一句话简介

腾讯云推出的面向数据库场景的智能体记忆模块，基于 TypeScript 构建，为 AI Agent 提供长期上下文存储与召回能力，支撑数据库运维与管理等智能化任务。

适用应用场景

数据库智能问答与诊断
SQL 生成与优化助手
数据库运维自动化
长期对话上下文管理

README 中文摘要

TencentDB Agent Memory

项目定位

面向 Agent 的记忆系统，核心目标是减少重复劳动：项目背景已说明过就无需在新会话里复述，文档读过一次就不必每个 Agent 都从第一页开始，可复用的工作流也不必每次重新摸索。除了"对话历史"，任何能帮助下一个 Agent 少走弯路的信息，都应被沉淀、组织和复用。

现有信息 → 可复用记忆资产 → 减少对话轮次 → 降低返工 → 更稳定、更高效

安装部署

一键启动三个服务（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（memory 组 + proxy 组）
./start-all.sh     # 一键启动；完成后会打印一行可粘贴到 Claude 的配置

管理面板：http://localhost:8125。完整的安装、端口说明、停机清理等细节见 INSTALL.md。从 v1.x / v0.x 升级到 v2.0.0+ 时，可使用 MemoryCore/scripts/migrate-v2-to-v3/ 提供的数据迁移工具；新部署可忽略此步。

通用接入方式

所有 Agent 共享同一套记忆后端：只需把 Agent 的 base URL 指向 Proxy，协议不变、零代码接入，无需插件、Hook 或 MCP Server。当前已原生支持 DeepSeek Harness、Claude Code、Codex、CodeBuddy、WorkBuddy、Hermes、OpenClaw 等客户端；其他框架可参考通用接入指南自行适配。

核心能力

Chat Memory：记住用户与上下文

保留偏好、事实、决策与交互历史；每个 Agent 创建时自动获得自己的记忆，下次无需重新自我介绍。结构按 L0 Conversation → L1 Atom → L2 Scenario → L3 Persona 分层精炼：原始对话逐层蒸馏，逐层抽象。

Skill 库：积累可复用经验

从复杂任务的对话与工具调用中抽取可复用的 Skill，并按需加载到指定 Agent。Skill 不只是 Prompt 片段，而是包含版本、资源文件、触发边界、执行步骤与校验规则的结构化资产；默认私有，审核后可共享给团队。

Wiki + CodeGraph：读文档也读代码

Wiki：将产品文档、设计规范、运维手册转为结构化页面与链接图。
CodeGraph：索引代码符号、文件、调用关系与影响路径，支持调用方/被调用方查询与影响面分析。

Agent 在改动代码前可先搜索、阅读、检查上下游。

团队记忆面板

在 Memory Hub 中创建团队与 Agent，统一管理资产的归属、版本、状态、可见性、使用次数与 Agent 绑定关系。可见性分为：

级别	语义
`private`	仅 Owner 可读，连团队管理员都不可见
`team`	团队成员可读，Owner / Admin 可管理
`restricted`	通过 User / Role / Agent ACL 精确授权
`agent`	团队内定向装备给指定 Agent

角色分两层：System Admin 管理用户与团队；Team Admin / Member 负责团队内资产协作。

冷启动与团队玩法

导入存档，直接开工

直接在面板中导入并自动处理：

代码库：自动构建 CodeGraph，索引符号、文件、调用关系与影响路径。
文档与文件：自动生成 Wiki 结构化页面与链接图。
历史对话会话：自动抽取 Skill 与 Chat Memory。

组建"一人公司"

Tiny but Serious Inc.
├── 👤 你 · 定方向 / 做决策
├── 🔭 Scout · 调研 / 找机会
├── � Builder · 写代码 / 出产品
├── 🧪 Reviewer · 测试 / 挑问题
└── 🧠 Agent Memory · 保存团队经验

不同角色加载不同资产，噪声更少。私有经验默认不外泄，共享需显式操作。

与 Chat History / 传统 RAG 的差异

能力	对话历史	标准 RAG	TencentDB Agent Memory
跨会话理解用户	△	△	✅ Chat Memory
提炼可执行经验	—	—	✅ Skill
文档结构与关系	—	△ Chunk 检索	✅ Wiki + 链接图
代码调用图与影响面	—	△ 文本匹配	✅ CodeGraph
归属 / 版本 / 状态	—	—	✅
团队共享与 Agent 装备	—	—	✅
私有 / 团队 / ACL	—	△	✅

技术实现

1. 记忆分层生长

层级	内容	用途
L0 Conversation	带完整上下文的原始对话	核对原话、时间戳与来源
L1 Atom	抽取出的事实、偏好、约束、事件	精确召回可执行信息
L2 Scenario	按项目 / 场景组织的知识块	快速恢复工作上下文
L3 Core / Persona	长期画像与高层认知	让 Agent 迅速进入用户与团队语境

生成与检索均按层进行：常规情况下由 L2/L3 快速引导上下文；当需要具体事实时，BM25 + 向量检索 + RRF 回退到 L1/L0；并通过条数、字符预算与超时上限控制上下文规模。

2. 记忆是 Agent 的"装备"，不是全局 Prompt

Chat Memory、Skill、Wiki、CodeGraph 统一注册为 Memory Asset。Memory Hub 通过 固定绑定 + ACL 决定每个 Agent 可使用哪些资产：先按 Team / User / Agent / 可见性收紧权限范围，再基于当前查询检索。

3. 知识按需调用，而非整段注入

文档组织成可检索的 Wiki 页面并支持链接图下钻；代码库索引为 CodeGraph。Agent 先通过 /v3/tools/list 发现能力，再用 /v3/tools/call 读取相关页面、源码或影响路径——文档与代码是按需进入上下文的工具，而非预先注入。

基准测试

基准	未启用	启用后	相对提升
PersonaMem	48%	76%	+59%

PersonaMem 用于评估 Agent 在长对话后能否正确理解并应用用户信息。

注意事项

Wiki 与 CodeGraph 为异步构建，到达 ready 状态需要一定处理时间。
CodeGraph 当前优先支持公网 HTTPS 仓库，私有仓库与 SSH 凭据支持仍在完善。
面板支持手动资产绑定；全自动记忆路由仍在迭代。

版本与路线图

当前发布版本为 v2.0.0；下一版 v2.0.1 将带来零配置冷启动、更快的 Wiki 生成、用户/团队自定义 Prompt、Skill 导出以及 Codex（IDE Plan 模式）支持。完整计划见 ROADMAP.md。

腾讯云数据库智能体记忆库