让Agent记忆，让人类创新。

安装 · 这是什么？ · 团队协作 · 技术实现 · 基准测试

English · 简体中文

最新消息： 团队记忆测试版正在快速演进——安装它，几分钟即可开始探索。

安装

一键启动所有三个服务（memory-core + memory-hub + proxy）：

git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env       # 填写两组LLM参数（记忆组 + 代理组）
./start-all.sh     # 一条命令启动所有服务；完成后，它会打印一行可直接粘贴到Claude中的命令

打开面板：http://localhost:8125。

完整的安装文档（独立记忆中心部署、代理 + Claude Code / CodeBuddy 使用、停止和清理、端口参考等）可在 INSTALL.md（中文：INSTALL_CN.md）中找到。

从旧版本迁移数据

如果你已经在旧版本（v1.x / v0.x）上，并希望将现有数据迁移到v2.0.0+，我们提供了迁移工具：

参阅 数据迁移工具 (v2 → v3) 了解完整用法和标志。新安装可跳过此步骤。

TencentDB Agent Memory 是什么？

我们从一个实际问题出发：如何在使用Agent时减少重复性工作？

如果项目背景已经解释过，在新的会话中就不应该再重复。如果文档已经读过，每个Agent就不应该再从第一页开始。一个已经有效的工作流程，下次就不应该再重新摸索。

这里的“记忆”不仅仅意味着“记住对话”。任何能帮助下一个Agent避免重复造轮子的信息都应该被保存、组织和复用。

现有信息 → 可复用的记忆资产 → 更少的对话轮次 → 更少的返工 → 更稳定的结果和更高的效率

让经验积累、流动并传递给下一个Agent

记忆中心为Agent团队闭环了整个经验生命周期：工作产生资产，资产在团队中流转，新成员第一天就能加载团队的存档。

1. 自动资产提取：从对话和任务中提取聊天记忆和技能；将文档和代码转换为知识库和代码图谱；然后进行统一的管理、审核和路由。
2. 可移植且与多Agent兼容：记忆资产与Agent框架解耦——它们可以跨框架移动，并能被多个Agent和团队成员共享和维护。
3. 冷启动友好：导入现有文档、代码库和Agent对话会话。新的Agent团队可以从现有经验开始，而不是从头学习。

🧠 一个能记住人物和上下文的大脑

• 聊天记忆保留偏好、事实、决策和交互历史。
• 每个Agent创建时都会自动获得自己的记忆——下次无需重新介绍自己。
• L0 对话 → L1 原子 → L2 场景 → L3 人设——原始对话被逐层提炼。

“不要重构旧的认证模块——移动端还在用它。”——如此昂贵的上下文，不应该依赖人类每次都重复它。

⚡ 一个积累专业知识的技能库

• 完成复杂工作后，Agent可以从对话和工具调用中提取和管理可复用的技能，并在需要时将它们导入到指定Agent的上下文中。
• 技能不仅仅是一个提示片段；它有版本、资源文件、触发边界、执行步骤和验证规则。
• 个人技能默认是私有的；经过审核后，可以与团队共享并分配给其他Agent。

故障排除、代码审查、发布检查清单——学一次，整个团队都能用。

📖 一个能读懂文档和代码的知识图谱

• 知识库将产品文档、设计规范和运维手册转化为带有链接图的结构化页面。（受Karpathy的LLM知识库启发。）

• 代码图谱索引代码符号、文件、调用关系和影响路径。

• Agent可以搜索、阅读、检查调用者/被调用者，并在修改代码前执行影响分析。

知识库让Agent在开始工作前不必阅读每个文件列表。代码图谱不仅告诉它们“代码在这里”，还告诉它们“修改这个可能会影响那些。”

🛡️ 一个人类控制的团队记忆面板

• 在记忆中心创建团队和Agent；审核、共享和装备记忆资产。
• 在一个地方管理所有权、版本、状态、可见性、使用次数和Agent绑定。
• private 严格属于所有者；team 对所有团队成员可见；restricted 通过用户/角色/Agent ACL 精准授予权限。
• 两层角色：全局系统管理员管理用户和团队（创建团队、添加成员），并可使用知识库、代码图谱、技能等资产管理功能；团队级角色包括管理员（团队负责人）和成员（普通成员），负责团队内的资产协作和访问控制。资产所有权通过所有者跟踪——所有者对其资产自动拥有管理权限。

冷启动：加载存档，然后开始工作

大多数Agent的第一项任务是重新学习你的项目。TencentDB Agent Memory 将你已经付出的学习成本转化为一个存档文件：

具体来说，这些现有资产可以直接导入并在面板中自动处理：

• 代码库：导入现有仓库——代码图谱自动索引符号、文件、调用关系和影响路径。
• 文档和文件：导入相关文档和文件——知识库自动生成带有链接图的结构化页面。
• 对话会话：导入过去的Agent对话会话——技能和聊天记忆会自动提取为可复用的资产。

停止重新训练每个Agent。给它存档文件。

一种玩法：为一人公司打造一个不断成长的Agent团队

打开记忆中心并创建一个团队：

微小但严肃公司
├── 👤 你 · 设定目标 / 做出决策
├── 🔭 侦察兵 · 研究 / 寻找机会
├── 🛠 建造者 · 编写代码 / 构建产品
├── 🧪 审查员 · 测试 / 发现问题
└── 🧠 Agent记忆 · 保存团队经验

