< >
Home » OpenClaw-AI助手入门教程 » OpenClaw AI助手入门教程-配置QMD记忆系统，优化反馈速度

OpenClaw AI助手入门教程-配置QMD记忆系统，优化反馈速度

说明

  • 你是否遇到过这样的困扰：刚开始用OpenClaw时响应还挺快，聊了几轮后速度越来越慢，最后甚至卡死？更糟心的是，API账单还在蹭蹭往上涨，仿佛在为一个“失忆”的AI付高额账单。这背后的罪魁祸首，往往是上下文爆炸——每次对话都携带大量无关历史记录，让AI花大量时间“阅读理解”，既耗钱又降速。

别担心，从OpenClaw 2026.2.2版本开始，内置的QMD记忆系统完美解决了这个问题。本文将带你从零开始，一步步配置QMD，让你的AI助手响应速度从“蜗牛”变“猎豹”。

  • 为什么你的OpenClaw越来越慢？

1.1 传统记忆系统的痛点

传统的记忆机制，简单粗暴——把整个MEMORY.md文件或完整的对话历史，一股脑全塞给AI。这导致几个严重问题：

上下文越长，速度越慢：大模型的推理时间与输入token数量成正比。5000 token的请求要等8-15秒，20000 token直接奔着1分钟去了

成本指数级增长：一个20000 token的会话，单次请求成本可能高达数美元，如果频繁调用，月账单令人心惊

容易卡死超时：当上下文累积到8万、10万token时，请求很容易超时失败，钱花了，结果却没得到

噪音干扰精度：塞入大量无关信息，反而会让AI“分心”，回答质量下降

1.2 QMD是什么？

QMD（Quantum Memory Database）是由Shopify联合创始人Tobi Lütke开发的本地语义搜索引擎，专为AI Agent场景设计。

它的核心思路是：不要把整个文件塞给AI，而是先用本地搜索找到最相关的片段（通常只需2-3句话），再把精准内容传给AI。

技术原理上，QMD采用三层混合搜索机制，确保检索精准度：

层级  技术  作用
第一层 BM25全文搜索    精准匹配关键词，类似传统搜索引擎
第二层 向量语义搜索  理解语义相似度，能找到意思相近但用词不同的内容
第三层 LLM重排序  用AI对结果二次优化，确保最相关内容排前面
这种混合搜索模式能将精准度提升至93%，而纯语义搜索只有59%
  • 注意：qmd的query功能，需要有GPU支持才比较顺畅，CPU下很慢不建议使用。cpu下使用search即可

openclaw自安装：

  • 我们直接利用openclaw自动帮我们完整部署，web-ui的chat发指令:
为openclaw配置QMD记忆系统，优化反馈速度
  • 通过这个指令，应该能让openclaw自己完成安装，配置和重启openclaw
  • 同时openclaw会给出一个测试报告
  • 使用docker安装，这个方法可能不一定成功安装，可以参考手工安装。
  • OpenClaw 会自动使用 QMD 进行记忆检索，如果 QMD 出现问题，会自动回退到内置的 SQLite 记忆系统，不影响正常使用

手工安装

  • 最好是有vpn，要不下载模型容易失败，只能采用手工下载比较麻烦
  • root方式进入容器
docker compose exec --user root  -it  openclaw-gateway bash
  • 安装依赖
#QMD 需要支持 vector 扩展的 SQLite
apt update && apt install jq sqlite3

#测试生效
sqlite3 --version
  • 安装qmd
#方法1：
bun install -g @tobilu/qmd

#方法2：自动先安装qmd 
npx @tobilu/qmd ...

#方法3：
# 使用 npm 安装
npm install -g @tobilu/qmd

#安装后添加到PATH路径
echo "export PATH=$PATH:/home/node/.bun/bin"  >> ~/.bashrc

#测试生效
qmd --version

#保证目录权限
mkdir -p /home/node/.cache/qmd
chown -R node:node /home/node/.cache/qmd
chown -R node:node /home/node/.bun/install/global/node_modules/node-llama-cpp
  • 普通用户方式进入容器
docker compose exec  -it  openclaw-gateway bash

#如果不带GPU，基于源码安装CUP支持的node-llama-cpp版本
NODE_LLAMA_CPP_SKIP_DOWNLOAD=true npm install node-llama-cpp

#测试建立索引
$ ~/.bun/bin/qmd update --verbose
Updating 1 collection(s)...

