memory_search 对了、7B 总结错了:OpenClaw D4 来源引用与 8 个坑

正文:

D3 把电力见证资料 + 一张电子发票 PDF 塞进了本地 memory,CLI memory search 能命中,facts_only 也在 md 里。到 D4 才发现:检索层和回答层要分开验。

问题从哪来

Agent 对话大致是:

复制代码
用户提问
  → memory_search(snippet 往往对)
  → 7B 写最终回答(可能改字、混文件、改搜索词)

我踩过的典型现象:

现象 实际原因
snippet 坷垃,气泡变别的店名 7B 改写中文专名
2550.00 变 255 模型心算 / 截断
问发票混进开关柜 maxResults 过大 + 模型合并
「叶片见证表」答成试板检验 模糊 query,Top1 落到检查项目
检查项目贴开关柜模板 没加 doc_type:checklist

索引没坏,是第二层在发挥。

三步约束

1. 配置

json 复制代码
"ollama/qwen2.5:7b": { "params": { "temperature": 0 } },
"memorySearch": { "query": { "maxResults": 1 } }

改完 docker compose restart openclaw-gateway,浏览器 New Chat

2. workspace 规则

SOUL.md / AGENTS.md 写清:

  • 只搜一次,禁止改 query
  • 发票 copy-paste facts_only 四行 + 来源:xxx.md
  • 叶片用 source_file:叶片设备见证情况表
  • 检查项目用 doc_type:checklist 检查项目

3. 固定提问模板

别泛问「叶片」「检查项目」,用 D3 写进 md 头部的 key:

powershell 复制代码
# 叶片 --- 稳
memory search "source_file:叶片设备见证情况表"

# 叶片 --- 容易偏到检查项目
memory search "叶片见证表"

# 检查项目 --- 稳
memory search "doc_type:checklist 检查项目"

CLI 金标准

浏览器不准时先跑(不经过 LLM,不会改字):

powershell 复制代码
cd study\scripts
.\d4-answer-from-search.ps1 "invoice_no:26152000000166099696"
.\d4-answer-from-search.ps1 "source_file:叶片设备见证情况表"
.\d4-answer-from-search.ps1 "doc_type:checklist 检查项目"

CLI 对、浏览器错 → 调 prompt / 配置,不是重建索引。

浏览器三条验收

# 搜索词 通过标准
1 invoice_no:26152000000166099696 seller 含坷垃;2550.00;恰好 5 行 + 来源
2 source_file:叶片设备见证情况表 来源含叶片;有 YCL-01-R01;不是检查项目
3 doc_type:checklist 检查项目 17 个 sheet 名;来源检查项目(1).md

每条都展开 tool,对照 snippet 和气泡。

我最后叶片和检查项目浏览器都过了;发票在严格模板下也能 5 行过关,但 7B 仍会多写几句------Demo 以 CLI 为准绳

踩坑速查

1. 先对后错 --- 看 tool snippet,别看流式最后一帧。

2. 改写 query --- prompt 写死搜索词,用 source_file: / invoice_no:

3. 混文件 --- maxResults: 1 + 「只根据 Top1」。

4. 叶片变检查项目 --- 禁止「叶片见证表」模糊搜。

5. 检查项目变开关柜 --- 必须 doc_type:checklist

6. SOUL 不生效 --- New Chat;旧会话不吃新规则。

7. 金额被改 --- 商用别让 LLM 报数字。

8. 7B 无法 100% 守规矩 --- Demo 用 snippet 即答案;交付用模板拼字段。

商用边界

7B 调 prompt 只能 减轻 改字,不能保证零失误。工程资料问答要带出处,我的分工是:

  • 检索:memory + metadata(D3 已做)
  • 输出 :程序读 facts_only / frontmatter 拼模板(D4 CLI 脚本思路)
  • LLM:可选,只写「说明句」,不碰专名和金额

下一步 D5

文件夹监控 + 自动 ingest,不用每来一个文件手跑 d3-ingest.ps1

相关推荐
大模型真好玩2 天前
大模型训练全流程实战指南实战篇(十四)——网络安全大模型数据获取
人工智能·ollama·deepseek
蜡台2 天前
本地搭建 AI 大模型完整实战指南(2026)
人工智能·ollama
lee_curry5 天前
Dify+Ollama私有化部署方案
ai大模型·dify·ollama
蛋先生DX5 天前
大模型本地部署神器的瘦身进阶原理,就这两招?
llm·llama·ollama
geminigoth6 天前
LangChain1.2学习第二章—— 调用大模型
ollama·本地部署大模型·deepseek接口·qwen接口·langchain调用大模型·阻塞大模型接口·非阻塞大模型接口
weixin_471383036 天前
25 Ollama 本地部署
ollama
FriendshipT6 天前
DeepSeek Harness 使用 Ollama 本地部署的 AI 大模型(以Qwen3.8-27B为例)
人工智能·pytorch·深度学习·ollama·deepseek
uncle_ll7 天前
多模态大模型视听生成本地实战
llm·文生图·文生视频·多模态·ollama
Moon上有月亮8 天前
Ollama 完全指南:本地大语言模型的“开箱即用”方案
人工智能·语言模型·自然语言处理·ollama
uncle_ll8 天前
大模型落地选型GGUF 量化与 Ollama 部署指南
人工智能·大模型·llm·ollama·gguf