TencentCloud/TencentDB-Agent-Memory

TencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.

What it solves

TencentDB Agent Memory 解决了 AI 代理的“上下文过载”和记忆丢失问题。它防止代理在不同会话中必须重复相同的指令、SOP 和项目背景，并降低将大量冗长工具日志倾倒到 LLM 上下文窗口所产生的 token 成本。

How it works

该项目实现了一个分层记忆架构，摒弃平面向量存储，转而采用层级方法：

  • Memory Layering: 它将信息组织成语义金字塔。对于长期记忆，从原始对话 (L0) → 原子事实 (L1) → 场景块 (L2) → 用户角色 (L3) 逐层递进。对于短期任务，则使用三层系统：原始工具输出、步骤级摘要以及轻量的 Mermaid 画布。
  • Symbolic Memory: 为处理冗长的中间日志，系统将完整文本卸载到外部文件，并以高密度的 Mermaid 符号图表示任务状态。代理在该图上推理，仅在需要特定细节时通过 node_id 检索完整原始文本。
  • Heterogeneous Storage: 底层证据（事实、日志）使用数据库存储，上层结构（角色、场景）则以人类可读的 Markdown 文件保存，确保从高层抽象回溯到真实数据的完整可追溯性。

Who it’s for

此方案面向构建长时程 AI 代理（如使用 OpenClaw 或 Hermes）的开发者，使代理能够保留复杂工作流、用户偏好和任务上下文，而不会耗尽 token 限制或失去准确性。

Highlights

  • Significant Token Reduction: 在某些基准测试中， token 使用量最高降低 61.38%。
  • Improved Performance: 提高通过率和角色准确度（例如，PersonaMem 准确率从 48% 提升至 76%）。
  • Lossless Recovery: 保持从符号回溯到原始证据的确定性钻取路径。
  • Plugin Integration: 为 OpenClaw 与 Hermes 代理提供即用插件。