TencentDB Agent Memory v2.0 将对话、文档、代码转化为四类可治理资产,支持ACL权限控制和版本管理,MIT协议可通过Docker自托管。
腾讯云开源了 TencentDB Agent Memory v2.0,一个面向 AI Agent 的团队级记忆中枢。想法很简单:项目上下文如果已经解释过一次,新会话就不需要重复解释。系统将对话、文档和代码转化为四种可复用的记忆资产——Chat Memory、Skill、LLM-Wiki 和 Code-Graph——这些资产都经过版本管理、权限控制和指定装备给特定 Agent。单一 Agent 记忆并非新事物,真正的新意在于治理层:它允许队友的 Agent 读取你的 Agent 学到的内容,同时不会泄露任何标记为私有的信息。稳定版 2.0.0 于 2026 年 8 月 3 日发布。
TencentDB Agent Memory 采用 MIT 许可证,支持自托管。发布到 Docker Hub 的三个 Docker 镜像可以通过一条命令启动,多架构构建覆盖 linux/amd64 和 linux/arm64。
个人开发者和小型工程团队目前获益最大。该项目明确面向独立开发者(one-person company)。拥有平台或 DevEx 职能的中型组织可以将其作为共享基础设施运行。大型受监管企业应该以试点而非标准化方式引入,因为 private-repo CodeGraph 和自动化记忆路由仍在完善中。
软件和开发者工具、SaaS、金融科技、咨询和代理机构,以及任何需要记忆数据留在自有网络内的受监管团队。
将新 Agent 接入现有代码库、重构前的影响分析、发布检查清单、事件处理手册、代码审查标准,以及将产品文档转换为 Agent 可读的页面。
系统将工作成果转化为四类资产:
Chat Memory 保留偏好、事实、决策和交互历史。
Skill 从已完成的任务中提炼可复用流程,携带版本、资源文件、触发边界、执行步骤和验证规则。
Wiki 将文档转换为具有链接图谱的结构化页面,这一思路借鉴了 Andrej Karpathy 的 LLM 维护知识库理念。
CodeGraph 索引符号、文件、调用关系和影响路径。
四种资产均以统一的 Memory Asset 形式注册,因此所有权、版本、状态和可见性在各类别间行为一致。
Chat Memory 不是扁平的。对话以 L0 保存,随后通过异步管道提炼为 L1 Atom、L2 Scenario 和 L3 Core/Persona。检索同样是分层的:L2 和 L3 提供快速的上下文启动;当需要具体事实时,BM25 加上向量检索加 RRF 会回退到 L1 和 L0。结果通过项目数量、字符预算和超时时间来限制,确保记忆不会挤占上下文窗口。
标准 RAG 只回答什么可以被找到,而 Hub 还回答谁可以使用它、哪个版本是有效的、以及哪个 Agent 会接收它。可见性分为 private、team 和 restricted,并通过 agent 进行定向装备。根据 README,private 表示仅所有者可见,即使团队管理员也无法读取。新建的 Chat Memory 和 Skill 默认为 private,分享成为一项显式操作。
Memory Hub 采用固定绑定加 ACL:先按团队、用户、agent 和可见性缩小范围,再检索。
Memory Proxy 同时支持 Anthropic 和 OpenAI 协议,暴露 /claude-code/<spaceId>/v1/messages 和 /v1/chat/completions 接口。在第一轮对话中,sessionInit 使用 Claude Code 原生的 AskUserQuestion 工具来选择团队、agent 和任务。随后的每一轮都会将该 agent 的 L2/L3 记忆、匹配的 skills 和知识注入系统提示词,然后再转发给上游。
根据 INSTALL.md,默认端口为:Memory Core 8420、面板 8125、知识服务 8424、代理 8096。官方 SDK 提供 TypeScript 和 Python 版本。支持 OpenClaw、Hermes、Claude Code、CodeBuddy 以及直接 SDK 使用等集成方式。
2.0.0 版本新增 Skill 强制归档、CodeGraph 仓库定时同步、系统管理员资产管理、中英文面板切换,以及 Cost Guard——可以为特定 agent 分配更便宜的模型。
据报告 PersonaMem 准确率从 48% 提升到 76%,相对提升 59%。该数据为自报,尚未有独立复现。