TencentDB Agent Memory
把对话、文档和代码沉淀为团队可治理、可复用的记忆资产。
- Star 数
- ★ 31k
- 最近更新
- 2 天前
- License
- NOASSERTION
- 主语言
- TypeScript
- FA 评分
- 41/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 兼容但需适配Claude Code
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 中 · 需要几步配置
- 开始前需要
- 典型场景
- 一人产品团队在每次新 Agent 会话开始前，希望让 Builder 继承产品文档、代码关系和既有交付流程时。
- 不适合
- 只想用托管云服务、不愿自行部署三个服务的团队
- 希望开箱即用、无需填写两组 LLM 参数的用户
这个 Agent 能做什么，适合哪些场景？
TencentDB Agent Memory 是面向 AI Agent 团队的自托管记忆中枢，包含 memory-core、memory-hub 和 proxy 三项服务。它将会话沉淀为 Chat Memory 与 Skill，并把导入的文档和代码库分别处理为 Wiki 与 CodeGraph。Memory Hub 用团队、所有者、可见性、ACL 和 Agent 绑定管理这些资产，而不是把所有内容直接塞进提示词。Wiki 和 CodeGraph 可通过按需工具调用读取相关页面、源码或影响路径；会话记忆则按 L0 至 L3 异步分层整理。项目提供 OpenClaw、Hermes 和 SDK 集成的说明，并明确提到 Proxy + Claude Code 的使用路径。
部署脚本会启动 memory-core、memory-hub 和 proxy，并在完成后输出可直接粘贴到 Claude 的一行配置。用户可在 Memory Hub 创建团队和 Agent，导入会话、文档、文件或代码库：会话会提取 Chat Memory 和 Skill，文档会生成带链接图的 Wiki，代码库会索引文件、符号、调用关系和影响路径。对话先作为 L0 Conversation 保存，再由异步流程提炼为 L1 Atom、L2 Scenario 和 L3 Core / Persona；检索可结合 BM25、向量检索和 RRF。Agent 可先调用 /v3/tools/list 发现能力，再用 /v3/tools/call 按需读取 Wiki 页面、源代码或影响路径。
- 一人产品团队在每次新 Agent 会话开始前，希望让 Builder 继承产品文档、代码关系和既有交付流程时。
- 使用 OpenClaw、Hermes 或 SDK 接入的团队，希望把已完成任务中的排障、评审或发布步骤提炼成可版本化 Skill 时。
- 维护公共 HTTPS 代码仓库的工程团队，需要在改动前查询符号、调用者、被调用者和潜在影响范围时。
- 运营、产品或研发团队要把设计说明、运行手册等资料导入并按 Wiki 页面及链接关系检索时。
- 需要将用户偏好、事实、决定和历史互动保留为跨会话 Chat Memory，同时限制资产可见范围的团队。
如何安装或部署这个 Agent？
前提：Node.js >=22.16；准备 memory group 与 proxy group 两套 LLM 参数。执行：
git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env
./start-all.sh脚本启动 memory-core、memory-hub 和 proxy。完成后打开 http://localhost:8125；脚本还会打印一行可粘贴到 Claude 的配置。README 未给出 .env 中 LLM 参数的具体字段、供应商要求或 /v3/tools/call 的请求体，因此不能据此提供可验证的 API 调用示例。
如何使用这个 Agent？
在 http://localhost:8125 打开 Memory Hub，创建团队和 Agent，然后导入现有会话、文档/文件或代码库。为生成的 Chat Memory、Skill、Wiki 和 CodeGraph 设置 private、team、restricted 或 agent 可见性，并将所需资产绑定到目标 Agent。等待异步构建的 Wiki 与 CodeGraph 达到 ready 状态。集成端可通过 /v3/tools/list 发现可用能力，并以 /v3/tools/call 按需读取相关 Wiki、源码或影响路径；README 没有提供这两个接口的具体参数。
这个 Agent 有哪些优点和局限？
- 以 Chat Memory、Skill、Wiki、CodeGraph 四类统一资产覆盖会话、文档与代码，而不只是做聊天记录或文本分块检索。
- Chat Memory 明确采用 L0 Conversation 到 L3 Core / Persona 的分层流程，并说明了 BM25、向量检索和 RRF 的回退检索方式。