[1/1] workspace (**/*.md)
Collection: /home/node/.openclaw/workspace (**/*.md)
Indexing: 206/206 ETA: 0s
Indexed: 197 new, 9 updated, 0 unchanged, 0 removed
Cleaned up 9 orphaned content hash(es)

✓ All collections updated.

Run 'qmd embed' to update embeddings (193 unique hashes need vectors)

#为索引的文档生成向量 
HF_ENDPOINT=https://hf-mirror.com ~/.bun/bin/qmd embed --verbose
............
QMD Warning: cuda reported available but failed to initialize. Falling back to CPU.
QMD Warning: no GPU acceleration, running on CPU (slow). Run 'qmd status' for details.
Downloading to ~/.cache/qmd/models
⏵ hf_ggml-org_embeddinggemma-300M-Q8_0.gguf        86.03% (282.69MB/328.58MB)        1.22MB/s  | 37s left


#测试关键词搜索
~/.bun/bin/qmd search "关键词"         # 关键词搜索

#测试语义搜索 
HF_ENDPOINT=https://hf-mirror.com ~/.bun/bin/qmd query "你的测试关键词"   # 语义搜索（推荐）

.......
QMD Warning: cuda reported available but failed to initialize. Falling back to CPU.
QMD Warning: no GPU acceleration, running on CPU (slow). Run 'qmd status' for details.
Downloading to ~/.cache/qmd/models
⏵ hf_tobil_qmd-query-expansion-1.7B-q4_k_m.gguf         60.29% (773.28MB/1.28GB)         1.17MB/s  |  7m left


#模型下载路径在容器内~/.cache/qmd/models下，名称为。
hf_tobil_qmd-query-expansion-1.7B-q4_k_m.gguf
hf_ggml-org_embeddinggemma-300M-Q8_0.gguf
hf_ggml-org_qwen3-reranker-0.6b-q8_0.gguf

#也可以单独下载放在对应的目录下，为了避免重启容器丢失
mkdir -p ~/.openclaw/qmd/
mv ~/.cache/qmd/models ~/.openclaw/qmd/
ln -s ~/.openclaw/qmd/models ~/.cache/qmd/models

#把HF_ENDPOINT=https://hf-mirror.com加到bashrc
echo "export HF_ENDPOINT=https://hf-mirror.com" >> ~/.bashrc

参考的整合流程：

  • 检查OpenClaw版本，需要大于2026.2.2
$ docker compose exec openclaw-gateway node dist/index.js --version
2026.2.9
  • 备份openclaw.json配置
cd ~/.openclaw/
cp openclaw.json openclaw.json.backup
  • 修改openclaw配置，添加内容
 "hooks": {
    "internal": {
      "enabled": true,
      "entries": {
        "session-memory": {
          "enabled": true
        }
      }
    }
  },
  "memory": {
    "backend": "qmd",
    "citations": "auto",
    "qmd": {
      "includeDefaultMemory": true,
      "update": {
        "interval": "5m",
        "debounceMs": 15000
      },
      "limits": {
        "maxResults": 6,
        "timeoutMs": 4000
      },
      "scope": {
        "default": "deny",
        "rules": [
          {
            "action": "allow",
            "match": {
              "chatType": "direct"
            }
          }
        ]
      },
      "paths": [
        {
          "name": "workspace",
          "path": "/home/node/.openclaw/workspace",
          "pattern": "**/*.md"
        },
        {
          "name": "memory",
          "path": "/home/node/.openclaw/workspace/memory",
          "pattern": "**/*.md"
        }
      ]
    }
  },
  • 重启openclaw
cd openclaw
docker compose restart
  • 验证是否启用，在web-ui的chat发指令：
确认是否启用了qmd给出测试报告

纠错,疑问,交流: 请进入讨论区或 点击加入Q群

获取最新文章: 扫一扫右上角的二维码加入“创客智造”公众号


标签: openclaw ai助手入门教程