From 10043b31f83c1b12a305ed79af76fb030d981c23 Mon Sep 17 00:00:00 2001 From: "openclaw-docs-i18n[bot]" Date: Wed, 15 Apr 2026 09:42:27 +0000 Subject: [PATCH] chore(i18n): refresh uk translations --- docs/uk/concepts/memory-search.md | 82 +++++------ docs/uk/providers/github-copilot.md | 100 +++++++++----- docs/uk/reference/memory-config.md | 202 ++++++++++++++-------------- 3 files changed, 213 insertions(+), 171 deletions(-) diff --git a/docs/uk/concepts/memory-search.md b/docs/uk/concepts/memory-search.md index 5a27e9485..65d8908bf 100644 --- a/docs/uk/concepts/memory-search.md +++ b/docs/uk/concepts/memory-search.md @@ -1,29 +1,29 @@ --- read_when: - Ви хочете зрозуміти, як працює memory_search - - Ви хочете вибрати провайдера ембедингів + - Ви хочете вибрати постачальника ембедингів - Ви хочете налаштувати якість пошуку summary: Як пошук у пам’яті знаходить релевантні нотатки за допомогою ембедингів і гібридного пошуку title: Пошук у пам’яті x-i18n: - generated_at: "2026-04-12T17:37:53Z" + generated_at: "2026-04-15T09:41:08Z" model: gpt-5.4 provider: openai - source_hash: 71fde251b7d2dc455574aa458e7e09136f30613609ad8dafeafd53b2729a0310 + source_hash: f5757aa8fe8f7fec30ef5c826f72230f591ce4cad591d81a091189d50d4262ed source_path: concepts/memory-search.md workflow: 15 --- # Пошук у пам’яті -`memory_search` знаходить релевантні нотатки з ваших файлів пам’яті, навіть коли -формулювання відрізняється від оригінального тексту. Він працює, індексуючи пам’ять у малі -фрагменти та шукаючи їх за допомогою ембедингів, ключових слів або обох способів. +`memory_search` знаходить релевантні нотатки з ваших файлів пам’яті, навіть якщо +формулювання відрізняється від оригінального тексту. Це працює шляхом індексації пам’яті на невеликі +фрагменти та пошуку по них за допомогою ембедингів, ключових слів або обох підходів. ## Швидкий старт -Якщо у вас налаштовано API-ключ OpenAI, Gemini, Voyage або Mistral, пошук у пам’яті -працює автоматично. Щоб явно вказати провайдера: +Якщо у вас налаштовано підписку GitHub Copilot або API-ключ OpenAI, Gemini, Voyage чи Mistral, +пошук у пам’яті працює автоматично. Щоб явно вказати постачальника: ```json5 { @@ -37,24 +37,25 @@ x-i18n: } ``` -Для локальних ембедингів без API-ключа використовуйте `provider: "local"` (потрібен +Для локальних ембедингів без API-ключа використовуйте `provider: "local"` (потребує node-llama-cpp). -## Підтримувані провайдери +## Підтримувані постачальники -| Провайдер | ID | Потрібен API-ключ | Примітки | -| --------- | --------- | ----------------- | ---------------------------------------------------- | -| OpenAI | `openai` | Так | Визначається автоматично, швидко | -| Gemini | `gemini` | Так | Підтримує індексацію зображень/аудіо | -| Voyage | `voyage` | Так | Визначається автоматично | -| Mistral | `mistral` | Так | Визначається автоматично | -| Bedrock | `bedrock` | Ні | Визначається автоматично, коли доступний ланцюжок облікових даних AWS | -| Ollama | `ollama` | Ні | Локально, потрібно вказати явно | -| Local | `local` | Ні | Модель GGUF, завантаження ~0.6 ГБ | +| Постачальник | ID | Потрібен API-ключ | Примітки | +| ------------- | ---------------- | ----------------- | ---------------------------------------------------- | +| Bedrock | `bedrock` | Ні | Визначається автоматично, коли спрацьовує ланцюжок облікових даних AWS | +| Gemini | `gemini` | Так | Підтримує індексацію зображень/аудіо | +| GitHub Copilot | `github-copilot` | Ні | Визначається автоматично, використовує підписку Copilot | +| Local | `local` | Ні | Модель GGUF, завантаження ~0.6 ГБ | +| Mistral | `mistral` | Так | Визначається автоматично | +| Ollama | `ollama` | Ні | Локальний, потрібно вказати явно | +| OpenAI | `openai` | Так | Визначається автоматично, швидкий | +| Voyage | `voyage` | Так | Визначається автоматично | ## Як працює пошук -OpenClaw запускає два шляхи пошуку паралельно та об’єднує результати: +OpenClaw запускає два шляхи отримання даних паралельно та об’єднує результати: ```mermaid flowchart LR @@ -68,32 +69,32 @@ flowchart LR ``` - **Векторний пошук** знаходить нотатки зі схожим змістом ("gateway host" відповідає - "the machine running OpenClaw"). + "машина, на якій запущено OpenClaw"). - **Пошук за ключовими словами BM25** знаходить точні збіги (ID, рядки помилок, ключі конфігурації). -Якщо доступний лише один шлях (немає ембедингів або немає FTS), інший працює самостійно. +Якщо доступний лише один шлях (немає ембедингів або немає FTS), інший працює окремо. -Коли ембединги недоступні, OpenClaw усе одно використовує лексичне ранжування за результатами FTS замість того, щоб повертатися лише до сирого впорядкування за точним збігом. У цьому деградованому режимі підвищується вага фрагментів із кращим покриттям термінів запиту та релевантними шляхами до файлів, що зберігає корисну повноту навіть без `sqlite-vec` або провайдера ембедингів. +Коли ембединги недоступні, OpenClaw усе одно використовує лексичне ранжування поверх результатів FTS замість того, щоб повертатися лише до