今天腾讯云数据库团队正式开源 TencentDB Agent Memory。一套面向 AI Agent 的分层记忆引擎项目采用 MIT 协议开源开箱即用。项目主页https://github.com/Tencent/TencentDB-Agent-Memory在当前主流的 Agent 架构中Memory 已经从加分项变成了标配组件。无论是面向 C 端的对话助手还是面向开发者的长周期 Agent底层都依赖类似的记忆层承载跨会话偏好与历史经验并逐渐收敛出一套通用的接口范式。TencentDB Agent Memory 正是在这一背景下诞生的让 Agent 学会你的工作流程、保留任务上下文、复用历史经验——以符号化记忆化解单次长任务的信息过载以分层记忆沉淀跨会话的经验资产。在超长 session 评测中发现Agent Memory 作为 OpenClaw 插件接入后最高节省 61.38% Token通过率相对提升 51.52%PersonaMem 准确率从 48% 提升到 76%。记忆能力BenchmarkOpenclaw 成功率加插件后成功率相对变化Openclaw Token 消耗加插件后 Token 消耗相对变化短期记忆WideSearch33%50%51.52%221.31M85.64M−61.38%短期记忆SWE-bench58.40%64.20%9.93%3474.1M2375.4M−33.09%短期记忆AA-LCR44.00%47.50%7.95%112.0M77.3M−30.98%长期记忆PersonaMem48%76%59%———目前TencentDB Agent Memory 已作为 OpenClaw 记忆增强插件在生产环境中验证效果。01准确当下主流 AI Agent 的记忆方案大多做的是同一件事把对话历史压缩成一段摘要然后在下次会话时注入上下文。这在短对话里够用但在真实的长周期任务中会暴露三个问题● 跨会话断裂昨天反复确认的代码规范今天新开会话又全忘了● 事实与偏好混淆用户说过我用 TypeScript和帮我查一下天气这两条信息的价值完全不同但被同等对待● 上下文膨胀任务越长堆进上下文的历史信息越多Token 消耗持续攀升模型注意力也在衰减TencentDB Agent Memory 通过把不同粒度的信息放在不同的楼层构建分层式长期记忆能力来解决以上长周期任务问题L0 原始对话层全量保留每一轮交互L1 原子记忆层自动提取事实、偏好、约束、阶段结论L2 场景归纳层按任务自动聚合L3 用户画像层持续蒸馏出稳定的长期画像每一层只做一件事层与层之间通过提取-聚合-蒸馏的管道连接任何一层都可以独立升级或替换让Agent 不再因为换了一次会话就忘掉你是谁。02效率过去更聪明的 Agent往往意味着更贵的 Agent但 Agent 是按 Token 计费、按响应速度评价的每多塞一段对话就是成本和体验的双重损失。TencentDB Agent Memory 通过上下文卸载 Mermaid 无限画布两项关键技术把原始工具结果搬到外部文件把任务结构折叠成可导航的画布上下文里只保留摘要和索引。对于连续任务和大规模并发每一个 Token 都影响着成本和体验这套功能使得原文不丢、结构可查、Token 不再线性增长。03稳定省 Token 之外任务完成率也是检验记忆方案的重要指标。很多压缩方案能把 Token 砍下来但任务跑偏、遗忘、重复分析的问题随之而来。TencentDB Agent Memory 在四个公开评测集上同时跑通了两条曲线Token 下降完成率上升。不过「跑得稳」不只看评测分数还得经得起底层架构的拷问——我们用 异构存储 全链路可溯源确保了稳定与全量检索。这套能力已在生产环境经历真实验证——在编程、调研、文档分析、工作流编排四类长链路任务上稳定收敛。04快速开始GitHub 仓库中提供了 OpenClaw 、Hermes Gateway 接入方案开箱即跑。1.Openclaw 一行安装openclaw plugins install tencentdb-agent-memory/memory-tencentdb openclaw gateway restart2. Hermes GatewayDocker需版本号 ≥ 0.3.4除 OpenClaw 外本插件也支持 Hermes Agent。https://github.com/NousResearch/hermes-agent一行命令即可启动带记忆能力的 Hermesdockerrun-d\ --name hermes-memory \ --restart unless-stopped \ -p8420:8420\ -eMODEL_API_KEY$MODEL_API_KEY\ -eMODEL_BASE_URL$MODEL_BASE_URL\ -eMODEL_NAME$MODEL_NAME\ -eMODEL_PROVIDER$MODEL_PROVIDER\ -vhermes_data:/opt/data\ agentmemory/hermes-memory:latest镜像支持 linux/amd64 和 linux/arm64。内置腾讯云 DeepSeek-V3.2 默认配置如需自定义模型可额外传入 MODEL_BASE_URL、MODEL_NAME、MODEL_PROVIDER。验证curlhttp://localhost:8420/health# 检查 Gateway 状态 dockerexec-ithermes-memoryhermes# 进入 Hermes 对话记忆不是让 AI 记住所有事而是让人不必重复所有事。我们把 TencentDB Agent Memory 放到开源社区是因为相信记忆这个产品远没有标准答案比起做一个完美的方案我们更想和开发者一起把产品做得更丰富、更扎实、更可用从而帮助更多 Agent 沉淀经验让人更专注于创造。欢迎所有形式的共建——提一个 issue发起一次discussion对一个早期项目而言每一种反馈都是贡献。05相关链接资源链接GitHubhttps://github.com/Tencent/TencentDB-Agent-Memorynpmhttps://www.npmjs.com/package/tencentdb-agent-memory/memory-tencentdb官网介绍https://cloud.tencent.com/product/agmPersonaMem 评测集https://github.com/bowen-upenn/PersonaMemOpenClawhttps://github.com/openclaw/openclawHermesGitHub - NousResearch/hermes-agent: The agent that grows with you · GitHubTencentDB Agent Memory 由腾讯云数据库团队开发和维护。如果这个项目对你有帮助欢迎在 GitHub 上给一个 ⭐。
