腾讯云开源Agent Memory：Token消耗最高降低61%

近日，腾讯云数据库团队正式开源TencentDB Agent Memory，一套面向AI Agent长任务场景的分层记忆引擎，采用MIT协议开放。该项目通过"上下文卸载+Mermaid任务画布"两大核心技术，在多任务连续Session实验中最高降低61.38%的Token消耗，同时将任务成功率相对提升51.52%。目前项目已适配OpenClaw和Hermes等主流Agent框架，支持一键集成。

当前主流AI Agent的记忆方案，大多是把对话历史压缩成一段摘要，在下次会话时注入上下文。这种方式在短对话中够用，但在真实的长周期任务中会暴露三个核心问题。

一是跨会话断裂。昨天反复确认的代码规范，今天新开一个会话就全忘了。二是事实与偏好混淆。用户说过"我用TypeScript"和"帮我查一下天气"，这两条信息的价值完全不同，却被同等对待。三是上下文膨胀。任务越长，堆进上下文的历史信息越多，Token消耗持续攀升，模型注意力也在衰减。

TencentDB Agent Memory正是为解决这些问题而来。

这套记忆引擎提出了两项关键技术。

第一项是"Mermaid任务画布"。系统会将Agent的任务执行过程组织成一张结构化任务图，用Mermaid Flowchart把任务状态、步骤摘要和执行关系可视化呈现。Agent不需要记住所有内容，只需要知道哪些信息重要、它们被组织在哪里、必要时如何一步步展开。历史没有被压成一段不可恢复的摘要，而是变成了一张可以继续执行的地图——能折叠，也能展开。

第二项是"上下文卸载（Context Offloading）"。每次工具调用结束后，网页内容、日志输出、代码结果等原始信息不再长期占据上下文窗口，而是完整写入外部文件，上下文中只保留一行摘要和索引路径。需要时，Agent可以按四层递进结构逐层回溯：从Level 2-3的轻量摘要，到Level 1的JSONL记录，再到Level 0的完整原文，任何一层压缩都不是不可逆的黑盒。

数据是最有说服力的。在超长Session评测中，TencentDB Agent Memory作为OpenClaw插件接入后，Token消耗最高降低61.38%，任务通过率相对提升51.52%。在个性化记忆准确率（PersonaMem指标）上，从48%提升到76%，优化幅度接近60%。

值得注意的是，仅使用上下文卸载时Token节省约15%，叠加Mermaid画布后提升至31%至33%。这说明画布的结构化能力对记忆压缩有着独立且显著的贡献——上下文中的噪声减少后，模型注意力更集中在当前任务目标上。

TencentDB Agent Memory采用四层递进式记忆架构：底层（L0）保留原始对话证据，中间层（L1-L2）逐步提炼为场景归纳和原子记忆，顶层（L3）生成用户画像。每一层只做一件事，层与层之间通过提取、聚合、蒸馏的管道连接，任何一层都可以独立升级或替换。

在部署方式上，项目默认使用本地SQLite作为后端，零外部API依赖，所有中间产物均为人类可读的Markdown和Mermaid文件。进阶用户也可接入腾讯云向量数据库TCVDB，实现BM25+Vector的混合检索。同时支持跨Agent、跨框架、跨设备的记忆导入导出和实时迁移。

据腾讯云介绍，TencentDB Agent Memory的长期记忆功能已于4月初上线并免费开放使用，当时在PersonaMem测试集上就已将OpenClaw的整体回答准确率从48%提升至76.10%。而此次5月14日的开源，重点聚焦于短期记忆压缩能力，把已经在内部验证过的产品能力开放给社区。

项目已在GitHub上线，目前已获得超过1300个Star。开发者可以通过OpenClaw插件或Hermes Gateway一键接入，极简安装仅需一条命令。