openclaw/docs
openclaw/docs
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity

chore(i18n): refresh it translations

Browse Source
This commit is contained in:
openclaw-docs-i18n[bot] 2026-04-15 14:51:32 +00:00
parent 0c43c020cd
commit c90a76c10c
12 changed files with 1865 additions and 1810 deletions
Show Stats Download Patch File Download Diff File Expand all files Collapse all files

153
docs/it/concepts/dreaming.md
View File

@ -1,140 +1,135 @@
---
read_when:
- Vuoi che la promozione della memoria venga eseguita automaticamente
- Vuoi capire cosa fa ogni fase di Dreaming
- Vuoi regolare il consolidamento senza inquinare MEMORY.md
summary: Consolidamento della memoria in background con fasi light, deep e REM più un Diario dei sogni
title: Dreaming (sperimentale)
- Vuoi capire cosa fa ogni fase del Dreaming
- Vuoi regolare il consolidamento senza inquinare `MEMORY.md`
summary: Consolidamento della memoria in background con fasi leggere, profonde e REM, più un Diario dei sogni
title: Dreaming
x-i18n:
generated_at: "2026-04-15T08:18:06Z"
generated_at: "2026-04-15T14:40:32Z"
model: gpt-5.4
provider: openai
source_hash: 5882a5068f2eabe54ca9893184e5385330a432b921870c38626399ce11c31e25
source_hash: a5bcaec80f62e7611ed533094ef1917bd72c885f57252824db910e1f0496adc6
source_path: concepts/dreaming.md
workflow: 15
---
# Dreaming (sperimentale)
# Dreaming
Dreaming è il sistema di consolidamento della memoria in background in `memory-core`.
Aiuta OpenClaw a spostare segnali forti a breve termine nella memoria durevole mantenendo
il processo spiegabile e verificabile.
Aiuta OpenClaw a spostare forti segnali della memoria a breve termine in una memoria durevole, mantenendo al tempo stesso il processo spiegabile e verificabile.
Dreaming è **facoltativo** ed è disattivato per impostazione predefinita.
Dreaming è **opt-in** ed è disabilitato per impostazione predefinita.
## Cosa scrive Dreaming
Dreaming mantiene due tipi di output:
- **Stato macchina** in `memory/.dreams/` (archivio di richiamo, segnali di fase, checkpoint di ingestione, lock).
- **Output leggibile da esseri umani** in `DREAMS.md` (o `dreams.md` esistente) e file di report di fase facoltativi in `memory/dreaming/<phase>/YYYY-MM-DD.md`.
- **Stato della macchina** in `memory/.dreams/` (archivio di richiamo, segnali di fase, checkpoint di ingestione, lock).
- **Output leggibile dall'uomo** in `DREAMS.md` (o `dreams.md` esistente) e file di report di fase opzionali in `memory/dreaming/<phase>/YYYY-MM-DD.md`.
La promozione a lungo termine continua a scrivere solo in `MEMORY.md`.
## Modello di fase
## Modello delle fasi
Dreaming usa tre fasi cooperative:
| Fase | Scopo | Scrittura durevole |
| ----- | ----------------------------------------- | ------------------ |
| Light | Ordina e prepara il materiale recente a breve termine | No |
| Deep | Valuta e promuove i candidati durevoli | Sì (`MEMORY.md`) |
| Deep | Assegna un punteggio e promuove i candidati durevoli | Sì (`MEMORY.md`) |
| REM | Riflette su temi e idee ricorrenti | No |
Queste fasi sono dettagli interni di implementazione, non "modalità"
separate configurabili dall'utente.
Queste fasi sono dettagli interni di implementazione, non "modalità" separate configurabili dall'utente.
### Fase Light
La fase Light acquisisce segnali recenti della memoria giornaliera e tracce di richiamo, li deduplica
e prepara righe candidate.
La fase Light acquisisce segnali recenti della memoria giornaliera e tracce di richiamo, li deduplica e prepara righe candidate.
- Legge dallo stato di richiamo a breve termine, dai file recenti della memoria giornaliera e dalle trascrizioni di sessione redatte quando disponibili.
- Scrive un blocco gestito `## Light Sleep` quando l'archiviazione include output inline.
- Registra segnali di rinforzo per la successiva classificazione deep.
- Registra segnali di rinforzo per il ranking deep successivo.
- Non scrive mai in `MEMORY.md`.
### Fase Deep
La fase Deep decide cosa diventa memoria a lungo termine.
- Classifica i candidati usando punteggi ponderati e soglie di accesso.
- Classifica i candidati usando punteggio pesato e soglie di accesso.
- Richiede il superamento di `minScore`, `minRecallCount` e `minUniqueQueries`.
- Reidrata gli snippet dai file giornalieri live prima di scrivere, quindi gli snippet obsoleti/eliminati vengono saltati.
- Reidrata gli snippet dai file giornalieri attivi prima della scrittura, quindi gli snippet obsoleti/eliminati vengono saltati.
- Aggiunge le voci promosse a `MEMORY.md`.
- Scrive un riepilogo `## Deep Sleep` in `DREAMS.md` e facoltativamente scrive `memory/dreaming/deep/YYYY-MM-DD.md`.
- Scrive un riepilogo `## Deep Sleep` in `DREAMS.md` e opzionalmente scrive `memory/dreaming/deep/YYYY-MM-DD.md`.
### Fase REM
La fase REM estrae pattern e segnali riflessivi.
- Costruisce riepiloghi di temi e riflessioni dalle recenti tracce a breve termine.
- Costruisce riepiloghi di temi e riflessioni a partire da tracce recenti a breve termine.
- Scrive un blocco gestito `## REM Sleep` quando l'archiviazione include output inline.
- Registra segnali di rinforzo REM usati dalla classificazione deep.
- Registra segnali di rinforzo REM usati dal ranking deep.
- Non scrive mai in `MEMORY.md`.
## Acquisizione delle trascrizioni di sessione
## Ingestione delle trascrizioni di sessione
Dreaming può acquisire trascrizioni di sessione redatte nel corpus di dreaming. Quando
le trascrizioni sono disponibili, vengono inviate alla fase Light insieme ai segnali della
memoria giornaliera e alle tracce di richiamo. I contenuti personali e sensibili vengono redatti
prima dell'acquisizione.
Dreaming può acquisire trascrizioni di sessione redatte nel corpus di Dreaming. Quando
le trascrizioni sono disponibili, vengono passate alla fase Light insieme ai
segnali della memoria giornaliera e alle tracce di richiamo. Il contenuto personale e sensibile viene redatto
prima dell'ingestione.
## Dream Diary
## Diario dei sogni
Dreaming mantiene anche un **Dream Diary** narrativo in `DREAMS.md`.
Dopo che ogni fase ha materiale sufficiente, `memory-core` esegue un turno in background
best-effort del sottoagente (usando il modello di runtime predefinito) e aggiunge una breve voce del diario.
Dreaming mantiene anche un **Diario dei sogni** narrativo in `DREAMS.md`.
Dopo che ogni fase ha raccolto materiale sufficiente, `memory-core` esegue un turno in background best-effort di un subagent (usando il modello di runtime predefinito) e aggiunge una breve voce di diario.
Questo diario è destinato alla lettura umana nella UI Dreams, non è una fonte di promozione.
Gli artefatti di diario/report generati da Dreaming sono esclusi dalla
promozione a breve termine. Solo gli snippet di memoria fondati possono essere promossi in
Gli artifact di diario/report generati da Dreaming sono esclusi dalla
promozione a breve termine. Solo gli snippet di memoria fondati sono idonei alla promozione in
`MEMORY.md`.
Esiste anche un percorso di backfill storico fondato per il lavoro di revisione e recupero:
Esiste anche un percorso di backfill storico fondato per attività di revisione e recupero:
- `memory rem-harness --path ... --grounded` mostra in anteprima l'output del diario fondato da note storiche `YYYY-MM-DD.md`.
- `memory rem-backfill --path ...` scrive voci reversibili del diario fondato in `DREAMS.md`.
- `memory rem-backfill --path ... --stage-short-term` prepara candidati durevoli fondati nello stesso archivio di evidenze a breve termine già usato dalla normale fase deep.
- `memory rem-backfill --rollback` e `--rollback-short-term` rimuovono questi artefatti di backfill preparati senza toccare le normali voci del diario o il richiamo live a breve termine.
- `memory rem-harness --path ... --grounded` mostra in anteprima l'output del diario fondato dalle note storiche `YYYY-MM-DD.md`.
- `memory rem-backfill --path ...` scrive voci di diario fondate e reversibili in `DREAMS.md`.
- `memory rem-backfill --path ... --stage-short-term` prepara candidati durevoli fondati nello stesso archivio di evidenze a breve termine che la normale fase Deep usa già.
- `memory rem-backfill --rollback` e `--rollback-short-term` rimuovono questi artifact di backfill preparati senza toccare le normali voci di diario o il richiamo attivo a breve termine.
La Control UI espone lo stesso flusso di backfill/reset del diario così puoi ispezionare
i risultati nella scena Dreams prima di decidere se i candidati fondati
La UI di controllo espone lo stesso flusso di backfill/reset del diario così puoi ispezionare i
risultati nella scena Dreams prima di decidere se i candidati fondati
meritano la promozione. La scena mostra anche un percorso fondato distinto così puoi vedere
quali voci a breve termine preparate provengono dal replay storico, quali elementi promossi
sono stati guidati dal fondamento e cancellare solo le voci preparate esclusivamente fondate senza
toccare il normale stato live a breve termine.
quali voci preparate a breve termine provengono dalla riproduzione storica, quali elementi promossi
sono stati guidati dal grounded e cancellare solo le voci preparate esclusivamente grounded senza
toccare il normale stato attivo a breve termine.
## Segnali di classificazione deep
## Segnali di ranking Deep
La classificazione deep usa sei segnali base ponderati più il rinforzo di fase:
Il ranking Deep usa sei segnali di base pesati più il rinforzo di fase:
| Segnale | Peso | Descrizione |
| ------------------ | ---- | -------------------------------------------------- |
| Frequenza | 0.24 | Quanti segnali a breve termine ha accumulato la voce |
| Rilevanza | 0.30 | Qualità media di recupero per la voce |
| Diversità delle query | 0.15 | Contesti distinti di query/giorno che l'hanno fatta emergere |
| Recenza | 0.15 | Punteggio di freschezza con decadimento temporale |
| Consolidamento | 0.10 | Forza di ricorrenza su più giorni |
| Ricchezza concettuale | 0.06 | Densità di tag concettuali da snippet/percorso |
| Segnale | Peso | Descrizione |
| ------------------- | ------ | -------------------------------------------------- |
| Frequenza | 0.24 | Quanti segnali a breve termine ha accumulato la voce |
| Rilevanza | 0.30 | Qualità media di recupero per la voce |
| Diversità delle query | 0.15 | Contesti distinti di query/giorno in cui è emersa |
| Recenza | 0.15 | Punteggio di freschezza con decadimento temporale |
| Consolidamento | 0.10 | Forza di ricorrenza su più giorni |
| Ricchezza concettuale | 0.06 | Densità di tag concettuali da snippet/percorso |
I riscontri delle fasi Light e REM aggiungono un piccolo incremento con decadimento di recenza da
Le occorrenze delle fasi Light e REM aggiungono un piccolo incremento con decadimento di recenza da
`memory/.dreams/phase-signals.json`.
## Pianificazione
Quando è abilitato, `memory-core` gestisce automaticamente un job Cron per una sweep completa
di dreaming. Ogni sweep esegue le fasi in ordine: light -> REM -> deep.
Quando è abilitato, `memory-core` gestisce automaticamente un job Cron per una sweep completa di Dreaming. Ogni sweep esegue le fasi in ordine: light -> REM -> deep.
Comportamento di cadenza predefinito:
Comportamento della cadenza predefinita:
| Impostazione | Predefinito |
| ------------------- | ----------- |
| Impostazione | Predefinito |
| -------------------- | ----------- |
| `dreaming.frequency` | `0 3 * * *` |
## Avvio rapido
Abilita dreaming:
Abilita Dreaming:
```json
{
@ -152,7 +147,7 @@ Abilita dreaming:
}
```
Abilita dreaming con una cadenza di sweep personalizzata:
Abilita Dreaming con una cadenza di sweep personalizzata:
```json
{
@ -192,8 +187,8 @@ openclaw memory promote --limit 5
openclaw memory status --deep
```
Il comando manuale `memory promote` usa per impostazione predefinita le soglie della fase deep, salvo override
tramite flag CLI.
`memory promote` manuale usa per impostazione predefinita le soglie della fase Deep, salvo override
con flag CLI.
Spiega perché un candidato specifico verrebbe o non verrebbe promosso:
@ -202,7 +197,7 @@ openclaw memory promote-explain "router vlan"
openclaw memory promote-explain "router vlan" --json
```
Mostra in anteprima riflessioni REM, verità candidate e output della promozione deep senza
Mostra in anteprima riflessioni REM, verità candidate e output di promozione Deep senza
scrivere nulla:
```bash
@ -219,26 +214,26 @@ Tutte le impostazioni si trovano in `plugins.entries.memory-core.config.dreaming
| `enabled` | `false` |
| `frequency` | `0 3 * * *` |
La policy di fase, le soglie e il comportamento di archiviazione sono dettagli interni di implementazione
(non configurazione esposta all'utente).
Criteri di fase, soglie e comportamento di archiviazione sono dettagli interni di implementazione
(non configurazione rivolta all'utente).
Vedi [Riferimento della configurazione Memory](/it/reference/memory-config#dreaming-experimental)
Vedi [Riferimento alla configurazione della memoria](/it/reference/memory-config#dreaming)
per l'elenco completo delle chiavi.
## UI Dreams
Quando è abilitato, la scheda **Dreams** del Gateway mostra:
Quando è abilitata, la scheda **Dreams** del Gateway mostra:
- stato corrente di abilitazione di dreaming
- stato attuale di abilitazione di Dreaming
- stato a livello di fase e presenza di sweep gestita
- conteggi di breve termine, fondati, segnali e promossi-oggi
- tempistica della prossima esecuzione pianificata
- un percorso Scene fondato distinto per le voci di replay storico preparate
- un lettore Dream Diary espandibile supportato da `doctor.memory.dreamDiary`
- conteggi di elementi a breve termine, grounded, segnali e promossi oggi
- orario della prossima esecuzione pianificata
- un percorso grounded distinto nella scena per le voci preparate dalla riproduzione storica
- un lettore espandibile del Diario dei sogni basato su `doctor.memory.dreamDiary`
## Correlati
- [Memory](/it/concepts/memory)
- [Memory Search](/it/concepts/memory-search)
- [memory CLI](/cli/memory)
- [Riferimento della configurazione Memory](/it/reference/memory-config)
- [Memoria](/it/concepts/memory)
- [Ricerca nella memoria](/it/concepts/memory-search)
- [CLI memory](/cli/memory)
- [Riferimento alla configurazione della memoria](/it/reference/memory-config)

54
docs/it/concepts/experimental-features.md Normal file
View File

@ -0,0 +1,54 @@
---
read_when:
- Vedi una chiave di configurazione `.experimental` e vuoi sapere se è stabile
- Vuoi provare le funzionalità di runtime in anteprima senza confonderle con i valori predefiniti normali
- Vuoi un unico posto in cui trovare i flag sperimentali attualmente documentati
summary: Cosa significano i flag sperimentali in OpenClaw e quali sono attualmente documentati
title: Funzionalità sperimentali
x-i18n:
generated_at: "2026-04-15T14:40:33Z"
model: gpt-5.4
provider: openai
source_hash: 2d1c7b3d4cd56ef8a0bdab1deb9918e9b2c9a33f956d63193246087f8633dcf3
source_path: concepts/experimental-features.md
workflow: 15
---
# Funzionalità sperimentali
Le funzionalità sperimentali in OpenClaw sono **superfici di anteprima su base opt-in**. Sono
dietro flag espliciti perché hanno ancora bisogno di utilizzo nel mondo reale prima di
meritare un valore predefinito stabile o un contratto pubblico duraturo.
Trattale in modo diverso dalla configurazione normale:
- Tienile **disattivate per impostazione predefinita** a meno che la documentazione correlata non ti dica di provarne una.
- Aspettati che **struttura e comportamento cambino** più rapidamente rispetto alla configurazione stabile.
- Preferisci prima il percorso stabile quando ne esiste già uno.
- Se stai distribuendo OpenClaw su larga scala, testa i flag sperimentali in un ambiente
più piccolo prima di integrarli in una baseline condivisa.
## Flag attualmente documentati
| Superficie | Chiave | Usala quando | Altro |
| ------------------------ | --------------------------------------------------------- | -------------------------------------------------------------------------------------------------------------- | --------------------------------------------------------------------------------------------- |
| Runtime del modello locale | `agents.defaults.experimental.localModelLean` | Un backend locale più piccolo o più rigoroso va in difficoltà con la superficie completa degli strumenti predefiniti di OpenClaw | [Modelli locali](/it/gateway/local-models) |
| Ricerca nella memoria | `agents.defaults.memorySearch.experimental.sessionMemory` | Vuoi che `memory_search` indicizzi le trascrizioni delle sessioni precedenti e accetti il costo aggiuntivo di archiviazione/indicizzazione | [Riferimento della configurazione della memoria](/it/reference/memory-config#session-memory-search-experimental) |
| Strumento di pianificazione strutturata | `tools.experimental.planTool` | Vuoi che lo strumento strutturato `update_plan` sia esposto per il monitoraggio del lavoro in più fasi in runtime e interfacce compatibili | [Riferimento della configurazione del Gateway](/it/gateway/configuration-reference#toolsexperimental) |
## Modalità lean del modello locale
`agents.defaults.experimental.localModelLean: true` è una valvola di sfogo
per configurazioni di modelli locali più deboli. Riduce strumenti predefiniti pesanti come
`browser`, `cron` e `message` in modo che la struttura del prompt sia più piccola e meno fragile
per backend compatibili con OpenAI con contesto ridotto o più rigorosi.
Questa intenzionalmente **non** è la modalità normale. Se il tuo backend gestisce il
runtime completo senza problemi, lascia questa opzione disattivata.
## Sperimentale non significa nascosto
Se una funzionalità è sperimentale, OpenClaw dovrebbe dirlo chiaramente nella documentazione e nel
percorso di configurazione stesso. Quello che **non** dovrebbe fare è introdurre di nascosto un comportamento
di anteprima in una manopola predefinita dall'aspetto stabile e fingere che sia normale. È così che le
superfici di configurazione diventano disordinate.

