TencentDB-Agent-Memory: 通过符号卸载和语义金字塔减少智能体 Token 使用量的分层记忆系统

它解决了什么问题

TencentDB Agent Memory 解决了 AI 智能体中的“上下文过载”问题。传统的智能体要么在上下文窗口中囤积每一次交互（消耗大量 Token），要么使用会破坏细节的有损摘要。本项目为智能体提供了一种结构化的方式，使其能够记住工作流、用户偏好和任务历史，而无需重复自身或浪费 Token。

工作原理

该系统采用分层架构，摆脱了“扁平化”的向量存储：

• 记忆分层： 它将信息组织成一个语义金字塔。长期记忆从原始对话 (L0) 演进到原子事实 (L1)，然后到场景块 (L2)，最后到用户画像 (L3)。这使得智能体可以使用高层级的画像进行通用指导，并仅在需要特定细节时才“钻取”原始数据。
• 符号化短期记忆： 为了处理冗长的工具日志（如代码或搜索结果），系统将全文卸载到外部文件中，并在智能体的上下文中用一个紧凑的 Mermaid 符号图来替换它们。智能体随后可以使用 node_id 在必要时检索原始文本。
• 异构存储： 它使用数据库存储原始事实和日志（底层），并使用人类可读的 Markdown 文件存储画像和场景（顶层）。

适用对象

正在构建长程 AI 智能体（使用 OpenClaw 或 Hermes 等框架）的开发者，他们需要智能体在长会话中保持一致的画像和任务状态，同时降低 LLM Token 成本。

亮点

• 显著的 Token 减少： 在某些基准测试中，Token 使用量减少了高达 61.38%。
• 提高准确率： 将 PersonaMem 准确率从 48% 提高到 76%。
• 无损恢复： 维持了一条从高层抽象回到原始原始证据的确定性路径。
• 集成就绪： 为 OpenClaw 和 Hermes 智能体提供插件。