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 解決了 AI 代理的「上下文過載」與記憶遺失問題。它避免了代理在不同會話中必須重複相同的指示、標準作業流程（SOP）與專案背景，並減少將大量冗長工具日誌傾倒至 LLM 上下文窗口所產生的 token 成本。
How it works
此專案實作了一個分層記憶架構，拋棄平面向量儲存，改採用階層式方法：
- Memory Layering: 它將資訊組織成語意金字塔。對於長期記憶，從原始對話 (L0) → 原子事實 (L1) → 情境區塊 (L2) → 使用者角色 (L3) 逐層遞進。對於短期任務，則使用三層系統：原始工具輸出、步驟層級摘要，以及輕量的 Mermaid 畫布。
- Symbolic Memory: 為了處理冗長的中間日誌，系統將完整文字卸載至外部檔案，並以高密度的 Mermaid 符號圖表示任務狀態。代理在此圖上推理，僅在需要特定細節時透過
node_id取回完整原始文字。 - Heterogeneous Storage: 底層證據（事實、日誌）使用資料庫儲存，上層結構（角色、情境）則以人類可讀的 Markdown 檔案保存，確保從高階抽象回溯至真實資料的完整可追溯性。
Who it’s for
此方案適用於開發長時程 AI 代理（如使用 OpenClaw 或 Hermes）的開發者，讓代理能保留複雜工作流程、使用者偏好與任務上下文，而不會耗盡 token 限制或失去精確度。
Highlights
- Significant Token Reduction: 在某些基準測試中， token 使用量降低最高達 61.38%。
- Improved Performance: 提升通過率與角色準確度（例如，PersonaMem 準確率從 48% 提升至 76%）。
- Lossless Recovery: 保持從符號回溯至原始證據的確定性鑽取路徑。
- Plugin Integration: 為 OpenClaw 與 Hermes 代理提供即用型插件。