Tencent Cloud выложила в открытый доступ TencentDB Agent Memory — систему памяти для AI-агентов, которая работает полностью локально, без зависимостей от внешних API. В связке с агентным фреймворком OpenClaw она снижает потребление токенов на 61,38%, повышает процент выполненных задач на 51,52%, а точность персонализации (PersonaMem) вырастает с 48% до 76%.

Почему это важно

Проект решает проблему, с которой сталкивается каждый, кто запускает долгосрочных агентов: переполнение контекста и сбои при поиске нужной информации. Сегодня агентам постоянно приходится заново объяснять одни и те же процедуры, фоновые данные проекта и форматы вывода. TencentDB Agent Memory помогает агенту учить ваши рабочие процессы, сохранять контекст задачи и переиспользовать прошлый опыт — отвергая и грубое накопление истории, и необратимое сжатие с потерями.

ℹ Лицензия и доступность
Tencent выпустила TencentDB Agent Memory как open-source проект под лицензией MIT. На GitHub репозиторий уже набрал 7,2k звёзд и 682 форка.

Архитектура: два кита

Архитектура держится на двух столпах: memory layering (многоуровневая память) и symbolic memory (символьная память). Вместе они гарантируют, что агент не просто «помнит больше», но «рассуждает лучше».

1. Символьная краткосрочная память (Symbolic Short-Term Memory)

Главные потребители токенов в долгих задачах — подробные промежуточные логи (результаты поиска, код, трассировки ошибок). Чтобы решить эту проблему, система совмещает выгрузку контекста с символьной памятью: состояния задачи кодируются в синтаксис Mermaid — достаточно точный для LLM и достаточно лаконичный для человека.


graph LR
    Log["Подробные логи\n(сотни тысяч токенов)"] -->|"1. Выгрузка текста"| FS[("Внешнее хранилище\nrefs/*.md")]
    Log -->|"2. Извлечение связей"| MMD["Mermaid Canvas\n(с node_id)"]
    MMD -->|"3. Лёгкая инъекция"| Agent(("Контекст агента\n(несколько сотен токенов)"))
    Agent -. "4. Восстановление по node_id" .-> FS

2. Многоуровневая долгосрочная память (Layered Long-Term Memory)

Вместо плоских логов система строит семантическую пирамиду: L0 Conversation (сырой диалог) → L1 Atom (атомарные факты) → L2 Scenario (блоки сцен) → L3 Persona (профиль пользователя). Слой Persona несёт повседневные предпочтения; система погружается до уровня Atoms только когда нужны детали.

💡 Полная воспроизводимость
TencentDB Agent Memory избегает необратимого сжатия, сохраняя детерминированный путь от высокоуровневых абстракций к исходным данным. Система гарантирует полный путь «вниз»: верхний символ (Persona/canvas) → средний индекс (Scenario/jsonl) → нижний сырой текст (L0 Conversation/refs).

Результаты на бенчмарках

Все результаты измерены в непрерывных длинных сессиях, а не изолированных ходах. Например, SWE-bench запускает 50 последовательных задач за сессию, симулируя давление накопления контекста в реальных долгосрочных агентах.

БенчмаркУспех без плагинаУспех с плагиномΔ успехаТокены без плагинаТокены с плагиномΔ токенов
WideSearch33%50%+51,52%221,31M85,64M−61,38%
SWE-bench58,4%64,2%+9,93%3474,1M2375,4M−33,09%
AA-LCR44,0%47,5%+7,95%112,0M77,3M−30,98%
PersonaMem48%76%+59%———

Быстрый старт

Бэкенд по умолчанию — локальный SQLite с расширением sqlite-vec, так что никакой внешний API не нужен. Интеграция с OpenClaw поставляется одним npm-пакетом: @tencentdb-agent-memory/memory-tencentdb.

# Установка плагина для OpenClaw
openclaw plugins install @tencentdb-agent-memory/memory-tencentdb
openclaw gateway restart

После установки достаточно включить одним флагом в конфиге:

// ~/.openclaw/openclaw.json
{
  "memory-tencentdb": {
    "enabled": true
  }
}
📝 Что происходит автоматически
После включения плагин берёт на себя захват разговоров, извлечение памяти, сцен и генерацию профиля пользователя — без дополнительной настройки. Мониторинг токенов в реальном времени показывает статистику до и после по каждой операции.

Поддерживаемые фреймворки и хранилища

Система интегрируется с OpenClaw как плагин и с агентом Hermes через адаптер Gateway. Требования: OpenClaw v0.5.0+ или Hermes; Linux (Ubuntu 20.04+), macOS 12+ или Windows 10/11.

TencentDB Agent Memory — редкий пример систематического подхода к памяти агента: и краткосрочное сжатие, и долгосрочные профили, а не просто фрагменты фактов.

Версия 1.0.0-beta.1 стала новым этапом: проект эволюционировал из встроенного плагина OpenClaw в самостоятельно разворачиваемый сервис Memory, поддерживающий TypeScript SDK и Python SDK.