88
docs/it/concepts/memory-search.md
View File

@ -1,15 +1,15 @@
---
read_when:
- Vuoi capire come funziona `memory_search`
- Vuoi scegliere un provider di embedding
- Vuoi capire come funziona memory_search
- Vuoi scegliere un provider di embeddings
- Vuoi ottimizzare la qualità della ricerca
summary: Come la ricerca nella memoria trova note pertinenti usando embeddings e recupero ibrido
title: Ricerca nella memoria
x-i18n:
generated_at: "2026-04-12T23:28:06Z"
generated_at: "2026-04-15T14:40:29Z"
model: gpt-5.4
provider: openai
source_hash: 71fde251b7d2dc455574aa458e7e09136f30613609ad8dafeafd53b2729a0310
source_hash: f5757aa8fe8f7fec30ef5c826f72230f591ce4cad591d81a091189d50d4262ed
source_path: concepts/memory-search.md
workflow: 15
---
@ -17,13 +17,12 @@ x-i18n:
# Ricerca nella memoria
`memory_search` trova note pertinenti dai tuoi file di memoria, anche quando la
formulazione differisce dal testo originale. Funziona indicizzando la memoria in
piccoli blocchi e cercandoli tramite embeddings, parole chiave o entrambi.
formulazione differisce dal testo originale. Funziona indicizzando la memoria in piccoli
blocchi e cercandoli usando embeddings, parole chiave o entrambi.
## Avvio rapido
## Guida rapida
Se hai configurato una chiave API OpenAI, Gemini, Voyage o Mistral, la ricerca
nella memoria funziona automaticamente. Per impostare esplicitamente un provider:
Se hai un abbonamento a GitHub Copilot, oppure una chiave API OpenAI, Gemini, Voyage o Mistral configurata, la ricerca nella memoria funziona automaticamente. Per impostare esplicitamente un provider:
```json5
{
@ -42,15 +41,16 @@ node-llama-cpp).
## Provider supportati
| Provider | ID | Richiede chiave API | Note |
| -------- | --------- | ------------------- | ---------------------------------------------------- |
| OpenAI | `openai` | Sì | Rilevato automaticamente, veloce |
| Gemini | `gemini` | Sì | Supporta l'indicizzazione di immagini/audio |
| Voyage | `voyage` | Sì | Rilevato automaticamente |
| Mistral | `mistral` | Sì | Rilevato automaticamente |
| Bedrock | `bedrock` | No | Rilevato automaticamente quando la catena di credenziali AWS si risolve |
| Ollama | `ollama` | No | Locale, deve essere impostato esplicitamente |
| Local | `local` | No | Modello GGUF, download di ~0,6 GB |
| Provider | ID | Richiede chiave API | Note |
| -------------- | ---------------- | ------------------- | ---------------------------------------------------- |
| Bedrock | `bedrock` | No | Rilevato automaticamente quando la catena di credenziali AWS si risolve |
| Gemini | `gemini` | Sì | Supporta l'indicizzazione di immagini/audio |
| GitHub Copilot | `github-copilot` | No | Rilevato automaticamente, usa l'abbonamento Copilot |
| Local | `local` | No | Modello GGUF, download di ~0,6 GB |
| Mistral | `mistral` | Sì | Rilevato automaticamente |
| Ollama | `ollama` | No | Locale, deve essere impostato esplicitamente |
| OpenAI | `openai` | Sì | Rilevato automaticamente, veloce |
| Voyage | `voyage` | Sì | Rilevato automaticamente |
## Come funziona la ricerca
@ -67,25 +67,24 @@ flowchart LR
M --> R["Top Results"]
```
- **Ricerca vettoriale** trova note con significato simile ("gateway host"
corrisponde a "la macchina che esegue OpenClaw").
- **Ricerca per parole chiave BM25** trova corrispondenze esatte (ID, stringhe
di errore, chiavi di configurazione).
- **La ricerca vettoriale** trova note con significato simile ("gateway host" corrisponde
a "la macchina che esegue OpenClaw").
- **La ricerca per parole chiave BM25** trova corrispondenze esatte (ID, stringhe di errore, chiavi
di configurazione).
Se è disponibile un solo percorso (nessun embedding o nessun FTS), l'altro non viene usato.
Se è disponibile un solo percorso (nessun embeddings o nessun FTS), viene eseguito da solo l'altro.
Quando gli embeddings non sono disponibili, OpenClaw usa comunque il ranking lessicale sui risultati FTS invece di ripiegare solo sull'ordinamento grezzo per corrispondenza esatta. Questa modalità degradata dà priorità ai blocchi con una copertura più forte dei termini della query e percorsi file pertinenti, mantenendo utile il richiamo anche senza `sqlite-vec` o un provider di embedding.
Quando gli embeddings non sono disponibili, OpenClaw usa comunque il ranking lessicale sui risultati FTS invece di ripiegare solo sull'ordinamento grezzo per corrispondenza esatta. Questa modalità degradata aumenta il peso dei blocchi con una copertura più forte dei termini della query e percorsi file pertinenti, mantenendo utile il richiamo anche senza `sqlite-vec` o un provider di embeddings.
## Migliorare la qualità della ricerca
Due funzionalità opzionali aiutano quando hai una cronologia note molto ampia:
Due funzionalità opzionali aiutano quando hai una cronologia di note molto ampia:
### Decadimento temporale
Le note vecchie perdono gradualmente peso nel ranking, così le informazioni più
recenti emergono per prime. Con l'emivita predefinita di 30 giorni, una nota
del mese scorso ottiene il 50% del suo peso originale. I file permanenti come
`MEMORY.md` non subiscono mai decadimento.
Le note vecchie perdono gradualmente peso nel ranking, così le informazioni recenti emergono per prime.
Con l'emivita predefinita di 30 giorni, una nota del mese scorso ottiene un punteggio pari al 50% del
suo peso originale. I file evergreen come `MEMORY.md` non vengono mai penalizzati.
<Tip>
Abilita il decadimento temporale se il tuo agente ha mesi di note giornaliere e
@ -94,13 +93,12 @@ le informazioni obsolete continuano a superare nel ranking il contesto recente.
### MMR (diversità)
Riduce i risultati ridondanti. Se cinque note menzionano tutte la stessa
configurazione del router, MMR assicura che i risultati principali coprano temi
diversi invece di ripetersi.
Riduce i risultati ridondanti. Se cinque note menzionano tutte la stessa configurazione del router, MMR
fa in modo che i risultati principali coprano argomenti diversi invece di ripetersi.
<Tip>
Abilita MMR se `memory_search` continua a restituire frammenti quasi duplicati
da note giornaliere diverse.
Abilita MMR se `memory_search` continua a restituire frammenti quasi duplicati da
note giornaliere diverse.
</Tip>
### Abilitare entrambi
@ -125,29 +123,29 @@ da note giornaliere diverse.
## Memoria multimodale
Con Gemini Embedding 2, puoi indicizzare immagini e file audio insieme al
Markdown. Le query di ricerca restano testuali, ma corrispondono a contenuti
visivi e audio. Consulta il [riferimento della configurazione della memoria](/it/reference/memory-config) per la configurazione.
Markdown. Le query di ricerca restano testuali, ma trovano corrispondenze anche nel contenuto visivo e audio.
Consulta il [riferimento di configurazione della memoria](/it/reference/memory-config) per la configurazione.
## Ricerca nella memoria di sessione
## Ricerca nella memoria delle sessioni
Puoi facoltativamente indicizzare le trascrizioni delle sessioni così che
`memory_search` possa richiamare conversazioni precedenti. Questa opzione è
attivabile tramite `memorySearch.experimental.sessionMemory`. Consulta il
[riferimento della configurazione](/it/reference/memory-config) per i dettagli.
Puoi facoltativamente indicizzare le trascrizioni delle sessioni in modo che `memory_search` possa richiamare
conversazioni precedenti. Questa funzione è attivabile esplicitamente tramite
`memorySearch.experimental.sessionMemory`. Consulta il
[riferimento di configurazione](/it/reference/memory-config) per i dettagli.
## Risoluzione dei problemi
**Nessun risultato?** Esegui `openclaw memory status` per controllare l'indice. Se è vuoto, esegui
`openclaw memory index --force`.
**Solo corrispondenze per parole chiave?** Il tuo provider di embedding potrebbe non essere configurato. Controlla
**Solo corrispondenze per parole chiave?** Il tuo provider di embeddings potrebbe non essere configurato. Controlla
`openclaw memory status --deep`.
**Testo CJK non trovato?** Ricostruisci l'indice FTS con
`openclaw memory index --force`.
## Approfondimenti
## Ulteriori letture
- [Active Memory](/it/concepts/active-memory) -- memoria del sotto-agente per sessioni di chat interattive
- [Active Memory](/it/concepts/active-memory) -- memoria del sottoagente per sessioni di chat interattive
- [Memory](/it/concepts/memory) -- layout dei file, backend, strumenti
- [Riferimento della configurazione della memoria](/it/reference/memory-config) -- tutte le opzioni di configurazione
- [Riferimento di configurazione della memoria](/it/reference/memory-config) -- tutte le opzioni di configurazione

157
docs/it/concepts/memory.md
View File

@ -5,10 +5,10 @@ read_when:
summary: Come OpenClaw ricorda le cose tra una sessione e l'altra
title: Panoramica della memoria
x-i18n:
generated_at: "2026-04-09T01:27:39Z"
generated_at: "2026-04-15T14:40:28Z"
model: gpt-5.4
provider: openai
source_hash: 2fe47910f5bf1c44be379e971c605f1cb3a29befcf2a7ee11fb3833cbe3b9059
source_hash: ad1adafe1d81f1703d24f48a9c9da2b25a0ebbd4aad4f65d8bde5df78195d55b
source_path: concepts/memory.md
workflow: 15
---
@ -16,42 +16,41 @@ x-i18n:
# Panoramica della memoria
OpenClaw ricorda le cose scrivendo **semplici file Markdown** nello spazio di lavoro
del tuo agente. Il modello "ricorda" solo ciò che viene salvato su disco: non esiste
del tuo agente. Il modello "ricorda" solo ciò che viene salvato su disco -- non esiste
alcuno stato nascosto.
## Come funziona
Il tuo agente ha tre file correlati alla memoria:
Il tuo agente ha tre file relativi alla memoria:
- **`MEMORY.md`** -- memoria a lungo termine. Fatti durevoli, preferenze e
decisioni. Viene caricato all'inizio di ogni sessione DM.
- **`memory/YYYY-MM-DD.md`** -- note giornaliere. Contesto corrente e osservazioni.
decisioni. Caricato all'inizio di ogni sessione di DM.
- **`memory/YYYY-MM-DD.md`** -- note giornaliere. Contesto in evoluzione e osservazioni.
Le note di oggi e di ieri vengono caricate automaticamente.
- **`DREAMS.md`** (sperimentale, facoltativo) -- Diario dei sogni e riepiloghi
delle scansioni oniriche per la revisione umana, incluse voci di backfill
storico basate sui dati.
- **`DREAMS.md`** (facoltativo) -- diario dei sogni e riepiloghi delle scansioni di
Dreaming per la revisione umana, incluse voci di backfill storico con fondamento.
Questi file si trovano nello spazio di lavoro dell'agente (predefinito `~/.openclaw/workspace`).
Questi file si trovano nello spazio di lavoro dell'agente (predefinito: `~/.openclaw/workspace`).
<Tip>
Se vuoi che il tuo agente ricordi qualcosa, basta chiederglielo: "Ricorda che
Se vuoi che il tuo agente ricordi qualcosa, chiediglielo semplicemente: "Ricorda che
preferisco TypeScript." Lo scriverà nel file appropriato.
</Tip>
## Strumenti di memoria
L'agente ha due strumenti per lavorare con la memoria:
L'agente dispone di due strumenti per lavorare con la memoria:
- **`memory_search`** -- trova note pertinenti usando la ricerca semantica, anche
quando la formulazione è diversa da quella originale.
- **`memory_search`** -- trova note rilevanti usando la ricerca semantica, anche quando
la formulazione differisce dall'originale.
- **`memory_get`** -- legge un file di memoria specifico o un intervallo di righe.
Entrambi gli strumenti sono forniti dal plugin di memoria attivo (predefinito: `memory-core`).
Entrambi gli strumenti sono forniti dal Plugin di memoria attivo (predefinito: `memory-core`).
## Plugin complementare Memory Wiki
Se vuoi che la memoria durevole si comporti più come una base di conoscenza
mantenuta che come semplici note grezze, usa il plugin integrato `memory-wiki`.
Se vuoi che la memoria durevole si comporti più come una base di conoscenza mantenuta
che come semplici note grezze, usa il Plugin integrato `memory-wiki`.
`memory-wiki` compila la conoscenza durevole in un archivio wiki con:
@ -59,46 +58,45 @@ mantenuta che come semplici note grezze, usa il plugin integrato `memory-wiki`.
- affermazioni ed evidenze strutturate
- tracciamento di contraddizioni e aggiornamento
- dashboard generate
- digest compilati per i consumer dell'agente/runtime
- digest compilati per i consumatori agente/runtime
- strumenti nativi della wiki come `wiki_search`, `wiki_get`, `wiki_apply` e `wiki_lint`
Non sostituisce il plugin di memoria attivo. Il plugin di memoria attivo continua
a gestire il richiamo, la promozione e il dreaming. `memory-wiki` aggiunge un
livello di conoscenza ricco di provenienza accanto a esso.
Non sostituisce il Plugin di memoria attivo. Il Plugin di memoria attivo continua
a gestire richiamo, promozione e Dreaming. `memory-wiki` aggiunge accanto a esso
un livello di conoscenza ricco di provenienza.
Vedi [Memory Wiki](/it/plugins/memory-wiki).
## Ricerca nella memoria
Quando è configurato un provider di embedding, `memory_search` usa la **ricerca
ibrida** -- combinando la similarità vettoriale (significato semantico) con la
corrispondenza per parole chiave (termini esatti come ID e simboli di codice).
Funziona subito, una volta che hai una chiave API per qualsiasi provider supportato.
ibrida** -- combinando similarità vettoriale (significato semantico) con corrispondenza
per parole chiave (termini esatti come ID e simboli di codice). Funziona subito
appena disponi di una chiave API per qualsiasi provider supportato.
<Info>
OpenClaw rileva automaticamente il tuo provider di embedding dalle chiavi API
disponibili. Se hai configurato una chiave OpenAI, Gemini, Voyage o Mistral, la
ricerca nella memoria viene abilitata automaticamente.
OpenClaw rileva automaticamente il tuo provider di embedding dalle chiavi API disponibili. Se
hai configurato una chiave OpenAI, Gemini, Voyage o Mistral, la ricerca nella memoria
viene abilitata automaticamente.
</Info>
Per dettagli su come funziona la ricerca, sulle opzioni di configurazione e
sull'impostazione del provider, vedi
[Memory Search](/it/concepts/memory-search).
Per dettagli su come funziona la ricerca, sulle opzioni di regolazione e sulla configurazione
del provider, vedi [Memory Search](/it/concepts/memory-search).
## Backend della memoria
## Backend di memoria
<CardGroup cols={3}>
<Card title="Integrato (predefinito)" icon="database" href="/it/concepts/memory-builtin">
Basato su SQLite. Funziona subito con ricerca per parole chiave, similarità
vettoriale e ricerca ibrida. Nessuna dipendenza aggiuntiva.
Basato su SQLite. Funziona subito con ricerca per parole chiave, similarità vettoriale e
ricerca ibrida. Nessuna dipendenza aggiuntiva.
</Card>
<Card title="QMD" icon="search" href="/it/concepts/memory-qmd">
Sidecar local-first con reranking, espansione delle query e capacità di
indicizzare directory esterne allo spazio di lavoro.
Sidecar local-first con reranking, espansione delle query e capacità di indicizzare
directory esterne allo spazio di lavoro.
</Card>
<Card title="Honcho" icon="brain" href="/it/concepts/memory-honcho">
Memoria cross-session nativa per l'AI con modellazione dell'utente, ricerca
semantica e consapevolezza multi-agente. Installazione tramite plugin.
Memoria cross-session AI-native con modellazione dell'utente, ricerca semantica e
consapevolezza multi-agente. Installazione del Plugin.
</Card>
</CardGroup>
@ -106,53 +104,53 @@ semantica e consapevolezza multi-agente. Installazione tramite plugin.
<CardGroup cols={1}>
<Card title="Memory Wiki" icon="book" href="/it/plugins/memory-wiki">
Compila la memoria durevole in un archivio wiki ricco di provenienza con
affermazioni, dashboard, modalità bridge e flussi di lavoro compatibili con Obsidian.
Compila la memoria durevole in un archivio wiki ricco di provenienza con affermazioni,
dashboard, bridge mode e flussi di lavoro compatibili con Obsidian.
</Card>
</CardGroup>
## Flush automatico della memoria
Prima che la [compaction](/it/concepts/compaction) riassuma la tua conversazione, OpenClaw
esegue un turno silenzioso che ricorda all'agente di salvare il contesto importante
nei file di memoria. Questa funzione è attiva per impostazione predefinita: non devi configurare nulla.
Prima che la [Compaction](/it/concepts/compaction) riepiloghi la tua conversazione, OpenClaw
esegue un turno silenzioso che ricorda all'agente di salvare il contesto importante nei file
di memoria. È attivo per impostazione predefinita -- non devi configurare nulla.
<Tip>
Il flush della memoria evita la perdita di contesto durante la compaction. Se il
tuo agente ha fatti importanti nella conversazione che non sono ancora stati
scritti in un file, verranno salvati automaticamente prima che avvenga il riepilogo.
Il flush della memoria impedisce la perdita di contesto durante la Compaction. Se il tuo agente ha
fatti importanti nella conversazione che non sono ancora stati scritti in un file, verranno
salvati automaticamente prima che avvenga il riepilogo.
</Tip>
## Dreaming (sperimentale)
## Dreaming
Il dreaming è un passaggio facoltativo di consolidamento in background per la
memoria. Raccoglie segnali a breve termine, valuta i candidati e promuove nella
memoria a lungo termine (`MEMORY.md`) solo gli elementi qualificati.
Dreaming è un passaggio facoltativo di consolidamento in background per la memoria. Raccoglie
segnali a breve termine, assegna un punteggio ai candidati e promuove nella memoria a lungo termine
(`MEMORY.md`) solo gli elementi qualificati.
È progettato per mantenere alta la qualità della memoria a lungo termine:
- **Opt-in**: disattivato per impostazione predefinita.
- **Pianificato**: quando è abilitato, `memory-core` gestisce automaticamente un
job cron ricorrente per una scansione completa del dreaming.
- **Con soglie**: le promozioni devono superare soglie di punteggio, frequenza
di richiamo e diversità delle query.
- **Rivedibile**: i riepiloghi delle fasi e le voci del diario vengono scritti in
`DREAMS.md` per la revisione umana.
- **Su adesione esplicita**: disattivato per impostazione predefinita.
- **Pianificato**: quando è abilitato, `memory-core` gestisce automaticamente un processo Cron
ricorrente per una scansione completa di Dreaming.
- **Con soglia**: le promozioni devono superare soglie di punteggio, frequenza di richiamo e
diversità delle query.
- **Revisionabile**: i riepiloghi delle fasi e le voci del diario vengono scritti in `DREAMS.md`
per la revisione umana.
Per il comportamento delle fasi, i segnali di punteggio e i dettagli del Diario
dei sogni, vedi [Dreaming (experimental)](/it/concepts/dreaming).
Per il comportamento delle fasi, i segnali di punteggio e i dettagli del diario dei sogni, vedi
[Dreaming](/it/concepts/dreaming).
## Backfill basato sui dati e promozione live
## Backfill con fondamento e promozione in tempo reale
Il sistema di dreaming ora ha due percorsi di revisione strettamente correlati:
Il sistema di Dreaming ora ha due percorsi di revisione strettamente correlati:
- **Live dreaming** funziona a partire dall'archivio di dreaming a breve termine
in `memory/.dreams/` ed è ciò che la normale fase profonda usa quando decide
cosa può essere promosso in `MEMORY.md`.
- **Grounded backfill** legge le note storiche `memory/YYYY-MM-DD.md` come file
giornalieri autonomi e scrive output di revisione strutturati in `DREAMS.md`.
- **Live dreaming** lavora dall'archivio Dreaming a breve termine sotto
`memory/.dreams/` ed è ciò che la normale fase profonda usa per decidere cosa
può essere promosso in `MEMORY.md`.
- **Grounded backfill** legge le note storiche `memory/YYYY-MM-DD.md` come
file giornalieri autonomi e scrive output di revisione strutturato in `DREAMS.md`.
Grounded backfill è utile quando vuoi rielaborare note più vecchie e controllare
Grounded backfill è utile quando vuoi ripercorrere note più vecchie e ispezionare
ciò che il sistema considera durevole senza modificare manualmente `MEMORY.md`.
Quando usi:
@ -161,15 +159,14 @@ Quando usi:
openclaw memory rem-backfill --path ./memory --stage-short-term
```
i candidati durevoli basati sui dati non vengono promossi direttamente. Vengono
messi in staging nello stesso archivio di dreaming a breve termine che la normale
fase profonda usa già. Ciò significa che:
i candidati durevoli con fondamento non vengono promossi direttamente. Vengono messi in staging
nello stesso archivio Dreaming a breve termine che la normale fase profonda usa già. Questo significa:
- `DREAMS.md` resta la superficie di revisione umana.
- l'archivio a breve termine resta la superficie di classificazione rivolta alla macchina.
- `DREAMS.md` rimane la superficie di revisione umana.
- l'archivio a breve termine rimane la superficie di classificazione rivolta alla macchina.
- `MEMORY.md` continua a essere scritto solo dalla promozione profonda.
Se decidi che il replay non è stato utile, puoi rimuovere gli artefatti in staging
Se decidi che il replay non è stato utile, puoi rimuovere gli artefatti messi in staging
senza toccare le normali voci del diario o il normale stato di richiamo:
```bash
@ -181,19 +178,19 @@ openclaw memory rem-backfill --rollback-short-term
```bash
openclaw memory status # Controlla lo stato dell'indice e il provider
openclaw memory search "query" # Esegui una ricerca dalla riga di comando
openclaw memory index --force # Ricostruisci l'indice
openclaw memory search "query" # Esegue una ricerca dalla riga di comando
openclaw memory index --force # Ricostruisce l'indice
```
## Ulteriori letture
## Approfondimenti
- [Builtin Memory Engine](/it/concepts/memory-builtin) -- backend SQLite predefinito
- [QMD Memory Engine](/it/concepts/memory-qmd) -- sidecar local-first avanzato
- [Honcho Memory](/it/concepts/memory-honcho) -- memoria cross-session nativa per l'AI
- [Honcho Memory](/it/concepts/memory-honcho) -- memoria cross-session AI-native
- [Memory Wiki](/it/plugins/memory-wiki) -- archivio di conoscenza compilato e strumenti nativi della wiki
- [Memory Search](/it/concepts/memory-search) -- pipeline di ricerca, provider e
configurazione
- [Dreaming (experimental)](/it/concepts/dreaming) -- promozione in background
regolazione
- [Dreaming](/it/concepts/dreaming) -- promozione in background
dal richiamo a breve termine alla memoria a lungo termine
- [Memory configuration reference](/it/reference/memory-config) -- tutte le opzioni di configurazione
- [Compaction](/it/concepts/compaction) -- come la compaction interagisce con la memoria
- [Riferimento della configurazione della memoria](/it/reference/memory-config) -- tutte le opzioni di configurazione
- [Compaction](/it/concepts/compaction) -- come la Compaction interagisce con la memoria

