核心用法
Ollama Memory Embeddings 是一项 OpenClaw 配置技能，用于将内存搜索的向量生成从本地 node-llama-cpp 切换至 Ollama 提供的 OpenAI 兼容 /v1/embeddings 端点。
安装流程
bash ~/.openclaw/skills/ollama-memory-embeddings/install.sh
- 验证 Ollama 安装与可访问性
- 交互式选择 embedding 模型（embeddinggemma、nomic-embed-text、all-minilm、mxbai-embed-large）
- 可选导入本地已有 GGUF 文件到 Ollama
- 精确修改
agents.defaults.memorySearch配置（provider/model/baseUrl/apiKey） - 执行配置校验与可选网关重启
- 提供
--non-interactive模式支持自动化部署
日常运维
verify.sh：双重验证（模型存在性 + API 可用性）enforce.sh：幂等状态强制同步，支持--check-only漂移检测watchdog.sh：launchd/systemd 自动修复守护进程
显著优点
1. 零代码侵入：仅修改用户配置，不触及 OpenClaw 包内代码
2. 配置外科手术：精准修改内存搜索相关键值，保留其他配置不变
3. 模型生态丰富：支持从轻量级 all-minilm 到高质量 mxbai-embed-large 的梯度选择
4. 本地 GGUF 复用：自动检测并导入 node-llama-cpp 缓存中的 embedding 模型
5. 运维友好：幂等 enforce 机制、配置备份、漂移自愈、内存重索引指纹判断
潜在缺点与局限性
- 仅覆盖 embedding：不影响 chat/completions 路由，需单独配置 LLM 后端
- Ollama 依赖：必须本地运行 Ollama 服务，增加一层运维复杂度
- 向量空间不兼容：更换 embedding 模型后必须重建内存索引，否则检索失效
- 平台限制：launchd watchdog 仅支持 macOS，Linux systemd 支持有限
- GGUF 检测范围窄：仅识别四种预设模式的模型文件，其他需手动导入
适合人群
- 已部署 Ollama 且希望统一本地模型管理的 OpenClaw 用户
- 对 embedding 质量有特定需求（多语言、速度优先）的高级用户
- 需要自动化配置同步与漂移修复的运维场景
- 希望复用已有本地 GGUF 缓存减少重复下载的用户
常规风险
| 风险项 | 说明 | 缓解措施 |
|--------|------|----------|
| 配置损坏 | JSON 写入异常可能导致 OpenClaw 无法启动 | 自动创建带时间戳的配置备份 |
| 向量空间不匹配 | 更换模型未重索引导致检索质量骤降 | `--reindex-memory auto` 指纹比对自动触发 |
| Ollama 服务不可用 | 端口冲突或未启动导致 embedding 失败 | install/verify 双重健康检查 |
| 权限问题 | launchd/systemd 服务安装需管理员权限 | 失败时降级提示，不强制中断 |
| 非交互模式误配置 | 默认值可能与实际环境不符 | 明确文档化 `--model` 等参数必要性 |
---
> 版本提示：该技能与 OpenClaw 配置 schema 演进保持兼容，支持 legacy 路径回退读取。