腾讯开源 Agent 记忆系统：给 AI Agent 装上最懂你的记忆引擎

“

省 61% Token、提效 51%、PersonaMem 准确率从 48% 飙到 76%——这不是期货，是已经开源可用的东西。

你用过 AI Agent（智能体）吗？就是那种能替你写代码、查资料、执行任务的 AI 助手。

用过的朋友肯定遇到过同一个问题：

越用越「健忘」。

刚开始挺聪明，聊几轮上下文还在线；但一旦跑长任务——比如连续改 50 个代码 bug、搜索几十次信息——它就彻底迷失了，开始忘掉前面做过的事，上下文膨胀到离谱，Token 烧得飞起，最后反而越来越蠢。

怎么办？

AI 记忆的「不可能三角」

传统方案无非两种：

全量记忆——把所有历史都塞进上下文。结果：Token 爆炸，长任务根本跑不下去。
暴力压缩——暴力截断或 AI 摘要。结果：信息丢失，Agent 变傻。

要么烧钱，要么降智。鱼和熊掌不可兼得？

直到腾讯云数据库团队出手了。

TencentDB Agent Memory：分层记忆的革命

腾讯云数据库团队开源了 TencentDB Agent Memory[1]，一套本地优先的 AI Agent 记忆引擎。

它的核心哲学很简单：

“

记忆不该是平铺直叙的，应该有层次。

就像人的记忆：你不会记住每一顿饭吃了什么，但会记住某个重要晚宴的细节。Agent 的记忆也应该是「分层」的——该忘的忘，该记的记。

四层记忆金字塔

这套系统把记忆分为 4 个层级：

层级	内容	存储方式
L3 Persona	用户画像、长期偏好	Markdown 文件
L2 Scenario	场景块、常见解决方案	Markdown 文件
L1 Atom	原子事实、关键信息	数据库（全文检索）
L0 Conversation	原始对话记录	数据库

关键设计：

底层存原始证据（日志、对话原文）
顶层存结构化摘要（画像、场景）
每一层都可以向上溯源——从「用户偏好」一路追溯到「原始对话」，保证全链路可追溯

符号化短期记忆：用 Mermaid 代替日志

长任务中最大的 Token 消耗来自哪？中间日志。

搜索结果、代码片段、错误追踪……动辄几十万 Token。Agent 的大脑就这么大，全塞进去就炸了。

TencentDB Agent Memory 采用符号化记忆（Symbolic Memory）：

把冗长的工具输出卸载到外部文件
只在上下文里注入一张轻量级 Mermaid 符号图（几百 Token）
Agent 基于符号图推理，需要查细节时通过 node_id 精准检索原始文本

┌──────────────────────────────────┐ │ L3 Persona — 用户画像 (Markdown) │ ← 最抽象 │ 长期偏好 · 工作习惯 · 回复风格 │ └──────────────┬───────────────────┘ │ 抽象/细化 ┌──────────────┴───────────────────┐ │ L2 Scenario — 场景块 (Markdown) │ │ 常见解决方案 · 标准化SOP · 调用模式 │ └──────────────┬───────────────────┘ │ ┌──────────────┴───────────────────┐ │ L1 Atom — 原子事实 (数据库全文检索) │ │ 关键信息点 · 知识片段 · 结构化事实 │ └──────────────┬───────────────────┘ │ ┌──────────────┴───────────────────┐ │ L0 Conversation — 原始对话 (数据库)│ ← 最具体 │ 完整历史对话 · 工具输出 · 错误日志 │ └──────────────────────────────────┘

四层记忆金字塔：从原始对话到用户画像，层层抽象，全链路可追溯