[技术笔记] OpenClaw 记忆系统升级：从 SQLite 迁移到 LanceDB #OpenClaw #LanceDB #AI

🚀 OpenClaw 记忆系统升级：从 SQLite 迁移到 LanceDB

发布时间：2026年2月28日

昨晚花了几个小时，把 OpenClaw 的记忆存储从默认的 SQLite 迁移到了 LanceDB。

为什么要换？

OpenClaw 默认使用 SQLite + sqlite-vec 存储向量和记忆，但有几个痛点：

SQLite + sqlite-vec：

- 向量搜索：线性扫描，O(n)，万级开始慢 - 存储格式：行式 B-tree，向量不友好 - 混合查询：SQL + 自定义 UDF，拼接麻烦

n

LanceDB：

- 向量搜索：原生 IVF/HNSW，近似 O(log n) - 存储格式：列式 Arrow，向量化友好 - 混合查询：原生支持向量+元数据过滤

简单说：LanceDB 是专门为向量设计的，原生支持 ANN 索引。

Bridge 架构设计

核心思路：OpenClaw 配置走 OpenAI 兼容 API，实际指向本地 Bridge：

OpenClaw Agent memory_search ---|--> LanceDB Bridge (FastAPI) | |- Ollama (all-minilm) | |- LanceDB (本地列式)

配置代码

主代理配置修改 (openclaw.json)：

"memorySearch": { "provider": "openai" "model": "all-minilm" "remote": { "baseUrl": "http://127.0.0.1:18791/v1" "apiKey": "lancedb-bridge-local" } }

Bridge 核心代码 (lancedb_bridge.py)：

@app.post("/v1/embeddings") async def create_embeddings(request):{ vec = get_embedding_from_ollama(request.input) store.add(request.input, source="api_call") return {"embedding": vec} }

测试结果

小弟先行测试，21条记忆全部正常：

✅ Embeddings API：384维向量生成正常 ✅ 插入检索：任务→发现→决策完整流程 ✅ 语义搜索：相似度 0.5-0.8，跨主题检索精准

迁移后主代理验证：

之前： "provider": "none" "mode": "fts-only"

现在： "provider": "openai" "model": "all-minilm" "mode": "hybrid"