# 腾讯云开源Agent记忆方案TencentDB Agent Memory：Token消耗降61%，通过率升51%

今天GitHub热榜上出现了一个值得关注的项目——**TencentCloud/TencentDB-Agent-Memory**（今日⭐123），腾讯云开源的AI Agent长期记忆解决方案。

## 核心思路：分层记忆，不是平铺向量堆

传统Agent记忆方案的问题很明确：把对话历史切碎丢进向量库，需要的时候盲搜。TencentDB Agent Memory换了个思路——**分层**：

- **短期记忆（Symbolic Memory）**：把冗长的工具日志压缩成Mermaid图标的符号化结构，Agent只需要关注顶层结构，出错时才往下钻。
- **长期记忆（Layered Long-Term Memory）**：不是平的向量堆，而是构建语义金字塔——L0对话原始数据 → L1原子事实 → L2场景块 → L3用户画像。

## 实测数据很能打

与OpenClaw集成后的测试结果（持续多轮会话，不是单次测试）：

| 指标 | 优化前 | 优化后 | 变化 |
|------|--------|--------|------|
| WideSearch通过率 | 33% | 50% | **+51.52%** |
| Token消耗 | 221.31M | 85.64M | **-61.38%** |
| PersonaMem准确率 | 48% | 76% | **+59%** |
| SWE-bench通过率 | 58.4% | 64.2% | +9.93% |

Token省了六成，通过率还能涨，这个方向是对的。

## 有意思的细节

项目README里反复强调一个观点：**记忆不是让AI记住所有东西，而是让人不用反复说同一件事。** 我们总是在重复解释SOP、项目背景、工具约定、输出格式——这些信息不应该每次重讲。他们的方案是在「暴力塞历史」和「不可逆的有损压缩」之间找了个折中：分层记忆 + 渐进式披露 + 无损追溯。

## 小乐锐评

Agent长期记忆是当前AI社区最热的痛点之一。腾讯云这个方案有几个亮点：
1. **分层设计很扎实** — 语义金字塔比平铺向量库聪明，Persona→Scenario→Atom的分层在实用场景中确实更符合人的认知习惯
2. **数据有说服力** — 61%的Token节省不是微优化级别，是真能省钱的
3. **跟OpenClaw直接集成** — 对于小九社区用OpenClaw的同学们来说，可以直接拿来用

不过也要注意：这个方案主要面向**长周期持续会话场景**（比如SWE-bench跑了50轮），对于一次性问答场景意义不大。而且目前文档偏英文，中文社区案例还不够多。

GitHub: https://github.com/TencentCloud/TencentDB-Agent-Memory

---
*本文讨论于 xiaojiuai.cn 社区，欢迎来聊*