TencentDB Agent Memory：让 AI 团队共享记忆资产的协作框架

Skill超级捕获手 技术创作者 2026-08-05 14 阅读

TencentDB Agent Memory 是腾讯云团队开源的多 Agent 团队记忆共享框架，将对话、文档、代码转化为四类可复用记忆资产（Chat Memory / Skill / Wiki / CodeGraph），在 Agent 之间建立持久化上下文传递机制，实现”经验不随会话消失”。

它在 GitHub Trending 今日新增 1,138 颗星（截至 2026-08-05），最新 v2.0.0 于 8 月 3 日刚发布，是目前多 Agent 协作领域增长最快的基础设施类项目之一。

功能与原则

TencentDB Agent Memory 围绕一个核心问题设计：如何让 AI Agent 在多轮会话和多人协作中积累经验，而不是每次从零开始？

它将记忆划分为四类资产：

  • Chat Memory：对话级记忆，从原始对话中逐层提炼 L0 原始记录 → L1 原子事实 → L2 场景块 → L3 长期 persona
  • Skill：从对话和工具调用中提炼可复用的技能资产，含版本、资源文件、触发边界、执行步骤和校验规则
  • Wiki：将产品文档、设计文档、运维手册转化为带链接图的结构化知识库
  • CodeGraph：索引代码符号、文件、调用关系和影响路径，让 Agent 改代码前能预判”改这里会影响哪里”

核心设计原则：记忆不是全局 prompt，而是 Agent 的装备（loadout）——不同角色绑定不同资产，按需调用，避免上下文窗口被淹没。

认可度

  • GitHub Star：13.5k（截至 2026-08-05）
  • 今日新增：1,138 stars（GitHub Trending 实时数据）
  • Forks：1.3k
  • 最新版本：v2.0.0（2026-08-03 发布）
  • 支持框架：OpenClaw、Hermes Agent、Claude Code、CodeBuddy，以及 SDK 集成
  • Benchmark：PersonaMem 测试中，启用后相对提升 +59%（48% → 76%）

链接

GitHub：https://github.com/TencentCloud/TencentDB-Agent-Memory

原作者

TencentCloud 团队（主要贡献者 @Maxwell-Code07、@Yuntong8888），专注 AI Agent 基础设施开源项目，隶属于腾讯云数据库团队。

介绍

多 Agent 系统中，每次新会话都意味着 Agent 要重新学习项目背景——这本质上是重复劳动的浪费。TencentDB Agent Memory 的解法是为 Agent 团队建立一个共享的”记忆中枢”（Memory Hub），让经验以结构化资产的形式跨会话持久化。

四类记忆资产各有分工：Chat Memory 记住”用户上次说过不要重构旧认证模块，因为移动端还在用”这类高成本上下文；Skill 将成功的复杂工作流提炼成可复用的技能单元；Wiki 把散落在各处的产品文档和设计规范变成可导航的知识网络；CodeGraph 则是代码库的拓扑地图，让 Agent 在修改前看清影响范围。

Memory Hub 还充当控制面板：创建团队和 Agent、分配记忆资产、设置访问权限（private / team / restricted / agent 四级）。新 Agent 加入时直接加载团队积累的 save file，省去重新训练的成本。

特点

  • 四层记忆蒸馏：L0 原始对话 → L1 原子事实 → L2 场景块 → L3 长期 persona，逐层提炼信息密度
  • 私有优先，分享显式：记忆资产默认 private，分享需明确操作，防止信息意外泄露
  • 按角色装配（Loadout）：不同 Agent 绑定不同资产组合，减少噪音，提升上下文效率
  • 冷启动友好：支持直接导入代码库、文档和历史对话会话，自动生成 CodeGraph 和 Wiki
  • Benchmark 验证：PersonaMem 测评提升 59%，有量化数据支撑效果

使用方法

快速安装（One-liner 启动）：

git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env  # 填写两套 LLM 参数（memory 组 + proxy 组）
./start-all.sh
# 启动完成后会打印一段可直接粘贴到 Claude 的配置命令

启动后访问控制面板：http://localhost:8125

导入已有资产：

# 导入代码库 → 自动生成 CodeGraph
# 导入文档 → 自动生成 Wiki
# 导入历史对话 → 自动提取 Chat Memory 和 Skill

Agent 接入（以 Claude Code 为例）：在配置好 proxy 后，Agent 通过 Memory Hub 的 /v3/tools/list 发现可用记忆资产，用 /v3/tools/call 按需读取相关页面、源码或影响路径。

使用场景与人群

适用场景：

  • 多 Agent 协作团队（一人公司或小型工作室）
  • 需要跨会话保持上下文一致性的长期项目
  • AI 代码助手（Claude Code / Cursor）需要积累项目经验
  • 需要在多个 Agent 之间共享操作规范和最佳实践

目标用户：

  • AI Agent 开发者与研究者
  • 使用 Claude Code / OpenClaw 等工具的工程师
  • 搭建 AI 工作流的个人开发者和小团队
  • 对 Agent 记忆系统有基础设施需求的技术团队

输入与输出案例

案例一：项目上下文继承

  • Input：新会话开始，Agent 加入项目后加载团队 Memory Hub
  • Output：自动获取项目 Wiki（架构文档）、CodeGraph（关键依赖路径）、Chat Memory（”上次重构时发现移动端仍在使用旧认证模块”）→ Agent 无需从头询问项目背景，直接进入工作状态

案例二：Skill 提炼与复用

  • Input：Agent 完成一次复杂的多服务联调，手动触发 Skill 提取
  • Output：从对话和工具调用中提炼出「联调检查清单 Skill v1.2」，包含触发边界（”当涉及支付/订单服务时触发”）、执行步骤（6 步标准流程）、校验规则（”必须验证回调链路完整性”），可供团队其他 Agent 复用

GitHub: https://github.com/TencentCloud/TencentDB-Agent-Memory

评论区

0 条评论

登录后可评论。

Skill超级捕获手 14 阅读