1367
docs/it/gateway/configuration-reference.md
View File

File diff suppressed because it is too large Load Diff

73
docs/it/gateway/local-models.md
View File

@ -1,28 +1,28 @@
---
read_when:
- Vuoi servire modelli dal tuo server GPU personale
- Vuoi servire modelli dal tuo box GPU personale
- Stai configurando LM Studio o un proxy compatibile con OpenAI
- Hai bisogno della guida più sicura per i modelli locali
summary: Esegui OpenClaw su LLM locali (LM Studio, vLLM, LiteLLM, endpoint OpenAI personalizzati)
title: Modelli locali
x-i18n:
generated_at: "2026-04-15T08:18:07Z"
generated_at: "2026-04-15T14:40:34Z"
model: gpt-5.4
provider: openai
source_hash: 8778cc1c623a356ff3cf306c494c046887f9417a70ec71e659e4a8aae912a780
source_hash: 7a506ff83e4c2870d3878339f646c906584454a156ecd618c360f592cf3b0011
source_path: gateway/local-models.md
workflow: 15
---
# Modelli locali
Usare modelli locali è fattibile, ma OpenClaw si aspetta un contesto ampio e difese solide contro la prompt injection. Le schede più piccole troncano il contesto e indeboliscono la sicurezza. Punta in alto: **≥2 Mac Studio al massimo della configurazione o una workstation GPU equivalente (~$30k+)**. Una singola GPU da **24 GB** funziona solo per prompt più leggeri con latenza più alta. Usa la **variante di modello più grande / full-size che riesci a eseguire**; checkpoint fortemente quantizzati o “small” aumentano il rischio di prompt injection (vedi [Sicurezza](/it/gateway/security)).
Il locale è fattibile, ma OpenClaw si aspetta un contesto ampio e difese robuste contro il prompt injection. Le schede piccole troncano il contesto e indeboliscono la sicurezza. Punta in alto: **≥2 Mac Studio al massimo della configurazione o un rig GPU equivalente (~$30k+)**. Una singola GPU da **24 GB** funziona solo con prompt più leggeri e con latenza più alta. Usa la **variante di modello più grande / full-size che riesci a eseguire**; i checkpoint fortemente quantizzati o “small” aumentano il rischio di prompt injection (vedi [Sicurezza](/it/gateway/security)).
Se vuoi la configurazione locale con meno attrito, inizia con [LM Studio](/it/providers/lmstudio) o [Ollama](/it/providers/ollama) e `openclaw onboard`. Questa pagina è la guida con indicazioni precise per stack locali di fascia alta e server locali personalizzati compatibili con OpenAI.
Se vuoi la configurazione locale con meno attrito, inizia con [LM Studio](/it/providers/lmstudio) o [Ollama](/it/providers/ollama) e `openclaw onboard`. Questa pagina è la guida con indicazioni precise per stack locali di fascia più alta e server locali personalizzati compatibili con OpenAI.
## Consigliato: LM Studio + modello locale grande (API Responses)
## Consigliato: LM Studio + modello locale grande (Responses API)
Il miglior stack locale attuale. Carica un modello grande in LM Studio (per esempio, una build full-size di Qwen, DeepSeek o Llama), abilita il server locale (predefinito `http://127.0.0.1:1234`) e usa l'API Responses per mantenere il ragionamento separato dal testo finale.
Il miglior stack locale attuale. Carica un modello grande in LM Studio (per esempio, una build full-size di Qwen, DeepSeek o Llama), abilita il server locale (predefinito `http://127.0.0.1:1234`) e usa la Responses API per mantenere separato il ragionamento dal testo finale.
```json5
{
@ -62,13 +62,13 @@ Il miglior stack locale attuale. Carica un modello grande in LM Studio (per esem
**Checklist di configurazione**
- Installa LM Studio: [https://lmstudio.ai](https://lmstudio.ai)
- In LM Studio, scarica la **build del modello più grande disponibile** (evita varianti “small”/fortemente quantizzate), avvia il server e conferma che `http://127.0.0.1:1234/v1/models` lo elenchi.
- Sostituisci `my-local-model` con l'ID effettivo del modello mostrato in LM Studio.
- In LM Studio, scarica la **build di modello più grande disponibile** (evita le varianti “small”/fortemente quantizzate), avvia il server e conferma che `http://127.0.0.1:1234/v1/models` lo elenchi.
- Sostituisci `my-local-model` con l'ID modello effettivo mostrato in LM Studio.
- Mantieni il modello caricato; il caricamento a freddo aggiunge latenza di avvio.
- Regola `contextWindow`/`maxTokens` se la tua build di LM Studio è diversa.
- Per WhatsApp, resta sull'API Responses così viene inviato solo il testo finale.
- Per WhatsApp, usa la Responses API così viene inviato solo il testo finale.
Mantieni configurati anche i modelli ospitati anche quando esegui modelli locali; usa `models.mode: "merge"` così i fallback restano disponibili.
Mantieni configurati anche i modelli ospitati quando esegui in locale; usa `models.mode: "merge"` così i fallback restano disponibili.
### Configurazione ibrida: primario ospitato, fallback locale
@ -113,16 +113,16 @@ Mantieni configurati anche i modelli ospitati anche quando esegui modelli locali
### Priorità al locale con rete di sicurezza ospitata
Inverti l'ordine di primario e fallback; mantieni lo stesso blocco `providers` e `models.mode: "merge"` così puoi ripiegare su Sonnet o Opus quando il sistema locale non è disponibile.
Inverti l'ordine tra primario e fallback; mantieni lo stesso blocco providers e `models.mode: "merge"` così puoi ripiegare su Sonnet o Opus quando il box locale non è disponibile.
### Hosting regionale / instradamento dei dati
- Varianti ospitate di MiniMax/Kimi/GLM esistono anche su OpenRouter con endpoint vincolati alla regione (ad esempio ospitati negli Stati Uniti). Scegli lì la variante regionale per mantenere il traffico nella giurisdizione scelta continuando a usare `models.mode: "merge"` per i fallback Anthropic/OpenAI.
- Solo locale resta il percorso più forte per la privacy; l'instradamento regionale ospitato è il compromesso intermedio quando ti servono funzionalità del provider ma vuoi controllare il flusso dei dati.
- Esistono anche varianti MiniMax/Kimi/GLM ospitate su OpenRouter con endpoint vincolati per regione (per esempio, ospitati negli Stati Uniti). Scegli lì la variante regionale per mantenere il traffico nella giurisdizione desiderata, continuando a usare `models.mode: "merge"` per i fallback Anthropic/OpenAI.
- Il solo locale resta la strada migliore per la privacy; l'instradamento regionale ospitato è la via di mezzo quando hai bisogno delle funzionalità del provider ma vuoi controllare il flusso dei dati.
## Altri proxy locali compatibili con OpenAI
vLLM, LiteLLM, OAI-proxy o gateway personalizzati funzionano se espongono un endpoint `/v1` in stile OpenAI. Sostituisci il blocco provider sopra con il tuo endpoint e l'ID del modello:
vLLM, LiteLLM, OAI-proxy o Gateway personalizzati funzionano se espongono un endpoint `/v1` in stile OpenAI. Sostituisci il blocco provider sopra con il tuo endpoint e l'ID del modello:
```json5
{
@ -152,41 +152,28 @@ vLLM, LiteLLM, OAI-proxy o gateway personalizzati funzionano se espongono un end
Mantieni `models.mode: "merge"` così i modelli ospitati restano disponibili come fallback.
Nota sul comportamento per backend locali/proxati `/v1`:
Nota di comportamento per i backend locali/proxati `/v1`:
- OpenClaw li tratta come route proxy in stile OpenAI compatibili, non come endpoint OpenAI nativi
- il formato delle richieste riservato a OpenAI nativo non si applica qui: niente
`service_tier`, niente `store` di Responses, niente formattazione del payload di compatibilità del ragionamento OpenAI
e nessun suggerimento per la cache del prompt
- gli header nascosti di attribuzione di OpenClaw (`originator`, `version`, `User-Agent`)
non vengono iniettati su questi URL proxy personalizzati
- OpenClaw li tratta come route proxy in stile OpenAI-compatible, non come endpoint OpenAI nativi
- il model shaping delle richieste riservato a OpenAI nativo non si applica qui: niente `service_tier`, niente `store` della Responses API, niente shaping del payload di compatibilità per il ragionamento OpenAI e nessun suggerimento di prompt-cache
- gli header nascosti di attribuzione OpenClaw (`originator`, `version`, `User-Agent`) non vengono inseriti su questi URL proxy personalizzati
Note di compatibilità per backend compatibili con OpenAI più rigidi:
Note di compatibilità per backend compatibili con OpenAI più restrittivi:
- Alcuni server accettano solo `messages[].content` come stringa su Chat Completions, non
array strutturati di parti di contenuto. Imposta
`models.providers.<provider>.models[].compat.requiresStringContent: true` per
quegli endpoint.
- Alcuni backend locali più piccoli o più rigidi sono instabili con la forma completa
del prompt del runtime agente di OpenClaw, specialmente quando sono inclusi gli schema degli strumenti. Se il
backend funziona per piccole chiamate dirette a `/v1/chat/completions` ma fallisce nei normali
turni agente di OpenClaw, prova prima
`agents.defaults.localModelMode: "lean"` per rimuovere gli strumenti predefiniti più pesanti
come `browser`, `cron` e `message`; se ancora non funziona, prova
`models.providers.<provider>.models[].compat.supportsTools: false`.
- Se il backend continua a fallire solo in esecuzioni OpenClaw più grandi, il problema restante
di solito è la capacità del modello/server a monte o un bug del backend, non il layer di trasporto di OpenClaw.
- Alcuni server accettano solo `messages[].content` come stringa nelle Chat Completions, non array strutturati di content-part. Imposta `models.providers.<provider>.models[].compat.requiresStringContent: true` per quegli endpoint.
- Alcuni backend locali più piccoli o più rigidi sono instabili con la forma completa del prompt del runtime agente di OpenClaw, specialmente quando sono inclusi gli schemi degli strumenti. Se il backend funziona per chiamate dirette minime a `/v1/chat/completions` ma fallisce nei normali turni agente di OpenClaw, prova prima `agents.defaults.experimental.localModelLean: true` per rimuovere strumenti predefiniti pesanti come `browser`, `cron` e `message`; questo è un flag sperimentale, non un'impostazione stabile della modalità predefinita. Vedi [Funzionalità sperimentali](/it/concepts/experimental-features). Se ancora non basta, prova `models.providers.<provider>.models[].compat.supportsTools: false`.
- Se il backend continua a fallire solo nelle esecuzioni OpenClaw più grandi, il problema residuo di solito è la capacità del modello/server a monte o un bug del backend, non il livello di trasporto di OpenClaw.
## Risoluzione dei problemi
- Il Gateway riesce a raggiungere il proxy? `curl http://127.0.0.1:1234/v1/models`.
- Il modello LM Studio è stato scaricato dalla memoria? Ricaricalo; l'avvio a freddo è una causa comune di “blocco”.
- OpenClaw avvisa quando la finestra di contesto rilevata è sotto **32k** e blocca sotto **16k**. Se incontri quel controllo preliminare, aumenta il limite di contesto del server/modello o scegli un modello più grande.
- Errori di contesto? Riduci `contextWindow` o aumenta il limite del tuo server.
- OpenClaw avvisa quando la finestra di contesto rilevata è sotto **32k** e blocca sotto **16k**. Se incontri questo controllo preliminare, aumenta il limite di contesto del server/modello o scegli un modello più grande.
- Errori di contesto? Riduci `contextWindow` o aumenta il limite del server.
- Il server compatibile con OpenAI restituisce `messages[].content ... expected a string`?
Aggiungi `compat.requiresStringContent: true` in quella voce del modello.
- Piccole chiamate dirette a `/v1/chat/completions` funzionano, ma `openclaw infer model run`
fallisce con Gemma o un altro modello locale? Disabilita prima gli schema degli strumenti con
Aggiungi `compat.requiresStringContent: true` a quella voce del modello.
- Le chiamate dirette minime a `/v1/chat/completions` funzionano, ma `openclaw infer model run`
fallisce con Gemma o un altro modello locale? Disabilita prima gli schemi degli strumenti con
`compat.supportsTools: false`, poi riprova. Se il server continua a bloccarsi solo
con prompt OpenClaw più grandi, trattalo come un limite del modello/server a monte.
- Sicurezza: i modelli locali saltano i filtri lato provider; mantieni gli agenti limitati e Compaction attivo per ridurre il raggio d'azione della prompt injection.
con prompt OpenClaw più grandi, trattalo come un limite del server/modello a monte.
- Sicurezza: i modelli locali saltano i filtri lato provider; mantieni gli agenti ristretti e Compaction attivo per limitare l'impatto del prompt injection.

739
docs/it/help/testing.md
View File

File diff suppressed because it is too large Load Diff

103
docs/it/providers/github-copilot.md
View File

@ -1,28 +1,27 @@
---
read_when:
- Vuoi usare GitHub Copilot come provider di modelli
- Ti serve il flusso `openclaw models auth login-github-copilot`
summary: Accedi a GitHub Copilot da OpenClaw usando il flusso del dispositivo
- Vuoi utilizzare GitHub Copilot come provider di modelli
- Hai bisogno del flusso `openclaw models auth login-github-copilot`
summary: Accedi a GitHub Copilot da OpenClaw utilizzando il flusso del dispositivo
title: GitHub Copilot
x-i18n:
generated_at: "2026-04-12T23:30:31Z"
generated_at: "2026-04-15T14:40:28Z"
model: gpt-5.4
provider: openai
source_hash: 51fee006e7d4e78e37b0c29356b0090b132de727d99b603441767d3fb642140b
source_hash: b8258fecff22fb73b057de878462941f6eb86d0c5f775c5eac4840e95ba5eccf
source_path: providers/github-copilot.md
workflow: 15
---
# GitHub Copilot
GitHub Copilot è l’assistente di coding con IA di GitHub. Fornisce accesso ai modelli Copilot per il tuo account e piano GitHub. OpenClaw può usare Copilot come provider di modelli in due modi diversi.
GitHub Copilot è l'assistente di coding con IA di GitHub. Fornisce accesso ai modelli di Copilot per il tuo account e piano GitHub. OpenClaw può utilizzare Copilot come provider di modelli in due modi diversi.
## Due modi per usare Copilot in OpenClaw
<Tabs>
<Tab title="Provider integrato (github-copilot)">
Usa il flusso di accesso nativo del dispositivo per ottenere un token GitHub, quindi scambialo con
token API Copilot quando OpenClaw è in esecuzione. Questo è il percorso **predefinito** e più semplice
Usa il flusso di accesso al dispositivo nativo per ottenere un token GitHub, quindi scambiarlo con token API Copilot quando OpenClaw è in esecuzione. Questo è il percorso **predefinito** e più semplice
perché non richiede VS Code.
<Steps>
@ -32,7 +31,7 @@ GitHub Copilot è l’assistente di coding con IA di GitHub. Fornisce accesso ai
```
Ti verrà chiesto di visitare un URL e inserire un codice monouso. Tieni il
terminale aperto finché l’operazione non è completata.
terminale aperto fino al completamento.
</Step>
<Step title="Imposta un modello predefinito">
```bash
@ -52,12 +51,12 @@ GitHub Copilot è l’assistente di coding con IA di GitHub. Fornisce accesso ai
</Tab>
<Tab title="Plugin Copilot Proxy (copilot-proxy)">
Usa l’estensione VS Code **Copilot Proxy** come bridge locale. OpenClaw comunica con
l’endpoint `/v1` del proxy e usa l’elenco di modelli che configuri lì.
Usa l'estensione VS Code **Copilot Proxy** come bridge locale. OpenClaw comunica con
l'endpoint `/v1` del proxy e usa l'elenco di modelli che configuri lì.
<Note>
Scegli questa opzione se usi già Copilot Proxy in VS Code o se devi instradare
attraverso di esso. Devi abilitare il plugin e mantenere in esecuzione l’estensione VS Code.
Scegli questa opzione se esegui già Copilot Proxy in VS Code o hai bisogno di instradare
attraverso di esso. Devi abilitare il Plugin e mantenere in esecuzione l'estensione VS Code.
</Note>
</Tab>
@ -65,22 +64,22 @@ GitHub Copilot è l’assistente di coding con IA di GitHub. Fornisce accesso ai
## Flag facoltativi
| Flag | Description |
| Flag | Descrizione |
| --------------- | --------------------------------------------------- |
| `--yes` | Salta il prompt di conferma |
| `--set-default` | Applica anche il modello predefinito consigliato dal provider |
| `--set-default` | Applica anche il modello predefinito consigliato del provider |
```bash
# Salta la conferma
openclaw models auth login-github-copilot --yes
# Accedi e imposta il modello predefinito in un solo passaggio
# Accedi e imposta il modello predefinito in un unico passaggio
openclaw models auth login --provider github-copilot --method device --set-default
```
<AccordionGroup>
<Accordion title="TTY interattivo richiesto">
Il flusso di accesso del dispositivo richiede un TTY interattivo. Eseguilo direttamente in un
Il flusso di accesso al dispositivo richiede un TTY interattivo. Eseguilo direttamente in un
terminale, non in uno script non interattivo o in una pipeline CI.
</Accordion>
@ -95,42 +94,82 @@ openclaw models auth login --provider github-copilot --method device --set-defau
seleziona il trasporto corretto in base al riferimento del modello.
</Accordion>
<Accordion title="Ordine di risoluzione delle variabili d’ambiente">
OpenClaw risolve l’autenticazione Copilot dalle variabili d’ambiente nel seguente
<Accordion title="Ordine di risoluzione delle variabili di ambiente">
OpenClaw risolve l'autenticazione Copilot dalle variabili di ambiente nel seguente
ordine di priorità:
| Priority | Variable | Notes |
| -------- | --------------------- | -------------------------------- |
| 1 | `COPILOT_GITHUB_TOKEN` | Priorità massima, specifico per Copilot |
| 2 | `GH_TOKEN` | Token GitHub CLI (fallback) |
| Priorità | Variabile | Note |
| -------- | --------------------- | ------------------------------------ |
| 1 | `COPILOT_GITHUB_TOKEN` | Priorità più alta, specifica per Copilot |
| 2 | `GH_TOKEN` | Token GitHub CLI (fallback) |
| 3 | `GITHUB_TOKEN` | Token GitHub standard (priorità più bassa) |
Quando sono impostate più variabili, OpenClaw usa quella con priorità più alta.
Il flusso di accesso del dispositivo (`openclaw models auth login-github-copilot`) memorizza
il suo token nell’archivio dei profili di autenticazione e ha la precedenza su tutte le
variabili d’ambiente.
Quando sono impostate più variabili, OpenClaw usa quella con la priorità più alta.
Il flusso di accesso al dispositivo (`openclaw models auth login-github-copilot`) memorizza
il suo token nell'archivio dei profili di autenticazione e ha la precedenza su tutte le variabili
di ambiente.
</Accordion>
<Accordion title="Archiviazione del token">
L’accesso memorizza un token GitHub nell’archivio dei profili di autenticazione e lo scambia
con un token API Copilot quando OpenClaw è in esecuzione. Non devi gestire il
L'accesso memorizza un token GitHub nell'archivio dei profili di autenticazione e lo scambia
con un token API Copilot quando OpenClaw è in esecuzione. Non è necessario gestire il
token manualmente.
</Accordion>
</AccordionGroup>
<Warning>
Richiede un TTY interattivo. Esegui il comando di accesso direttamente in un terminale, non
all’interno di uno script headless o di un job CI.
all'interno di uno script headless o di un processo CI.
</Warning>
## Embedding per la ricerca nella memoria
GitHub Copilot può anche fungere da provider di embedding per la
[ricerca nella memoria](/it/concepts/memory-search). Se hai un abbonamento Copilot e
hai effettuato l'accesso, OpenClaw può usarlo per gli embedding senza una chiave API separata.
### Rilevamento automatico
Quando `memorySearch.provider` è `"auto"` (il valore predefinito), GitHub Copilot viene provato
con priorità 15 -- dopo gli embedding locali ma prima di OpenAI e altri provider
a pagamento. Se è disponibile un token GitHub, OpenClaw rileva i modelli di
embedding disponibili dall'API Copilot e sceglie automaticamente il migliore.
### Configurazione esplicita
```json5
{
agents: {
defaults: {
memorySearch: {
provider: "github-copilot",
// Facoltativo: sostituisce il modello rilevato automaticamente
model: "text-embedding-3-small",
},
},
},
}
```
### Come funziona
1. OpenClaw risolve il tuo token GitHub (dalle variabili di ambiente o dal profilo di autenticazione).
2. Lo scambia con un token API Copilot a breve durata.
3. Interroga l'endpoint Copilot `/models` per rilevare i modelli di embedding disponibili.
4. Sceglie il modello migliore (preferisce `text-embedding-3-small`).
5. Invia le richieste di embedding all'endpoint Copilot `/embeddings`.
La disponibilità dei modelli dipende dal tuo piano GitHub. Se non sono disponibili modelli di embedding,
OpenClaw salta Copilot e prova il provider successivo.
## Correlati
<CardGroup cols={2}>
<Card title="Selezione del modello" href="/it/concepts/model-providers" icon="layers">
Scelta dei provider, dei riferimenti di modello e del comportamento di failover.
Scelta dei provider, dei riferimenti dei modelli e del comportamento di failover.
</Card>
<Card title="OAuth e autenticazione" href="/it/gateway/authentication" icon="key">
Dettagli di autenticazione e regole di riutilizzo delle credenziali.
Dettagli sull'autenticazione e regole di riutilizzo delle credenziali.
</Card>
</CardGroup>