простого впорядкування за точними збігами. У цьому деградованому режимі підвищуються фрагменти з кращим покриттям термінів запиту та релевантними шляхами до файлів, що зберігає корисну повноту пошуку навіть без `sqlite-vec` або постачальника ембедингів. -## Поліпшення якості пошуку +## Покращення якості пошуку -Дві необов’язкові функції допомагають, коли у вас велика історія нотаток: +Дві необов’язкові функції допомагають, якщо у вас велика історія нотаток: ### Часове згасання -Старі нотатки поступово втрачають вагу в ранжуванні, тому новіша інформація з’являється першою. -За стандартного періоду напіврозпаду 30 днів нотатка з минулого місяця матиме 50% від -своєї початкової ваги. Для постійно актуальних файлів, таких як `MEMORY.md`, згасання ніколи не застосовується. +Старі нотатки поступово втрачають вагу в ранжуванні, тож новіша інформація +з’являється першою. За стандартного періоду напіврозпаду 30 днів нотатка з минулого місяця матиме 50% +від своєї початкової ваги. Для сталих файлів, таких як `MEMORY.md`, згасання ніколи не застосовується. -Увімкніть часове згасання, якщо ваш агент має місяці щоденних нотаток і застаріла +Увімкніть часове згасання, якщо у вашого агента є щоденні нотатки за кілька місяців і застаріла інформація постійно випереджає новіший контекст. ### MMR (різноманітність) -Зменшує кількість повторюваних результатів. Якщо п’ять нотаток згадують ту саму конфігурацію роутера, MMR +Зменшує кількість надлишкових результатів. Якщо п’ять нотаток усі згадують ту саму конфігурацію роутера, MMR гарантує, що верхні результати охоплюватимуть різні теми, а не повторюватимуться. @@ -123,29 +124,30 @@ flowchart LR ## Мультимодальна пам’ять З Gemini Embedding 2 ви можете індексувати зображення та аудіофайли разом із -Markdown. Пошукові запити залишаються текстовими, але вони зіставляються з візуальним та аудіовмістом. Див. [довідник із конфігурації пам’яті](/uk/reference/memory-config) для +Markdown. Пошукові запити залишаються текстовими, але вони зіставляються з візуальним і аудіоконтентом. Див. +[довідник з конфігурації пам’яті](/uk/reference/memory-config) для налаштування. -## Пошук у пам’яті сеансу +## Пошук у пам’яті сеансів -Ви можете додатково індексувати транскрипти сеансів, щоб `memory_search` міг згадувати -попередні розмови. Це функція з явним увімкненням через -`memorySearch.experimental.sessionMemory`. Докладніше див. у -[довіднику з конфігурації](/uk/reference/memory-config). +Ви можете за бажанням індексувати транскрипти сеансів, щоб `memory_search` міг пригадувати +попередні розмови. Це вмикається вручну через +`memorySearch.experimental.sessionMemory`. Див. +[довідник з конфігурації](/uk/reference/memory-config) для подробиць. ## Усунення несправностей **Немає результатів?** Виконайте `openclaw memory status`, щоб перевірити індекс. Якщо він порожній, виконайте `openclaw memory index --force`. -**Лише збіги за ключовими словами?** Можливо, ваш провайдер ембедингів не налаштований. Перевірте +**Лише збіги за ключовими словами?** Можливо, ваш постачальник ембедингів не налаштований. Перевірте `openclaw memory status --deep`. **Текст CJK не знаходиться?** Перебудуйте індекс FTS за допомогою `openclaw memory index --force`. -## Додаткові матеріали +## Подальше читання -- [Active Memory](/uk/concepts/active-memory) -- пам’ять субагента для інтерактивних чат-сеансів +- [Active Memory](/uk/concepts/active-memory) -- пам’ять субагента для інтерактивних сеансів чату - [Пам’ять](/uk/concepts/memory) -- структура файлів, бекенди, інструменти -- [Довідник із конфігурації пам’яті](/uk/reference/memory-config) -- усі параметри конфігурації +- [Довідник з конфігурації пам’яті](/uk/reference/memory-config) -- усі параметри конфігурації diff --git a/docs/uk/providers/github-copilot.md b/docs/uk/providers/github-copilot.md index 5c6d8110a..094194c19 100644 --- a/docs/uk/providers/github-copilot.md +++ b/docs/uk/providers/github-copilot.md @@ -1,27 +1,27 @@ --- read_when: - Ви хочете використовувати GitHub Copilot як постачальника моделей - - Вам потрібен процес `openclaw models auth login-github-copilot` -summary: Увійдіть у GitHub Copilot з OpenClaw за допомогою device flow + - Вам потрібен потік `openclaw models auth login-github-copilot` +summary: Увійдіть у GitHub Copilot з OpenClaw за допомогою потоку пристрою title: GitHub Copilot x-i18n: - generated_at: "2026-04-12T11:08:29Z" + generated_at: "2026-04-15T09:41:08Z" model: gpt-5.4 provider: openai - source_hash: 51fee006e7d4e78e37b0c29356b0090b132de727d99b603441767d3fb642140b + source_hash: b8258fecff22fb73b057de878462941f6eb86d0c5f775c5eac4840e95ba5eccf source_path: providers/github-copilot.md workflow: 15 --- # GitHub Copilot -GitHub Copilot — це помічник для програмування на базі ШІ від GitHub. Він надає доступ до моделей Copilot для вашого облікового запису та плану GitHub. OpenClaw може використовувати Copilot як постачальника моделей двома різними способами. +GitHub Copilot — це помічник для програмування з ШІ від GitHub. Він надає доступ до моделей