文章主要介绍了腾讯云开源的TencentDB Agent Memory项目旨在解决AI Agent在多会话环境下的记忆丢失问题。该项目通过将记忆划分为Chat Memory、Skill、Wiki和CodeGraph四种资产并采用分层语义金字塔架构进行管理有效降低了Token消耗和提高了Agent的工作效率。文章还详细阐述了项目的冷启动方案和记忆资产治理机制并提供了实际测试数据证明其在长程Session下的优秀表现。对于正在使用多Agent工作流的开发者来说这是一个值得尝试的解决方案。Agent 记忆问题你跟 Agent 解释过一次项目背景换了新会话它又问一遍。花三个小时让它理解了代码仓库的调用关系下次开窗口依然从头读起。你把调试流程教给了一个 Agent另一个 Agent 完全不知道。这是一个普遍问题。每次重复解释上下文消耗的是 Token 和耐心。当项目里同时跑着三四个 Agent 做不同事情时这个成本翻倍增长。腾讯云刚开源的 TencentDB Agent Memory v2.0.0就在解决这个问题让 Agent 团队共享记忆而不是每个 Agent 各自从零开始。项目 MIT 开源8 月 3 日发布稳定版一周内 GitHub star 从 10.7K 涨到 18.2K。图注TencentDB Agent Memory 的 L0→L3 语义金字塔架构。来源官方 README四种记忆资产TencentDB Agent Memory 把记忆划分为四种资产。Chat Memory 保留偏好、事实、决策和交互历史。每次对话结束自动提炼下次召回时 Agent 不用重新问你是谁、偏好什么。Skill 从完成的任务中提取可复用技能带版本、触发条件、执行步骤和验证规则不是往 prompt 里塞一段话那么简单。Wiki 把产品文档、设计规范、运维手册转成结构化页面和链接图谱Agent 不用每次把文件列表扫一遍才开工。CodeGraph 索引代码符号、文件、调用关系和影响路径Agent 改代码前能先查改了这个会影响哪些。这四种资产都可以在 Memory Hub 面板里统一管理审核、共享、分配给不同 Agent、控制版本和可见性。memory怎么处理传统做法是把所有数据切成碎片、平铺成向量召回时做盲搜。TencentDB Agent Memory 的设计哲学是分层。长期记忆走 L0→L3 四层语义金字塔L0 是原始对话L1 是结构化原子事实L2 是场景块L3 是用户画像。平时靠高层 Persona 把握偏好需要细节时再沿索引下钻到底层原文。图注L0→L3 四层语义金字塔Agent 平时看高层画像需要时逐层下钻到底层原文。短期记忆也分层。长任务中消耗 Token 最多的是工具调用日志、搜索结果、代码和报错。这些完整日志被卸载到外部文件上下文里只保留一张 Mermaid 符号图谱Agent 看着图谱推理需要细节时 grep 一下node_id就能找回原文。底层保留证据高层保留结构这是整个架构的核心。符号化短期记忆Mermaid 替代工具日志一个复杂任务跑下来工具日志可能有几十万 Token。传统做法要么暴力截断丢信息要么全部塞进上下文烧钱。TencentDB Agent Memory 的做法完整工具日志卸载到refs/*.md状态流转用 Mermaid 语法画成一张轻量任务地图注入 Agent 上下文只有几百 Token。Agent 看着图谱推理需要核对细节时按node_id下钻恢复原文。图注杂乱的工具日志被卸载到文件系统Agent 上下文只保留轻量 Mermaid 符号图谱。在 offload 模块优化后assemble 耗时从 38 秒降到 122 毫秒快了 310 倍。记忆资产治理普通 RAG 回答能找到什么。TencentDB Agent Memory 能回答谁能用、哪个版本有效、给哪个 Agent。记忆资产有三种可见性private只有 Owner 能看连团队管理员都看不到team团队可见restricted按用户、角色或 Agent 精确授权。图注Memory Hub 提供 private、team、restricted 三级可见性。新创建的 Chat Memory 和 Skill 默认是 private共享是一个主动操作不是默认行为。你可以给 Scout Agent 装市场调研记忆给 Builder Agent 装代码图谱和交付技能给 Reviewer Agent 装历史事故记忆和发布检查清单互不干扰。