- 提供团队、所有者、版本、状态、可见性及 User / Role / Agent ACL，并支持把不同资产定向装备给不同 Agent。
- Wiki 和 CodeGraph 支持按需工具读取，避免将整套文档或代码库一次性注入上下文。
- 启动前必须配置 memory group 和 proxy group 两套 LLM 参数，但 README 未说明具体支持的供应商、模型或环境变量字段。
- Wiki 与 CodeGraph 是异步构建的，使用前需等待 ready 状态。
- CodeGraph 目前优先支持公共 HTTPS 仓库；私有仓库与 SSH 凭据支持仍在完善。
- 自动化记忆路由仍在迭代，当前 Hub 支持手动资产绑定。
- 跨框架支持目前明确列出 OpenClaw、Hermes 和 SDK；更广泛迁移仍在路线图中。
这个 Agent 与同类方案有什么区别？
README 将其与 Chat History 和 Standard RAG 对比：它额外定位于从会话中提炼 Chat Memory 与 Skill，并为文档提供 Wiki + Link Graph、为代码提供 CodeGraph，同时管理所有权、版本、状态、团队共享、Agent 装备与 ACL。
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| TencentDB Agent Memory 当前 | 41 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 31k | 2 天前 | TypeScript | Claude Code |
| Open Brain (OB1) | 46 · 缺口较多 | 自托管服务免费 + 模型费 | ★ 4.8k | 1 个月前 | TypeScript | ChatGPT · Claude Code · Claude.ai |
| Athena | 68 · 存在缺口 | IDE 插件免费 + 模型费 | ★ 620 | 今天 | Python | Claude Code |
| ClawX 桌面端 | 45 · 缺口较多 | 桌面应用免费 + 模型费 | ★ 7.6k | 1 天前 | TypeScript | Codex · OpenAI API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据显示：文档明确要求配置 LLM API Key、COS 密钥、Redis 密码等敏感信息，且 v2 插件支持 Bearer Token 认证，表明有基本的敏感数据处理意识。但未发现用户确认机制（如操作前确认），数据流透明度仅部分体现（如数据目录结构、API 端点），外部影响（如自动启动子进程、网络请求）有描述但缺乏权限最小化分析。依赖安全方面，CI 使用 npm install --ignore-scripts 降低风险，但未提供依赖漏洞扫描证据。回滚机制未提及。来源归属方面，文档明确标注了 Tencent 版权和 MIT 许可，但未提供第三方组件来源清单。扣分原因：缺少用户确认、回滚机制，权限最小化证据不足。
证据显示：文档内部一致性较好，部署模式、API、环境变量等描述相互对应，E2E 测试声称通过（16/16 和 23/23），但未提供测试代码或日志，无法独立验证。依赖可用性方面，文档列出了外部依赖（如 Redis、TCVDB、COS、Shark），但未提供版本锁定或镜像信息，依赖可用性存在风险。失败消息方面，文档提到健康检查和熔断器，但未提供具体的错误处理或用户可读的错误消息示例。扣分原因：测试结果未提供证据，依赖版本未锁定，失败消息描述不足。
证据显示：文档明确区分了 Standalone 和 Service 两种部署形态，并针对不同场景（本地开发、Docker、K8s、多租户）提供了配置示例，受众和场景覆盖较好。能力边界方面，文档列出了 v1/v2 API 和工具列表，但未明确说明不支持的功能或限制。触发精度方面，文档描述了环境变量和配置项，但未提供详细的触发条件或事件驱动机制。环境适配方面，文档提供了 Docker、K8s 部署示例，但未提供 Windows 或其他平台的支持说明。扣分原因：能力边界和触发精度描述不够精确。
证据显示：信息架构清晰，README.deployment.md 提供了部署、集成、API、配置等完整指南，但主 README 未提供，可能影响整体架构理解。安装说明详细，包括 npm install、环境变量、Docker 命令等。命名稳定性方面，文档中出现了 'memory_tencentdb' 和 'memory_tencentdb_v2' 等命名，但未说明命名规范或版本兼容性。示例和 FAQ 方面，提供了多个部署示例，但未提供 FAQ。已知限制方面，文档未明确列出已知限制。许可证为 MIT，但元数据为 NOASSERTION，存在不一致。版本变更日志未提供。维护责任方面，文档提到 Tencent 支持，但未提供明确的维护者或贡献指南。扣分原因：缺少主 README、FAQ、已知限制、版本日志，许可证元数据不一致。