Copilot для вашого облікового запису GitHub і тарифного плану. OpenClaw може використовувати Copilot як постачальника моделей двома різними способами. ## Два способи використання Copilot в OpenClaw - Використовуйте нативний процес входу через device flow, щоб отримати токен GitHub, а потім обмінювати його на API-токени Copilot під час роботи OpenClaw. Це **типовий** і найпростіший шлях, оскільки він не потребує VS Code. + Використовуйте нативний потік входу через пристрій, щоб отримати токен GitHub, а потім обміняти його на токени API Copilot під час роботи OpenClaw. Це **типовий** і найпростіший шлях, оскільки він не потребує VS Code. @@ -37,7 +37,7 @@ GitHub Copilot — це помічник для програмування на openclaw models set github-copilot/gpt-4o ``` - Або в конфігурації: + Або в config: ```json5 { @@ -49,13 +49,13 @@ GitHub Copilot — це помічник для програмування на - + Використовуйте розширення VS Code **Copilot Proxy** як локальний міст. OpenClaw звертається до - кінцевої точки `/v1` проксі та використовує список моделей, який ви там налаштуєте. + endpoint `/v1` проксі та використовує список моделей, який ви там налаштуєте. - Виберіть це, якщо ви вже запускаєте Copilot Proxy у VS Code або вам потрібно маршрутизувати - через нього. Ви повинні ввімкнути Plugin і підтримувати роботу розширення VS Code. + Вибирайте цей варіант, якщо ви вже запускаєте Copilot Proxy у VS Code або вам потрібно маршрутизувати + через нього. Ви маєте ввімкнути Plugin і підтримувати роботу розширення VS Code. @@ -63,33 +63,33 @@ GitHub Copilot — це помічник для програмування на ## Необов’язкові прапорці -| Flag | Опис | -| --------------- | ------------------------------------------------------ | -| `--yes` | Пропустити запит на підтвердження | +| Flag | Опис | +| --------------- | --------------------------------------------------- | +| `--yes` | Пропустити запит підтвердження | | `--set-default` | Також застосувати рекомендовану типову модель постачальника | ```bash # Пропустити підтвердження openclaw models auth login-github-copilot --yes -# Увійти та встановити типову модель за один крок +# Увійти й установити типову модель за один крок openclaw models auth login --provider github-copilot --method device --set-default ``` - Для процесу входу через device flow потрібен інтерактивний TTY. Запускайте його безпосередньо в + Потік входу через пристрій потребує інтерактивного TTY. Запускайте його безпосередньо в терміналі, а не в неінтерактивному скрипті чи конвеєрі CI. - - Доступність моделей Copilot залежить від вашого плану GitHub. Якщо модель + + Доступність моделей Copilot залежить від вашого тарифного плану GitHub. Якщо модель відхиляється, спробуйте інший ID (наприклад, `github-copilot/gpt-4.1`). - Ідентифікатори моделей Claude автоматично використовують транспорт Anthropic Messages. GPT, - моделі серії o та Gemini зберігають транспорт OpenAI Responses. OpenClaw + Ідентифікатори моделей Claude автоматично використовують транспорт Anthropic Messages. Моделі GPT, + o-series і Gemini зберігають транспорт OpenAI Responses. OpenClaw вибирає правильний транспорт на основі посилання на модель. @@ -97,14 +97,14 @@ openclaw models auth login --provider github-copilot --method device --set-defau OpenClaw визначає автентифікацію Copilot зі змінних середовища в такому порядку пріоритету: - | Priority | Variable | Notes | - | -------- | --------------------- | ---------------------------------- | - | 1 | `COPILOT_GITHUB_TOKEN` | Найвищий пріоритет, специфічний для Copilot | + | Priority | Variable | Примітки | + | -------- | --------------------- | -------------------------------- | + | 1 | `COPILOT_GITHUB_TOKEN` | Найвищий пріоритет, спеціально для Copilot | | 2 | `GH_TOKEN` | Токен GitHub CLI (резервний варіант) | | 3 | `GITHUB_TOKEN` | Стандартний токен GitHub (найнижчий пріоритет) | - Коли задано кілька змінних, OpenClaw використовує змінну з найвищим пріоритетом. - Процес входу через device flow (`openclaw models auth login-github-copilot`) зберігає + Коли задано кілька змінних, OpenClaw використовує ту, що має найвищий пріоритет. + Потік входу через пристрій (`openclaw models auth login-github-copilot`) зберігає свій токен у сховищі профілів автентифікації та має пріоритет над усіма змінними середовища. @@ -112,23 +112,63 @@ openclaw models auth login --provider github-copilot --method device --set-defau Під час входу токен GitHub зберігається у сховищі профілів автентифікації та обмінюється - на API-токен Copilot під час роботи OpenClaw. Вам не потрібно керувати + на токен API Copilot під час роботи OpenClaw. Вам не потрібно керувати токеном вручну. Потрібен інтерактивний TTY. Запускайте команду входу безпосередньо в терміналі, а не -всередині headless-скрипту чи завдання CI. +всередині безголового скрипту чи завдання CI. +## Ембедінги для пошуку в пам’яті + +GitHub Copilot також може слугувати постачальником ембедінгів для +[пошуку в пам’яті](/uk/concepts/memory-search). Якщо у вас є підписка Copilot і +ви вже ввійшли, OpenClaw може