Tencent abre o sistema de memória Agent de código aberto, OpenClaw economiza até 61% de Tokens

AIMPACT mensagem, 14 de maio (UTC+8), de acordo com o monitoramento do Beating, a equipe de banco de dados da Tencent Cloud gastou 6 meses para resolver especificamente o problema de perda de memória em diálogos longos, e recentemente lançou oficialmente o TencentDB Agent Memory como código aberto. Esta é uma engine de memória local prioritária para agentes de IA, que por padrão usa SQLite + sqlite-vec como backend local, pode ser instalada como plugin do OpenClaw, e também suporta integração com Hermes Gateway. Seu núcleo não é inserir diretamente o histórico de diálogos no banco de vetores, mas dividir a memória em duas estruturas. A memória de longo prazo é sedimentada camada por camada com diálogos originais L0, fatos atômicos L1, blocos de cenários L2, e perfis de usuário L3; a memória de tarefas de curto prazo externaliza logs extensos de ferramentas em arquivos refs, escreve resumos de etapas em jsonl, e usa a tela Mermaid para manter a estrutura da tarefa e índices de nós. Em fluxos de trabalho complexos com mais de 30 passos, o agente normalmente lê apenas um gráfico leve de estrutura Mermaid, e quando precisa verificar detalhes, volta ao log original pelo node_id. A referência oficial mostra que, após integrar o OpenClaw, o consumo de tokens na tarefa WideSearch caiu de 221,31 milhões para 85,64 milhões (redução de 61,38%), com uma taxa de sucesso aumentada em 51,52%. Na avaliação de memória de longo prazo PersonaMem, a precisão aumentou de 48% para 76%. O valor desse design está em não usar um resumo único para engolir detalhes históricos, mas manter o caminho completo desde a imagem de alto nível, a tela de tarefas, até o texto original subjacente. (Fonte: BlockBeats)