- 文档首页
火山方舟
Coding Plan 个人版
专属权益
记忆增强-Embedding模型
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。
在 Coding Plan 中使用 Embedding 模型时,需要的核心配置如下:
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)
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。
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。
- 选择以下任一方式配置 Embedding 模型。
- 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。
- 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。
- 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。
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。
- 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。
最近更新时间:2026.04.14 18:48:10