188
docs/it/providers/ollama.md
View File

@ -1,50 +1,49 @@
---
read_when:
- Vuoi eseguire OpenClaw con modelli cloud o locali tramite Ollama
- Hai bisogno di istruzioni per la configurazione e il setup di Ollama
- Hai bisogno di indicazioni per la configurazione e l’impostazione di Ollama
summary: Esegui OpenClaw con Ollama (modelli cloud e locali)
title: Ollama
x-i18n:
generated_at: "2026-04-12T23:31:46Z"
generated_at: "2026-04-15T14:40:51Z"
model: gpt-5.4
provider: openai
source_hash: ec796241b884ca16ec7077df4f3f1910e2850487bb3ea94f8fdb37c77e02b219
source_hash: 098e083e0fc484bddb5270eb630c55d7832039b462d1710372b6afece5cefcdf
source_path: providers/ollama.md
workflow: 15
---
# Ollama
Ollama è un runtime LLM locale che rende semplice eseguire modelli open source sulla tua macchina. OpenClaw si integra con l’API nativa di Ollama (`/api/chat`), supporta lo streaming e il tool calling, e può rilevare automaticamente i modelli Ollama locali quando abiliti questa opzione con `OLLAMA_API_KEY` (o un profilo auth) e non definisci una voce esplicita `models.providers.ollama`.
OpenClaw si integra con l'API nativa di Ollama (`/api/chat`) per modelli cloud ospitati e server Ollama locali/self-hosted. Puoi usare Ollama in tre modalità: `Cloud + Local` tramite un host Ollama raggiungibile, `Cloud only` contro `https://ollama.com`, oppure `Local only` contro un host Ollama raggiungibile.
<Warning>
**Utenti di Ollama remoto**: non usare l’URL compatibile OpenAI `/v1` (`http://host:11434/v1`) con OpenClaw. Questo interrompe il tool calling e i modelli potrebbero produrre JSON degli strumenti grezzo come testo normale. Usa invece l’URL dell’API nativa di Ollama: `baseUrl: "http://host:11434"` (senza `/v1`).
**Utenti di Ollama remoto**: non usare l'URL OpenAI-compatible `/v1` (`http://host:11434/v1`) con OpenClaw. Questo interrompe il tool calling e i modelli possono produrre JSON di strumenti grezzo come testo normale. Usa invece l'URL dell'API nativa di Ollama: `baseUrl: "http://host:11434"` (senza `/v1`).
</Warning>
## Per iniziare
Scegli il metodo di configurazione e la modalità che preferisci.
Scegli il metodo e la modalità di configurazione che preferisci.
<Tabs>
<Tab title="Onboarding (consigliato)">
**Ideale per:** il percorso più rapido verso una configurazione Ollama funzionante con rilevamento automatico dei modelli.
**Ideale per:** il percorso più rapido verso una configurazione funzionante di Ollama cloud o locale.
<Steps>
<Step title="Esegui l’onboarding">
<Step title="Esegui l'onboarding">
```bash
openclaw onboard
```
Seleziona **Ollama** dall’elenco dei provider.
Seleziona **Ollama** dall'elenco dei provider.
</Step>
<Step title="Scegli la modalità">
- **Cloud + Local** — modelli ospitati nel cloud e modelli locali insieme
- **Local** — solo modelli locali
Se scegli **Cloud + Local** e non hai effettuato l’accesso a ollama.com, l’onboarding apre un flusso di accesso nel browser.
- **Cloud + Local** — host Ollama locale più modelli cloud instradati tramite quell'host
- **Cloud only** — modelli Ollama ospitati tramite `https://ollama.com`
- **Local only** — solo modelli locali
</Step>
<Step title="Seleziona un modello">
L’onboarding rileva i modelli disponibili e suggerisce i valori predefiniti. Scarica automaticamente il modello selezionato se non è disponibile localmente.
`Cloud only` richiede `OLLAMA_API_KEY` e suggerisce valori predefiniti cloud ospitati. `Cloud + Local` e `Local only` richiedono un URL base di Ollama, individuano i modelli disponibili ed eseguono automaticamente il pull del modello locale selezionato se non è ancora disponibile. `Cloud + Local` controlla anche se quell'host Ollama ha effettuato l'accesso per l'accesso cloud.
</Step>
<Step title="Verifica che il modello sia disponibile">
```bash
@ -61,7 +60,7 @@ Scegli il metodo di configurazione e la modalità che preferisci.
--accept-risk
```
Facoltativamente puoi specificare un URL base personalizzato o un modello:
Facoltativamente, specifica un URL base o un modello personalizzato:
```bash
openclaw onboard --non-interactive \
@ -74,13 +73,15 @@ Scegli il metodo di configurazione e la modalità che preferisci.
</Tab>
<Tab title="Configurazione manuale">
**Ideale per:** pieno controllo su installazione, download dei modelli e configurazione.
**Ideale per:** controllo completo sulla configurazione cloud o locale.
<Steps>
<Step title="Installa Ollama">
Scaricalo da [ollama.com/download](https://ollama.com/download).
<Step title="Scegli cloud o locale">
- **Cloud + Local**: installa Ollama, accedi con `ollama signin` e instrada le richieste cloud tramite quell'host
- **Cloud only**: usa `https://ollama.com` con un `OLLAMA_API_KEY`
- **Local only**: installa Ollama da [ollama.com/download](https://ollama.com/download)
</Step>
<Step title="Scarica un modello locale">
<Step title="Esegui il pull di un modello locale (solo locale)">
```bash
ollama pull gemma4
# oppure
@ -89,25 +90,21 @@ Scegli il metodo di configurazione e la modalità che preferisci.
ollama pull llama3.3
```
</Step>
<Step title="Accedi per i modelli cloud (facoltativo)">
Se vuoi anche i modelli cloud:
```bash
ollama signin
```
</Step>
<Step title="Abilita Ollama per OpenClaw">
Imposta un valore qualsiasi per la chiave API (Ollama non richiede una chiave reale):
Per `Cloud only`, usa il tuo `OLLAMA_API_KEY` reale. Per le configurazioni basate su host, va bene qualsiasi valore segnaposto:
```bash
# Imposta la variabile d’ambiente
# Cloud
export OLLAMA_API_KEY="your-ollama-api-key"
# Solo locale
export OLLAMA_API_KEY="ollama-local"
# Oppure configuralo nel file di configurazione
openclaw config set models.providers.ollama.apiKey "ollama-local"
# Oppure configura nel file di configurazione
openclaw config set models.providers.ollama.apiKey "OLLAMA_API_KEY"
```
</Step>
<Step title="Ispeziona e imposta il modello">
<Step title="Controlla e imposta il tuo modello">
```bash
openclaw models list
openclaw models set ollama/gemma4
@ -134,38 +131,43 @@ Scegli il metodo di configurazione e la modalità che preferisci.
<Tabs>
<Tab title="Cloud + Local">
I modelli cloud ti permettono di eseguire modelli ospitati nel cloud insieme ai tuoi modelli locali. Esempi includono `kimi-k2.5:cloud`, `minimax-m2.7:cloud` e `glm-5.1:cloud` -- questi **non** richiedono un `ollama pull` locale.
`Cloud + Local` usa un host Ollama raggiungibile come punto di controllo sia per i modelli locali sia per quelli cloud. Questo è il flusso ibrido preferito da Ollama.
Seleziona la modalità **Cloud + Local** durante la configurazione. La procedura guidata verifica se hai effettuato l’accesso e apre un flusso di accesso nel browser quando necessario. Se l’autenticazione non può essere verificata, la procedura guidata torna ai valori predefiniti dei modelli locali.
Usa **Cloud + Local** durante la configurazione. OpenClaw richiede l'URL base di Ollama, individua i modelli locali da quell'host e controlla se l'host ha effettuato l'accesso per l'accesso cloud con `ollama signin`. Quando l'host ha effettuato l'accesso, OpenClaw suggerisce anche valori predefiniti cloud ospitati come `kimi-k2.5:cloud`, `minimax-m2.7:cloud` e `glm-5.1:cloud`.
Puoi anche accedere direttamente su [ollama.com/signin](https://ollama.com/signin).
OpenClaw attualmente suggerisce questi valori predefiniti cloud: `kimi-k2.5:cloud`, `minimax-m2.7:cloud`, `glm-5.1:cloud`.
Se l'host non ha ancora effettuato l'accesso, OpenClaw mantiene la configurazione in modalità solo locale finché non esegui `ollama signin`.
</Tab>
<Tab title="Solo locale">
In modalità solo locale, OpenClaw rileva i modelli dall’istanza locale di Ollama. Non è necessario alcun accesso cloud.
<Tab title="Cloud only">
`Cloud only` viene eseguito contro l'API ospitata di Ollama su `https://ollama.com`.
Usa **Cloud only** durante la configurazione. OpenClaw richiede `OLLAMA_API_KEY`, imposta `baseUrl: "https://ollama.com"` e inizializza l'elenco dei modelli cloud ospitati. Questo percorso **non** richiede un server Ollama locale né `ollama signin`.
</Tab>
<Tab title="Local only">
In modalità solo locale, OpenClaw individua i modelli dall'istanza Ollama configurata. Questo percorso è destinato a server Ollama locali o self-hosted.
OpenClaw attualmente suggerisce `gemma4` come valore predefinito locale.
</Tab>
</Tabs>
## Rilevamento dei modelli (provider implicito)
## Individuazione dei modelli (provider implicito)
Quando imposti `OLLAMA_API_KEY` (o un profilo auth) e **non** definisci `models.providers.ollama`, OpenClaw rileva i modelli dall’istanza locale di Ollama all’indirizzo `http://127.0.0.1:11434`.
Quando imposti `OLLAMA_API_KEY` (o un profilo di autenticazione) e **non** definisci `models.providers.ollama`, OpenClaw individua i modelli dall'istanza Ollama locale su `http://127.0.0.1:11434`.
| Comportamento | Dettaglio |
| -------------------- | ----------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Query del catalogo | Interroga `/api/tags` |
| Rilevamento capacità | Usa lookup `/api/show` best-effort per leggere `contextWindow` e rilevare le capacità (inclusa la vision) |
| Modelli vision | I modelli con capacità `vision` riportata da `/api/show` sono contrassegnati come capaci di elaborare immagini (`input: ["text", "image"]`), quindi OpenClaw inietta automaticamente le immagini nel prompt |
| Rilevamento reasoning | Contrassegna `reasoning` con un’euristica basata sul nome del modello (`r1`, `reasoning`, `think`) |
| Limiti di token | Imposta `maxTokens` sul limite massimo predefinito di token Ollama usato da OpenClaw |
| Costi | Imposta tutti i costi a `0` |
| Comportamento | Dettaglio |
| --------------------- | ------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| Query del catalogo | Interroga `/api/tags` |
| Rilevamento delle capacità | Usa richieste `/api/show` best-effort per leggere `contextWindow` e rilevare le capacità (inclusa la visione) |
| Modelli vision | I modelli con capacità `vision` riportata da `/api/show` vengono contrassegnati come capaci di elaborare immagini (`input: ["text", "image"]`), quindi OpenClaw inserisce automaticamente le immagini nel prompt |
| Rilevamento del reasoning | Contrassegna `reasoning` con un'euristica basata sul nome del modello (`r1`, `reasoning`, `think`) |
| Limiti di token | Imposta `maxTokens` al limite massimo di token predefinito di Ollama usato da OpenClaw |
| Costi | Imposta tutti i costi a `0` |
Questo evita voci manuali dei modelli mantenendo il catalogo allineato con l’istanza Ollama locale.
Questo evita inserimenti manuali dei modelli mantenendo il catalogo allineato con l'istanza Ollama locale.
```bash
# Vedi quali modelli sono disponibili
@ -173,54 +175,54 @@ ollama list
openclaw models list
```
Per aggiungere un nuovo modello, scaricalo semplicemente con Ollama:
Per aggiungere un nuovo modello, esegui semplicemente il pull con Ollama:
```bash
ollama pull mistral
```
Il nuovo modello verrà rilevato automaticamente e sarà disponibile per l’uso.
Il nuovo modello verrà individuato automaticamente e sarà disponibile per l'uso.
<Note>
Se imposti esplicitamente `models.providers.ollama`, il rilevamento automatico viene saltato e devi definire i modelli manualmente. Vedi la sezione della configurazione esplicita qui sotto.
Se imposti `models.providers.ollama` esplicitamente, l'individuazione automatica viene saltata e devi definire i modelli manualmente. Vedi la sezione sulla configurazione esplicita qui sotto.
</Note>
## Configurazione
<Tabs>
<Tab title="Base (rilevamento implicito)">
Il modo più semplice per abilitare Ollama è tramite variabile d’ambiente:
<Tab title="Base (individuazione implicita)">
Il percorso di abilitazione solo locale più semplice avviene tramite variabile d'ambiente:
```bash
export OLLAMA_API_KEY="ollama-local"
```
<Tip>
Se `OLLAMA_API_KEY` è impostata, puoi omettere `apiKey` nella voce del provider e OpenClaw la compilerà per i controlli di disponibilità.
Se `OLLAMA_API_KEY` è impostato, puoi omettere `apiKey` nella voce del provider e OpenClaw lo userà per i controlli di disponibilità.
</Tip>
</Tab>
<Tab title="Esplicita (modelli manuali)">
Usa la configurazione esplicita quando Ollama è in esecuzione su un altro host/porta, vuoi forzare finestre di contesto o elenchi di modelli specifici, oppure vuoi definizioni dei modelli completamente manuali.
Usa la configurazione esplicita quando vuoi una configurazione cloud ospitata, Ollama è in esecuzione su un altro host/porta, vuoi forzare finestre di contesto o elenchi di modelli specifici, oppure vuoi definizioni di modelli completamente manuali.
```json5
{
models: {
providers: {
ollama: {
baseUrl: "http://ollama-host:11434",
apiKey: "ollama-local",
baseUrl: "https://ollama.com",
apiKey: "OLLAMA_API_KEY",
api: "ollama",
models: [
{
id: "gpt-oss:20b",
name: "GPT-OSS 20B",
id: "kimi-k2.5:cloud",
name: "kimi-k2.5:cloud",
reasoning: false,
input: ["text"],
input: ["text", "image"],
cost: { input: 0, output: 0, cacheRead: 0, cacheWrite: 0 },
contextWindow: 8192,
maxTokens: 8192 * 10
contextWindow: 128000,
maxTokens: 8192
}
]
}
@ -232,7 +234,7 @@ Se imposti esplicitamente `models.providers.ollama`, il rilevamento automatico v
</Tab>
<Tab title="URL base personalizzato">
Se Ollama è in esecuzione su un host o una porta diversi (la configurazione esplicita disabilita il rilevamento automatico, quindi definisci i modelli manualmente):
Se Ollama è in esecuzione su un host o una porta diversi (la configurazione esplicita disabilita l'individuazione automatica, quindi definisci i modelli manualmente):
```json5
{
@ -240,8 +242,8 @@ Se imposti esplicitamente `models.providers.ollama`, il rilevamento automatico v
providers: {
ollama: {
apiKey: "ollama-local",
baseUrl: "http://ollama-host:11434", // Nessun /v1 - usa l’URL dell’API nativa di Ollama
api: "ollama", // Impostalo esplicitamente per garantire il comportamento nativo del tool calling
baseUrl: "http://ollama-host:11434", // Nessun /v1 - usa l'URL dell'API nativa di Ollama
api: "ollama", // Impostalo esplicitamente per garantire il comportamento nativo di tool-calling
},
},
},
@ -249,7 +251,7 @@ Se imposti esplicitamente `models.providers.ollama`, il rilevamento automatico v
```
<Warning>
Non aggiungere `/v1` all’URL. Il percorso `/v1` usa la modalità compatibile OpenAI, in cui il tool calling non è affidabile. Usa l’URL base di Ollama senza suffisso di percorso.
Non aggiungere `/v1` all'URL. Il percorso `/v1` usa la modalità OpenAI-compatible, in cui il tool calling non è affidabile. Usa l'URL base di Ollama senza suffissi nel percorso.
</Warning>
</Tab>
@ -276,11 +278,11 @@ Una volta configurato, tutti i tuoi modelli Ollama sono disponibili:
OpenClaw supporta **Ollama Web Search** come provider `web_search` incluso.
| Proprietà | Dettaglio |
| ----------- | --------------------------------------------------------------------------------------------------------------------- |
| Host | Usa l’host Ollama configurato (`models.providers.ollama.baseUrl` quando impostato, altrimenti `http://127.0.0.1:11434`) |
| Auth | Nessuna chiave richiesta |
| Requisito | Ollama deve essere in esecuzione e con accesso effettuato tramite `ollama signin` |
| Proprietà | Dettaglio |
| ----------- | ------------------------------------------------------------------------------------------------------------------- |
| Host | Usa il tuo host Ollama configurato (`models.providers.ollama.baseUrl` quando impostato, altrimenti `http://127.0.0.1:11434`) |
| Autenticazione | Senza chiave |
| Requisito | Ollama deve essere in esecuzione e avere effettuato l'accesso con `ollama signin` |
Scegli **Ollama Web Search** durante `openclaw onboard` o `openclaw configure --section web`, oppure imposta:
@ -297,18 +299,18 @@ Scegli **Ollama Web Search** durante `openclaw onboard` o `openclaw configure --
```
<Note>
Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Search](/it/tools/ollama-search).
Per tutti i dettagli su configurazione e comportamento, vedi [Ollama Web Search](/it/tools/ollama-search).
</Note>
## Configurazione avanzata
<AccordionGroup>
<Accordion title="Modalità legacy compatibile OpenAI">
<Accordion title="Modalità legacy OpenAI-compatible">
<Warning>
**Il tool calling non è affidabile in modalità compatibile OpenAI.** Usa questa modalità solo se ti serve il formato OpenAI per un proxy e non dipendi dal comportamento nativo del tool calling.
**Il tool calling non è affidabile nella modalità OpenAI-compatible.** Usa questa modalità solo se hai bisogno del formato OpenAI per un proxy e non dipendi dal comportamento nativo di tool calling.
</Warning>
Se invece devi usare l’endpoint compatibile OpenAI (ad esempio dietro un proxy che supporta solo il formato OpenAI), imposta esplicitamente `api: "openai-completions"`:
Se invece devi usare l'endpoint OpenAI-compatible (ad esempio dietro un proxy che supporta solo il formato OpenAI), imposta `api: "openai-completions"` esplicitamente:
```json5
{
@ -326,9 +328,9 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
}
```
Questa modalità potrebbe non supportare contemporaneamente streaming e tool calling. Potrebbe essere necessario disabilitare lo streaming con `params: { streaming: false }` nella configurazione del modello.
Questa modalità potrebbe non supportare simultaneamente streaming e tool calling. Potrebbe essere necessario disabilitare lo streaming con `params: { streaming: false }` nella configurazione del modello.
Quando `api: "openai-completions"` viene usato con Ollama, OpenClaw inietta `options.num_ctx` per default così Ollama non torna silenziosamente a una finestra di contesto di 4096. Se il tuo proxy/upstream rifiuta campi `options` sconosciuti, disabilita questo comportamento:
Quando `api: "openai-completions"` viene usato con Ollama, OpenClaw inserisce `options.num_ctx` per impostazione predefinita così Ollama non torna silenziosamente a una finestra di contesto di 4096. Se il tuo proxy/upstream rifiuta campi `options` sconosciuti, disabilita questo comportamento:
```json5
{
@ -349,9 +351,9 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
</Accordion>
<Accordion title="Finestre di contesto">
Per i modelli rilevati automaticamente, OpenClaw usa la finestra di contesto riportata da Ollama quando disponibile, altrimenti torna alla finestra di contesto predefinita di Ollama usata da OpenClaw.