证据显示：输出可用性方面，文档提供了 API 返回格式和工具参数说明，但未提供示例响应。边际价值方面，该产品提供团队级记忆管理，具有明确价值，但未与其他方案对比。成本效益方面，文档未提供性能基准或资源消耗数据，无法评估成本。扣分原因：缺少示例响应、对比分析和性能数据。
证据显示：文档中的声明（如 E2E 测试通过）未提供可追溯的测试代码或日志，可追溯性不足。跨来源验证方面，仅依赖单一文档，未提供其他来源。事实与推断分离方面，文档中部分内容（如 '实测结果'）可能为推断，但未明确区分。扣分原因：缺乏可验证的测试证据和来源。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 文档中声称的 E2E 测试通过（16/16 和 23/23）未提供测试代码或日志，无法独立验证，应谨慎对待。
- 许可证元数据为 NOASSERTION，与文档中的 MIT 声明不一致，需确认实际许可证状态。
- Service 模式依赖外部服务（Redis、TCVDB、COS、Shark），但未提供版本锁定或镜像信息，部署时需自行确认兼容性。
- 未提供用户确认机制和回滚机制，对于涉及数据写入或删除的操作，需谨慎评估风险。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
[2.0.3] - 2026-10-26 v2.0.3 发布，相比 v2.0.3-beta.1 新增会话默认绑定与 Wiki 富文档，并把未单独配置超时的上游等待时间从 10 分钟改为 1 小时。同时修复 DeepSeek Harness 辅助接口、历史记忆时间格式、安装脚本、面板交互、Knowledge 启动，以及代理在 Redis 中断后不能自行恢复的问题。 > 产品定位：让 Agent 的经验、文档、代码沉淀成可复用资产，让下一位 Agent > 直接读档。详见 [README_CN.md](./README_CN.md)。 🔁 会话默认绑定 - 用户可为自己保存 Team、Agent、Task 的默认组合。新会话会直接使用该组合，不再每次弹出选择 - 未设置时仍走原来的选择流程；默认组合失效时自动回到原流程，并说明原因 - 可在会话中锁定或解锁该默认组合，避免后续会话被意外改掉 📄 Wiki 富文档 - Wiki 新增 Word、Excel、PowerPoint、PDF 等富文档的导入、预览和内容抽取 - 原有 Markdown、文本和 HTML 导入保持可用；修复 Markdown 粘贴在部分情况下导入失败的问题 ⏱️ 长回复不再被提前截断 …在 GitHub 查看 ↗ -
发布说明摘录
[2.0.3-beta.1] - 2026-10-13 v2.0.3-beta.1 发布，相比 v2.0.2 新增可插拔的决策服务、技能按需选择与会话轨迹 记录能力，并补齐代码知识库的 SSH 克隆与可观测性信息。以上新能力均默认关闭， 旧配置无需修改、行为与之前保持一致。 > 产品定位：让 Agent 的经验、文档、代码沉淀成可复用资产，让下一位 Agent > 直接读档。详见 [README_CN.md](./README_CN.md)。 🧩 可插拔决策服务（默认关闭） Skill 选择与 Memory L3 更新判定统一收敛到决策服务，可灵活替换决策来源： - 通过统一的决策服务接口调用，内置 JEV，也可接入其他 decision API - 配置用 provider 指定（默认 jev），旧配置无需修改 - 默认不调用 JEV，行为与之前一致；开启后即使决策服务调用失败， 也不影响正常对话与记忆写入 🧰 技能（Skill）按需选择（默认关闭） - 开启后由 Proxy 每轮自动选出合适的技能，通过一次客户端工具调用加载 - 不再向系统提示词注入完整技能目录，减少提示词开销 📼 会话轨迹记录 - Proxy 在每轮对话结束后，把发往上游的消息与模型回复记录到 MemoryCore …在 GitHub 查看 ↗ -
发布说明摘录
[2.0.2] - 2026-10-09 > 产品定位：让 Agent 的经验、文档、代码沉淀成可复用资产，让下一位 Agent > 直接读档。详见 [README_CN.md](./README_CN.md)。 🗄️ 存储后端可扩展 · 支持 MongoDB 团队记忆不再绑定单一数据底座，MongoDB 后端能力进一步补全： - 新增 memory-prompt 与 generation-ref 两类存储，覆盖更多记忆数据结构 - 一键入口 ./start-all-mongo.sh 会把 STORE_MODE 持久化写入 .env，后续启动 保持同一后端，不再每次重复配置 - 修复索引冲突场景的自愈能力，重复的默认/抽取记录不再导致启动报错 🔀 更多客户端接入 - OpenCode 新增官方 Memory adapter 配置包（含 opencode.json 与接入文档），按说明配置即可接入，无需编写插件代码 - OpenCode 支持 2.0 的 v2 provider 配置结构，新版客户端可直接复用官方 opencode.v2.json - DeepSeek Harness 新增 dsh 桌面端适配，配置方式可参考 ./agents/dsh/README.md 中 1.6 的部分 …在 GitHub 查看 ↗