近日，騰訊云數(shù)據(jù)庫團隊正式開源TencentDB Agent Memory，一套面向AI Agent長任務場景的分層記憶引擎，采用MIT協(xié)議開放。該項目通過"上下文卸載+Mermaid任務畫布"兩大核心技術，在多任務連續(xù)Session實驗中最高降低61.38%的Token消耗，同時將任務成功率相對提升51.52%。目前項目已適配OpenClaw和Hermes等主流Agent框架，支持一鍵集成。

當前主流AI Agent的記憶方案，大多是把對話歷史壓縮成一段摘要，在下次會話時注入上下文。這種方式在短對話中夠用，但在真實的長周期任務中會暴露三個核心問題。

一是跨會話斷裂。昨天反復確認的代碼規(guī)范，今天新開一個會話就全忘了。二是事實與偏好混淆。用戶說過"我用TypeScript"和"幫我查一下天氣"，這兩條信息的價值完全不同，卻被同等對待。三是上下文膨脹。任務越長，堆進上下文的歷史信息越多，Token消耗持續(xù)攀升，模型注意力也在衰減。

TencentDB Agent Memory正是為解決這些問題而來。

這套記憶引擎提出了兩項關鍵技術。

第一項是"Mermaid任務畫布"。系統(tǒng)會將Agent的任務執(zhí)行過程組織成一張結構化任務圖，用Mermaid Flowchart把任務狀態(tài)、步驟摘要和執(zhí)行關系可視化呈現(xiàn)。Agent不需要記住所有內(nèi)容，只需要知道哪些信息重要、它們被組織在哪里、必要時如何一步步展開。歷史沒有被壓成一段不可恢復的摘要，而是變成了一張可以繼續(xù)執(zhí)行的地圖——能折疊，也能展開。

第二項是"上下文卸載（Context Offloading）"。每次工具調(diào)用結束后，網(wǎng)頁內(nèi)容、日志輸出、代碼結果等原始信息不再長期占據(jù)上下文窗口，而是完整寫入外部文件，上下文中只保留一行摘要和索引路徑。需要時，Agent可以按四層遞進結構逐層回溯：從Level 2-3的輕量摘要，到Level 1的JSONL記錄，再到Level 0的完整原文，任何一層壓縮都不是不可逆的黑盒。

數(shù)據(jù)是最有說服力的。在超長Session評測中，TencentDB Agent Memory作為OpenClaw插件接入后，Token消耗最高降低61.38%，任務通過率相對提升51.52%。在個性化記憶準確率（PersonaMem指標）上，從48%提升到76%，優(yōu)化幅度接近60%。

值得注意的是，僅使用上下文卸載時Token節(jié)省約15%，疊加Mermaid畫布后提升至31%至33%。這說明畫布的結構化能力對記憶壓縮有著獨立且顯著的貢獻——上下文中的噪聲減少后，模型注意力更集中在當前任務目標上。

TencentDB Agent Memory采用四層遞進式記憶架構：底層（L0）保留原始對話證據(jù)，中間層（L1-L2）逐步提煉為場景歸納和原子記憶，頂層（L3）生成用戶畫像。每一層只做一件事，層與層之間通過提取、聚合、蒸餾的管道連接，任何一層都可以獨立升級或替換。

在部署方式上，項目默認使用本地SQLite作為后端，零外部API依賴，所有中間產(chǎn)物均為人類可讀的Markdown和Mermaid文件。進階用戶也可接入騰訊云向量數(shù)據(jù)庫TCVDB，實現(xiàn)BM25+Vector的混合檢索。同時支持跨Agent、跨框架、跨設備的記憶導入導出和實時遷移。

據(jù)騰訊云介紹，TencentDB Agent Memory的長期記憶功能已于4月初上線并免費開放使用，當時在PersonaMem測試集上就已將OpenClaw的整體回答準確率從48%提升至76.10%。而此次5月14日的開源，重點聚焦于短期記憶壓縮能力，把已經(jīng)在內(nèi)部驗證過的產(chǎn)品能力開放給社區(qū)。

項目已在GitHub上線，目前已獲得超過1300個Star。開發(fā)者可以通過OpenClaw插件或Hermes Gateway一鍵接入，極簡安裝僅需一條命令。