你不是在打开四个互不相连的聊天窗口——你是在组建一个具有不同角色的团队，他们可以继承团队积累的经验。

先招募，再装备

🔭 侦察兵
   ├── 用户访谈聊天记忆
   ├── 市场调研知识库
   └── 竞争分析技能

🛠 建造者
   ├── 产品知识库
   ├── 项目代码图谱
   └── 功能交付技能

🧪 审查员
   ├── 历史事件聊天记忆
   ├── 项目代码图谱
   └── 发布检查清单技能

不同的角色，不同的装备。更少的噪音——给每个Agent它实际需要的工作记忆资产。

公司可以很小。经验可以永远复合增长。

记忆资产，而非聊天日志仓库

RAG回答“能找到什么？”团队记忆还回答“谁可以使用它，哪个版本是有效的，以及哪个Agent应该接收它。”

记忆中心不是展示板——它是控制面板

当你打开一个资产时，重要的不仅是“它写了什么”，还有“它来自哪里，是哪个版本，分配给了谁，以及最近是否被使用过。”

每次循环都积累经验

记忆不运行Agent循环；它确保下一次迭代继承上一次的结果：有价值的交互保留在聊天记忆中，经过验证的工作流程被提炼为技能，文档/代码的变更通过知识库摄取和代码图谱同步进行更新。

没有记忆，循环可能只是更快地重复。有了继承的记忆，每次迭代都有机会比上一次更好。

一个Agent团队：共享经验，而非共享隐私

新的聊天记忆和技能默认是私有的。共享是一个明确的行动，而非默认的泄露。

你可以将“发布技能”分配给发布Agent，将“架构知识库”分配给所有开发Agent，将代码图谱分配给编码者和审查员。

技术实现

TencentDB Agent Memory 不旨在“存储一切”。它解决三个问题：什么值得保留，谁可以使用它，以及如何在下次检索更少内容的同时检索到正确的内容。

1. 记忆不是扁平记录——它分层生长

对话首先保存为L0，然后由异步管道精炼成多个粒度级别：

生成和检索都是分层的：通常L2/L3提供快速的上下文启动；当需要具体事实时，BM25 + 向量检索 + RRF 会回退到L1/L0。结果进一步通过条目数量、字符预算和超时限制进行封顶，以防止记忆淹没上下文窗口。

2. 记忆不是全局提示——它是Agent的装备

聊天记忆、技能、知识库和代码图谱都统一注册为记忆资产。记忆中心使用固定绑定 + ACL 来确定给定Agent可以使用哪些资产：首先通过团队、用户、Agent和可见性缩小权限范围，然后根据当前查询进行检索。

这使团队可以在不暴露所有私人信息的情况下共享经验；切换Agent或框架只需重新装备，无需重新训练。

3. 知识不是整体注入——而是按需调用

文档被组织成可搜索的知识库页面，支持链接图钻取；代码库被索引为包含文件、符号和调用关系的代码图谱资产。Agent首先通过 /v3/tools/list 发现能力，然后使用 /v3/tools/call 读取相关页面、源代码或影响路径。

这使得文档和代码也成为记忆的一部分——但它们仍然是可用的工具，只在真正需要时才进入上下文。

基准测试

PersonaMem 测试Agent在长时间交互后能否正确理解和应用用户信息。

注意事项

• 知识库和代码图谱是异步构建的；需要一些处理时间才能达到 ready 状态。 | 代码图谱目前优先支持公共HTTPS仓库；对私有仓库和SSH凭证的支持仍在完善中。 | 该中心支持手动资产绑定；完全自动化的记忆路由仍在迭代中。 | TencentDB Agent Memory 目前支持 OpenClaw、Hermes、Claude Code、CodeBuddy 和 SDK集成；更广泛的跨框架迁移已列入路线图。

相关文档

• 完整安装指南（记忆核心 + 中心 + 代理一键部署）
• 数据迁移工具 (v2 → v3)（如果正在使用旧版本并想迁移现有数据）
• 知识OpenAPI
• 贡献指南

Agent记忆尚未形成固定标准。欢迎提交错误报告、文档、基准测试、新的框架适配器以及更有创意的记忆中心用例。

致谢

TencentDB Agent Memory 站在开源社区的肩膀上：

• CodeGraph —— 我们的代码图谱资产模块使用了该项目的代码。其预索引代码图的设计是我们实现的基础。
• Hermes Agent（Nous Research）—— 我们的技能资产管理使用了Hermes Agent的部分技能相关代码，并在此基础上进行了进一步优化。
• “LLM Wiki” by Andrej Karpathy —— 将文档视为由LLM维护、增量增长的知识制品的想法，直接影响了我们知识库的构建和更新方式。

我们感谢这些项目的作者和贡献者。

社区与贡献

我们欢迎各种形式的贡献——错误报告、功能建议、文档修正、基准测试复现、生态系统集成或拉取请求。Agent记忆远未定型，我们希望与社区一起构建。

• 🐞 发现错误或有问题？ 在 GitHub Issues 中提出——我们会在24小时内回复。
• 💡 有想法要分享？ 在 GitHub Discussions 中开始一个帖子。
• 🛠 想贡献代码？ 请先阅读 CONTRIBUTING.md。
• 💬 想和我们聊天？ 加入我们的 Discord社区，直接与核心开发者交谈。

让团队走过的路，成为下一个Agent的起跑线。

✨ 贡献者

💡 感谢以下与我们一起构建的贡献者——你们让 TencentDB Agent Memory 变得更好。

如果 TencentDB Agent Memory 对您有所帮助，请考虑为该项目加星。 如果您有任何建议，欢迎提出Issue进行讨论。

MIT © TencentDB Agent Memory Team