TencentDB Agent Memory 为 AI Agent 提供一套完全本地的长期记忆方案，通过四层渐进式管道实现，无需任何外部 API 依赖。

它将符号化短期记忆与分层长期记忆相结合：前者把繁杂工具日志压缩为紧凑的 Mermaid 符号，降低 token 消耗；后者把零散对话提炼成结构化的人设与场景，避免平面向量堆积。集成后可在 OpenClaw 上减少高达 61.38% token 用量，提升任务通过率 51.52%，并将 PersonaMem 准确率从 48% 提升至 76%。

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

主要功能：
- 符号化短期记忆：用 Mermaid 画布替代冗长日志，实现上下文卸载与全链路可追溯；
- 分层长期记忆：从 L0 对话到 L3 人设逐步抽象，既保留细节又提供宏观结构；
- 异构存储与渐进披露：底层数据库存原始证据，上层 Markdown 存可读结构；
- 零配置即用：支持 OpenClaw 插件与 Hermes 网关，开箱即用本地 SQLite 后端；
- 混合检索：BM25 + 向量 + RRF，同时支持关键词与语义召回；
- 白盒可调试：所有中间层均为人类可读文件，方便定位与验证。

项目已在真实长周期任务中验证效果，适合需要稳定记忆能力的 Agent 开发者与研究团队。

#AI创造营##人工智能#