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

## 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](https://www.volcengine.com/docs/82379/2183190#b51c87f8)。 2. 选择以下任一方式配置 Embedding 模型。 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``替换为您自己的 [API Key](https://console.volcengine.com/ark/region:ark+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": "" } } ... } } ... } ``` 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。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``替换为您自己的 [API Key](https://console.volcengine.com/ark/region:ark+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": "" } } ... } } ... } ``` 3. 配置完成后，重启网关使配置生效。 ```Bash openclaw 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。 1. 前提条件：已完成 OpenViking 的安装与基础配置，步骤参见 [OpenViking](https://www.volcengine.com/docs/82379/2288685)。 2. 在配置文件 `~/.openviking/ov.conf`中新增`embedding`相关配置。其中需要将``替换为您自己的 [API Key](https://console.volcengine.com/ark/region:ark+cn-beijing/apikey)。 ```JSON { ... "embedding": { "dense": { "api_base" : "https://ark.cn-beijing.volces.com/api/coding/v3", "api_key" : "", "provider" : "volcengine", "dimension": 1024, "model" : "doubao-embedding-vision" }, "max_concurrent": 10 } ... } ```

火山方舟