实测数据官方 benchmark 用的是超长 Session 评测不是单题清空上下文。SWE-bench 每个 Session 连续跑 50 个任务模拟真实长程 Agent 的上下文累积压力。接入 OpenClaw 插件后WideSearch 通过率从 33% 提到 50%Token 消耗从 221M 降到 85M。SWE-bench 通过率从 58.4% 到 64.2%Token 减少 33%。长期记忆方面PersonaMem 准确率从 48% 到 76%。冷启动项目支持 Docker 一键部署默认用本地 SQLite sqlite-vec不需要外部 API。兼容 OpenClaw、Hermes Agent、Claude Code 和 CodeBuddy。冷启动方案导入现有代码仓库CodeGraph 自动索引符号和调用关系导入文档Wiki 自动生成结构化页面导入过去的对话记录自动提取 Skill 和 Chat Memory。新 Agent 团队不用从零学起直接加载存档。图注冷启动流程导入代码仓库、文档和对话记录自动构建记忆资产。来源官方 README动手建议如果你在跑多 Agent 工作流这个项目值得花半小时试一下。启动Docker并导入一个现有项目看看 CodeGraph 和 Skill 提取效果。大模型的知识又多又杂到底怎么学做这行久了被问最多的问题就一个大模型的知识又多又杂我到底先学啥翻了一堆资料看啥都像重点结果啥都没学进去。今天把我自己一路摸出来的顺序捋一遍零基础、应届生、转行的都适用。跟着走至少方向不乱、不瞎忙学完拿得出手。第一阶段10天初阶应用这一阶段就一个目标把大模型真正玩明白不是只会聊天那种而是能调教它、能用代码把大模型和业务接起来。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用这阶段正式进实战目标很实在做出两个能拿出手的东西——一个私有知识库一个 agent 对话机器人。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…走完这 30 天Python 或 JavaScript 背景的基本能独立做一套 RAG 应用简历上也敢写大模型应用开发了。第三阶段约20天动手微调学到这你已经开始 “造” 模型了 —— 通过微调搞出垂直领域的专用小模型。为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你从 “只会用” 变成 “能造” 的 AI 小子。那么你还想往下探索吗想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料第四阶段20天商业闭环部署落地技术学完落地才算数。这阶段带你搞明白大模型怎么真正跑起来、用起来。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…想要入坑大模型的朋友给大家准备了一份2026 年最新 AI 大模型全套学习资料1、大模型系统化学习路线2、大模型学习视频教程3、大模型学习书籍电子文档4、AI大模型最新行业报告5、大模型项目实战配套源码6、2026大模型大厂面试真题7、为什么要学习大模型我国在A大模型领域面临人才短缺,数量与质量均落后于发达国家。2023年人才缺口已超百万凸显培养不足。随着AI技术飞速发展预计到2025年,这一缺口将急剧扩大至400万,严重制约我国AI产业的创新步伐。加强人才培养,优化教育体系,国际合作并进是破解困局、推动AI发展的关键。8、适合谁学传统后端 / Java / 前端开发想转型 AI 应用大学生、应届生想拿更好的 offer产品经理、运营想武装职业竞争力技术负责人想给团队落地提效学习是反人性的但回报是真金白银。技术会更新赛道会切换但只要你先动手机会就永远站在你这边。9、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。想要入局AI大模型赛道、抢占行业红利的朋友微信扫描下方CSDN官方认证二维码即可100%免费领取全套学习资料好了就写到这。路线是死的人是活的卡住了随时来问我。觉得有用就点个收藏别让它进收藏夹吃灰——动起来比啥都强。