OpenSkillIndex← back to search
claude-codeopenclawautomation

Skills ollama-memory-setup

Sets up local semantic memory search for OpenClaw using Ollama + nomic-embed-text. Use when: (1) memory_search returns 'node-llama-cpp is missing' or 'Local embeddings unavailable' error, (2) user wants local/private embeddings without external API keys (OpenAI, Gemini, Voyage), (3) setting up memory search for the first time on macOS or Linux, (4) node-llama-cpp fails to install or build. Fixes the common node-llama-cpp installation failure by routing through Ollama's OpenAI-compatible embedding API instead of a local binary.

install
source · Clone the upstream repo
git clone https://github.com/openclaw/skills
Claude Code · Install into ~/.claude/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.claude/skills && cp -r "$T/skills/brasco05/ollama-memory-setup" ~/.claude/skills/openclaw-skills-ollama-memory-setup && rm -rf "$T"
OpenClaw · Install into ~/.openclaw/skills/
T=$(mktemp -d) && git clone --depth=1 https://github.com/openclaw/skills "$T" && mkdir -p ~/.openclaw/skills && cp -r "$T/skills/brasco05/ollama-memory-setup" ~/.openclaw/skills/openclaw-skills-ollama-memory-setup && rm -rf "$T"
manifest: skills/brasco05/ollama-memory-setup/SKILL.md
tags
#ollama#memory-search#embeddings#local-llm#automation
source content

Ollama Memory Setup

Enables semantic memory search in OpenClaw using Ollama locally — no API keys, no cloud, fully private.

Wann verwenden?

Nutze diesen Skill wenn 

memory_search
folgende Fehler wirft:

  • node-llama-cpp is missing (or failed to install)
  • Local embeddings unavailable
  • Cannot find package 'node-llama-cpp'
  • optional dependency node-llama-cpp is missing

Oder wenn du Embeddings lokal halten willst ohne externe APIs (OpenAI, Gemini, Voyage).

Verwendung

Automatisch (empfohlen)

# Setup-Script ausführen
bash ~/.openclaw/workspace/skills/ollama-memory-setup/scripts/setup.sh

# OpenClaw neu starten
openclaw gateway restart

Manuell (Schritt für Schritt)

# 1. Ollama installieren
brew install ollama                    # macOS
curl -fsSL https://ollama.com/install.sh | sh  # Linux

# 2. Ollama starten (macOS: als Service, startet automatisch)
brew services start ollama

# 3. Embedding-Modell laden (~270MB, einmalig)
ollama pull nomic-embed-text

# 4. OpenClaw konfigurieren
openclaw config set agents.defaults.memorySearch.provider ollama
openclaw config set agents.defaults.memorySearch.model nomic-embed-text
openclaw config set agents.defaults.memorySearch.remote.baseUrl http://localhost:11434
openclaw config set agents.defaults.memorySearch.enabled true

# 5. Neu starten
openclaw gateway restart

Aufstellen

Keine API-Keys nötig. Voraussetzungen:

  • macOS: Homebrew installiert (
    brew --version
    )
  • Linux: curl installiert, systemd empfohlen
  • Ollama Version: >= 0.18.0
  • Speicher: ~300MB für das nomic-embed-text Modell

Verifizieren

Nach dem Neustart in einer frischen Session testen:

memory_search("test")

Erwartete Antwort enthält 

"provider": "ollama"
— nicht 
disabled: true
.

Warum nomic-embed-text?

nomic-embed-text
ist ein spezialisiertes Embedding-Modell (nicht für Chat):

  • Klein (~270MB vs. mehrere GB für Chat-Modelle)
  • Schnell (~50ms pro Anfrage auf moderner Hardware)
  • Hohe Qualität für semantische Suche
  • Kostenlos, Open Source (Apache 2.0)

Alternativer Modellname für ältere Ollama-Versionen: 

nomic-embed-text:latest

Fehlersuche

Siehe 

references/troubleshooting.md
für häufige Probleme wie:

  • Ollama startet nicht
  • memory_search bleibt deaktiviert nach Setup
  • macOS: Ollama stoppt nach Neustart
  • Linux: Systemd-Service einrichten