TencentDB Agent Memory：让 AI 团队共享记忆资产的记忆中心

Skill超级捕获手 技术创作者 2026-08-05 15 阅读

今天 GitHub 最抢眼的开源项目之一，是腾讯云数据库团队推出的 TencentDB Agent Memory——一个面向 AI Agent 团队的企业级记忆中心。它将对话、文档、代码转化为四类可复用记忆资产（Chat Memory、Skill、LLM-Wiki、Code-Graph），让不同 Agent 在多轮协作中自动继承上下文，无需重复「培训」。8月5日单日新增 1,891 颗 star，总量已达 14,668，增速在同日 trending 仓库中名列前茅。

功能与原则

核心定位是解决 Agent 团队「重复训练」痛点：项目背景一旦交代过，下一个 Agent 不应再从零学起；文档一旦读过，每个 Agent 不应再从第一页翻起。TencentDB Agent Memory 将这一理念落地为四类结构化记忆资产：

  • Chat Memory：保留用户偏好、决策、交互历史，自动逐层蒸馏（L0 对话 → L1 原子 → L2 场景 → L3 Persona）。
  • Skill：从对话和工具调用中提取可复用技能，含版本、资源文件、触发边界、执行步骤和校验规则，支持跨 Agent 共享。
  • LLM-Wiki：将产品文档、设计规范、运维手册转化为带链接图的结构化页面，类似 Karpathy 倡导的 LLM 知识库。
  • CodeGraph：索引代码符号、文件、调用关系与影响路径，支持修改前的影响范围分析。

设计原则：记忆不驱动 Agent 循环，而是确保下一次迭代继承上一次的结果——有价值的交互留在 Chat Memory，经验证的流程蒸馏为 Skill，文档/代码变更通过 Wiki 摄入和 CodeGraph 同步持续更新。

认可度

  • GitHub Star：截至 2026-08-05，14,668 ★（ forks 1,332）
  • 今日增速：+1,891 ★（GitHub Trending 同日排名靠前）
  • 定位：腾讯云数据库团队出品，定位企业级 Agent 协作基础设施

链接

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

原作者

腾讯云数据库团队（TencentCloud/TencentCloud），专注云数据库与 AI Infra 融合，专注于将传统 DB 能力扩展为 Agent 可用的记忆层。

介绍

长期运行的 Agent 团队面临一个根本性问题：上下文无法跨会话保持。每个新对话都是一次「重新培训」——项目背景要重新交代，文档要重新阅读，工作流要重新发现。TencentDB Agent Memory 从这个实际问题出发，构建了一套完整的记忆生命周期管理方案。

它将记忆分为私有（private）、团队（team）和精确访问（restricted/agent）三个可见性层级，天然支持多 Agent 协作场景中的权限隔离。团队成员可以将个人对话中产生的 Skill 分享给团队，也可以将经过评审的 Wiki 资产装备给指定的开发 Agent，实现「按角色分配记忆」的工作方式。

配套的 Memory Hub Web 控制台提供了团队创建、Agent 注册、资产浏览、版本管理和访问控制的完整 UI。安装也极其简单：git clone 后复制 .env.example 为 .env，填入两组 LLM 参数，执行 start-all.sh 即可一键启动 memory-core + memory-hub + proxy 三个服务，启动完成后直接输出可粘贴到 Claude 的连接命令。

特点

  • 四类记忆资产覆盖全生命周期：Chat Memory × Skill × Wiki × CodeGraph，互补而非重复
  • 多 Agent 框架兼容：记忆资产与 Agent 框架解耦，可跨 Claude Code / CodeBuddy / 其他框架使用
  • 权限隔离设计完善：private / team / restricted / agent 四级可见性，隐私默认保密，共享需显式操作
  • 冷启动友好：支持直接导入已有代码库、文档和对话记录，新 Agent 上岗即可获取团队积累
  • 一键部署：提供 start-all.sh 脚本，零配置启动完整服务，本地 Panel 地址 http://localhost:8125
  • 量化对比 RAG：明确对比了与标准 RAG 的能力差异，突出 Wiki 链接图与 CodeGraph 等差异化价值

使用方法

安装步骤：

git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env  # 填入两组 LLM 参数（memory group + proxy group）
./start-all.sh

启动后打开 http://localhost:8125 访问 Memory Hub 控制台。

基本调用（连接 Claude）：

启动脚本执行完成后，会打印一行可直接粘贴到 Claude 的连接命令，粘贴即可。

独立组件用法：

  • memory-core：记忆核心服务，负责四类资产的提取、存储与管理
  • memory-hub：Web 控制台，团队创建、资产浏览、Agent 装备均在此完成
  • proxy：Agent 与记忆服务之间的代理层，支持多框架接入

使用场景与人群

适用场景：
– 多 Agent 协作的产品研发团队（Scout + Builder + Reviewer 等角色分工）
– 需要跨会话继承项目上下文的大型工程团队
– 知识密集型的运维/客服/研究 Agent 场景
– 企业内部 AI Agent 平台的记忆层基础设施搭建

目标用户：
– AI Infra 工程师与平台团队
– 多 Agent 系统架构师
– 需要让 Agent 团队具备「经验积累」能力的开发团队

输入与输出案例

案例一：团队知识继承

新成员入职后，Agent 自动加载团队积累的：产品 Wiki（含链接图）、项目 CodeGraph（已索引符号与调用关系）、历史决策 Chat Memory，无需从文档列表第一行开始阅读，直接进入工作状态。

案例二：Skill 提炼与复用

Agent 在完成一次复杂功能开发后，将过程中的工具调用序列提炼为一条可版本化管理的 Skill 资产。后续其他 Agent 需要执行同类任务时，直接装备该 Skill，自动获得：触发边界定义、执行步骤说明、校验规则 → 跳过重复试错，直接复用已验证路径。

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 15 阅读