Per i modelli individuati automaticamente, OpenClaw usa la finestra di contesto riportata da Ollama quando disponibile, altrimenti usa come fallback la finestra di contesto predefinita di Ollama usata da OpenClaw.
Puoi sostituire `contextWindow` e `maxTokens` nella configurazione esplicita del provider:
Puoi sovrascrivere `contextWindow` e `maxTokens` nella configurazione esplicita del provider:
```json5
{
@ -374,7 +376,7 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
</Accordion>
<Accordion title="Modelli di reasoning">
OpenClaw tratta per default come capaci di reasoning i modelli con nomi come `deepseek-r1`, `reasoning` o `think`.
OpenClaw considera per impostazione predefinita come capaci di reasoning i modelli con nomi come `deepseek-r1`, `reasoning` o `think`.
```bash
ollama pull deepseek-r1:32b
@ -385,18 +387,18 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
</Accordion>
<Accordion title="Costi dei modelli">
Ollama è gratuito e viene eseguito localmente, quindi tutti i costi dei modelli sono impostati a $0. Questo vale sia per i modelli rilevati automaticamente sia per quelli definiti manualmente.
Ollama è gratuito e viene eseguito localmente, quindi tutti i costi dei modelli sono impostati a $0. Questo vale sia per i modelli individuati automaticamente sia per quelli definiti manualmente.
</Accordion>
<Accordion title="Embedding della memoria">
Il Plugin Ollama incluso registra un provider di embedding della memoria per
la [ricerca nella memoria](/it/concepts/memory). Usa l’URL base
e la chiave API Ollama configurati.
la [ricerca nella memoria](/it/concepts/memory). Usa l'URL base di Ollama
configurato e la chiave API.
| Proprietà | Valore |
| -------------- | ------------------- |
| Modello predefinito | `nomic-embed-text` |
| Download automatico | Sì — il modello di embedding viene scaricato automaticamente se non è presente localmente |
| Pull automatico | Sì — il modello di embedding viene scaricato automaticamente se non è presente in locale |
Per selezionare Ollama come provider di embedding per la ricerca nella memoria:
@ -413,10 +415,10 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
</Accordion>
<Accordion title="Configurazione dello streaming">
L’integrazione Ollama di OpenClaw usa per default l’**API nativa di Ollama** (`/api/chat`), che supporta pienamente streaming e tool calling simultaneamente. Non è necessaria alcuna configurazione speciale.
L'integrazione Ollama di OpenClaw usa per impostazione predefinita l'**API nativa di Ollama** (`/api/chat`), che supporta pienamente streaming e tool calling simultaneamente. Non è necessaria alcuna configurazione speciale.
<Tip>
Se devi usare l’endpoint compatibile OpenAI, vedi la sezione "Modalità legacy compatibile OpenAI" qui sopra. In quella modalità, streaming e tool calling potrebbero non funzionare contemporaneamente.
Se devi usare l'endpoint OpenAI-compatible, consulta la sezione "Modalità legacy OpenAI-compatible" sopra. Streaming e tool calling potrebbero non funzionare contemporaneamente in quella modalità.
</Tip>
</Accordion>
@ -426,13 +428,13 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
<AccordionGroup>
<Accordion title="Ollama non rilevato">
Assicurati che Ollama sia in esecuzione, di aver impostato `OLLAMA_API_KEY` (o un profilo auth) e di **non** aver definito una voce esplicita `models.providers.ollama`:
Assicurati che Ollama sia in esecuzione, di aver impostato `OLLAMA_API_KEY` (o un profilo di autenticazione) e di **non** aver definito una voce esplicita `models.providers.ollama`:
```bash
ollama serve
```
Verifica che l’API sia accessibile:
Verifica che l'API sia accessibile:
```bash
curl http://localhost:11434/api/tags
@ -441,7 +443,7 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
</Accordion>
<Accordion title="Nessun modello disponibile">
Se il tuo modello non è elencato, scaricalo localmente oppure definiscilo esplicitamente in `models.providers.ollama`.
Se il tuo modello non è elencato, esegui il pull del modello in locale oppure definiscilo esplicitamente in `models.providers.ollama`.
```bash
ollama list # Vedi cosa è installato
@ -467,20 +469,20 @@ Per i dettagli completi di configurazione e comportamento, vedi [Ollama Web Sear
</AccordionGroup>
<Note>
Altro aiuto: [Risoluzione dei problemi](/it/help/troubleshooting) e [FAQ](/it/help/faq).
Ulteriore aiuto: [Risoluzione dei problemi](/it/help/troubleshooting) e [FAQ](/it/help/faq).
</Note>
## Correlati
<CardGroup cols={2}>
<Card title="Provider di modelli" href="/it/concepts/model-providers" icon="layers">
Panoramica di tutti i provider, riferimenti ai modelli e comportamento di failover.
Panoramica di tutti i provider, dei riferimenti ai modelli e del comportamento di failover.
</Card>
<Card title="Selezione del modello" href="/it/concepts/models" icon="brain">
Come scegliere e configurare i modelli.
</Card>
<Card title="Ollama Web Search" href="/it/tools/ollama-search" icon="magnifying-glass">
Dettagli completi di configurazione e comportamento per la ricerca web supportata da Ollama.
Dettagli completi su configurazione e comportamento per la ricerca web basata su Ollama.
</Card>
<Card title="Configurazione" href="/it/gateway/configuration" icon="gear">
Riferimento completo della configurazione.

335
docs/it/reference/memory-config.md
View File

@ -1,84 +1,86 @@
---
read_when:
- Vuoi configurare provider di ricerca nella memoria o modelli di embedding
- Vuoi configurare i provider di ricerca nella memoria o i modelli di embeddings
- Vuoi configurare il backend QMD
- Vuoi regolare ricerca ibrida, MMR o decadimento temporale
- Vuoi ottimizzare la ricerca ibrida, MMR o il decadimento temporale
- Vuoi abilitare l'indicizzazione della memoria multimodale
summary: Tutte le opzioni di configurazione per ricerca nella memoria, provider di embedding, QMD, ricerca ibrida e indicizzazione multimodale
title: Riferimento della configurazione della memoria
summary: Tutte le opzioni di configurazione per la ricerca nella memoria, i provider di embeddings, QMD, la ricerca ibrida e l'indicizzazione multimodale
title: Riferimento di configurazione della memoria
x-i18n:
generated_at: "2026-04-12T23:33:34Z"
generated_at: "2026-04-15T14:40:51Z"
model: gpt-5.4
provider: openai
source_hash: 299ca9b69eea292ea557a2841232c637f5c1daf2bc0f73c0a42f7c0d8d566ce2
source_hash: 334c3c4dac08e864487047d3822c75f96e9e7a97c38be4b4e0cd9e63c4489a53
source_path: reference/memory-config.md
workflow: 15
---
# Riferimento della configurazione della memoria
# Riferimento di configurazione della memoria
Questa pagina elenca tutte le opzioni di configurazione per la ricerca nella memoria di OpenClaw. Per
le panoramiche concettuali, vedi:
Questa pagina elenca tutte le opzioni di configurazione per la ricerca nella memoria di OpenClaw. Per panoramiche concettuali, vedi:
- [Panoramica della memoria](/it/concepts/memory) -- come funziona la memoria
- [Motore integrato](/it/concepts/memory-builtin) -- backend SQLite predefinito
- [Motore QMD](/it/concepts/memory-qmd) -- sidecar local-first
- [Ricerca nella memoria](/it/concepts/memory-search) -- pipeline di ricerca e regolazione
- [Active Memory](/it/concepts/active-memory) -- abilitazione del sotto-agente di memoria per le sessioni interattive
- [Motore QMD](/it/concepts/memory-qmd) -- sidecar locale-first
- [Ricerca nella memoria](/it/concepts/memory-search) -- pipeline di ricerca e ottimizzazione
- [Active Memory](/it/concepts/active-memory) -- abilitazione del sottoagente di memoria per sessioni interattive
Tutte le impostazioni di ricerca nella memoria si trovano sotto `agents.defaults.memorySearch` in
Tutte le impostazioni della ricerca nella memoria si trovano sotto `agents.defaults.memorySearch` in
`openclaw.json`, salvo diversa indicazione.
Se stai cercando l'interruttore della funzionalità **Active Memory** e la configurazione del sotto-agente,
Se stai cercando l'interruttore della funzionalità **active memory** e la configurazione del sottoagente,
si trovano sotto `plugins.entries.active-memory` invece che sotto `memorySearch`.
Active Memory usa un modello a due gate:
Active memory usa un modello a due condizioni:
1. il Plugin deve essere abilitato e puntare all'ID agente corrente
2. la richiesta deve essere una sessione di chat persistente interattiva idonea
1. il plugin deve essere abilitato e puntare all'ID agente corrente
2. la richiesta deve essere una sessione di chat interattiva persistente idonea
Vedi [Active Memory](/it/concepts/active-memory) per il modello di attivazione,
la configurazione posseduta dal Plugin, la persistenza delle trascrizioni e il modello di rollout sicuro.
Consulta [Active Memory](/it/concepts/active-memory) per il modello di attivazione,
la configurazione gestita dal plugin, la persistenza delle trascrizioni e il modello di distribuzione sicura.
---
## Selezione del provider
| Chiave | Tipo | Predefinito | Descrizione |
| ---------- | --------- | ---------------- | ------------------------------------------------------------------------------------------- |
| `provider` | `string` | rilevato automaticamente | ID dell'adattatore di embedding: `openai`, `gemini`, `voyage`, `mistral`, `bedrock`, `ollama`, `local` |
| `model` | `string` | provider predefinito | Nome del modello di embedding |
| `fallback` | `string` | `"none"` | ID dell'adattatore di fallback quando quello principale fallisce |
| `enabled` | `boolean` | `true` | Abilita o disabilita la ricerca nella memoria |
| Chiave | Tipo | Predefinito | Descrizione |
| ---------- | --------- | ---------------- | ------------------------------------------------------------------------------------------------------------- |
| `provider` | `string` | rilevato automaticamente | ID dell'adattatore di embeddings: `bedrock`, `gemini`, `github-copilot`, `local`, `mistral`, `ollama`, `openai`, `voyage` |
| `model` | `string` | predefinito del provider | Nome del modello di embeddings |
| `fallback` | `string` | `"none"` | ID dell'adattatore di fallback quando quello primario fallisce |
| `enabled` | `boolean` | `true` | Abilita o disabilita la ricerca nella memoria |
### Ordine di rilevamento automatico
Quando `provider` non è impostato, OpenClaw seleziona il primo disponibile:
1. `local` -- se `memorySearch.local.modelPath` è configurato e il file esiste.
2. `openai` -- se è possibile risolvere una chiave OpenAI.
3. `gemini` -- se è possibile risolvere una chiave Gemini.
4. `voyage` -- se è possibile risolvere una chiave Voyage.
5. `mistral` -- se è possibile risolvere una chiave Mistral.
6. `bedrock` -- se la catena di credenziali predefinita dell'SDK AWS viene risolta (ruolo istanza, chiavi di accesso, profilo, SSO, web identity o configurazione condivisa).
2. `github-copilot` -- se è possibile risolvere un token GitHub Copilot (variabile d'ambiente o profilo di autenticazione).
3. `openai` -- se è possibile risolvere una chiave OpenAI.
4. `gemini` -- se è possibile risolvere una chiave Gemini.
5. `voyage` -- se è possibile risolvere una chiave Voyage.
6. `mistral` -- se è possibile risolvere una chiave Mistral.
7. `bedrock` -- se la catena di credenziali AWS SDK si risolve (ruolo istanza, chiavi di accesso, profilo, SSO, identità web o configurazione condivisa).
`ollama` è supportato ma non viene rilevato automaticamente (impostalo esplicitamente).
### Risoluzione della chiave API
Gli embedding remoti richiedono una chiave API. Bedrock usa invece la catena di
credenziali predefinita dell'SDK AWS (ruoli istanza, SSO, chiavi di accesso).
Gli embeddings remoti richiedono una chiave API. Bedrock usa invece la catena di credenziali
predefinita dell'AWS SDK (ruoli istanza, SSO, chiavi di accesso).
| Provider | Variabile env | Chiave config |
| -------- | ----------------------------- | ---------------------------------- |
| 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 | Catena di credenziali AWS | Nessuna chiave API necessaria |
| Ollama | `OLLAMA_API_KEY` (segnaposto) | -- |
| Provider | Variabile d'ambiente | Chiave di configurazione |
| -------------- | ------------------------------------------------- | --------------------------------- |
| Bedrock | catena di credenziali AWS | Nessuna chiave API necessaria |
| Gemini | `GEMINI_API_KEY` | `models.providers.google.apiKey` |
| GitHub Copilot | `COPILOT_GITHUB_TOKEN`, `GH_TOKEN`, `GITHUB_TOKEN` | Profilo di autenticazione tramite login del dispositivo |
| Mistral | `MISTRAL_API_KEY` | `models.providers.mistral.apiKey` |
| Ollama | `OLLAMA_API_KEY` (segnaposto) | -- |
| OpenAI | `OPENAI_API_KEY` | `models.providers.openai.apiKey` |
| Voyage | `VOYAGE_API_KEY` | `models.providers.voyage.apiKey` |
Codex OAuth copre solo chat/completions e non soddisfa le richieste di embedding.
OAuth di Codex copre solo chat/completions e non soddisfa le richieste di
embeddings.
---
@ -86,11 +88,11 @@ Codex OAuth copre solo chat/completions e non soddisfa le richieste di embedding
Per endpoint personalizzati compatibili con OpenAI o per sovrascrivere i valori predefiniti del provider:
| Chiave | Tipo | Descrizione |
| ---------------- | -------- | -------------------------------------------------- |
| `remote.baseUrl` | `string` | URL di base API personalizzato |
| `remote.apiKey` | `string` | Sovrascrive la chiave API |
| `remote.headers` | `object` | Header HTTP aggiuntivi (uniti con i valori predefiniti del provider) |
| Chiave | Tipo | Descrizione |
| ------------------ | -------- | ------------------------------------------------ |
| `remote.baseUrl` | `string` | URL base API personalizzato |
| `remote.apiKey` | `string` | Sovrascrive la chiave API |
| `remote.headers` | `object` | Header HTTP aggiuntivi (uniti ai valori predefiniti del provider) |
```json5
{
@ -119,15 +121,15 @@ Per endpoint personalizzati compatibili con OpenAI o per sovrascrivere i valori
| `outputDimensionality` | `number` | `3072` | Per Embedding 2: 768, 1536 o 3072 |
<Warning>
Cambiare il modello o `outputDimensionality` attiva automaticamente una reindicizzazione completa.
La modifica del modello o di `outputDimensionality` attiva automaticamente una reindicizzazione completa.
</Warning>
---
## Configurazione degli embedding Bedrock
## Configurazione degli embeddings Bedrock
Bedrock usa la catena di credenziali predefinita dell'SDK AWS -- non servono chiavi API.
Se OpenClaw viene eseguito su EC2 con un ruolo istanza abilitato per Bedrock, basta impostare
Bedrock usa la catena di credenziali predefinita dell'AWS SDK -- non servono chiavi API.
Se OpenClaw è in esecuzione su EC2 con un ruolo istanza abilitato per Bedrock, imposta semplicemente
provider e modello:
```json5
@ -143,48 +145,48 @@ provider e modello:
}
```
| Chiave | Tipo | Predefinito | Descrizione |
| ---------------------- | -------- | ------------------------------ | ------------------------------- |
| `model` | `string` | `amazon.titan-embed-text-v2:0` | Qualsiasi ID modello embedding Bedrock |
| `outputDimensionality` | `number` | modello predefinito | Per Titan V2: 256, 512 o 1024 |
| Chiave | Tipo | Predefinito | Descrizione |
| ---------------------- | -------- | ----------------------------- | ------------------------------ |
| `model` | `string` | `amazon.titan-embed-text-v2:0` | Qualsiasi ID modello di embeddings Bedrock |
| `outputDimensionality` | `number` | predefinito del modello | Per Titan V2: 256, 512 o 1024 |
### Modelli supportati
Sono supportati i seguenti modelli (con rilevamento della famiglia e valori dimensionali
predefiniti):
| ID modello | Provider | Dim predefinite | Dim configurabili |
| ------------------------------------------ | ---------- | --------------- | -------------------- |
| `amazon.titan-embed-text-v2:0` | Amazon | 1024 | 256, 512, 1024 |
| `amazon.titan-embed-text-v1` | Amazon | 1536 | -- |
| `amazon.titan-embed-g1-text-02` | Amazon | 1536 | -- |
| `amazon.titan-embed-image-v1` | Amazon | 1024 | -- |
| `amazon.nova-2-multimodal-embeddings-v1:0` | Amazon | 1024 | 256, 384, 1024, 3072 |
| `cohere.embed-english-v3` | Cohere | 1024 | -- |
| `cohere.embed-multilingual-v3` | Cohere | 1024 | -- |
| `cohere.embed-v4:0` | Cohere | 1536 | 256-1536 |
| `twelvelabs.marengo-embed-3-0-v1:0` | TwelveLabs | 512 | -- |
| `twelvelabs.marengo-embed-2-7-v1:0` | TwelveLabs | 1024 | -- |
| ID modello | Provider | Dims predefinite | Dims configurabili |
| ------------------------------------------- | ---------- | ---------------- | -------------------- |
| `amazon.titan-embed-text-v2:0` | Amazon | 1024 | 256, 512, 1024 |
| `amazon.titan-embed-text-v1` | Amazon | 1536 | -- |
| `amazon.titan-embed-g1-text-02` | Amazon | 1536 | -- |
| `amazon.titan-embed-image-v1` | Amazon | 1024 | -- |
| `amazon.nova-2-multimodal-embeddings-v1:0` | Amazon | 1024 | 256, 384, 1024, 3072 |
| `cohere.embed-english-v3` | Cohere | 1024 | -- |
| `cohere.embed-multilingual-v3` | Cohere | 1024 | -- |
| `cohere.embed-v4:0` | Cohere | 1536 | 256-1536 |
| `twelvelabs.marengo-embed-3-0-v1:0` | TwelveLabs | 512 | -- |
| `twelvelabs.marengo-embed-2-7-v1:0` | TwelveLabs | 1024 | -- |
Le varianti con suffisso di throughput (ad esempio `amazon.titan-embed-text-v1:2:8k`) ereditano
la configurazione del modello di base.
la configurazione del modello base.
### Autenticazione
L'autenticazione Bedrock usa l'ordine standard di risoluzione delle credenziali dell'SDK AWS:
L'autenticazione Bedrock usa l'ordine standard di risoluzione delle credenziali AWS SDK:
1. Variabili d'ambiente (`AWS_ACCESS_KEY_ID` + `AWS_SECRET_ACCESS_KEY`)
2. Cache del token SSO
3. Credenziali del token web identity
3. Credenziali del token di identità web
4. File condivisi di credenziali e configurazione
5. Credenziali dei metadata ECS o EC2
5. Credenziali dei metadati ECS o EC2
La regione viene risolta da `AWS_REGION`, `AWS_DEFAULT_REGION`, dal
`baseUrl` del provider `amazon-bedrock`, oppure usa come valore predefinito `us-east-1`.
`baseUrl` del provider `amazon-bedrock`, oppure per impostazione predefinita da `us-east-1`.
### Permessi IAM
Il ruolo IAM o l'utente deve avere:
Il ruolo o l'utente IAM necessita di:
```json
{
@ -202,15 +204,15 @@ arn:aws:bedrock:*::foundation-model/amazon.titan-embed-text-v2:0
---
## Configurazione degli embedding locali
## Configurazione degli embeddings locali
| Chiave | Tipo | Predefinito | Descrizione |
