腾讯云开源TencentDB Agent Memory v2.0：面向团队的AI编码智能体记忆中枢

开源发布与核心定位

腾讯云已于2026年8月3日正式开源TencentDB Agent Memory v2.0，定位为“团队级记忆中枢”（team-level memory hub），专为AI编码智能体（AI coding agents）设计。其核心理念简洁明确：若项目上下文已在某处被解释过，新会话无需重复输入。该系统并非仅存储原始对话日志，而是将工程协作产出——包括聊天记录、技术文档与源代码——结构化提炼为四类标准化记忆资产，支持版本管理、细粒度权限控制，并可按需装备给特定智能体。

四类记忆资产：从原始输入到结构化知识

系统定义并统一管理四类记忆资产，每类均具备一致的元数据模型（所有权、版本号、状态、可见性）：

• Chat Memory：保存偏好设置、事实陈述、关键决策与交互历史；
• Skill：从已完成任务中提炼可复用操作流程，含版本信息、资源文件、触发边界、执行步骤及验证规则；
• LLM-Wiki：将产品文档、设计规范等非结构化文本转化为带链接图谱的结构化页面，灵感源自Andrej Karpathy提出的LLM维护型知识库构想；
• CodeGraph：对代码库进行符号级索引，涵盖文件、函数、调用关系与影响路径分析。

分层蒸馏与受控检索机制

Chat Memory采用四级分层蒸馏：原始对话存为L0；异步管道将其提炼为L1（原子事实）、L2（场景摘要）和L3（核心角色/Persona）。检索同样分层：L2/L3用于快速上下文启动；当需精确事实时，系统回退至L1/L0，融合BM25关键词检索、向量检索与RRF（Reciprocal Rank Fusion）加权融合。所有检索结果严格受条目数、字符总量及超时阈值限制，确保记忆不挤占大模型上下文窗口。

治理层：区别于标准RAG的关键创新

项目强调“治理层”（governance layer）是真正差异化所在。不同于传统RAG仅回答“什么信息存在”，该记忆中枢还明确回答“谁可使用”“哪个版本有效”“信息应交付给哪个智能体”。可见性分为private（仅所有者可见，连团队管理员亦不可读）、team（团队内共享）和restricted（指定智能体定向装备）。新建Chat Memory与Skill默认设为private，共享需显式操作。系统采用固定绑定+ACL策略：先按团队、用户、智能体身份与可见性窄化范围，再执行检索。

部署与集成能力

TencentDB Agent Memory采用MIT许可证，完全自托管。提供三个Docker镜像，一条命令即可启动；支持linux/amd64与linux/arm64多架构。官方提供TypeScript与Python SDK；已验证集成OpenClaw、Hermes、Claude Code、CodeBuddy等主流Agent框架。Memory Proxy组件兼容Anthropic与OpenAI协议，暴露`/claude-code/<spaceId>/v1/messages`与`/v1/chat/completions`接口；首次交互通过Claude Code原生AskUserQuestion工具完成团队、智能体与任务选择，后续轮次自动注入对应L2/L3记忆、匹配技能与知识至系统提示词。

应用场景与适用边界

典型应用场景包括：新智能体接入现有代码库、重构前影响分析、发版检查清单生成、故障响应手册构建、代码审查标准自动化、产品文档转为智能体可读格式等。目标用户优先为独立开发者与小型工程团队（明确聚焦“单人公司”），中型组织可作为DevEx平台共享基础设施；大型受监管企业建议先行试点而非全面推广，因私有代码仓库的CodeGraph索引与自动化记忆路由功能仍在优化中。适用行业涵盖软件与开发者工具、SaaS、金融科技、咨询与代理机构，以及任何要求记忆数据必须驻留内部网络的团队。

v2.0.0新增特性与性能声明

本次发布新增技能强制归档、定时CodeGraph仓库同步、系统管理员级资产管控、中英文管理面板切换，以及“成本守护”（Cost Guard）功能——可为特定智能体自动分配更经济的大模型。官方报告PersonaMem准确率从48%提升至76%，属相对提升59%；但该数据为项目方自测结果，尚无第三方独立复现验证。