本地 Embedding 记忆系统部署指南

提供在美的内网环境下安装和排查 node-llama-cpp 以支持 OpenClaw memorySearch 的详细步骤和替代远程 embedding 配置。

本地 Embedding 记忆系统部署指南（Windows）

概述

在 OpenClaw 环境下部署本地语义向量搜索的完整记录。包含 nomic-embed-text 模型部署、memorySearch 配置、Nomic Atlas 可视化集成，以及美的内网环境下的常见问题排查。

环境要求

项目	值
OS	Windows 10+ (x64)
Node	>= 22.16.0
npm	>= 10.9.0
OpenClaw	2026.3.13+
Python	>= 3.10（方案二需要）
网络	hf-mirror.com 可用（模型下载）

方案一：本地 Embedding（推荐）

1. 下载 nomic-embed-text 模型

从 hf-mirror.com 下载 GGUF 格式模型：

• 模型：nomic-embed-text-v1.5.Q4_K_M.gguf (~80MB)
• 下载地址：https://hf-mirror.com/nomic-ai/nomic-embed-text-v1.5-GGUF/resolve/main/nomic-embed-text-v1.5.Q4_K_M.gguf
• 存放路径：~/.openclaw/models/

完整路径示例：D:\Users\yindb2\.openclaw\models\nomic-embed-text-v1.5.Q4_K_M.gguf

下载命令（PowerShell）：

powershell

New-Item -ItemType Directory -Force -Path "$env:USERPROFILE\.openclaw\models"
Invoke-WebRequest -Uri "https://hf-mirror.com/nomic-ai/nomic-embed-text-v1.5-GGUF/resolve/main/nomic-embed-text-v1.5.Q4_K_M.gguf" -OutFile "$env:USERPROFILE\.openclaw\models\nomic-embed-text-v1.5.Q4_K_M.gguf"

2. 配置 memorySearch

在 openclaw.json 中配置：

json

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "enabled": true,
        "provider": "local",
        "model": "fts-only",
        "local": {
          "modelPath": "D:\\Users\\yindb2\\.openclaw\\models\\nomic-embed-text-v1.5.Q4_K_M.gguf"
        }
      }
    }
  }
}

注意：modelPath 需要替换为你的实际路径（将 yindb2 改为你的用户名）。

3. 安装记忆插件

bash

clawhub install memory-tencentdb

当前版本：v0.3.8（含 Nomic Atlas 可视化集成）

4. 验证

bash

openclaw memory status

预期输出：

text

Provider: local (requested: local)
Model: fts-only
Vector: ready
FTS: ready

方案二：Nomic Atlas 记忆可视化

将记忆数据投射到 Nomic Atlas 进行交互式 2D 可视化浏览。

依赖安装

bash

pip install sentence-transformers umap-learn einops

运行可视化

bash

python scripts/nomic_atlas_visualizer.py

效果

• sentence-transformers 加载 nomic-embed-text-v1.5 生成 768 维语义嵌入
• UMAP 降维到 2D
• 生成交互式 HTML 可视化页面
• 支持按类型着色、点击详情、关键词搜索

方案三：远程 Embedding（内网备选）

如果本地模型下载不可行，可配置远程 embedding：

json

{
  "agents": {
    "defaults": {
      "memorySearch": {
        "enabled": true,
        "sources": ["memory"],
        "provider": "openai",
        "remote": {
          "baseUrl": "https://apiprod.midea.com/llm/f-devops-python-litellm/v1",
          "apiKey": ""
        },
        "fallback": "none"
      }
    }
  }
}

常见问题

问题 1：模型下载被防火墙拦截

现象：访问 huggingface.co 超时或被拒绝。

解决：使用 hf-mirror.com 镜像下载（见方案一第 1 步）。

问题 2：memorySearch 配置被 SIGUSR1 覆盖

现象：gateway 重启后 memorySearch 配置丢失或 provider 被改回默认值。

解决：同时更新 PRD preset 文件。

三层防护配置（防止配置丢失）

第 1 层：PRD preset

text

C:\Program Files\mx\resources\openclaw\config\prd-openclaw.json

在此文件中加入 memorySearch 和 plugins 配置，确保重启后不被覆盖。

第 2 层：openclaw.cmd 环境变量

text

D:\Users\yindb2\AppData\Local\openclaw\mx\current\openclaw.cmd

添加：

batch

set "OPENCLAW_CONFIG_MODE=local"
set "OPENCLAW_CONFIG_SERVER_TOKEN="

第 3 层：dist JS 白名单

text

C:\Program Files\mx\resources\openclaw\dist\reply-*.js

移除 agents.defaults 白名单，防止配置被强制重置。

问题 3：sentence-transformers 首次运行下载模型

现象：运行 nomic_atlas_visualizer.py 时首次执行会下载 ~274MB 模型到本地缓存。

解决：首次运行会自动下载模型到本地缓存目录，之后使用缓存，无需重复下载。

部署清单

• 下载 nomic-embed-text GGUF 模型
• 配置 memorySearch.provider: "local"
• 安装 memory-tencentdb 插件（v0.3.8+）
• 验证 memory status 显示 ready
• （可选）部署 Nomic Atlas 可视化
• 更新 PRD preset 防止配置丢失

历史版本记录

2026-06-05 前：node-llama-cpp 方案（已废弃）

原方案依赖 node-llama-cpp 和 GitHub 下载预编译二进制。

因美的内网封锁 GitHub Releases 下载 + Node ABI 版本不匹配，此方案已废弃。不再推荐使用。

2026-06-08 起：本地 embedding 方案（当前）

改用 nomic-embed-text GGUF + sentence-transformers，完全本地运行。

• 模型仅 ~80MB，下载快速
• 无需编译 native 模块
• 支持 Nomic Atlas 可视化
• memory-tencentdb v0.3.8 已发布 ClawHub
• 独立 LLM 已移除（v0.3.7）