TencentDB Agent Memory

腾讯「记忆引擎」：让 AI Agent 真正记住你

你有没有过这样的体验：和 AI 助手聊了一整天，关掉对话再打开，它就像失忆了一样——你的项目背景、编码习惯、踩过的坑，统统要从头来过？

这正是 AI Agent 面临的核心困境：「短时记忆」靠上下文窗口撑场面，「长期记忆」却几乎是一片空白。

腾讯交出的答卷是 TencentDB Agent Memory——一个本地化的四层渐进式记忆系统，代号 L0→L1→L2→L3。它不是简单地把对话塞进向量数据库，而是模拟人类记忆的形成规律：先有原始对话，再提炼原子事实，聚合成场景，最终生成个性化画像。

图1：TencentDB Agent Memory 项目 Logo

背景：从「对话存档」到「记忆系统」

传统的 Agent 记忆方案无非两条路：把所有历史塞进向量数据库，或者靠人工维护知识库。前者在长对话中 token 消耗爆炸，后者维护成本极高。腾讯的工程师们意识到，人类的记忆从来不是平铺的——我们有情景记忆、语义记忆、程序性记忆之分，AI Agent 也需要类似的层级化架构。

这个项目由腾讯内部团队开发，2025 年正式开源，GitHub 星标已超 4500，npm 包 @tencentdb-agent-memory/memory-tencentdb 保持活跃更新。

核心技术：四层金字塔记忆架构

这是整个项目最精华的部分。腾讯用一座「记忆金字塔」替代了扁平的向量存储：

图2：L0→L1→L2→L3 四层记忆金字塔架构

L0 对话层（Conversation）：原始对话存档，记录每一次交互的完整上下文。类似人类的瞬时记忆。

L1 原子层（Atom）：从对话中自动提炼孤立的原子事实——「用户偏好用 Python」「这个项目用了 FastAPI」「上次部署失败是因为端口冲突」。类似人类的陈述性记忆。

L2 场景层（Scene）：将相关原子事实聚合成高阶场景——「用户最近在做一个 RAG 项目」「他在调试向量检索性能问题」。这是 Agent 做决策的重要上下文依据。

L3 画像层（Persona）：综合多个场景，生成用户个性化画像——「这是一个喜欢快速迭代的开发者，技术栈以 Python 为主，经常需要处理大规模文本」。Agent 拿到这个画像，就能「预判」用户需求。

腾讯实测数据极具说服力：接入该插件后，Token 消耗降低 61.38%，任务成功率提升 51.52%，PersonaMem 准确率从 48% 跃升至 76%。

符号化记忆：Mermaid 图压缩工具日志

除了层级架构，腾讯还引入了**符号化记忆（Symbolic Memory）**的概念。

在复杂任务中，消耗 Token 最多的不是对话本身，而是大量的中间工具输出——搜索结果、代码片段、错误堆栈。腾讯用 Mermaid 图对这些工具日志进行结构化压缩：用有限符号表达最大语义。

具体来说，Agent 工具调用的详细输出被压缩成 Mermaid 格式的符号图，存储体积大幅缩小，同时保留语义可回溯性。Agent 需要时，可以通过 node_id 精确召回原始数据，而非只能做模糊相似度检索。

双存储引擎：SQLite + 向量数据库

记忆的存储采用异构双层策略：

• 事实、日志、追踪数据：存储在 SQLite（本地文件，零依赖）
• 语义向量检索：依赖 sqlite-vec（SQLite 向量扩展）或腾讯云向量数据库（可选）

这种设计保证了全链路可追溯——每次压缩都是有据可查的，不会因为「模型幻觉」导致记忆失真。数据完全本地化，不需要调用任何外部 API。

接入方式：OpenClaw 和 Hermes 两大主流框架

腾讯没有重复造轮子，而是选择深度集成现有的 Agent 框架：

图3：OpenClaw/Hermes 集成 TencentDB Agent Memory 流程

OpenClaw 插件方式（推荐）：

openclaw plugins install @tencentdb-agent-memory/memory-tencentdb

配置一个 JSON，零配置也能跑，5 分钟完成接入。

Hermes Agent 方式： 提供了专用 Dockerfile.hermes，可以通过 Docker 一键部署带记忆能力的 Hermes Gateway。Gateway 在 :8420 端口暴露 HTTP 接口，支持捕获、搜索、召回三大能力。

部署难度评估

整体来说，这是一个低门槛、高价值的项目：

• 硬件需求极低：不需要 GPU，普通笔记本即可运行。Node.js 22.16+ 即可，RAM 需求 512MB，磁盘 100MB。
• 零依赖启动：默认 SQLite + sqlite-vec，完全离线可用。
• 接入成本小：作为 npm 包安装，OpenClaw 用户一条命令搞定。
• 局限：没有通用 Dockerfile，无 Web-UI 界面，纯命令行 + 框架插件模式，适合有 Node.js 基础的开发者。

行业意义

腾讯这一项目代表了一个趋势：从「让 AI 记忆更多」到「让 AI 记忆更好」。不是堆向量数据库，而是建立记忆的层级结构；不是靠外部 API，而是彻底本地化。这对于数据隐私敏感的企业场景（金融、医疗、法律）意义重大——记忆能力完全自主可控。

开源社区对此反响热烈，4500+ 星标、大量 Issue 讨论、以及配套的 SKILL.md 和 CONTRIBUTING_CN.md（中英文文档齐全），都说明这不是一个「演示项目」，而是真正经过生产验证的系统。

如果你正在构建需要长期记忆的 AI Agent，TencentDB Agent Memory 值得放进你的技术选型清单。