Tencent merilis sistem memori Agen, OpenClaw menghemat hingga 61% Token

AIMPACT Pesan, 14 Mei (UTC+8), menurut pemantauan Beating, tim basis data Tencent Cloud menghabiskan waktu 6 bulan secara khusus untuk mengatasi masalah kehilangan ingatan dalam percakapan panjang, dan baru-baru ini secara resmi merilis sumber terbuka TencentDB Agent Memory. Ini adalah mesin memori lokal prioritas untuk Agen AI, secara default menggunakan SQLite + sqlite-vec sebagai backend lokal, dapat dipasang sebagai plugin OpenClaw, dan juga mendukung integrasi Hermes Gateway.
Inti dari ini bukanlah memasukkan percakapan sejarah langsung ke dalam basis data vektor, melainkan memecah memori menjadi dua struktur. Memori jangka panjang secara bertahap menumpuk berdasarkan percakapan asli L0, fakta atom L1, blok skenario L2, dan profil pengguna L3; memori tugas jangka pendek memindahkan log alat yang panjang ke file refs, menulis ringkasan langkah ke jsonl, dan menggunakan kanvas Mermaid untuk mempertahankan struktur tugas dan indeks node.
Dalam alur kerja kompleks lebih dari 30 langkah, Agen biasanya hanya membaca diagram struktur Mermaid yang ringan, dan saat perlu memverifikasi detail, kembali ke log asli berdasarkan node_id.
Pengujian standar resmi menunjukkan bahwa setelah terintegrasi dengan OpenClaw, konsumsi Token untuk tugas WideSearch menurun dari 221,31M menjadi 85,64M (penurunan 61,38%), dan tingkat keberhasilan meningkat sebesar 51,52%.
Dalam evaluasi memori jangka panjang PersonaMem, tingkat akurasi meningkat dari 48% menjadi 76%.
Nilai dari desain ini adalah, ia tidak langsung menelan detail sejarah dengan ringkasan sekali pakai, melainkan mempertahankan jalur lengkap dari profil tingkat tinggi dan kanvas tugas hingga teks asli di dasar.
(Sumber: BlockBeats)