腾讯云开源Agent记忆压缩方案
推荐指数 76.0 NO. 003 · 2026.07.09
Stars7,542
为什么值得看
腾讯开源的Agent记忆框架，用Mermaid符号压缩短期工具日志，并将长期记忆分层为结构化人格与场景，而非平铺向量。集成后token消耗降61%、任务通过率升51%，直接解决长对话Agent的上下文爆炸和人格漂移问题。
TencentDB Agent Memory delivers fully local long-term memory for AI Agents via a 4-tier progressive pipeline, with zero external API dependencies.
媒体预览
编辑判断
当前Agent记忆的主流做法是用向量数据库做RAG式召回，问题是工具调用日志膨胀快、人格信息淹没在噪声里。这个项目用符号化替代原始日志，本质是把"压缩即智能"的思路工程化了。
跟MemGPT的虚拟上下文管理相比，这里多了显式的分层蒸馏（persona/scene两层），跟Letta的块级记忆比，符号压缩的token效率更高。如果你在用LangGraph或AutoGen搭长周期Agent，这个插件可以低成本接入，建议优先测多轮工具调用场景。
一个潜在风险：Mermaid符号的表达能力有天花板，复杂推理链可能丢失细节，需要看实际业务是否可接受。
Star History
生态分析
Production
大厂开源的本地优先Agent长期记忆基础设施，填补端侧记忆管理空白。
独特价值：四层渐进式记忆压缩，零外部依赖，实测降本增效显著。
竞品：