# 记忆增强-Embedding模型

> 全部文档的索引见 [llms.txt](https://ark.volcengine.com/llms.txt)；在任一文档页面地址后追加 `.md` 可获取该页的 Markdown 版本。

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。

<span id="1eea923e"></span>
# 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](https://ark.volcengine.com/region:cn-beijing/model/detail?Id=doubao-embedding-vision)）

> **注意**
>
> 建议固定使用同一版本的 Embedding 模型，请勿混用不同版本。

* 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](https://ark.volcengine.com/region:cn-beijing/apikey)

<span id="72de147a"></span>
# 配置 Embedding 模型

> **注意**
>
> Embedding 模型与其他模型一致，均会消耗套餐额度，按模型调用次数进行估算。

<span id="a4c2cd2f"></span>
## 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。 
1. 前提条件：已完成 OpenClaw 的安装与配置，步骤参见 [安装和配置 OpenClaw](/docs/coding-plan-personal-ai-openclaw#b51c87f8)。
2. 选择以下任一方式配置 Embedding 模型。

**选项：Web UI 方式**

1. 执行以下命令打开 Web UI。

```Bash
openclaw dashboard
```

2. 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](https://ark.volcengine.com/region:cn-beijing/apikey)。

    ```JSON
    {
      ...
      "agents": {
        "defaults": {
          ...
          "memorySearch": {
            "provider": "openai",
            "model": "doubao-embedding-vision",
            "remote": {
              "baseUrl": "https://ark.cn-beijing.volces.com/api/coding/v3",
              "apiKey": "<ARK_API_KEY>"
            }
          }
          ...
        }
      }
      ...
     }
    ```

3. 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。

**选项：终端方式**

1. 在终端执行以下命令打开 OpenClaw 配置文件。

```Bash
nano ~/.openclaw/openclaw.json
```

2. 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](https://ark.volcengine.com/region:cn-beijing/apikey)。

    ```JSON
    {
      ...
      "agents": {
        "defaults": {
          ...
          "memorySearch": {
            "provider": "openai",
            "model": "doubao-embedding-vision",
            "remote": {
              "baseUrl": "https://ark.cn-beijing.volces.com/api/coding/v3",
              "apiKey": "<ARK_API_KEY>"
            }
          }
          ...
        }
      }
      ...
    }
    ```

3. 配置完成后，重启网关使配置生效。

    ```Bash
    openclaw gateway restart
    ```

<span id="8691628e"></span>
## 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。
1. 前提条件：已完成 OpenViking 的安装与基础配置，步骤参见 [OpenViking](/docs/coding-plan-personal-ai-openviking)。
2. 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](https://ark.volcengine.com/region:cn-beijing/apikey)。

```JSON
{
  ...
  "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
  }
  ...
}
```