TencentDB Agent Memory 正式开源：让 Agent 沉淀经验，让人专注创造
今天，腾讯云数据库团队正式开源 TencentDB Agent Memory。
一套面向 AI Agent 的分层记忆引擎，项目采用 MIT 协议开源，开箱即用。
项目主页：https://github.com/Tencent/TencentDB-Agent-Memory
在当前主流的 Agent 架构中，Memory 已经从"加分项"变成了"标配组件"。
无论是面向 C 端的对话助手，还是面向开发者的长周期 Agent，底层都依赖类似的"记忆层"承
载跨会话偏好与历史经验，并逐渐收敛出一套通用的接口范式。
TencentDB Agent Memory 正是在这一背景下诞生的：让 Agent 学会你的工作流程、保留任务上下文、复用历史经验——以符号化记忆化解单次长任务的信息过载，以分层记忆沉淀跨会话的经验资产。
在超长 session 评测中发现，Agent Memory 作为 OpenClaw 插件接入后：最高节省 61.38% Token，通过率相对提升 51.52%；PersonaMem 准确率从 48% 提升到 76%。
| 记忆能力 | Benchmark | Openclaw 成功率 | 加插件后成功率 | 相对变化 | Openclaw Token 消耗 | 加插件后 Token 消耗 | 相对变化 |
| 短期记忆 | WideSearch | 33% | 50% | 51.52% | 221.31M | 85.64M | −61.38% |
| 短期记忆 | SWE-bench | 58.40% | 64.20% | 9.93% | 3474.1M | 2375.4M | −33.09% |
| 短期记忆 | AA-LCR | 44.00% | 47.50% | 7.95% | 112.0M | 77.3M | −30.98% |
| 长期记忆 | PersonaMem | 48% | 76% | 59% | — | — | — |
目前，TencentDB Agent Memory 已作为 OpenClaw 记忆增强插件，在生产环境中验证效果。
01
准确
当下主流 AI Agent 的记忆方案，大多做的是同一件事：把对话历史压缩成一段摘要，然后在下次会话时注入上下文。这在短对话里够用，但在真实的长周期任务中会暴露三个问题：
● 跨会话断裂：昨天反复确认的代码规范，今天新开会话又全忘了
● 事实与偏好混淆：用户说过"我用 TypeScript"和"帮我查一下天气"，这两条信息的价值完全不同，但被同等对待
● 上下文膨胀：任务越长，堆进上下文的历史信息越多，Token 消耗持续攀升，模型注意力也在衰减
TencentDB Agent Memory 通过把不同粒度的信息放在不同的"楼层"，构建分层式长期记忆能力来解决以上长周期任务问题：
L0 原始对话层全量保留每一轮交互；
L1 原子记忆层自动提取事实、偏好、约束、阶段结论；
L2 场景归纳层按任务自动聚合；
L3 用户画像层持续蒸馏出稳定的长期画像
每一层只做一件事，层与层之间通过提取-聚合-蒸馏的管道连接，任何一层都可以独立升级或替换，让Agent 不再因为换了一次会话就忘掉你是谁。
02
效率
过去，"更聪明的 Agent"往往意味着"更贵的 Agent"，但 Agent 是按 Token 计费、按响应速度评价的，每多塞一段对话，就是成本和体验的双重损失。
TencentDB Agent Memory 通过上下文卸载 + Mermaid 无限画布两项关键技术，把原始工具结果搬到外部文件，把任务结构折叠成可导航的画布，上下文里只保留摘要和索引。
对于连续任务和大规模并发，每一个 Token 都影响着成本和体验，这套功能，使得原文不丢、结构可查、Token 不再线性增长。
03
稳定
省 Token 之外，任务完成率也是检验记忆方案的重要指标。
很多压缩方案能把 Token 砍下来，但任务跑偏、遗忘、重复分析的问题随之而来。
TencentDB Agent Memory 在四个公开评测集上同时跑通了两条曲线：Token 下降，完成率上升。
不过，「跑得稳」不只看评测分数，还得经得起底层架构的拷问——我们用 异构存储 + 全链路可溯源，确保了稳定与全量检索。
这套能力已在生产环境经历真实验证——在编程、调研、文档分析、工作流编排四类长链路任务上稳定收敛。
04
快速开始
GitHub 仓库中提供了 OpenClaw 、Hermes Gateway 接入方案，开箱即跑。
1.Openclaw 一行安装
openclaw plugins install @tencentdb-agent-memory/memory-tencentdb openclaw gateway restart2. Hermes Gateway（Docker，需版本号 ≥ 0.3.4）
除 OpenClaw 外，本插件也支持 Hermes Agent。（https://github.com/NousResearch/hermes-agent）
一行命令即可启动带记忆能力的 Hermes：
dockerrun-d\ --name hermes-memory \ --restart unless-stopped \ -p8420:8420\ -eMODEL_API_KEY="$MODEL_API_KEY"\ -eMODEL_BASE_URL="$MODEL_BASE_URL"\ -eMODEL_NAME="$MODEL_NAME"\ -eMODEL_PROVIDER="$MODEL_PROVIDER"\ -vhermes_data:/opt/data\ agentmemory/hermes-memory:latest镜像支持 linux/amd64 和 linux/arm64。内置腾讯云 DeepSeek-V3.2 默认配置，如需自定义模型可额外传入 MODEL_BASE_URL、MODEL_NAME、MODEL_PROVIDER。
验证：
curlhttp://localhost:8420/health# 检查 Gateway 状态 dockerexec-ithermes-memoryhermes# 进入 Hermes 对话记忆不是让 AI 记住所有事，而是让人不必重复所有事。
我们把 TencentDB Agent Memory 放到开源社区，是因为相信记忆这个产品远没有标准答案，比起做一个完美的方案，我们更想和开发者一起，把产品做得更丰富、更扎实、更可用，从而帮助更多 Agent 沉淀经验，让人更专注于创造。
欢迎所有形式的共建——提一个 issue，发起一次discussion，对一个早期项目而言，每一种反馈，都是贡献。
05
相关链接
| 资源 | 链接 |
| GitHub | https://github.com/Tencent/TencentDB-Agent-Memory |
| npm | https://www.npmjs.com/package/@tencentdb-agent-memory/memory-tencentdb |
| 官网介绍 | https://cloud.tencent.com/product/agm |
| PersonaMem 评测集 | https://github.com/bowen-upenn/PersonaMem |
| OpenClaw | https://github.com/openclaw/openclaw |
| Hermes | GitHub - NousResearch/hermes-agent: The agent that grows with you · GitHub |