Habilitar el backend de memoria QMD para OpenClaw en Mac Apple Silicon

⚠️ Recomendación de selección: Este artículo documenta el proceso de configuración de QMD. Sin embargo, basándose en una evaluación práctica, el índice integrado de OpenClaw es suficiente para la mayoría de los escenarios. QMD requiere aproximadamente 600 MB de memoria adicional y un mantenimiento más complejo. Por favor, decida si habilitarlo en función de sus necesidades reales (como si necesita funcionar completamente sin conexión o tener requisitos extremadamente altos de calidad de búsqueda).

Este artículo explica cómo configurar el backend de memoria QMD (Query Markdown Database) para OpenClaw en Mac Apple Silicon (M1/M2/M3/M4), habilitando la búsqueda híbrida con BM25 + vector + reordenamiento.

Requisitos previos

• macOS 14+ (Sonoma / Sequoia)
• OpenClaw 2026.2.3-1 o posterior
• Homebrew (para instalar SQLite)

Paso 1: Instalar Bun

QMD depende del runtime Bun. Primero instale Bun:

curl -fsSL https://bun.sh/install | bash

Verificar instalación:

~/.bun/bin/bun --version
# Salida: 1.3.8

Paso 2: Instalar SQLite (con soporte de extensiones)

QMD requiere SQLite con soporte de extensiones:

brew install sqlite

Paso 3: Instalar QMD

Instale QMD globalmente usando Bun:

~/.bun/bin/bun install -g https://github.com/tobi/qmd

Verificar instalación de QMD:

export PATH="$HOME/.bun/bin:$PATH"
qmd --version

Paso 4: Configurar OpenClaw para usar QMD

Edite el archivo de configuración de OpenClaw:

openclaw config edit

Agregue o modifique la configuración de memory:

{
  "memory": {
    "backend": "qmd"
  }
}

Ejemplo de configuración completa (con parámetros opcionales):

{
  "memory": {
    "backend": "qmd",
    "citations": "auto",
    "qmd": {
      "includeDefaultMemory": true,
      "update": {
        "interval": "5m",
        "debounceMs": 15000
      },
      "limits": {
        "maxResults": 6,
        "timeoutMs": 4000
      }
    }
  }
}

Paso 5: Reiniciar OpenClaw

openclaw gateway restart

Paso 6: Inicializar el índice QMD

Después de reiniciar, QMD creará automáticamente el índice. Para inicialización manual:

# Establecer variables de entorno
export PATH="$HOME/.bun/bin:$PATH"
export XDG_CONFIG_HOME="$HOME/.openclaw/agents/main/qmd/xdg-config"
export XDG_CACHE_HOME="$HOME/.openclaw/agents/main/qmd/xdg-cache"

# Crear colección
cd ~/.openclaw/workspace
qmd collection add memory --name memory-root --mask "**/*.md"

# Generar embeddings vectoriales (descargará ~600 MB de modelos en la primera ejecución)
qmd embed

La primera ejecución de qmd embed descargará automáticamente desde HuggingFace:

• embeddinggemma-300M-Q8_0.gguf (modelo de embedding)
• qwen3-reranker-0.6b-q8_0.gguf (modelo de reordenamiento)
• Qwen3-0.6B-Q8_0.gguf (modelo de expansión de consultas)

Paso 7: Verificar que QMD está funcionando

Pruebe la búsqueda de memoria:

openclaw memory-search "OpenClaw memory system"

Si ve source: "qmd//memory-root/...", QMD está activo.

Verificar el estado de QMD:

export PATH="$HOME/.bun/bin:$PATH"
export XDG_CONFIG_HOME="$HOME/.openclaw/agents/main/qmd/xdg-config"
export XDG_CACHE_HOME="$HOME/.openclaw/agents/main/qmd/xdg-cache"
qmd status

Preguntas frecuentes

QMD no funciona, sigue mostrando el índice integrado

Verifique si memory.backend está configurado como "qmd" en ~/.openclaw/openclaw.json, luego reinicie el Gateway.

Falla en la descarga del modelo

Los usuarios en China pueden configurar el espejo de HuggingFace:

export HF_ENDPOINT=https://hf-mirror.com
qmd embed

Memoria insuficiente

Los Mac M-series deben tener al menos 8 GB de memoria. Si el proceso de embedding es terminado, intente cerrar otras aplicaciones.

Referencia de configuración

Resumen

Después de habilitar QMD, la búsqueda de memoria de OpenClaw tendrá:

• Búsqueda de texto completo BM25: Coincidencia precisa de palabras clave, IDs, símbolos de código
• Búsqueda semántica vectorial: Comprensión de sinónimos y asociaciones conceptuales
• Optimización de reordenamiento: El reordenador Qwen3 mejora la relevancia

En comparación con el SQLite integrado + Gemini Embeddings, QMD funciona completamente en local sin depender de APIs externas y ofrece una calidad de búsqueda superior.

Publicado el: 7 de feb de 2026 · Modificado el: 7 de feb de 2026

RR

Construir