记忆增强-Embedding模型

方舟 Coding Plan 提供 Embedding 模型，可以为工具提供语义向量能力，将对话、文档与任务信息等转换为高维向量表示，实现基于语义相似度的高效检索。
相比传统关键词匹配，Embedding 检索在信息量大、对话长、资料分散的场景下，能够更准确地召回相关内容，显著降低遗漏与误判。同时，Embedding 为记忆检索、知识库问答与工具调用提供统一的语义检索层，帮助工具在不增加主模型推理成本的前提下，提升跨轮次上下文追踪能力与整体效果。

核心配置#

在 Coding Plan 中使用 Embedding 模型时，需要的核心配置如下：

支持的 Embedding 模型：doubao-embedding-vision（对应模型 doubao-embedding-vision-251215）

专属 Base URL：https://ark.cn-beijing.volces.com/api/coding/v3 （兼容 OpenAI 接口协议）
API Key：获取 API Key

配置 Embedding 模型#

OpenClaw#

OpenClaw 支持配置 Embedding 模型，解决大模型原生记忆有限、易产生幻觉、无法适配私有数据的问题，从而提升模型在处理复杂任务时的准确性和可靠性。

前提条件：已完成 OpenClaw 的安装与配置，步骤参见安装和配置 OpenClaw。
选择以下任一方式配置 Embedding 模型。

执行以下命令打开 Web UI。

1openclaw dashboard

在左侧菜单栏选择配置 - All Settings - Raw，在agents.defaults节点下增加 memorySearch相关配置信息，增加的配置信息如下。其中需要将<ARK_API_KEY>替换为您自己的 API Key。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18{
  ...
  "agents": {
    "defaults": {
      ...
      "memorySearch": {
        "provider": "openai",
        "model": "doubao-embedding-vision",
        "remote": {
          "baseUrl": "https://ark.cn-beijing.volces.com/api/coding/v3",
          "apiKey": "<ARK_API_KEY>"
        }
      }
      ...
    }
  }
  ...
 }

配置完成后，先单击右上角 Save 保存，保存完成后单击 Update 更新配置。

在终端执行以下命令打开 OpenClaw 配置文件。

1nano ~/.openclaw/openclaw.json

在agents.defaults节点下增加 memorySearch相关配置信息，增加的配置信息如下。其中需要将<ARK_API_KEY>替换为您自己的 API Key。

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18{
  ...
  "agents": {
    "defaults": {
      ...
      "memorySearch": {
        "provider": "openai",
        "model": "doubao-embedding-vision",
        "remote": {
          "baseUrl": "https://ark.cn-beijing.volces.com/api/coding/v3",
          "apiKey": "<ARK_API_KEY>"
        }
      }
      ...
    }
  }
  ...
}

配置完成后，重启网关使配置生效。
Bash
```
1openclaw gateway restart
```

OpenViking#

OpenViking 是专为 AI 智能体设计的开源上下文数据库，支持多模态 Embedding 模型的集成与接入，实现非结构化数据的向量化转换，并提供高效的语义相似度检索能力。

前提条件：已完成 OpenViking 的安装与基础配置，步骤参见 OpenViking。
在配置文件 ~/.openviking/ov.conf中新增embedding相关配置。其中需要将<ARK_API_KEY>替换为您自己的 API Key。

1
2
3
4
5
6
7
8
9
10
11
12
13
14{
  ...
  "embedding": {
    "dense": {
      "api_base" : "https://ark.cn-beijing.volces.com/api/coding/v3",
      "api_key"  : "<ARK_API_KEY>",
      "provider" : "volcengine",
      "dimension": 1024,
      "model"    : "doubao-embedding-vision"
    },
    "max_concurrent": 10
  }
  ...
}