використовувати його для ембедінгів без окремого API-ключа. + +### Автовизначення + +Коли `memorySearch.provider` має значення `"auto"` (типово), GitHub Copilot перевіряється +з пріоритетом 15 — після локальних ембедінгів, але перед OpenAI та іншими платними +постачальниками. Якщо токен GitHub доступний, OpenClaw визначає доступні +моделі ембедінгів через API Copilot і автоматично вибирає найкращу. + +### Явна конфігурація + +```json5 +{ + agents: { + defaults: { + memorySearch: { + provider: "github-copilot", + // Необов’язково: перевизначити автоматично виявлену модель + model: "text-embedding-3-small", + }, + }, + }, +} +``` + +### Як це працює + +1. OpenClaw визначає ваш токен GitHub (зі змінних середовища або профілю автентифікації). +2. Обмінює його на короткоживучий токен API Copilot. +3. Надсилає запит до endpoint Copilot `/models`, щоб визначити доступні моделі ембедінгів. +4. Вибирає найкращу модель (надає перевагу `text-embedding-3-small`). +5. Надсилає запити на ембедінги до endpoint Copilot `/embeddings`. + +Доступність моделей залежить від вашого тарифного плану GitHub. Якщо моделі ембедінгів +недоступні, OpenClaw пропускає Copilot і переходить до наступного постачальника. + ## Пов’язане - Вибір постачальників, посилань на моделі та поведінки перемикання на резервний варіант. + Вибір постачальників, посилань на моделі та поведінки резервного перемикання. - - Докладно про автентифікацію та правила повторного використання облікових даних. + + Відомості про автентифікацію та правила повторного використання облікових даних. diff --git a/docs/uk/reference/memory-config.md b/docs/uk/reference/memory-config.md index d5c712e32..361ba8f5f 100644 --- a/docs/uk/reference/memory-config.md +++ b/docs/uk/reference/memory-config.md @@ -1,97 +1,98 @@ --- read_when: - - Ви хочете налаштувати постачальників пошуку в пам’яті або моделі ембедингів + - Ви хочете налаштувати провайдерів пошуку в пам’яті або моделі ембедингів - Ви хочете налаштувати бекенд QMD - Ви хочете налаштувати гібридний пошук, MMR або часове згасання - - Ви хочете увімкнути мультимодальну індексацію пам’яті -summary: Усі параметри конфігурації для пошуку в пам’яті, постачальників ембедингів, QMD, гібридного пошуку та мультимодальної індексації + - Ви хочете ввімкнути мультимодальне індексування пам’яті +summary: Усі параметри конфігурації для пошуку в пам’яті, провайдерів ембедингів, QMD, гібридного пошуку та мультимодального індексування title: Довідник із конфігурації пам’яті x-i18n: - generated_at: "2026-04-12T17:53:49Z" + generated_at: "2026-04-15T09:41:11Z" model: gpt-5.4 provider: openai - source_hash: 299ca9b69eea292ea557a2841232c637f5c1daf2bc0f73c0a42f7c0d8d566ce2 + source_hash: a13f6e982ee47401cc9a71bf2ee6a5305d06158b806a04703bcdcd92e340e4d5 source_path: reference/memory-config.md workflow: 15 --- # Довідник із конфігурації пам’яті -На цій сторінці наведено всі параметри конфігурації пошуку в пам’яті OpenClaw. Для -концептуальних оглядів дивіться: +На цій сторінці перелічено всі параметри конфігурації для пошуку в пам’яті OpenClaw. Для концептуальних оглядів дивіться: - [Огляд пам’яті](/uk/concepts/memory) -- як працює пам’ять -- [Вбудований рушій](/uk/concepts/memory-builtin) -- стандартний бекенд SQLite -- [Рушій QMD](/uk/concepts/memory-qmd) -- local-first сайдкар +- [Вбудований рушій](/uk/concepts/memory-builtin) -- типовий бекенд SQLite +- [Рушій QMD](/uk/concepts/memory-qmd) -- локально-орієнтований сайдкар - [Пошук у пам’яті](/uk/concepts/memory-search) -- конвеєр пошуку та налаштування - [Active Memory](/uk/concepts/active-memory) -- увімкнення субагента пам’яті для інтерактивних сесій -Усі налаштування пошуку в пам’яті знаходяться в `agents.defaults.memorySearch` у -`openclaw.json`, якщо не зазначено інше. +Усі налаштування пошуку в пам’яті розміщені в `agents.defaults.memorySearch` у +`openclaw.json`, якщо не вказано інше. Якщо ви шукаєте перемикач функції **active memory** і конфігурацію субагента, -вони знаходяться в `plugins.entries.active-memory`, а не в `memorySearch`. +вони розміщені в `plugins.entries.active-memory`, а не в `memorySearch`. -Active memory використовує двоетапну модель умов: +Active memory використовує двоетапну модель: -1. plugin має бути увімкнений і націлений на поточний ідентифікатор агента -2. запит має бути відповідною інтерактивною постійною сесією чату +1. plugin має бути ввімкнений і націлений на поточний ідентифікатор агента +2. запит має бути придатною інтерактивною сесією постійного чату -Дивіться [Active Memory](/uk/concepts/active-memory), щоб дізнатися про модель активації, -конфігурацію, що належить plugin, збереження транскриптів і безпечний шаблон розгортання. +Дивіться [Active Memory](/uk/concepts/active-memory) щодо моделі активації, +конфігурації, якою володіє plugin, збереження транскриптів і безпечного шаблону розгортання. --- -## Вибір постачальника +## Вибір провайдера -| Key | Type | Default | Description | -| ---------- | --------- | ---------------- | ------------------------------------------------------------------------------------------- | -| `provider` | `string` | автовизначення | Ідентифікатор адаптера ембедингів: `openai`, `gemini`, `voyage`, `mistral`, `bedrock`, `ollama`, `local` | -| `model` | `string` | типовий для постачальника | Назва моделі ембедингів | -| `fallback` | `string` | `"none"` | Ідентифікатор резервного адаптера, якщо основний завершується помилкою | -| `enabled` | `boolean` | `true` | Увімкнути або вимкнути пошук у пам’яті | +| Key | Type | Default | Description | +| ---------- | --------- | ---------------- | ------------------------------------------------------------------------------------------------------------- | +| `provider` | `string` | автовизначення | Ідентифікатор адаптера ембедингів: `bedrock`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `voyage` | +| `model` | `string` | типовий для провайдера | Назва моделі ембедингів | +| `fallback` | `string` | `"none"` | Ідентифікатор резервного адаптера, якщо основний не спрацює | +| `enabled` | `boolean` | `true` | Увімкнути або вимкнути пошук у пам’яті | ### Порядок автовизначення Коли `provider` не задано, OpenClaw вибирає перший доступний: 1. `local` -- якщо налаштовано `memorySearch.local.modelPath` і файл існує. -2. `openai` -- якщо вдається визначити ключ OpenAI. -3. `gemini` -- якщо вдається визначити ключ Gemini. -4. `voyage` -- якщо вдається визначити ключ Voyage. -5. `mistral` -- якщо вдається визначити ключ Mistral. -6. `bedrock` -- якщо ланцюжок облікових даних AWS SDK успішно визначається (роль екземпляра, ключі доступу, профіль, SSO, вебідентичність або спільна конфігурація). +2. `github-copilot` -- якщо токен GitHub Copilot можна визначити (змінна середовища або профіль автентифікації). +3. `openai` -- якщо можна визначити ключ OpenAI. +4. `gemini` -- якщо можна визначити ключ Gemini. +5. `voyage` -- якщо можна визначити ключ Voyage. +6. `mistral` -- якщо можна визначити ключ Mistral. +7. `bedrock` -- якщо ланцюжок облікових даних AWS SDK успішно визначається (роль інстанса, ключі доступу, профіль, SSO, веб-ідентичність або спільна конфігурація). -`ollama` підтримується, але не визначається автоматично (вкажіть його явно). +`ollama` підтримується, але не визначається автоматично (задайте його явно). ### Визначення API-ключа -Для віддалених ембедингів потрібен API-ключ. Bedrock натомість використовує -стандартний ланцюжок облікових даних AWS SDK (ролі екземпляра, SSO, ключі доступу). +Віддалені ембединги потребують API-ключа. Натомість Bedrock використовує типовий +ланцюжок облікових даних AWS SDK (ролі інстансів, SSO, ключі доступу). -| Provider | Env var | Config key | -| -------- | ------------------------------ | --------------------------------- | -| OpenAI | `OPENAI_API_KEY` | `models.providers.openai.apiKey` | -| Gemini | `GEMINI_API_KEY` | `models.providers.google.apiKey` | -| Voyage | `VOYAGE_API_KEY` | `models.providers.voyage.apiKey` | -| Mistral | `MISTRAL_API_KEY` | `models.providers.mistral.apiKey` | -| Bedrock | ланцюжок облікових даних AWS | API-ключ не потрібен | -| Ollama | `OLLAMA_API_KEY` (заповнювач) | -- | +| Provider | Env var | Config key | +| -------------- | -------------------------------------------------- | --------------------------------- | +| Bedrock | ланцюжок облікових даних AWS | API-ключ не потрібен | +| Gemini | `GEMINI_API_KEY` | `models.providers.google.apiKey` | +| GitHub Copilot | `COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN` | Профіль автентифікації через вхід із пристрою | +| Mistral | `MISTRAL_API_KEY` | `models.providers.mistral.apiKey` | +| Ollama | `OLLAMA_API_KEY` (заповнювач) | -- | +| OpenAI | `OPENAI_API_KEY` | `models.providers.openai.apiKey` | +| Voyage | `VOYAGE_API_KEY` | `models.providers.voyage.apiKey` | -Codex OAuth покриває лише chat/completions і не задовольняє запити +OAuth Codex охоплює лише chat/completions і не задовольняє запити ембедингів. --- ## Конфігурація віддаленої кінцевої точки -Для власних OpenAI-сумісних кінцевих точок або перевизначення стандартних значень постачальника: +Для користувацьких OpenAI-сумісних кінцевих точок або перевизначення типових значень провайдера: | Key | Type | Description | | ---------------- | -------- | -------------------------------------------------- | -| `remote.baseUrl` | `string` | Власна базова URL-адреса API | +| `remote.baseUrl` | `string` | Користувацька базова URL-адреса API | | `remote.apiKey` | `string` | Перевизначення API-ключа | -| `remote.headers` | `object` | Додаткові HTTP-заголовки (об’єднуються з типовими значеннями постачальника) | +| `remote.headers` | `object` | Додаткові HTTP-заголовки (об’єднуються з типовими значеннями провайдера) | ```json5 { @@ -112,24 +113,24 @@ Codex OAuth покриває лише chat/completions і не задоволь --- -## Конфігурація, специфічна для Gemini +## Конфігурація для Gemini | Key | Type | Default | Description | | ---------------------- | -------- | ---------------------- | ------------------------------------------ | -| `model` | `string` | `gemini-embedding-001` | Також підтримується `gemini-embedding-2-preview` | +| `model` | `string` | `gemini-embedding-001` | Також підтримує `gemini-embedding-2-preview` | | `outputDimensionality` | `number` | `3072` | Для Embedding 2: 768, 1536 або 3072 | -Зміна `model` або `outputDimensionality` запускає автоматичну повну переіндексацію. +Зміна моделі або `outputDimensionality` запускає автоматичну повну переіндексацію. --- ## Конфігурація ембедингів Bedrock -Bedrock використовує стандартний ланцюжок облікових даних AWS SDK -- API-ключі не потрібні. -Якщо OpenClaw працює на EC2 з роллю екземпляра, увімкненою для Bedrock, просто задайте -постачальника і модель: +Bedrock використовує типовий ланцюжок облікових даних AWS SDK -- API-ключі не потрібні. +Якщо OpenClaw працює на EC2 із роллю інстанса, у якій увімкнено Bedrock, просто задайте +провайдера та модель: ```json5 { @@ -151,8 +152,8 @@ Bedrock використовує стандартний ланцюжок обл ### Підтримувані моделі -Підтримуються такі моделі (з визначенням сімейства та типовими -вимірами): +Підтримуються такі моделі (з визначенням сімейства та типовими значеннями +розмірності): | Model ID | Provider | Default Dims | Configurable Dims | | ------------------------------------------ | ---------- | ------------ | -------------------- | @@ -167,7 +168,7 @@ Bedrock використовує стандартний ланцюжок обл | `twelvelabs.marengo-embed-3-0-v1:0` | TwelveLabs | 512 | -- | | `twelvelabs.marengo-embed-2-7-v1:0` | TwelveLabs | 1024 | -- | -Варіанти з суфіксом пропускної здатності (наприклад, `amazon.titan-embed-text-v1:2:8k`) успадковують +Варіанти з суфіксами пропускної здатності (наприклад, `amazon.titan-embed-text-v1:2:8k`) успадковують конфігурацію базової моделі. ### Автентифікація @@ -176,16 +177,16 @@ Bedrock використовує стандартний ланцюжок обл 1. Змінні середовища (`AWS_ACCESS_KEY_ID` + `AWS_SECRET_ACCESS_KEY`) 2. Кеш токенів SSO -3. Облікові дані токена вебідентичності +3. Облікові дані токена веб-ідентичності 4. Спільні файли облікових даних і конфігурації 5. Облікові дані метаданих ECS або EC2 -Регіон визначається з `AWS_REGION`, `AWS_DEFAULT_REGION`, `baseUrl` -постачальника `amazon-bedrock` або за замовчуванням використовується `us-east-1`. +Регіон визначається з `AWS_REGION`, `AWS_DEFAULT_REGION`, `baseUrl` провайдера +`amazon-bedrock` або типово встановлюється як `us-east-1`. ### Дозволи IAM -Ролі або користувачу IAM потрібні такі дозволи: +Роль або користувач IAM потребують: ```json { @@ -207,17 +208,17 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 | Key | Type | Default | Description | | --------------------- | -------- | ---------------------- | ------------------------------- | -| `local.modelPath` | `string` | завантажується автоматично | Шлях до файлу моделі GGUF | +| `local.modelPath` | `string` | автоматично завантажується | Шлях до файлу моделі GGUF | | `local.modelCacheDir` | `string` | типове значення node-llama-cpp | Каталог кешу для завантажених моделей | -Типова модель: `embeddinggemma-300m-qat-Q8_0.gguf` (~0.6 ГБ, завантажується автоматично). -Потрібне нативне збирання: `pnpm approve-builds`, потім `pnpm rebuild node-llama-cpp`. +Типова модель: `embeddinggemma-300m-qat-Q8_0.gguf` (~0.6 GB, завантажується автоматично). +Потребує нативного збирання: `pnpm approve-builds`, потім `pnpm rebuild node-llama-cpp`. --- ## Конфігурація гібридного пошуку -Усе знаходиться в `memorySearch.query.hybrid`: +Усе в `memorySearch.query.hybrid`: | Key | Type | Default | Description | | --------------------- | --------- | ------- | ---------------------------------- | @@ -283,16 +284,16 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 } ``` -Шляхи можуть бути абсолютними або відносними до робочого простору. Каталоги -скануються рекурсивно на наявність файлів `.md`. Обробка символьних посилань залежить від активного бекенда: +Шляхи можуть бути абсолютними або відносними до робочої області. Каталоги скануються +рекурсивно на наявність файлів `.md`. Обробка символьних посилань залежить від активного бекенда: вбудований рушій ігнорує символьні посилання, тоді як QMD наслідує поведінку базового сканера QMD. Для пошуку транскриптів між агентами в межах агента використовуйте `agents.list[].memorySearch.qmd.extraCollections` замість `memory.qmd.paths`. -Ці додаткові колекції мають ту саму структуру `{ path, name, pattern? }`, але +Ці додаткові колекції мають ту саму форму `{ path, name, pattern? }`, але об’єднуються для кожного агента й можуть зберігати явні спільні назви, коли шлях -вказує за межі поточного робочого простору. +вказує за межі поточної робочої області. Якщо той самий визначений шлях з’являється і в `memory.qmd.paths`, і в `memorySearch.qmd.extraCollections`, QMD зберігає перший запис і пропускає дублікат. @@ -301,16 +302,16 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 ## Мультимодальна пам’ять (Gemini) -Індексуйте зображення та аудіо разом із Markdown за допомогою Gemini Embedding 2: +Індексуйте зображення й аудіо разом із Markdown за допомогою