腾讯开源 TencentDB Agent Memory：面向AI代理的四层本地記憶體管道

腾讯近日开源了TencentDB Agent Memory，这是一个面向AI代理的記憶體系统，采用MIT许可证发布。该系统旨在解决长周期代理任务中的上下文膨胀和召回失败问题，通过结合符号短期記憶与分层長期記憶，为代理提供高效、可追溯的記憶管理。

当前大多数記憶堆栈将数据碎片化并存入扁平向量存储，导致召回成为随机片段间的盲目相似性搜索，缺乏宏观指导。TencentDB Agent Memory则构建了一个四层语义金字塔：L0对话（原始对话）、L1原子（原子事实）、L2场景（场景块）和L3角色（用户画像）。角色层存储日常偏好，优先查询；系统仅在需要细节时向下钻取至原子或对话层。底层保留证据，上层保留结构。存储方式异构：事实、日志和轨迹存储在数据库中支持全文检索；角色、场景和画布以可读的Markdown文件存储，位于~/.openclaw/memory-tdai/目录下。

在符号短期記憶方面，长时间任务中冗长的工具日志、搜索结果和错误追踪会消耗大量令牌。TencentDB Agent Memory通过上下文卸载结合符号記憶解决这一问题：完整工具日志被卸载到外部文件（refs/*.md），状态转换以Mermaid语法编码在轻量级任务画布中。代理在上下文窗口中仅推理符号图，需要原始文本时通过节点ID检索对应文件。腾讯开发团队将其描述为从顶层符号到中间索引到底层原始文本的确定性钻取。

基准测试成绩斐然。在WideSearch基准上，集成插件后通过率从33%提升至50%（相对提升51.52%），令牌消耗从2.2131亿降至8564万（减少61.38%）。在SWE-bench上，成功率从58.4%升至64.2%，令牌从34.741亿降至23.754亿（减少33.09%）。在AA-LCR上，成功率从44.0%升至47.5%，令牌从1.12亿降至7730万（减少30.98%）。长期記憶方面，PersonaMem准确率从48%跃升至76%。需注意这些数据来自腾讯内部评估。

检索默认采用混合策略：结合BM25关键词搜索和向量嵌入，通过互惠排名融合（RRF）进行融合。开发者可通过配置字段切换为纯关键词或纯嵌入模式。BM25分词器支持中文（jieba）和英文。默认每五轮对话触发一次L1記憶提取，每50条新記憶生成一次用户画像。召回默认返回5个项目，超时5秒则跳过注入而非阻塞对话。

OpenClaw集成以单个npm包（@tencentdb-agent-memory/memory-tencentdb）提供，需Node.js 22.16或更高版本。启用仅需一个配置标志，插件自动处理对话捕获、記憶提取、场景聚合、角色生成和召回。Hermes版本则提供Docker镜像，默认模型为腾讯云DeepSeek-V3.2，任何兼容OpenAI的端点均可通过MODEL_PROVIDER=custom使用。会话期间暴露出两个工具：tdai_memory_search（搜索L1-L3）和tdai_conversation_search（搜索L0原始对话）。还可选择腾讯云向量数据库作为本地SQLite的替代后端。

总之，TencentDB Agent Memory通过创新的分层記憶架构和符号短期記憶，显著降低了令牌消耗并提升了代理在长周期任务中的表现，为AI代理的記憶管理提供了一套完整、可本地化部署的开源解决方案。