TencentDB Agent Memory —— 为AI Agent提供完全本地的长期记忆系统

这是什么

TencentDB Agent Memory 是一个为 AI Agent 设计的记忆层系统，基于 符号短时记忆 (Symbolic Short-Term Memory) 和 分层长时记忆 (Layered Long-Term Memory) 的双层架构。它不是传统的向量数据库或扁平记忆存储，而是将 Agent 的交互日志、偏好、任务上下文等结构化、分层化，让 Agent 能“记住该记住的”，同时保留完整的可追溯性。项目主语言为 TypeScript，在 GitHub 上获得 7345 颗星，由 TencentCloud 开源。

解决的问题

传统 Agent 记忆系统面临两大痛点：

• Token 爆炸：长任务中，Agent 需要保留大量中间日志（如搜索结果、代码、错误堆栈），导致上下文窗口迅速膨胀，推理成本飙升。
• 不可逆的信息丢失：无论暴力累积历史还是使用有损摘要，都会丢失关键细节，且无法追溯。用户不得不反复向 Agent 解释相同的 SOP、项目背景、工具约定和输出格式。

TencentDB Agent Memory 通过符号短时记忆将冗长的工具日志压缩为轻量级 Mermaid 符号图，仅在需要时通过 node_id 回溯原始文本；同时通过分层长时记忆将碎片化对话提炼为结构化的用户画像 (Persona) 和场景 (Scene)，而非平铺的向量堆。最终实现：让 Agent 学会你的工作流，保留任务上下文，复用过往经验，而人类只需专注于判断、创造和真正重要的工作。

核心功能

1. 符号短时记忆 (Symbolic Short-Term Memory)

   • 将完整工具日志卸载到外部文件（refs/*.md），仅在上下文中保留一张轻量级 Mermaid 任务图（几百 token）。
   • 通过 node_id 实现精确回溯：Agent 在符号图上推理，遇到错误时通过 node_id 快速检索原始文本，兼顾低 token 消耗和全可追溯性。
   • 实测数据：与 OpenClaw 集成后，token 使用量降低 61.38%，任务通过率相对提升 51.52%。

2. 分层长时记忆 (Layered Long-Term Memory)

   • 构建语义金字塔：L0 对话 → L1 原子事实 → L2 场景块 → L3 用户画像。日常偏好承载于 Persona 层，仅当需要细节时才下钻到 Atoms 层。
   • 跨会话记忆：将碎片化会话自动汇聚为结构化的场景和画像，避免扁平向量存储的“盲搜”。PersonaMem 准确率从 48% 提升至 76%。

3. 技能生成分层 (Skill Generation Layering)

   • 从底层执行轨迹（L0 对话）中提取通用解决方案模式（Scenario），再蒸馏为可复用的技能或标准 SOP（Persona）。支持 Agent 自我进化。

4. 异构存储与渐进式展示

   • 底层（事实、日志、轨迹）持久化到数据库（默认 SQLite + sqlite-vec），支持全文检索；顶层（画像、场景、符号图）存储为人类可读的 Markdown 文件，便于白盒检查和修改。

5. 全可追溯与无损恢复

   • 压缩过程不丢失证据：维护从顶层抽象到底层原始文本的确定性路径（顶层符号 → 中层索引 → 底层原始文本）。即使日志被卸载，也能通过 node_id 无损恢复。

亮点 / 与同类相比

• 分层而非扁平：传统系统将数据切碎后丢进扁平向量库，回忆变成对碎片盲搜；TencentDB Agent Memory 采用统一的分层范式，从短期上下文到长期个性化，再到技能生成，每一层都有明确的结构和语义。
• 可追溯而非不可逆压缩：同类系统常牺牲可追溯性换取压缩率；本项目通过符号图 + node_id 机制，保证每一步压缩都能逆向回溯到原始证据，避免信息丢失。
• 高密度符号表示：使用 Mermaid 语法而非冗长的 JSON 或自然语言，既适合 LLM 解析，也适合人类阅读。符号图精确、简洁，且支持逐步下钻。
• 开箱即用的集成：支持 OpenClaw 和 Hermes Agent 两种主流 Agent 框架，提供官方 Docker 镜像和插件安装命令，无需复杂配置即可启用。
• 实测数据有力：在连续长时会话（如 SWE-bench 每轮 50 个连续任务）中验证，而非单轮对话。Token 节省和通过率提升显著。

适合谁用 / 上手

适合人群：

• 开发 AI Agent 的工程师，尤其是需要处理长对话、多步骤任务、复杂工具链的团队。
• 希望减少 API 调用成本、提升 Agent 任务成功率的用户。
• 对 Agent 记忆可解释性、可追溯性有高要求的场景（如企业级 SOP 自动化）。

快速上手（以 OpenClaw 为例）：

1. 安装插件：

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

2. 启用插件（默认使用本地 SQLite 后端）：

   // ~/.openclaw/openclaw.json
   {
     "memory-tencentdb": {
       "enabled": true
     }
   }
   

3. 开启日志卸载：

   {
     "memory-tencentdb": {
       "config": {
         "offload": { "enabled": true }
       }
     }
   }
   

4. 配置 slot 路由：

   {
     "plugins": {
       "slots": { "contextEngine": "memory-tencentdb" }
     }
   }
   

5. 运行一次性 patch 脚本以支持 after-tool-call 消息的正确卸载与恢复：

   bash scripts/openclaw-after-tool-call-messages