Gemini Embedding 2: | Key | Type | Default | Description | | ------------------------- | ---------- | ---------- | -------------------------------------- | -| `multimodal.enabled` | `boolean` | `false` | Увімкнути мультимодальну індексацію | +| `multimodal.enabled` | `boolean` | `false` | Увімкнути мультимодальне індексування | | `multimodal.modalities` | `string[]` | -- | `["image"]`, `["audio"]` або `["all"]` | | `multimodal.maxFileBytes` | `number` | `10000000` | Максимальний розмір файлу для індексації | Застосовується лише до файлів у `extraPaths`. Типові корені пам’яті залишаються лише для Markdown. -Потрібен `gemini-embedding-2-preview`. Значення `fallback` має бути `"none"`. +Потребує `gemini-embedding-2-preview`. `fallback` має бути `"none"`. Підтримувані формати: `.jpg`, `.jpeg`, `.png`, `.webp`, `.gif`, `.heic`, `.heif` (зображення); `.mp3`, `.wav`, `.ogg`, `.opus`, `.m4a`, `.aac`, `.flac` (аудіо). @@ -321,14 +322,14 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 | Key | Type | Default | Description | | ------------------ | --------- | ------- | -------------------------------- | -| `cache.enabled` | `boolean` | `false` | Кешувати ембединги чанків у SQLite | +| `cache.enabled` | `boolean` | `false` | Кешувати ембединги фрагментів у SQLite | | `cache.maxEntries` | `number` | `50000` | Максимальна кількість кешованих ембедингів | -Запобігає повторному створенню ембедингів для незміненого тексту під час переіндексації або оновлення транскриптів. +Запобігає повторному створенню ембедингів для незмінного тексту під час переіндексації або оновлення транскриптів. --- -## Пакетна індексація +## Пакетне індексування | Key | Type | Default | Description | | ----------------------------- | --------- | ------- | -------------------------- | @@ -339,22 +340,22 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 | `remote.batch.timeoutMinutes` | `number` | -- | Тайм-аут пакета | Доступно для `openai`, `gemini` і `voyage`. Пакетний режим OpenAI зазвичай -є найшвидшим і найдешевшим для великих зворотних заповнень. +найшвидший і найдешевший для великих дозаповнень. --- -## Пошук пам’яті сесії (експериментально) +## Пошук у пам’яті сесій (експериментально) Індексує транскрипти сесій і показує їх через `memory_search`: | Key | Type | Default | Description | | ----------------------------- | ---------- | ------------ | --------------------------------------- | -| `experimental.sessionMemory` | `boolean` | `false` | Увімкнути індексацію сесій | +| `experimental.sessionMemory` | `boolean` | `false` | Увімкнути індексування сесій | | `sources` | `string[]` | `["memory"]` | Додайте `"sessions"`, щоб включити транскрипти | | `sync.sessions.deltaBytes` | `number` | `100000` | Поріг байтів для переіндексації | | `sync.sessions.deltaMessages` | `number` | `50` | Поріг повідомлень для переіндексації | -Індексація сесій вмикається за бажанням і працює асинхронно. Результати можуть бути трохи +Індексація сесій вмикається за бажанням і виконується асинхронно. Результати можуть бути трохи застарілими. Журнали сесій зберігаються на диску, тому розглядайте доступ до файлової системи як межу довіри. --- @@ -364,14 +365,14 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 | Key | Type | Default | Description | | ---------------------------- | --------- | ------- | --------------------------------- | | `store.vector.enabled` | `boolean` | `true` | Використовувати sqlite-vec для векторних запитів | -| `store.vector.extensionPath` | `string` | вбудовано | Перевизначити шлях до sqlite-vec | +| `store.vector.extensionPath` | `string` | вбудований | Перевизначити шлях до sqlite-vec | -Коли sqlite-vec недоступний, OpenClaw автоматично повертається до -подібності косинусів у процесі. +Коли sqlite-vec недоступний, OpenClaw автоматично повертається до внутрішньопроцесної +косинусної подібності. --- -## Сховище індексу +## Зберігання індексу | Key | Type | Default | Description | | --------------------- | -------- | ------------------------------------- | ------------------------------------------- | @@ -382,7 +383,7 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 ## Конфігурація бекенда QMD -Щоб увімкнути, задайте `memory.backend = "qmd"`. Усі налаштування QMD знаходяться в +Задайте `memory.backend = "qmd"` для ввімкнення. Усі налаштування QMD розміщені в `memory.qmd`: | Key | Type | Default | Description | @@ -392,27 +393,26 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0 | `includeDefaultMemory` | `boolean` | `true` | Автоматично індексувати `MEMORY.md` + `memory/**/*.md` | | `paths[]` | `array` | -- | Додаткові шляхи: `{ name, path, pattern? }` | | `sessions.enabled` | `boolean` | `false` | Індексувати транскрипти сесій | -| `sessions.retentionDays` | `number` | -- | Зберігання транскриптів | +| `sessions.retentionDays` | `number` | -- | Термін зберігання транскриптів | | `sessions.exportDir` | `string` | -- | Каталог експорту | -OpenClaw надає перевагу поточним формам колекцій QMD і запитів MCP, але -підтримує роботу старіших