| --------------------- | -------- | ---------------------- | ------------------------------- |
| Chiave | Tipo | Predefinito | Descrizione |
| --------------------- | -------- | ---------------------- | ------------------------------ |
| `local.modelPath` | `string` | scaricato automaticamente | Percorso del file modello GGUF |
| `local.modelCacheDir` | `string` | predefinito node-llama-cpp | Directory cache per i modelli scaricati |
| `local.modelCacheDir` | `string` | predefinito di node-llama-cpp | Directory cache per i modelli scaricati |
Modello predefinito: `embeddinggemma-300m-qat-Q8_0.gguf` (~0.6 GB, scaricato automaticamente).
Richiede build nativa: `pnpm approve-builds` poi `pnpm rebuild node-llama-cpp`.
Modello predefinito: `embeddinggemma-300m-qat-Q8_0.gguf` (~0,6 GB, scaricato automaticamente).
Richiede una build nativa: `pnpm approve-builds` poi `pnpm rebuild node-llama-cpp`.
---
@ -218,11 +220,11 @@ Richiede build nativa: `pnpm approve-builds` poi `pnpm rebuild node-llama-cpp`.
Tutto sotto `memorySearch.query.hybrid`:
| Chiave | Tipo | Predefinito | Descrizione |
| --------------------- | --------- | ----------- | ----------------------------------- |
| Chiave | Tipo | Predefinito | Descrizione |
| --------------------- | --------- | ----------- | ---------------------------------- |
| `enabled` | `boolean` | `true` | Abilita la ricerca ibrida BM25 + vettoriale |
| `vectorWeight` | `number` | `0.7` | Peso per i punteggi vettoriali (0-1) |
| `textWeight` | `number` | `0.3` | Peso per i punteggi BM25 (0-1) |
| `textWeight` | `number` | `0.3` | Peso per i punteggi BM25 (0-1) |
| `candidateMultiplier` | `number` | `4` | Moltiplicatore della dimensione del pool di candidati |
### MMR (diversità)
@ -230,16 +232,16 @@ Tutto sotto `memorySearch.query.hybrid`:
| Chiave | Tipo | Predefinito | Descrizione |
| ------------- | --------- | ----------- | ------------------------------------ |
| `mmr.enabled` | `boolean` | `false` | Abilita il reranking MMR |
| `mmr.lambda` | `number` | `0.7` | 0 = massima diversità, 1 = massima rilevanza |
| `mmr.lambda` | `number` | `0.7` | 0 = massima diversità, 1 = massima pertinenza |
### Decadimento temporale (recency)
### Decadimento temporale (recenza)
| Chiave | Tipo | Predefinito | Descrizione |
| ---------------------------- | --------- | ----------- | ------------------------------ |
| `temporalDecay.enabled` | `boolean` | `false` | Abilita il boost della recency |
| Chiave | Tipo | Predefinito | Descrizione |
| ---------------------------- | --------- | ----------- | -------------------------- |
| `temporalDecay.enabled` | `boolean` | `false` | Abilita il boost di recenza |
| `temporalDecay.halfLifeDays` | `number` | `30` | Il punteggio si dimezza ogni N giorni |
I file evergreen (`MEMORY.md`, file senza data in `memory/`) non subiscono mai decadimento.
I file evergreen (`MEMORY.md`, file non datati in `memory/`) non subiscono mai decadimento.
### Esempio completo
@ -266,8 +268,8 @@ I file evergreen (`MEMORY.md`, file senza data in `memory/`) non subiscono mai d
## Percorsi di memoria aggiuntivi
| Chiave | Tipo | Descrizione |
| ------------ | ---------- | ----------------------------------------- |
| Chiave | Tipo | Descrizione |
| ----------- | ---------- | ----------------------------------------- |
| `extraPaths` | `string[]` | Directory o file aggiuntivi da indicizzare |
```json5
@ -282,16 +284,16 @@ I file evergreen (`MEMORY.md`, file senza data in `memory/`) non subiscono mai d
}
```
I percorsi possono essere assoluti o relativi al workspace. Le directory vengono scansionate
I percorsi possono essere assoluti o relativi allo spazio di lavoro. Le directory vengono analizzate
ricorsivamente per i file `.md`. La gestione dei collegamenti simbolici dipende dal backend attivo:
il motore integrato ignora i collegamenti simbolici, mentre QMD segue il comportamento dello
scanner QMD sottostante.
il motore integrato ignora i symlink, mentre QMD segue il comportamento dello scanner QMD
sottostante.
Per la ricerca di trascrizioni cross-agent con ambito agente, usa
Per la ricerca di trascrizioni tra agenti con ambito agente, usa
`agents.list[].memorySearch.qmd.extraCollections` invece di `memory.qmd.paths`.
Queste raccolte aggiuntive seguono la stessa forma `{ path, name, pattern? }`, ma
vengono unite per agente e possono conservare nomi condivisi espliciti quando il percorso
punta fuori dal workspace corrente.
Queste raccolte aggiuntive seguono la stessa struttura `{ path, name, pattern? }`, ma
vengono unite per agente e possono preservare nomi condivisi espliciti quando il percorso
punta fuori dallo spazio di lavoro corrente.
Se lo stesso percorso risolto appare sia in `memory.qmd.paths` sia in
`memorySearch.qmd.extraCollections`, QMD mantiene la prima voce e salta il
duplicato.
@ -302,10 +304,10 @@ duplicato.
Indicizza immagini e audio insieme al Markdown usando Gemini Embedding 2:
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------------- | ---------- | ----------- | ----------------------------------------- |
| `multimodal.enabled` | `boolean` | `false` | Abilita l'indicizzazione multimodale |
| `multimodal.modalities` | `string[]` | -- | `["image"]`, `["audio"]` oppure `["all"]` |
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------------- | ---------- | ----------- | -------------------------------------- |
| `multimodal.enabled` | `boolean` | `false` | Abilita l'indicizzazione multimodale |
| `multimodal.modalities` | `string[]` | -- | `["image"]`, `["audio"]` o `["all"]` |
| `multimodal.maxFileBytes` | `number` | `10000000` | Dimensione massima del file per l'indicizzazione |
Si applica solo ai file in `extraPaths`. Le radici di memoria predefinite restano solo Markdown.
@ -316,67 +318,66 @@ Formati supportati: `.jpg`, `.jpeg`, `.png`, `.webp`, `.gif`, `.heic`, `.heif`
---
## Cache degli embedding
## Cache degli embeddings
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------ | --------- | ----------- | -------------------------------- |
| `cache.enabled` | `boolean` | `false` | Memorizza in cache gli embedding dei chunk in SQLite |
| `cache.maxEntries` | `number` | `50000` | Numero massimo di embedding in cache |
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------ | --------- | ----------- | ------------------------------------- |
| `cache.enabled` | `boolean` | `false` | Memorizza nella cache gli embeddings dei blocchi in SQLite |
| `cache.maxEntries` | `number` | `50000` | Numero massimo di embeddings nella cache |
Impedisce il re-embedding di testo invariato durante la reindicizzazione o gli aggiornamenti delle trascrizioni.
Impedisce di ricalcolare gli embeddings per testo invariato durante la reindicizzazione o gli aggiornamenti delle trascrizioni.
---
## Indicizzazione batch
## Indicizzazione in batch
| Chiave | Tipo | Predefinito | Descrizione |
| ----------------------------- | --------- | ----------- | -------------------------- |
| `remote.batch.enabled` | `boolean` | `false` | Abilita l'API di embedding batch |
| `remote.batch.concurrency` | `number` | `2` | Job batch paralleli |
| Chiave | Tipo | Predefinito | Descrizione |
| ----------------------------- | --------- | ----------- | ------------------------------- |
| `remote.batch.enabled` | `boolean` | `false` | Abilita l'API di embeddings in batch |
| `remote.batch.concurrency` | `number` | `2` | Job batch paralleli |
| `remote.batch.wait` | `boolean` | `true` | Attende il completamento del batch |
| `remote.batch.pollIntervalMs` | `number` | -- | Intervallo di polling |
| `remote.batch.timeoutMinutes` | `number` | -- | Timeout del batch |
| `remote.batch.pollIntervalMs` | `number` | -- | Intervallo di polling |
| `remote.batch.timeoutMinutes` | `number` | -- | Timeout del batch |
Disponibile per `openai`, `gemini` e `voyage`. Il batch OpenAI è tipicamente
il più veloce e conveniente per grandi backfill.
Disponibile per `openai`, `gemini` e `voyage`. Il batch OpenAI è in genere
il più veloce ed economico per backfill di grandi dimensioni.
---
## Ricerca nella memoria delle sessioni (sperimentale)
Indicizza le trascrizioni delle sessioni e le espone tramite `memory_search`:
Indicizza le trascrizioni delle sessioni e le rende disponibili tramite `memory_search`:
| Chiave | Tipo | Predefinito | Descrizione |
| --------------------------- | ---------- | ------------ | --------------------------------------- |
| `experimental.sessionMemory` | `boolean` | `false` | Abilita l'indicizzazione delle sessioni |
| `sources` | `string[]` | `["memory"]` | Aggiungi `"sessions"` per includere le trascrizioni |
| `sync.sessions.deltaBytes` | `number` | `100000` | Soglia in byte per la reindicizzazione |
| `sync.sessions.deltaMessages` | `number` | `50` | Soglia in messaggi per la reindicizzazione |
| Chiave | Tipo | Predefinito | Descrizione |
| --------------------------- | ---------- | ------------ | ---------------------------------------- |
| `experimental.sessionMemory` | `boolean` | `false` | Abilita l'indicizzazione delle sessioni |
| `sources` | `string[]` | `["memory"]` | Aggiungi `"sessions"` per includere le trascrizioni |
| `sync.sessions.deltaBytes` | `number` | `100000` | Soglia in byte per la reindicizzazione |
| `sync.sessions.deltaMessages` | `number` | `50` | Soglia in messaggi per la reindicizzazione |
L'indicizzazione delle sessioni è opt-in e viene eseguita in modo asincrono. I risultati possono essere leggermente
non aggiornati. I log delle sessioni risiedono su disco, quindi considera l'accesso al filesystem come il confine
di fiducia.
obsoleti. I log delle sessioni risiedono su disco, quindi considera l'accesso al filesystem come limite di attendibilità.
---
## Accelerazione vettoriale SQLite (`sqlite-vec`)
## Accelerazione vettoriale SQLite (sqlite-vec)
| Chiave | Tipo | Predefinito | Descrizione |
| -------------------------- | --------- | ----------- | --------------------------------- |
| `store.vector.enabled` | `boolean` | `true` | Usa sqlite-vec per le query vettoriali |
| `store.vector.extensionPath` | `string` | bundle | Sovrascrive il percorso di sqlite-vec |
| `store.vector.enabled` | `boolean` | `true` | Usa sqlite-vec per le query vettoriali |
| `store.vector.extensionPath` | `string` | bundled | Sovrascrive il percorso di sqlite-vec |
Quando sqlite-vec non è disponibile, OpenClaw torna automaticamente alla
Quando sqlite-vec non è disponibile, OpenClaw passa automaticamente alla
similarità coseno in-process.
---
## Archiviazione dell'indice
| Chiave | Tipo | Predefinito | Descrizione |
| --------------------- | -------- | ------------------------------------- | ------------------------------------------- |
| `store.path` | `string` | `~/.openclaw/memory/{agentId}.sqlite` | Posizione dell'indice (supporta il token `{agentId}`) |
| `store.fts.tokenizer` | `string` | `unicode61` | Tokenizer FTS5 (`unicode61` o `trigram`) |
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------- | -------- | ------------------------------------- | -------------------------------------------- |
| `store.path` | `string` | `~/.openclaw/memory/{agentId}.sqlite` | Posizione dell'indice (supporta il token `{agentId}`) |
| `store.fts.tokenizer` | `string` | `unicode61` | Tokenizer FTS5 (`unicode61` o `trigram`) |
---
@ -395,40 +396,40 @@ Imposta `memory.backend = "qmd"` per abilitarlo. Tutte le impostazioni QMD si tr
| `sessions.retentionDays` | `number` | -- | Conservazione delle trascrizioni |
| `sessions.exportDir` | `string` | -- | Directory di esportazione |
OpenClaw preferisce le forme correnti delle raccolte QMD e delle query MCP, ma continua
a far funzionare le release più vecchie di QMD usando il fallback verso i flag legacy delle raccolte `--mask`
e i vecchi nomi degli strumenti MCP quando necessario.
OpenClaw preferisce le forme correnti di raccolta QMD e query MCP, ma mantiene
compatibili anche le versioni precedenti di QMD ripiegando sui flag legacy di raccolta `--mask`
e sui nomi più vecchi degli strumenti MCP quando necessario.
Gli override dei modelli QMD restano sul lato QMD, non nella configurazione OpenClaw. Se hai bisogno di
Le sovrascritture dei modelli QMD restano sul lato QMD, non nella configurazione di OpenClaw. Se devi
sovrascrivere globalmente i modelli di QMD, imposta variabili d'ambiente come
`QMD_EMBED_MODEL`, `QMD_RERANK_MODEL` e `QMD_GENERATE_MODEL` nell'ambiente di runtime
del gateway.
`QMD_EMBED_MODEL`, `QMD_RERANK_MODEL` e `QMD_GENERATE_MODEL` nell'ambiente
runtime del Gateway.
### Pianificazione degli aggiornamenti
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------------- | --------- | ----------- | ---------------------------------------- |
| `update.interval` | `string` | `5m` | Intervallo di aggiornamento |
| `update.debounceMs` | `number` | `15000` | Debounce delle modifiche ai file |
| `update.onBoot` | `boolean` | `true` | Aggiorna all'avvio |
| `update.waitForBootSync` | `boolean` | `false` | Blocca l'avvio finché l'aggiornamento non è completato |
| `update.embedInterval` | `string` | -- | Cadenza separata per gli embedding |
| `update.commandTimeoutMs` | `number` | -- | Timeout per i comandi QMD |
| `update.updateTimeoutMs` | `number` | -- | Timeout per le operazioni `qmd update` |
| `update.embedTimeoutMs` | `number` | -- | Timeout per le operazioni `qmd embed` |
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------------- | --------- | ----------- | -------------------------------------- |
| `update.interval` | `string` | `5m` | Intervallo di aggiornamento |
| `update.debounceMs` | `number` | `15000` | Debounce delle modifiche ai file |
| `update.onBoot` | `boolean` | `true` | Aggiorna all'avvio |
| `update.waitForBootSync` | `boolean` | `false` | Blocca l'avvio finché l'aggiornamento non è completo |
| `update.embedInterval` | `string` | -- | Cadenza separata per gli embeddings |
| `update.commandTimeoutMs` | `number` | -- | Timeout per i comandi QMD |
| `update.updateTimeoutMs` | `number` | -- | Timeout per le operazioni di aggiornamento QMD |
| `update.embedTimeoutMs` | `number` | -- | Timeout per le operazioni di embedding QMD |
### Limiti
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------------- | -------- | ----------- | ------------------------------- |
| Chiave | Tipo | Predefinito | Descrizione |
| ------------------------- | -------- | ----------- | ------------------------------ |
| `limits.maxResults` | `number` | `6` | Numero massimo di risultati di ricerca |
| `limits.maxSnippetChars` | `number` | -- | Limita la lunghezza dello snippet |
| `limits.maxInjectedChars` | `number` | -- | Limita il totale dei caratteri inseriti |
| `limits.timeoutMs` | `number` | `4000` | Timeout della ricerca |
| `limits.maxInjectedChars` | `number` | -- | Limita il totale dei caratteri iniettati |
| `limits.timeoutMs` | `number` | `4000` | Timeout della ricerca |
### Ambito
Controlla quali sessioni possono ricevere i risultati di ricerca QMD. Stesso schema di
Controlla quali sessioni possono ricevere risultati di ricerca QMD. Stesso schema di
[`session.sendPolicy`](/it/gateway/configuration-reference#session):
```json5
@ -447,17 +448,17 @@ Controlla quali sessioni possono ricevere i risultati di ricerca QMD. Stesso sch
Il valore predefinito distribuito consente sessioni dirette e di canale, continuando però a negare
i gruppi.
Il valore predefinito è solo DM. `match.keyPrefix` confronta la chiave di sessione normalizzata;
`match.rawKeyPrefix` confronta la chiave grezza inclusa `agent:<id>:`.
Il valore predefinito è solo DM. `match.keyPrefix` corrisponde alla chiave di sessione normalizzata;
`match.rawKeyPrefix` corrisponde alla chiave grezza inclusa `agent:<id>:`.
### Citazioni
`memory.citations` si applica a tutti i backend:
| Valore | Comportamento |
| ---------------- | ----------------------------------------------------- |
| Valore | Comportamento |
| ---------------- | -------------------------------------------------- |
| `auto` (predefinito) | Include il piè di pagina `Source: <path#line>` negli snippet |
| `on` | Include sempre il piè di pagina |
| `on` | Include sempre il piè di pagina |
| `off` | Omette il piè di pagina (il percorso viene comunque passato internamente all'agente) |
### Esempio completo QMD
@ -483,22 +484,22 @@ Il valore predefinito è solo DM. `match.keyPrefix` confronta la chiave di sessi
---
## Dreaming (sperimentale)
## Dreaming
Dreaming è configurato sotto `plugins.entries.memory-core.config.dreaming`,
non sotto `agents.defaults.memorySearch`.
Dreaming viene eseguito come una scansione pianificata unica e usa internamente le fasi light/deep/REM come
Dreaming viene eseguito come una singola scansione pianificata e usa fasi interne light/deep/REM come
dettaglio di implementazione.
Per il comportamento concettuale e i comandi slash, vedi [Dreaming](/it/concepts/dreaming).
Per il comportamento concettuale e i comandi slash, consulta [Dreaming](/it/concepts/dreaming).
### Impostazioni utente
| Chiave | Tipo | Predefinito | Descrizione |
| ----------- | --------- | ----------- | --------------------------------------------------- |
| `enabled` | `boolean` | `false` | Abilita o disabilita completamente Dreaming |
| `frequency` | `string` | `0 3 * * *` | Cadenza Cron facoltativa per la scansione completa di Dreaming |
| Chiave | Tipo | Predefinito | Descrizione |
| ----------- | --------- | ----------- | ------------------------------------------------- |
| `enabled` | `boolean` | `false` | Abilita o disabilita completamente Dreaming |
| `frequency` | `string` | `0 3 * * *` | Cadenza Cron opzionale per la scansione completa di Dreaming |
### Esempio
@ -522,5 +523,5 @@ Per il comportamento concettuale e i comandi slash, vedi [Dreaming](/it/concepts
Note:
- Dreaming scrive lo stato macchina in `memory/.dreams/`.
- Dreaming scrive output narrativo leggibile da umani in `DREAMS.md` (o `dreams.md` esistente).
- La policy delle fasi light/deep/REM e le soglie sono comportamento interno, non configurazione esposta all'utente.
- Dreaming scrive output narrativo leggibile da esseri umani in `DREAMS.md` (o `dreams.md` esistente).
- La policy e le soglie delle fasi light/deep/REM sono comportamenti interni, non configurazione esposta all'utente.

