【TencentDB-Agent-Memory】给AI装上分层记忆大脑，告别上下文溢出与黑盒遗忘
TencentDB Agent Memory 是一个专为 AI Agent 设计的记忆系统，它通过“符号化短期记忆”与“分层长期记忆”的双支柱架构，解决了长任务中上下文爆炸导致 Token 消耗剧增，以及跨会话时 Agent 遗忘用户偏好和项目背景需要反复解释的问题。
该项目的主要功能与特性如下：
– 符号化短期记忆：将冗长的工具日志等中间输出卸载到外部文件，仅将任务状态转换为紧凑的 Mermaid 语法图注入上下文，大幅削减 Token 占用。需要核对细节时，Agent 可通过 node_id 瞬间回溯原文，兼顾压缩与无损追踪。
– 分层长期记忆：拒绝将数据扁平堆砌入向量库，而是将碎片对话逐层提炼为结构化的金字塔——L0 原始对话、L1 原子事实、L2 场景块、L3 用户画像，实现宏观偏好与微观事实的渐进式披露。
– 统一下钻机制：无论是日常偏好还是历史任务，都能从高层抽象（画像/场景）一路追踪到底层原始证据，压缩而不丢失上下文。
– 白盒可调试性：记忆的中间产物（画像、场景、任务图）均以人类可读的 Markdown 或 Mermaid 文件形式保存在本地目录，告别黑盒向量检索，出错时可以像查日志一样 deterministic 地排查。
– 生产级工程支撑：提供 OpenClaw 插件与 Hermes 网关适配，开箱即用本地 SQLite 后端，支持 BM25 + 向量 + RRF 的混合检索策略。根据基准测试，集成该系统最高可削减 61.38% Token 用量，并相对提升 51.52% 的任务成功率。
如果你想在项目中快速启用该记忆系统，可以通过以下方式安装：
1. OpenClaw 用户（最简安装）
执行以下命令安装插件并重启网关：
openclaw plugins install @tencentdb-agent-memory/memory-tencentdb
openclaw gateway restart
在配置文件 ~/.openclaw/openclaw.json 中启用即可实现零配置运行：
"memory-tencentdb": {
"enabled": true
}
2. Hermes 用户（Docker 一键启动）
通过 Docker 运行自带记忆能力的 Hermes 容器，并配置大模型 API Key：
docker run -d \
--name hermes-memory \
--restart unless-stopped \
-p 8420:8420 \
-e MODEL_API_KEY="your-api-key" \
-v hermes_data:/opt/data \
hermes-memory
启动后可通过 curl http://localhost:8420/health 验证网关状态。
这个项目非常适合在需要处理长周期、多步骤复杂任务的 AI Agent 场景中使用，例如软件工程修复（SWE-bench）、广泛信息搜索等。目标用户主要是深受上下文长度溢出和高昂 Token 成本困扰的 Agent 开发者，以及希望 Agent 能长期记住业务 SOP、项目背景和用户偏好，避免每次对话都“从零开始”的普通用户和企业团队。特别是基于 OpenClaw 或 Hermes 框架构建应用的开发者，能最快体验到它的价值。
总体而言，该项目为 AI Agent 的记忆难题提供了一套极具工程价值的解法——用分层替代扁平，用符号替代冗长。它不仅在测试数据上实打实地降低了成本并提升了成功率，更难得的是在压缩记忆的同时保留了完整的白盒可追溯性，让 Agent 的记忆不再是一个无法排查的黑盒。对于想要让 Agent 真正具备长效工作记忆的开发者来说，这是一个务实的进阶选择，建议访问其主页获取更详细信息。