випусків QMD, повертаючись до застарілих прапорців колекцій `--mask` -і старіших назв інструментів MCP, коли це потрібно. +OpenClaw надає перевагу поточним формам колекцій QMD і запитів MCP, але зберігає +сумісність зі старішими випусками QMD, за потреби повертаючись до застарілих прапорців колекцій `--mask` +і старіших назв інструментів MCP. Перевизначення моделей QMD залишаються на боці QMD, а не в конфігурації OpenClaw. Якщо вам потрібно -глобально перевизначити моделі QMD, задайте такі змінні середовища, як -`QMD_EMBED_MODEL`, `QMD_RERANK_MODEL` і `QMD_GENERATE_MODEL` у середовищі -виконання Gateway. +глобально перевизначити моделі QMD, задайте змінні середовища, такі як +`QMD_EMBED_MODEL`, `QMD_RERANK_MODEL` і `QMD_GENERATE_MODEL`, у середовищі виконання Gateway. ### Розклад оновлення | Key | Type | Default | Description | | ------------------------- | --------- | ------- | ------------------------------------- | | `update.interval` | `string` | `5m` | Інтервал оновлення | -| `update.debounceMs` | `number` | `15000` | Усунення дребезгу змін файлів | +| `update.debounceMs` | `number` | `15000` | Усунення дрібезгу змін файлів | | `update.onBoot` | `boolean` | `true` | Оновлювати під час запуску | | `update.waitForBootSync` | `boolean` | `false` | Блокувати запуск до завершення оновлення | -| `update.embedInterval` | `string` | -- | Окремий інтервал для ембедингів | +| `update.embedInterval` | `string` | -- | Окрема частота створення ембедингів | | `update.commandTimeoutMs` | `number` | -- | Тайм-аут для команд QMD | | `update.updateTimeoutMs` | `number` | -- | Тайм-аут для операцій оновлення QMD | | `update.embedTimeoutMs` | `number` | -- | Тайм-аут для операцій ембедингів QMD | @@ -422,8 +422,8 @@ OpenClaw надає перевагу поточним формам колекц | Key | Type | Default | Description | | ------------------------- | -------- | ------- | -------------------------- | | `limits.maxResults` | `number` | `6` | Максимальна кількість результатів пошуку | -| `limits.maxSnippetChars` | `number` | -- | Обмежити довжину фрагмента | -| `limits.maxInjectedChars` | `number` | -- | Обмежити загальну кількість вставлених символів | +| `limits.maxSnippetChars` | `number` | -- | Обмеження довжини фрагмента | +| `limits.maxInjectedChars` | `number` | -- | Обмеження загальної кількості вставлених символів | | `limits.timeoutMs` | `number` | `4000` | Тайм-аут пошуку | ### Область дії @@ -444,11 +444,11 @@ OpenClaw надає перевагу поточним формам колекц } ``` -Типове постачання дозволяє direct і channel сесії, але все одно забороняє +Типова конфігурація в постачанні дозволяє прямі сесії та сесії каналів, водночас і далі забороняючи групи. -За замовчуванням — лише DM. `match.keyPrefix` збігається з нормалізованим ключем сесії; -`match.rawKeyPrefix` збігається з сирим ключем, включно з `agent::`. +Типове значення — лише DM. `match.keyPrefix` відповідає нормалізованому ключу сесії; +`match.rawKeyPrefix` відповідає сирому ключу, включно з `agent::`. ### Цитування @@ -456,7 +456,7 @@ OpenClaw надає перевагу поточним формам колекц | Value | Behavior | | ---------------- | --------------------------------------------------- | -| `auto` (default) | Додавати нижній колонтитул `Source: ` у фрагменти | +| `auto` (типово) | Додавати нижній колонтитул `Source: ` у фрагменти | | `on` | Завжди додавати нижній колонтитул | | `off` | Не додавати нижній колонтитул (шлях усе одно передається агенту внутрішньо) | @@ -488,17 +488,17 @@ OpenClaw надає перевагу поточним формам колекц Dreaming налаштовується в `plugins.entries.memory-core.config.dreaming`, а не в `agents.defaults.memorySearch`. -Dreaming запускається як один запланований прохід і використовує внутрішні фази light/deep/REM як +Dreaming виконується як один запланований прохід і використовує внутрішні фази light/deep/REM як деталь реалізації. -Про концептуальну поведінку та slash-команди дивіться [Dreaming](/uk/concepts/dreaming). +Для опису концептуальної поведінки та slash-команд дивіться [Dreaming](/uk/concepts/dreaming). -### Налаштування користувача +### Користувацькі налаштування | Key | Type | Default | Description | | ----------- | --------- | ----------- | ------------------------------------------------- | -| `enabled` | `boolean` | `false` | Повністю увімкнути або вимкнути Dreaming | -| `frequency` | `string` | `0 3 * * *` | Необов’язкова Cron-частота для повного циклу Dreaming | +| `enabled` | `boolean` | `false` | Повністю ввімкнути або вимкнути Dreaming | +| `frequency` | `string` | `0 3 * * *` | Необов’язкова частота Cron для повного проходу Dreaming | ### Приклад @@ -522,5 +522,5 @@ Dreaming запускається як один запланований про Примітки: - Dreaming записує машинний стан у `memory/.dreams/`. -- Dreaming записує читабельний для людини описовий вивід у `DREAMS.md` (або наявний `dreams.md`). +- Dreaming записує зрозумілий людині наративний вивід у `DREAMS.md` (або наявний `dreams.md`). - Політика фаз light/deep/REM і пороги є внутрішньою поведінкою, а не користувацькою конфігурацією.