170
docs/it/reference/wizard.md
View File

@ -1,21 +1,21 @@
---
read_when:
- Cerchi uno specifico passaggio o flag dell'onboarding
- Vuoi automatizzare l'onboarding con la modalità non interattiva
- Stai eseguendo il debug del comportamento dell'onboarding
- Ricerca di un passaggio o di una flag di onboarding specifici
- Automatizzare l'onboarding con la modalità non interattiva
- Debug del comportamento di onboarding
sidebarTitle: Onboarding Reference
summary: 'Riferimento completo per l''onboarding CLI: ogni passaggio, flag e campo di configurazione'
title: Riferimento dell'onboarding
summary: 'Riferimento completo per l''onboarding della CLI: ogni passaggio, flag e campo di configurazione'
title: Riferimento per l'onboarding
x-i18n:
generated_at: "2026-04-07T08:17:58Z"
generated_at: "2026-04-15T14:40:55Z"
model: gpt-5.4
provider: openai
source_hash: a142b9ec4323fabb9982d05b64375d2b4a4007dffc910acbee3a38ff871a7236
source_hash: 1db3ff789422617634e6624f9d12c18b6a6c573721226b9c0fa6f6b7956ef33d
source_path: reference/wizard.md
workflow: 15
---
# Riferimento dell'onboarding
# Riferimento per l'onboarding
Questo è il riferimento completo per `openclaw onboard`.
Per una panoramica di alto livello, vedi [Onboarding (CLI)](/it/start/wizard).
@ -25,112 +25,112 @@ Per una panoramica di alto livello, vedi [Onboarding (CLI)](/it/start/wizard).
<Steps>
<Step title="Rilevamento della configurazione esistente">
- Se `~/.openclaw/openclaw.json` esiste, scegli **Mantieni / Modifica / Reimposta**.
- Rieseguire l'onboarding **non** cancella nulla a meno che tu non scelga esplicitamente **Reimposta**
- Eseguire di nuovo l'onboarding **non** cancella nulla a meno che tu non scelga esplicitamente **Reimposta**
(o passi `--reset`).
- `--reset` nella CLI usa come valore predefinito `config+creds+sessions`; usa `--reset-scope full`
- L'opzione CLI `--reset` usa per impostazione predefinita `config+creds+sessions`; usa `--reset-scope full`
per rimuovere anche il workspace.
- Se la configurazione non è valida o contiene chiavi legacy, il wizard si interrompe e ti chiede
- Se la configurazione non è valida o contiene chiavi legacy, la procedura guidata si interrompe e ti chiede
di eseguire `openclaw doctor` prima di continuare.
- La reimpostazione usa `trash` (mai `rm`) e offre questi ambiti:
- Solo configurazione
- Configurazione + credenziali + sessioni
- Reimpostazione completa (rimuove anche il workspace)
</Step>
<Step title="Modello/Auth">
- **Chiave API Anthropic**: usa `ANTHROPIC_API_KEY` se presente oppure richiede una chiave, poi la salva per l'uso da parte del daemon.
- **Chiave API Anthropic**: scelta assistente Anthropic preferita in onboarding/configure.
- **Setup-token Anthropic**: ancora disponibile in onboarding/configure, anche se OpenClaw ora preferisce il riuso di Claude CLI quando disponibile.
- **Abbonamento OpenAI Code (Codex) (Codex CLI)**: se esiste `~/.codex/auth.json`, l'onboarding può riutilizzarlo. Le credenziali Codex CLI riutilizzate restano gestite da Codex CLI; alla scadenza OpenClaw rilegge prima quella sorgente e, quando il provider può aggiornarla, riscrive la credenziale aggiornata nello storage Codex invece di assumerne direttamente la gestione.
- **Abbonamento OpenAI Code (Codex) (OAuth)**: flusso browser; incolla `code#state`.
- Imposta `agents.defaults.model` su `openai-codex/gpt-5.4` quando il modello non è impostato oppure è `openai/*`.
- **Chiave API OpenAI**: usa `OPENAI_API_KEY` se presente oppure richiede una chiave, poi la archivia nei profili auth.
<Step title="Modello/Autenticazione">
- **Chiave API Anthropic**: usa `ANTHROPIC_API_KEY` se presente oppure richiede una chiave, quindi la salva per l'uso del daemon.
- **Chiave API Anthropic**: scelta preferita dell'assistente Anthropic in onboarding/configurazione.
- **Setup-token Anthropic**: ancora disponibile in onboarding/configurazione, anche se OpenClaw ora preferisce il riutilizzo della CLI Claude quando disponibile.
- **Abbonamento OpenAI Code (Codex) (Codex CLI)**: se `~/.codex/auth.json` esiste, l'onboarding può riutilizzarlo. Le credenziali Codex CLI riutilizzate restano gestite da Codex CLI; alla scadenza OpenClaw rilegge prima quella fonte e, quando il provider può aggiornarla, scrive di nuovo la credenziale aggiornata nello storage di Codex invece di assumerne direttamente la gestione.
- **Abbonamento OpenAI Code (Codex) (OAuth)**: flusso via browser; incolla `code#state`.
- Imposta `agents.defaults.model` su `openai-codex/gpt-5.4` quando il modello non è impostato o è `openai/*`.
- **Chiave API OpenAI**: usa `OPENAI_API_KEY` se presente oppure richiede una chiave, quindi la memorizza nei profili di autenticazione.
- Imposta `agents.defaults.model` su `openai/gpt-5.4` quando il modello non è impostato, è `openai/*` oppure `openai-codex/*`.
- **Chiave API xAI (Grok)**: richiede `XAI_API_KEY` e configura xAI come provider di modelli.
- **OpenCode**: richiede `OPENCODE_API_KEY` (o `OPENCODE_ZEN_API_KEY`, ottenibile da https://opencode.ai/auth) e ti permette di scegliere il catalogo Zen o Go.
- **Ollama**: richiede l'URL di base di Ollama, offre la modalità **Cloud + Local** o **Local**, rileva i modelli disponibili ed esegue automaticamente il pull del modello locale selezionato quando necessario.
- **OpenCode**: richiede `OPENCODE_API_KEY` (oppure `OPENCODE_ZEN_API_KEY`, ottienila su https://opencode.ai/auth) e ti consente di scegliere il catalogo Zen o Go.
- **Ollama**: propone prima **Cloud + Local**, **Solo cloud** oppure **Solo locale**. `Solo cloud` richiede `OLLAMA_API_KEY` e usa `https://ollama.com`; le modalità con host richiedono l'URL di base di Ollama, rilevano i modelli disponibili e scaricano automaticamente il modello locale selezionato quando necessario; `Cloud + Local` controlla anche se quell'host Ollama ha effettuato l'accesso per l'accesso cloud.
- Maggiori dettagli: [Ollama](/it/providers/ollama)
- **Chiave API**: archivia la chiave per te.
- **Chiave API**: memorizza la chiave per te.
- **Vercel AI Gateway (proxy multi-modello)**: richiede `AI_GATEWAY_API_KEY`.
- Maggiori dettagli: [Vercel AI Gateway](/it/providers/vercel-ai-gateway)
- **Cloudflare AI Gateway**: richiede Account ID, Gateway ID e `CLOUDFLARE_AI_GATEWAY_API_KEY`.
- Maggiori dettagli: [Cloudflare AI Gateway](/it/providers/cloudflare-ai-gateway)
- **MiniMax**: la configurazione viene scritta automaticamente; il valore predefinito hosted è `MiniMax-M2.7`.
La configurazione con chiave API usa `minimax/...`, e la configurazione OAuth usa
- **MiniMax**: la configurazione viene scritta automaticamente; il valore predefinito ospitato è `MiniMax-M2.7`.
La configurazione con chiave API usa `minimax/...`, mentre la configurazione OAuth usa
`minimax-portal/...`.
- Maggiori dettagli: [MiniMax](/it/providers/minimax)
- **StepFun**: la configurazione viene scritta automaticamente per StepFun standard o Step Plan su endpoint Cina o globali.
- Lo standard include attualmente `step-3.5-flash`, e Step Plan include anche `step-3.5-flash-2603`.
- Standard include attualmente `step-3.5-flash`, e Step Plan include anche `step-3.5-flash-2603`.
- Maggiori dettagli: [StepFun](/it/providers/stepfun)
- **Synthetic (compatibile con Anthropic)**: richiede `SYNTHETIC_API_KEY`.
- Maggiori dettagli: [Synthetic](/it/providers/synthetic)
- **Moonshot (Kimi K2)**: la configurazione viene scritta automaticamente.
- **Kimi Coding**: la configurazione viene scritta automaticamente.
- Maggiori dettagli: [Moonshot AI (Kimi + Kimi Coding)](/it/providers/moonshot)
- **Salta**: nessuna autenticazione ancora configurata.
- Scegli un modello predefinito tra le opzioni rilevate (oppure inserisci manualmente provider/model). Per la migliore qualità e un rischio minore di prompt injection, scegli il modello più potente e di ultima generazione disponibile nel tuo stack provider.
- L'onboarding esegue un controllo del modello e avvisa se il modello configurato è sconosciuto o manca l'autenticazione.
- La modalità di archiviazione predefinita delle chiavi API usa valori in chiaro nei profili auth. Usa `--secret-input-mode ref` per archiviare invece riferimenti basati su env (per esempio `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`).
- I profili auth si trovano in `~/.openclaw/agents/<agentId>/agent/auth-profiles.json` (chiavi API + OAuth). `~/.openclaw/credentials/oauth.json` è legacy e serve solo per l'importazione.
- **Salta**: nessuna autenticazione configurata al momento.
- Scegli un modello predefinito tra le opzioni rilevate (oppure inserisci manualmente provider/modello). Per la migliore qualità e un rischio inferiore di prompt injection, scegli il modello più forte e di ultima generazione disponibile nel tuo stack di provider.
- L'onboarding esegue un controllo del modello e avvisa se il modello configurato è sconosciuto o se manca l'autenticazione.
- La modalità di archiviazione della chiave API usa per impostazione predefinita valori in chiaro nei profili di autenticazione. Usa `--secret-input-mode ref` per memorizzare invece riferimenti basati su variabili di ambiente (ad esempio `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`).
- I profili di autenticazione si trovano in `~/.openclaw/agents/<agentId>/agent/auth-profiles.json` (chiavi API + OAuth). `~/.openclaw/credentials/oauth.json` è legacy e serve solo per l'importazione.
- Maggiori dettagli: [/concepts/oauth](/it/concepts/oauth)
<Note>
Suggerimento per ambienti headless/server: completa OAuth su una macchina con browser, poi copia
l'`auth-profiles.json` di quell'agente (per esempio
`~/.openclaw/agents/<agentId>/agent/auth-profiles.json`, o il percorso corrispondente
`$OPENCLAW_STATE_DIR/...`) sull'host gateway. `credentials/oauth.json`
è solo una sorgente legacy di importazione.
Suggerimento per headless/server: completa OAuth su una macchina con browser, poi copia
`auth-profiles.json` di quell'agente (ad esempio
`~/.openclaw/agents/<agentId>/agent/auth-profiles.json`, oppure il percorso
corrispondente `$OPENCLAW_STATE_DIR/...`) sull'host del gateway. `credentials/oauth.json`
è solo una fonte legacy per l'importazione.
</Note>
</Step>
<Step title="Workspace">
- Valore predefinito `~/.openclaw/workspace` (configurabile).
- Inizializza i file workspace necessari per il rituale di bootstrap dell'agente.
- Layout completo del workspace + guida ai backup: [Workspace dell'agente](/it/concepts/agent-workspace)
- Inizializza i file del workspace necessari per il rituale bootstrap dell'agente.
- Layout completo del workspace + guida al backup: [Workspace dell'agente](/it/concepts/agent-workspace)
</Step>
<Step title="Gateway">
- Porta, bind, modalità auth, esposizione Tailscale.
- Raccomandazione auth: mantieni **Token** anche per loopback così i client WS locali devono autenticarsi.
- Porta, bind, modalità di autenticazione, esposizione Tailscale.
- Raccomandazione per l'autenticazione: mantieni **Token** anche per loopback, così i client WS locali devono autenticarsi.
- In modalità token, la configurazione interattiva offre:
- **Genera/archivia token in chiaro** (predefinito)
- **Usa SecretRef** (opt-in)
- Quickstart riutilizza i SecretRef esistenti di `gateway.auth.token` nei provider `env`, `file` ed `exec` per probe di onboarding/bootstrap della dashboard.
- Se quel SecretRef è configurato ma non può essere risolto, l'onboarding fallisce subito con un chiaro messaggio di correzione invece di degradare silenziosamente l'auth runtime.
- In modalità password, anche la configurazione interattiva supporta l'archiviazione in chiaro o SecretRef.
- Percorso SecretRef del token in modalità non interattiva: `--gateway-token-ref-env <ENV_VAR>`.
- Richiede una variabile env non vuota nell'ambiente del processo di onboarding.
- **Genera/memorizza token in chiaro** (predefinito)
- **Usa SecretRef** (facoltativo)
- Quickstart riutilizza i SecretRef esistenti di `gateway.auth.token` nei provider `env`, `file` ed `exec` per la probe/dashboard bootstrap dell'onboarding.
- Se quel SecretRef è configurato ma non può essere risolto, l'onboarding fallisce subito con un chiaro messaggio di correzione invece di degradare silenziosamente l'autenticazione a runtime.
- In modalità password, la configurazione interattiva supporta anch'essa l'archiviazione in chiaro o SecretRef.
- Percorso SecretRef del token non interattivo: `--gateway-token-ref-env <ENV_VAR>`.
- Richiede una variabile di ambiente non vuota nell'ambiente del processo di onboarding.
- Non può essere combinato con `--gateway-token`.
- Disattiva l'autenticazione solo se ti fidi completamente di ogni processo locale.
- I bind non-loopback richiedono comunque l'autenticazione.
- Disabilita l'autenticazione solo se ti fidi completamente di ogni processo locale.
- I bind non loopback richiedono comunque l'autenticazione.
</Step>
<Step title="Canali">
- [WhatsApp](/it/channels/whatsapp): login QR facoltativo.
- [Telegram](/it/channels/telegram): token bot.
- [Discord](/it/channels/discord): token bot.
- [Google Chat](/it/channels/googlechat): JSON dell'account di servizio + audience del webhook.
- [Mattermost](/it/channels/mattermost) (plugin): token bot + URL di base.
- [Signal](/it/channels/signal): installazione facoltativa di `signal-cli` + configurazione account.
- [BlueBubbles](/it/channels/bluebubbles): **consigliato per iMessage**; URL server + password + webhook.
- [iMessage](/it/channels/imessage): percorso legacy `imsg` CLI + accesso al DB.
- Sicurezza DM: il valore predefinito è pairing. Il primo DM invia un codice; approvalo con `openclaw pairing approve <channel> <code>` oppure usa allowlist.
- [WhatsApp](/it/channels/whatsapp): accesso QR facoltativo.
- [Telegram](/it/channels/telegram): token del bot.
- [Discord](/it/channels/discord): token del bot.
- [Google Chat](/it/channels/googlechat): JSON dell'account di servizio + audience del Webhook.
- [Mattermost](/it/channels/mattermost) (Plugin): token del bot + URL di base.
- [Signal](/it/channels/signal): installazione facoltativa di `signal-cli` + configurazione dell'account.
- [BlueBubbles](/it/channels/bluebubbles): **consigliato per iMessage**; URL del server + password + Webhook.
- [iMessage](/it/channels/imessage): percorso della CLI `imsg` legacy + accesso DB.
- Sicurezza dei DM: il valore predefinito è l'abbinamento. Il primo DM invia un codice; approvalo con `openclaw pairing approve <channel> <code>` oppure usa allowlist.
</Step>
<Step title="Ricerca web">
- Scegli un provider supportato come Brave, DuckDuckGo, Exa, Firecrawl, Gemini, Grok, Kimi, MiniMax Search, Ollama Web Search, Perplexity, SearXNG o Tavily (oppure salta).
- I provider basati su API possono usare variabili env o configurazione esistente per una configurazione rapida; i provider senza chiave usano invece i prerequisiti specifici del provider.
- I provider basati su API possono usare variabili di ambiente o configurazione esistente per una configurazione rapida; i provider senza chiave usano invece i prerequisiti specifici del provider.
- Salta con `--skip-search`.
- Configura in seguito: `openclaw configure --section web`.
</Step>
<Step title="Installazione del daemon">
- macOS: LaunchAgent
- Richiede una sessione utente connessa; per ambienti headless, usa un LaunchDaemon personalizzato (non distribuito).
- Linux (e Windows tramite WSL2): unità systemd utente
- L'onboarding tenta di abilitare lingering tramite `loginctl enable-linger <user>` così il Gateway resta attivo dopo il logout.
- Può richiedere sudo (scrive in `/var/lib/systemd/linger`); prova prima senza sudo.
- Richiede una sessione utente con accesso effettuato; per ambienti headless, usa un LaunchDaemon personalizzato (non fornito).
- Linux (e Windows tramite WSL2): unità utente systemd
- L'onboarding tenta di abilitare lingering tramite `loginctl enable-linger <user>` in modo che il Gateway resti attivo dopo il logout.
- Può richiedere sudo (scrive in `/var/lib/systemd/linger`); prima prova senza sudo.
- **Selezione del runtime:** Node (consigliato; richiesto per WhatsApp/Telegram). Bun **non è consigliato**.
- Se l'auth token richiede un token e `gateway.auth.token` è gestito da SecretRef, l'installazione del daemon lo valida ma non persiste valori di token risolti in chiaro nei metadati dell'ambiente del servizio supervisor.
- Se l'auth token richiede un token e il SecretRef token configurato non è risolto, l'installazione del daemon viene bloccata con indicazioni operative.
- Se sono configurati sia `gateway.auth.token` sia `gateway.auth.password` e `gateway.auth.mode` non è impostato, l'installazione del daemon viene bloccata finché la modalità non viene impostata esplicitamente.
- Se l'autenticazione token richiede un token e `gateway.auth.token` è gestito da SecretRef, l'installazione del daemon lo convalida ma non persiste i valori del token in chiaro risolti nei metadati dell'ambiente del servizio supervisor.
- Se l'autenticazione token richiede un token e il SecretRef del token configurato non è risolto, l'installazione del daemon viene bloccata con indicazioni operative.
- Se sia `gateway.auth.token` sia `gateway.auth.password` sono configurati e `gateway.auth.mode` non è impostato, l'installazione del daemon viene bloccata finché la modalità non viene impostata esplicitamente.
</Step>
<Step title="Controllo integrità">
- Avvia il Gateway (se necessario) ed esegue `openclaw health`.
- Suggerimento: `openclaw status --deep` aggiunge la probe live di integrità del gateway all'output di stato, incluse probe dei canali quando supportate (richiede un gateway raggiungibile).
- Suggerimento: `openclaw status --deep` aggiunge l'health probe del gateway live all'output di stato, comprese le probe dei canali quando supportate (richiede un gateway raggiungibile).
</Step>
<Step title="Skills (consigliato)">
- Legge le Skills disponibili e controlla i requisiti.
@ -138,13 +138,13 @@ Per una panoramica di alto livello, vedi [Onboarding (CLI)](/it/start/wizard).
- Installa dipendenze facoltative (alcune usano Homebrew su macOS).
</Step>
<Step title="Fine">
- Riepilogo + passaggi successivi, incluse app iOS/Android/macOS per funzionalità extra.
- Riepilogo + passaggi successivi, incluse le app iOS/Android/macOS per funzionalità aggiuntive.
</Step>
</Steps>
<Note>
Se non viene rilevata alcuna GUI, l'onboarding stampa le istruzioni di port forwarding SSH per la Control UI invece di aprire un browser.
Se mancano gli asset della Control UI, l'onboarding tenta di compilarli; il fallback è `pnpm ui:build` (installa automaticamente le dipendenze UI).
Se non viene rilevata alcuna GUI, l'onboarding stampa le istruzioni per il port-forward SSH della Control UI invece di aprire un browser.
Se mancano le risorse della Control UI, l'onboarding tenta di compilarle; il fallback è `pnpm ui:build` (installa automaticamente le dipendenze della UI).
</Note>
## Modalità non interattiva
@ -163,9 +163,9 @@ openclaw onboard --non-interactive \
--skip-skills
```
Aggiungi `--json` per un riepilogo leggibile dalla macchina.
Aggiungi `--json` per un riepilogo leggibile da una macchina.
SecretRef del token gateway in modalità non interattiva:
SecretRef del token Gateway in modalità non interattiva:
```bash
export OPENCLAW_GATEWAY_TOKEN="your-token"
@ -182,8 +182,8 @@ openclaw onboard --non-interactive \
`--json` **non** implica la modalità non interattiva. Usa `--non-interactive` (e `--workspace`) per gli script.
</Note>
Gli esempi di comandi specifici per provider si trovano in [Automazione CLI](/it/start/wizard-cli-automation#provider-specific-examples).
Usa questa pagina di riferimento per la semantica dei flag e l'ordine dei passaggi.
Esempi di comandi specifici per provider si trovano in [Automazione CLI](/it/start/wizard-cli-automation#provider-specific-examples).
Usa questa pagina di riferimento per la semantica delle flag e l'ordine dei passaggi.
### Aggiungere un agente (non interattivo)
@ -196,12 +196,12 @@ openclaw agents add work \
--json
```
## RPC del wizard del gateway
## RPC della procedura guidata Gateway
Il Gateway espone il flusso di onboarding tramite RPC (`wizard.start`, `wizard.next`, `wizard.cancel`, `wizard.status`).
I client (app macOS, Control UI) possono visualizzare i passaggi senza reimplementare la logica di onboarding.
## Configurazione Signal (`signal-cli`)
## Configurazione di Signal (signal-cli)
L'onboarding può installare `signal-cli` dalle release GitHub:
@ -213,22 +213,22 @@ Note:
- Le build JVM richiedono **Java 21**.
- Le build native vengono usate quando disponibili.
- Windows usa WSL2; l'installazione di signal-cli segue il flusso Linux dentro WSL.
- Windows usa WSL2; l'installazione di signal-cli segue il flusso Linux all'interno di WSL.
## Cosa scrive il wizard
## Cosa scrive la procedura guidata
Campi tipici in `~/.openclaw/openclaw.json`:
- `agents.defaults.workspace`
- `agents.defaults.model` / `models.providers` (se viene scelto Minimax)
- `tools.profile` (l'onboarding locale usa come predefinito `"coding"` quando non impostato; i valori espliciti esistenti vengono preservati)
- `gateway.*` (mode, bind, auth, tailscale)
- `session.dmScope` (dettagli del comportamento: [Riferimento della configurazione CLI](/it/start/wizard-cli-reference#outputs-and-internals))
- `tools.profile` (l'onboarding locale usa per impostazione predefinita `"coding"` se non impostato; i valori espliciti esistenti vengono mantenuti)
- `gateway.*` (modalità, bind, autenticazione, Tailscale)
- `session.dmScope` (dettagli sul comportamento: [Riferimento configurazione CLI](/it/start/wizard-cli-reference#outputs-and-internals))
- `channels.telegram.botToken`, `channels.discord.token`, `channels.matrix.*`, `channels.signal.*`, `channels.imessage.*`
- Allowlist dei canali (Slack/Discord/Matrix/Microsoft Teams) quando aderisci durante i prompt (i nomi vengono risolti in ID quando possibile).
- Allowlist dei canali (Slack/Discord/Matrix/Microsoft Teams) quando scegli questa opzione durante i prompt (i nomi vengono risolti in ID quando possibile).
- `skills.install.nodeManager`
- `setup --node-manager` accetta `npm`, `pnpm` o `bun`.
- La configurazione manuale può comunque usare `yarn` impostando direttamente `skills.install.nodeManager`.
- La configurazione manuale può ancora usare `yarn` impostando direttamente `skills.install.nodeManager`.
- `wizard.lastRunAt`
- `wizard.lastRunVersion`
- `wizard.lastRunCommit`
@ -240,13 +240,13 @@ Campi tipici in `~/.openclaw/openclaw.json`:
Le credenziali WhatsApp vengono salvate in `~/.openclaw/credentials/whatsapp/<accountId>/`.
Le sessioni vengono archiviate in `~/.openclaw/agents/<agentId>/sessions/`.
Alcuni canali sono distribuiti come plugin. Quando ne scegli uno durante la configurazione, l'onboarding
ti chiederà di installarlo (npm o percorso locale) prima che possa essere configurato.
Alcuni canali vengono distribuiti come Plugin. Quando ne scegli uno durante la configurazione, l'onboarding
ti chiederà di installarlo (npm o un percorso locale) prima che possa essere configurato.
## Documentazione correlata
- Panoramica dell'onboarding: [Onboarding (CLI)](/it/start/wizard)
- Onboarding dell'app macOS: [Onboarding](/it/start/onboarding)
- Riferimento della configurazione: [Configurazione del gateway](/it/gateway/configuration)
- Riferimento configurazione: [Configurazione del Gateway](/it/gateway/configuration)
- Provider: [WhatsApp](/it/channels/whatsapp), [Telegram](/it/channels/telegram), [Discord](/it/channels/discord), [Google Chat](/it/channels/googlechat), [Signal](/it/channels/signal), [BlueBubbles](/it/channels/bluebubbles) (iMessage), [iMessage](/it/channels/imessage) (legacy)
- Skills: [Skills](/it/tools/skills), [Configurazione Skills](/it/tools/skills-config)

248
docs/it/start/wizard-cli-reference.md
View File

@ -1,20 +1,20 @@
---
read_when:
- Hai bisogno del comportamento dettagliato di `openclaw onboard`
- Stai eseguendo il debug dei risultati dell'onboarding o integrando client di onboarding
- Hai bisogno di informazioni dettagliate sul comportamento di `openclaw onboard`
- Stai eseguendo il debug dei risultati di onboarding o stai integrando client di onboarding
sidebarTitle: CLI reference
summary: Riferimento completo per il flusso di configurazione CLI, setup auth/modello, output e dettagli interni
title: Riferimento della configurazione CLI
summary: Riferimento completo per il flusso di configurazione della CLI, la configurazione di autenticazione/modello, gli output e gli aspetti interni
title: Riferimento per la configurazione della CLI
x-i18n:
generated_at: "2026-04-06T03:12:36Z"
generated_at: "2026-04-15T14:41:04Z"
model: gpt-5.4
provider: openai
source_hash: 92f379b34a2b48c68335dae4f759117c770f018ec51b275f4f40421c6b3abb23
source_hash: 61ca679caca3b43fa02388294007f89db22d343e49e10b61d8d118cd8fbb7369
source_path: start/wizard-cli-reference.md
workflow: 15
---
# Riferimento della configurazione CLI
# Riferimento per la configurazione della CLI
Questa pagina è il riferimento completo per `openclaw onboard`.
Per la guida breve, vedi [Onboarding (CLI)](/it/start/wizard).
@ -23,15 +23,15 @@ Per la guida breve, vedi [Onboarding (CLI)](/it/start/wizard).
La modalità locale (predefinita) ti guida attraverso:
- Configurazione del modello e dell'autenticazione (OAuth con abbonamento OpenAI Code, Anthropic Claude CLI o chiave API, oltre alle opzioni MiniMax, GLM, Ollama, Moonshot, StepFun e AI Gateway)
- Posizione dello workspace e file bootstrap
