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。
按维度查看评分与理由
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。
- 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。
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。
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。
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 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。