TencentDB Agent Memory 是腾讯推出的 AI 智能体记忆系统，通过四层渐进式管线为 Agent 提供全本地化的长期和短期记忆能力，零外部 API 依赖。核心理念是"Agents remember, Humans innovate"。
详细介绍
项目采用双记忆架构：符号短期记忆通过 Mermaid 语法压缩工具日志，降低 Token 消耗并提升任务成功率；分层长期记忆将碎片化对话提炼为结构化的 Persona 和 Scene。长期记忆分四个层级：L0 原始对话、L1 原子事实、L2 场景块（Markdown）、L3 用户画像，底层保留证据，上层保留结构。
基准测试表现亮眼：短期记忆在 WideSearch 基准上成功提升 51.52%、Token 减少 61.38%；长期记忆在 PersonaMem 基准上从 48% 提升至 76%。
主要特性
- 双记忆架构：符号短期记忆（Mermaid Canvas）+ 分层长期记忆（L0-L3 语义金字塔）
- 全本地运行：基于 SQLite + sqlite-vec，零配置，零外部 API 依赖
- 混合检索：BM25 + 向量搜索 + RRF 融合排序
- 白盒可调试：L2 场景为纯 Markdown，L3 画像在
persona.md，人类和 Agent 均可读 - 基准验证：短期记忆 Token 减少 30-61%，长期记忆准确率提升 59%
- 多框架集成：OpenClaw 插件 + Hermes Gateway 适配器
使用场景
- 智能体长期记忆：跨会话记住用户偏好、习惯和历史交互
- 复杂任务上下文压缩：通过 Mermaid 符号图减少 Token 消耗，提升长任务成功率
- 本地化隐私保护：敏感数据不出机器，适用于金融、医疗等场景
- 智能体个性化：基于用户画像实现千人千面的 Agent 行为
技术特点
- 语言：TypeScript
- 存储后端：SQLite + sqlite-vec（本地）/ 腾讯云向量数据库（TCVDB）
- Node.js 要求：>= 22.16
- OpenClaw 要求：>= 2026.3.13
- Agent 工具：
tdai_memory_search/tdai_conversation_search - License：MIT