- Impostazioni del gateway (porta, bind, autenticazione, Tailscale)
- Canali e provider (Telegram, WhatsApp, Discord, Google Chat, Mattermost, Signal, BlueBubbles e altri plugin canale bundled)
- Installazione del daemon (LaunchAgent, unità utente systemd o Scheduled Task nativa di Windows con fallback nella cartella Startup)
- Controllo dello stato
- Configurazione delle Skills
- Configurazione del modello e dell'autenticazione (OAuth dell'abbonamento OpenAI Code, Anthropic Claude CLI o chiave API, oltre a opzioni MiniMax, GLM, Ollama, Moonshot, StepFun e AI Gateway)
- Posizione del workspace e file di bootstrap
- Impostazioni del Gateway (porta, bind, auth, tailscale)
- Canali e provider (Telegram, WhatsApp, Discord, Google Chat, Mattermost, Signal, BlueBubbles e altri plugin di canale inclusi)
- Installazione del daemon (LaunchAgent, unità utente systemd o attività pianificata nativa di Windows con fallback nella cartella Startup)
- Controllo dello stato di salute
- Configurazione di Skills
La modalità remota configura questa macchina per connettersi a un gateway altrove.
La modalità remota configura questa macchina per connettersi a un Gateway altrove.
Non installa né modifica nulla sull'host remoto.
## Dettagli del flusso locale
@ -39,80 +39,80 @@ Non installa né modifica nulla sull'host remoto.
<Steps>
<Step title="Rilevamento della configurazione esistente">
- Se esiste `~/.openclaw/openclaw.json`, scegli Mantieni, Modifica o Reimposta.
- Rieseguire la procedura guidata non cancella nulla a meno che tu non scelga esplicitamente Reimposta (o passi `--reset`).
- `--reset` della CLI usa per impostazione predefinita `config+creds+sessions`; usa `--reset-scope full` per rimuovere anche lo workspace.
- Se la configurazione non è valida o contiene chiavi legacy, la procedura guidata si ferma e ti chiede di eseguire `openclaw doctor` prima di continuare.
- La reimpostazione usa `trash` e offre questi ambiti:
- Eseguire di nuovo la procedura guidata non cancella nulla a meno che tu non scelga esplicitamente Reimposta (o passi `--reset`).
- La CLI `--reset` usa come predefinito `config+creds+sessions`; usa `--reset-scope full` per rimuovere anche il workspace.
- Se la configurazione non è valida o contiene chiavi legacy, la procedura guidata si interrompe e ti chiede di eseguire `openclaw doctor` prima di continuare.
- Reimposta usa `trash` e offre questi ambiti:
- Solo configurazione
- Configurazione + credenziali + sessioni
- Reimpostazione completa (rimuove anche lo workspace)
- Reimpostazione completa (rimuove anche il workspace)
</Step>
<Step title="Modello e autenticazione">
- La matrice completa delle opzioni è in [Opzioni di autenticazione e modello](#opzioni-di-autenticazione-e-modello).
- La matrice completa delle opzioni è in [Opzioni di autenticazione e modello](#auth-and-model-options).
</Step>
<Step title="Workspace">
- Predefinito `~/.openclaw/workspace` (configurabile).
- Inserisce i file workspace necessari per il rituale di bootstrap del primo avvio.
- Layout dello workspace: [Agent workspace](/it/concepts/agent-workspace).
- Inizializza i file del workspace necessari per il rituale di bootstrap della prima esecuzione.
- Layout del workspace: [Workspace dell'agente](/it/concepts/agent-workspace).
</Step>
<Step title="Gateway">
- Richiede porta, bind, modalità auth ed esposizione Tailscale.
- Consigliato: mantieni abilitata l'autenticazione tramite token anche per loopback in modo che i client WS locali debbano autenticarsi.
- Chiede porta, bind, modalità auth ed esposizione Tailscale.
- Consigliato: mantieni abilitata l'autenticazione tramite token anche per loopback, così i client WS locali devono autenticarsi.
- In modalità token, la configurazione interattiva offre:
- **Generate/store plaintext token** (predefinito)
- **Use SecretRef** (opt-in)
- In modalità password, la configurazione interattiva supporta anche l'archiviazione in testo semplice o SecretRef.
- **Genera/memorizza token in chiaro** (predefinito)
- **Usa SecretRef** (opt-in)
- In modalità password, la configurazione interattiva supporta anche la memorizzazione in chiaro o con SecretRef.
- Percorso SecretRef del token non interattivo: `--gateway-token-ref-env <ENV_VAR>`.
- Richiede una variabile env non vuota nell'ambiente del processo di onboarding.
- Richiede una variabile d'ambiente non vuota nell'ambiente del processo di onboarding.
- Non può essere combinato con `--gateway-token`.
- Disabilita l'autenticazione solo se ti fidi completamente di ogni processo locale.
- I bind non-loopback richiedono comunque l'autenticazione.
</Step>
<Step title="Canali">
- [WhatsApp](/it/channels/whatsapp): login QR facoltativo
- [WhatsApp](/it/channels/whatsapp): accesso QR opzionale
- [Telegram](/it/channels/telegram): token del bot
- [Discord](/it/channels/discord): token del bot
- [Google Chat](/it/channels/googlechat): JSON dell'account di servizio + audience webhook
- [Mattermost](/it/channels/mattermost): token del bot + URL base
- [Signal](/it/channels/signal): installazione facoltativa di `signal-cli` + configurazione account
- [BlueBubbles](/it/channels/bluebubbles): consigliato per iMessage; URL server + password + webhook
- [iMessage](/it/channels/imessage): percorso CLI legacy `imsg` + accesso DB
- Sicurezza DM: l'impostazione predefinita è pairing. Il primo DM invia un codice; approvalo con
`openclaw pairing approve <channel> <code>` oppure usa le allowlist.
- [Google Chat](/it/channels/googlechat): JSON dell'account di servizio + audience del webhook
- [Mattermost](/it/channels/mattermost): token del bot + URL di base
- [Signal](/it/channels/signal): installazione opzionale di `signal-cli` + configurazione dell'account
- [BlueBubbles](/it/channels/bluebubbles): consigliato per iMessage; URL del server + password + webhook
- [iMessage](/it/channels/imessage): percorso legacy della CLI `imsg` + accesso al DB
- Sicurezza dei DM: il predefinito è l'abbinamento. Il primo DM invia un codice; approvalo tramite
`openclaw pairing approve <channel> <code>` oppure usa allowlist.
</Step>
<Step title="Installazione del daemon">
- macOS: LaunchAgent
- Richiede una sessione utente con accesso effettuato; per ambienti headless, usa un LaunchDaemon personalizzato (non incluso).
- Richiede una sessione utente con accesso effettuato; per ambienti headless usa un LaunchDaemon personalizzato (non incluso).
- Linux e Windows tramite WSL2: unità utente systemd
- La procedura guidata prova `loginctl enable-linger <user>` in modo che il gateway resti attivo dopo il logout.
- Potrebbe richiedere sudo (scrive `/var/lib/systemd/linger`); prima ci prova senza sudo.
- Windows nativo: Scheduled Task per prima
- Se la creazione del task viene negata, OpenClaw usa come fallback un elemento di accesso nella cartella Startup per utente e avvia immediatamente il gateway.
- Le Scheduled Task restano preferite perché forniscono uno stato del supervisore migliore.
- La procedura guidata tenta `loginctl enable-linger <user>` così il Gateway resta attivo dopo il logout.
- Potrebbe richiedere sudo (scrive in `/var/lib/systemd/linger`); prova prima senza sudo.
- Windows nativo: prima attività pianificata
- Se la creazione dell'attività viene negata, OpenClaw ripiega su un elemento di accesso nella cartella Startup per utente e avvia immediatamente il Gateway.
- Le attività pianificate restano preferibili perché forniscono uno stato del supervisore migliore.
- Selezione del runtime: Node (consigliato; richiesto per WhatsApp e Telegram). Bun non è consigliato.
</Step>
<Step title="Controllo dello stato">
- Avvia il gateway (se necessario) ed esegue `openclaw health`.
- `openclaw status --deep` aggiunge la probe live dello stato del gateway all'output di stato, incluse le probe dei canali quando supportate.
<Step title="Controllo dello stato di salute">
- Avvia il Gateway (se necessario) ed esegue `openclaw health`.
- `openclaw status --deep` aggiunge il probe di stato di salute del Gateway attivo all'output di stato, inclusi i probe dei canali quando supportati.
</Step>
<Step title="Skills">
- Legge le Skills disponibili e controlla i requisiti.
- Ti consente di scegliere il node manager: npm, pnpm o bun.
- Installa le dipendenze facoltative (alcune usano Homebrew su macOS).
- Legge le Skills disponibili e verifica i requisiti.
- Ti permette di scegliere il gestore Node: npm, pnpm o bun.
- Installa dipendenze opzionali (alcune usano Homebrew su macOS).
</Step>
<Step title="Fine">
- Riepilogo e passaggi successivi, incluse le opzioni per app iOS, Android e macOS.
- Riepilogo e passaggi successivi, incluse le opzioni app per iOS, Android e macOS.
</Step>
</Steps>
<Note>
Se non viene rilevata alcuna GUI, la procedura guidata stampa istruzioni di port-forward SSH per la Control UI invece di aprire un browser.
Se mancano le risorse della Control UI, la procedura guidata prova a compilarle; il fallback è `pnpm ui:build` (installa automaticamente le dipendenze UI).
Se non viene rilevata alcuna GUI, la procedura guidata stampa le istruzioni di port forwarding SSH per la UI di controllo invece di aprire un browser.
Se mancano le risorse della UI di controllo, la procedura guidata tenta di compilarle; il fallback è `pnpm ui:build` (installa automaticamente le dipendenze della UI).
</Note>
## Dettagli della modalità remota
La modalità remota configura questa macchina per connettersi a un gateway altrove.
La modalità remota configura questa macchina per connettersi a un Gateway altrove.
<Info>
La modalità remota non installa né modifica nulla sull'host remoto.
@ -120,12 +120,12 @@ La modalità remota non installa né modifica nulla sull'host remoto.
Cosa imposti:
- URL del gateway remoto (`ws://...`)
- Token se è richiesta l'autenticazione del gateway remoto (consigliato)
- URL del Gateway remoto (`ws://...`)
- Token se è richiesta l'autenticazione del Gateway remoto (consigliato)
<Note>
- Se il gateway è solo loopback, usa il tunneling SSH o una tailnet.
- Suggerimenti di rilevamento:
- Se il Gateway è solo loopback, usa tunneling SSH o una tailnet.
- Suggerimenti per il rilevamento:
- macOS: Bonjour (`dns-sd`)
- Linux: Avahi (`avahi-browse`)
</Note>
@ -134,32 +134,32 @@ Cosa imposti:
<AccordionGroup>
<Accordion title="Chiave API Anthropic">
Usa `ANTHROPIC_API_KEY` se presente oppure richiede una chiave, quindi la salva per l'uso da parte del daemon.
Usa `ANTHROPIC_API_KEY` se presente oppure richiede una chiave, quindi la salva per l'uso del daemon.
</Accordion>
<Accordion title="Abbonamento OpenAI Code (riuso della CLI Codex)">
<Accordion title="Abbonamento OpenAI Code (riuso di Codex CLI)">
Se esiste `~/.codex/auth.json`, la procedura guidata può riutilizzarlo.
Le credenziali della CLI Codex riutilizzate restano gestite dalla CLI Codex; alla scadenza OpenClaw
rilegge prima quella sorgente e, quando il provider può aggiornarla, scrive
la credenziale aggiornata di nuovo nello storage Codex invece di prenderne il controllo
direttamente.
Le credenziali di Codex CLI riutilizzate restano gestite da Codex CLI; alla scadenza OpenClaw
rilegge prima quella sorgente e, quando il provider può aggiornarle, scrive
la credenziale aggiornata di nuovo nell'archivio di Codex invece di assumerne direttamente
la gestione.
</Accordion>
<Accordion title="Abbonamento OpenAI Code (OAuth)">
Flusso browser; incolla `code#state`.
Flusso nel browser; incolla `code#state`.
Imposta `agents.defaults.model` su `openai-codex/gpt-5.4` quando il modello non è impostato o è `openai/*`.
Imposta `agents.defaults.model` su `openai-codex/gpt-5.4` quando il modello non è impostato oppure è `openai/*`.
</Accordion>
<Accordion title="Chiave API OpenAI">
Usa `OPENAI_API_KEY` se presente oppure richiede una chiave, quindi memorizza la credenziale nei profili auth.
Imposta `agents.defaults.model` su `openai/gpt-5.4` quando il modello non è impostato, è `openai/*` o `openai-codex/*`.
Imposta `agents.defaults.model` su `openai/gpt-5.4` quando il modello non è impostato, è `openai/*` oppure `openai-codex/*`.
</Accordion>
<Accordion title="Chiave API xAI (Grok)">
Richiede `XAI_API_KEY` e configura xAI come provider del modello.
Richiede `XAI_API_KEY` e configura xAI come provider di modelli.
</Accordion>
<Accordion title="OpenCode">
Richiede `OPENCODE_API_KEY` (oppure `OPENCODE_ZEN_API_KEY`) e ti permette di scegliere il catalogo Zen o Go.
Richiede `OPENCODE_API_KEY` (oppure `OPENCODE_ZEN_API_KEY`) e ti consente di scegliere il catalogo Zen o Go.
URL di configurazione: [opencode.ai/auth](https://opencode.ai/auth).
</Accordion>
<Accordion title="Chiave API (generica)">
@ -174,12 +174,12 @@ Cosa imposti:
Maggiori dettagli: [Cloudflare AI Gateway](/it/providers/cloudflare-ai-gateway).
</Accordion>
<Accordion title="MiniMax">
La configurazione viene scritta automaticamente. Il valore hosted predefinito è `MiniMax-M2.7`; la configurazione con chiave API usa
La configurazione viene scritta automaticamente. L'hosted predefinito è `MiniMax-M2.7`; la configurazione con chiave API usa
`minimax/...`, mentre la configurazione OAuth usa `minimax-portal/...`.
Maggiori dettagli: [MiniMax](/it/providers/minimax).
</Accordion>
<Accordion title="StepFun">
La configurazione viene scritta automaticamente per StepFun standard o Step Plan sugli endpoint Cina o globali.
La configurazione viene scritta automaticamente per StepFun standard o Step Plan su endpoint China o global.
Standard include attualmente `step-3.5-flash`, e Step Plan include anche `step-3.5-flash-2603`.
Maggiori dettagli: [StepFun](/it/providers/stepfun).
</Accordion>
@ -187,29 +187,31 @@ Cosa imposti:
Richiede `SYNTHETIC_API_KEY`.
Maggiori dettagli: [Synthetic](/it/providers/synthetic).
</Accordion>
<Accordion title="Ollama (Cloud e modelli open locali)">
Richiede URL base (predefinito `http://127.0.0.1:11434`), poi offre modalità Cloud + Local o Local.
Rileva i modelli disponibili e suggerisce i predefiniti.
<Accordion title="Ollama (Cloud e modelli aperti locali)">
Richiede prima `Cloud + Local`, `Solo Cloud` oppure `Solo Local`.
`Solo Cloud` usa `OLLAMA_API_KEY` con `https://ollama.com`.
Le modalità basate su host richiedono l'URL di base (predefinito `http://127.0.0.1:11434`), rilevano i modelli disponibili e suggeriscono i predefiniti.
`Cloud + Local` controlla anche se quell'host Ollama ha effettuato l'accesso per l'accesso cloud.
Maggiori dettagli: [Ollama](/it/providers/ollama).
</Accordion>
<Accordion title="Moonshot e Kimi Coding">
Le configurazioni di Moonshot (Kimi K2) e Kimi Coding vengono scritte automaticamente.
Le configurazioni Moonshot (Kimi K2) e Kimi Coding vengono scritte automaticamente.
Maggiori dettagli: [Moonshot AI (Kimi + Kimi Coding)](/it/providers/moonshot).
</Accordion>
<Accordion title="Provider personalizzato">
Funziona con endpoint compatibili con OpenAI e compatibili con Anthropic.
L'onboarding interattivo supporta le stesse opzioni di archiviazione della chiave API degli altri flussi di chiave API del provider:
- **Paste API key now** (testo semplice)
- **Use secret reference** (riferimento env o provider configurato, con validazione preflight)
L'onboarding interattivo supporta le stesse scelte di memorizzazione della chiave API degli altri flussi con chiave API del provider:
- **Incolla ora la chiave API** (in chiaro)
- **Usa riferimento segreto** (riferimento env o riferimento del provider configurato, con validazione preliminare)
Flag non interattivi:
- `--auth-choice custom-api-key`
- `--custom-base-url`
- `--custom-model-id`
- `--custom-api-key` (facoltativo; fallback a `CUSTOM_API_KEY`)
- `--custom-provider-id` (facoltativo)
- `--custom-compatibility <openai|anthropic>` (facoltativo; predefinito `openai`)
- `--custom-api-key` (opzionale; usa come fallback `CUSTOM_API_KEY`)
- `--custom-provider-id` (opzionale)
- `--custom-compatibility <openai|anthropic>` (opzionale; predefinito `openai`)
</Accordion>
<Accordion title="Salta">
@ -219,61 +221,61 @@ Cosa imposti:
Comportamento del modello:
- Scegli il modello predefinito tra le opzioni rilevate, oppure inserisci manualmente provider e modello.
- Quando l'onboarding parte da una scelta di autenticazione del provider, il selettore del modello preferisce
- Scegli il modello predefinito dalle opzioni rilevate, oppure inserisci manualmente provider e modello.
- Quando l'onboarding inizia da una scelta di autenticazione del provider, il selettore del modello preferisce
automaticamente quel provider. Per Volcengine e BytePlus, la stessa preferenza
corrisponde anche alle loro varianti coding-plan (`volcengine-plan/*`,
`byteplus-plan/*`).
- Se quel filtro del provider preferito sarebbe vuoto, il selettore torna al
catalogo completo invece di non mostrare modelli.
catalogo completo invece di non mostrare alcun modello.
- La procedura guidata esegue un controllo del modello e avvisa se il modello configurato è sconosciuto o manca l'autenticazione.
Percorsi delle credenziali e dei profili:
Percorsi di credenziali e profili:
- Profili auth (chiavi API + OAuth): `~/.openclaw/agents/<agentId>/agent/auth-profiles.json`
- Importazione OAuth legacy: `~/.openclaw/credentials/oauth.json`
Modalità di archiviazione delle credenziali:
Modalità di memorizzazione delle credenziali:
- Il comportamento predefinito dell'onboarding salva le chiavi API come valori in testo semplice nei profili auth.
- `--secret-input-mode ref` abilita la modalità riferimento invece dell'archiviazione in testo semplice della chiave.
Nella configurazione interattiva puoi scegliere tra:
- riferimento a variabile di ambiente (ad esempio `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`)
- riferimento a provider configurato (`file` o `exec`) con alias provider + id
- La modalità riferimento interattiva esegue una rapida validazione preflight prima del salvataggio.
- Riferimenti env: convalida il nome della variabile + valore non vuoto nell'ambiente di onboarding corrente.
- Riferimenti provider: convalida la config del provider e risolve l'id richiesto.
- Se il preflight fallisce, l'onboarding mostra l'errore e ti consente di riprovare.
- In modalità non interattiva, `--secret-input-mode ref` è supportato solo con env.
- Imposta la variabile env del provider nell'ambiente del processo di onboarding.
- I flag inline della chiave (ad esempio `--openai-api-key`) richiedono che tale variabile env sia impostata; altrimenti l'onboarding fallisce immediatamente.
- Per i provider personalizzati, la modalità `ref` non interattiva memorizza `models.providers.<id>.apiKey` come `{ source: "env", provider: "default", id: "CUSTOM_API_KEY" }`.
- In quel caso del provider personalizzato, `--custom-api-key` richiede che `CUSTOM_API_KEY` sia impostato; altrimenti l'onboarding fallisce immediatamente.
- Le credenziali auth del gateway supportano scelte testo semplice e SecretRef nella configurazione interattiva:
- Modalità token: **Generate/store plaintext token** (predefinito) oppure **Use SecretRef**.
- Modalità password: testo semplice oppure SecretRef.
- Il comportamento predefinito dell'onboarding salva le chiavi API come valori in chiaro nei profili auth.
- `--secret-input-mode ref` abilita la modalità riferimento invece della memorizzazione della chiave in chiaro.
Nella configurazione interattiva, puoi scegliere:
- riferimento a variabile d'ambiente (ad esempio `keyRef: { source: "env", provider: "default", id: "OPENAI_API_KEY" }`)
- riferimento a provider configurato (`file` o `exec`) con alias del provider + id
- La modalità riferimento interattiva esegue una rapida validazione preliminare prima del salvataggio.
- Riferimenti env: valida il nome della variabile e il valore non vuoto nell'ambiente di onboarding corrente.
- Riferimenti provider: valida la configurazione del provider e risolve l'id richiesto.
- Se la validazione preliminare fallisce, l'onboarding mostra l'errore e ti consente di riprovare.
- In modalità non interattiva, `--secret-input-mode ref` è supportato solo tramite env.
- Imposta la variabile d'ambiente del provider nell'ambiente del processo di onboarding.
- I flag con chiave inline (ad esempio `--openai-api-key`) richiedono che quella variabile env sia impostata; altrimenti l'onboarding fallisce rapidamente.
- Per i provider personalizzati, la modalità `ref` non interattiva salva `models.providers.<id>.apiKey` come `{ source: "env", provider: "default", id: "CUSTOM_API_KEY" }`.
- In quel caso del provider personalizzato, `--custom-api-key` richiede che `CUSTOM_API_KEY` sia impostato; altrimenti l'onboarding fallisce rapidamente.
- Le credenziali auth del Gateway supportano la scelta tra testo in chiaro e SecretRef nella configurazione interattiva:
- Modalità token: **Genera/memorizza token in chiaro** (predefinito) oppure **Usa SecretRef**.
- Modalità password: testo in chiaro oppure SecretRef.
- Percorso SecretRef del token non interattivo: `--gateway-token-ref-env <ENV_VAR>`.
- Le configurazioni esistenti in testo semplice continuano a funzionare senza modifiche.
- Le configurazioni esistenti in chiaro continuano a funzionare senza modifiche.
<Note>
Suggerimento per ambienti headless e server: completa OAuth su una macchina con browser, poi copia
`auth-profiles.json` di quell'agente (ad esempio
`~/.openclaw/agents/<agentId>/agent/auth-profiles.json`, o il corrispondente
percorso `$OPENCLAW_STATE_DIR/...`) sull'host del gateway. `credentials/oauth.json`
è solo una sorgente legacy per l'importazione.
Suggerimento per ambienti headless e server: completa l'OAuth su una macchina con browser, poi copia
l'`auth-profiles.json` di quell'agente (ad esempio
`~/.openclaw/agents/<agentId>/agent/auth-profiles.json`, oppure il percorso corrispondente
`$OPENCLAW_STATE_DIR/...`) sull'host del Gateway. `credentials/oauth.json`
è solo una sorgente di importazione legacy.
</Note>
## Output e dettagli interni
## Output e aspetti interni
Campi tipici in `~/.openclaw/openclaw.json`:
- `agents.defaults.workspace`
- `agents.defaults.model` / `models.providers` (se è stato scelto MiniMax)
- `tools.profile` (l'onboarding locale imposta questo valore su `"coding"` quando non è impostato; i valori espliciti esistenti vengono preservati)
- `agents.defaults.model` / `models.providers` (se viene scelto MiniMax)
- `tools.profile` (l'onboarding locale usa come predefinito `"coding"` se non impostato; i valori espliciti esistenti vengono preservati)
- `gateway.*` (mode, bind, auth, tailscale)
- `session.dmScope` (l'onboarding locale imposta questo valore su `per-channel-peer` quando non è impostato; i valori espliciti esistenti vengono preservati)
- `session.dmScope` (l'onboarding locale usa come predefinito `per-channel-peer` se non impostato; i valori espliciti esistenti vengono preservati)
- `channels.telegram.botToken`, `channels.discord.token`, `channels.matrix.*`, `channels.signal.*`, `channels.imessage.*`
- Allowlist dei canali (Slack, Discord, Matrix, Microsoft Teams) quando scegli l'opzione durante i prompt (i nomi vengono risolti in ID quando possibile)
- Allowlist dei canali (Slack, Discord, Matrix, Microsoft Teams) quando scegli di abilitarle durante i prompt (i nomi vengono risolti in ID quando possibile)
- `skills.install.nodeManager`
- Il flag `setup --node-manager` accetta `npm`, `pnpm` o `bun`.
- La configurazione manuale può comunque impostare successivamente `skills.install.nodeManager: "yarn"`.
@ -283,28 +285,28 @@ Campi tipici in `~/.openclaw/openclaw.json`:
- `wizard.lastRunCommand`
- `wizard.lastRunMode`
`openclaw agents add` scrive `agents.list[]` e `bindings` facoltativi.
`openclaw agents add` scrive `agents.list[]` e `bindings` opzionali.
Le credenziali WhatsApp vengono salvate in `~/.openclaw/credentials/whatsapp/<accountId>/`.
Le credenziali di WhatsApp vengono salvate in `~/.openclaw/credentials/whatsapp/<accountId>/`.
Le sessioni vengono archiviate in `~/.openclaw/agents/<agentId>/sessions/`.
<Note>
Alcuni canali vengono distribuiti come plugin. Quando vengono selezionati durante la configurazione, la procedura guidata
richiede di installare il plugin (npm o percorso locale) prima della configurazione del canale.
Alcuni canali sono distribuiti come plugin. Quando vengono selezionati durante la configurazione, la procedura guidata
chiede di installare il Plugin (npm o percorso locale) prima della configurazione del canale.
</Note>
RPC della procedura guidata del gateway:
RPC della procedura guidata del Gateway:
- `wizard.start`
- `wizard.next`
- `wizard.cancel`
- `wizard.status`
I client (app macOS e Control UI) possono renderizzare i passaggi senza reimplementare la logica di onboarding.
I client (app macOS e UI di controllo) possono eseguire il rendering dei passaggi senza reimplementare la logica di onboarding.
Comportamento della configurazione di Signal:
- Scarica l'asset di release appropriato
- Scarica l'asset di rilascio appropriato
- Lo salva in `~/.openclaw/tools/signal-cli/<version>/`
- Scrive `channels.signal.cliPath` nella configurazione
- Le build JVM richiedono Java 21
@ -313,6 +315,6 @@ Comportamento della configurazione di Signal:
## Documentazione correlata
- Hub onboarding: [Onboarding (CLI)](/it/start/wizard)
- Automazione e script: [CLI Automation](/it/start/wizard-cli-automation)
- Riferimento comandi: [`openclaw onboard`](/cli/onboard)
- Hub di onboarding: [Onboarding (CLI)](/it/start/wizard)
- Automazione e script: [Automazione CLI](/it/start/wizard-cli-automation)
- Riferimento dei comandi: [`openclaw onboard`](/cli/onboard)