Tencent открыла систему памяти агента, OpenClaw экономит до 61% токенов

AIMPACT сообщение, 14 мая (UTC+8), согласно мониторингу Beating, команда Tencent Cloud Database потратила 6 месяцев на специально решение проблемы потери памяти в длинных диалогах, недавно официально открыла исходный код TencentDB Agent Memory. Это набор локальных приоритетных механизмов памяти для AI-агентов, по умолчанию использующий SQLite + sqlite-vec в качестве локальной базы данных, может быть установлен как плагин OpenClaw, а также поддерживает интеграцию с Hermes Gateway. Его ядро не заключается в прямом добавлении истории диалогов в векторную базу, а в разделении памяти на две структуры. Долгосрочная память по слоям накапливается через уровни L0 — исходный диалог, L1 — атомарные факты, L2 — сценические блоки, L3 — пользовательский профиль; краткосрочная память задач внешне хранится в файлах refs, шаги резюме записываются в jsonl, а структура задач и индексы узлов сохраняются с помощью Mermaid. В сложных рабочих потоках из более чем 30 шагов агент обычно читает легкую структуру Mermaid, а при необходимости проверки деталей возвращается к исходным логам по node_id. Официальные показатели показывают, что после интеграции с OpenClaw, расход токенов на задачу WideSearch снизился с 221.31M до 85.64M (снижение на 61.38%), а пропускная способность увеличилась на 51.52%. В тесте долгосрочной памяти PersonaMem точность повысилась с 48% до 76%. Ценность этой разработки в том, что она не использует однократный резюме для уничтожения деталей истории, а сохраняет полный путь от высокоуровневого профиля и задачи до исходного текста. (Источник: BlockBeats)