embedding 模型对比2026-06本节只列embedding向量模型跟聊天大模型不是一个东西 —— embedding 模型只干一件事把文本变成一串向量没有对话能力。模型大小维度上下文MTEB 多语言中文效果qwen3-embedding:8b4.7 GB409632K70.58顶级qwen3-embedding:4b2.5 GB256032K69.45顶级qwen3-embedding:0.6b639 MB102432K64.33优秀bge-m31.2 GB10248K中文老将优秀mxbai-embed-large670 MB102451264.68仅英文一般nomic-embed-text274 MB7688K62.28仅英文差⚠️ 像deepseek-v3.2:cloud、glm-5.2这种超大模型只跑云端本地不能做向量。2、按机器配置选型建议场景推荐说明极致效果24 GB 显卡如 4090/3090qwen3-embedding:8bMTEB No.1效果最强但比较吃资源性价比首选16 GB 内存 8 GB 以上显卡qwen3-embedding:4b效果几乎追平 8b中文语义捕捉非常准老机器 / 仅 CPU / 内存紧张qwen3-embedding:0.6b600 多兆CPU 也能跑得动3、跑ollama run报错说明正常现象直接跑ollama run qwen3-embedding:xxx会看到Error: embedding models require input text. Usage: ollama run qwen3-embedding:xxx your text here这不是失败而是 embedding 模型不支持对话式交互必须带输入文本。看到这个报错就说明模型已经装好可用 ✅如果要真跑一下确认输出用# 直接命令行传入ollama run qwen3-embedding:4b爸爸你好# 或者用 API返回一串数字向量curlhttp://localhost:11434/api/embeddings-d{\model\:\qwen3-embedding:4b\,\prompt\:\爸爸你好\}4、完整安装步骤实操记录以下是本机实际操作过程先尝试 8b后改用 4b# 1. 查看已有模型ollama list# 2. 可选删掉不需要的旧模型腾空间ollamarmqwen3.5:4b# 3. 拉取 embedding 模型ollama pull qwen3-embedding:8b# 4.7 GB效果最强ollama pull qwen3-embedding:4b# 2.5 GB性价比之王# 4. 确认已下载ollama list# NAME ID SIZE MODIFIED# qwen3-embedding:4b df5bd2e3c74c 2.5 GB ...# qwen3-embedding:8b 64b933495768 4.7 GB ...# 5. 试跑报 require input text 属正常ollama run qwen3-embedding:4b# 6. 如需释放空间删掉不用的ollamarmqwen3-embedding:8b5、接入 OpenClaw memorySearch把 OpenClaw 的记忆检索从 FTS 切到 Ollama 向量# 1. provider 切到 ollamaopenclaw configsetagents.defaults.memorySearch.provider ollama# 2. 指定 embedding 模型跟 ollama list 里的 tag 一致openclaw configsetagents.defaults.memorySearch.model qwen3-embedding:4b# 3. 强制重建索引把已有 MEMORY.md、memory/*.md 全部重新向量化openclaw memory index--force--agentmain# 4. 重启 gateway 让配置生效openclaw gateway restart执行成功会看到类似输出Updated agents.defaults.memorySearch.provider. Restart the gateway to apply. Updated agents.defaults.memorySearch.model. Restart the gateway to apply. Memory index updated (main).6、验证向量索引已启用# 查看索引状态openclaw memory status--agentmain输出类似于配置的内容即可Model: qwen3-embedding:4b Sources: memory然后在会话里搜个近义词原文里没出现过的词比如“日报的整理规则是什么”“我的项目服务器在哪”“开发规范里的分层要求”如果能命中 MEMORY.md 里没有原词的相关内容 → 向量检索已生效 ✅7、embedding 模型注意事项不要用ollama run跟它对话—— embedding 模型只输出向量不聊天维度越大越准但也越吃存储8b 是 4096 维、4b 是 2560 维、0.6b 是 1024 维向量库大小差 4 倍MRL 特性qwen3-embedding 支持 Matryoshka 截断嫌 2560 维大可以截到 1024/512 存储上下文足够长三个 qwen3-embedding 都支持 32K 上下文未来 MEMORY.md 变大也 hold 住索引速度8b 比 4b 慢约 2 倍、比 0.6b 慢约 5 倍索引大量文件时可以先用小的跑通模型切换后必须--force重建不同模型的向量不兼容换完必须重新索引