Tencent відкрила систему пам’яті агентів, OpenClaw економить до 61% токенів

AIMPACT повідомлення, 14 травня (UTC+8), згідно з моніторингом Beating, команда бази даних Tencent Cloud витратила 6 місяців на спеціальне вирішення проблеми втрати пам’яті у довгих діалогах, нещодавно офіційно відкрила вихідний код TencentDB Agent Memory. Це набір локально орієнтованих механізмів пам’яті для AI-агентів, за замовчуванням використовує SQLite + sqlite-vec як локальний бекенд, може бути встановлений як плагін OpenClaw, а також підтримує підключення через Hermes Gateway. Його ядро полягає не в тому, щоб безпосередньо вставляти історичні діалоги у векторну базу, а у тому, щоб розділити пам’ять на дві структури. Довгострокова пам’ять поступово накопичується за шарами: L0 — первинний діалог, L1 — атомарні факти, L2 — сценічні блоки, L3 — профілі користувачів; короткострокова пам’ять задач — зовнішній файл refs для довгих логів інструментів, короткі підсумки кроків у jsonl, а структура задач і індекси вузлів зберігаються у Mermaid. У складних робочих процесах понад 30 кроків агент зазвичай лише читає легкий граф Mermaid, а при необхідності перевірки деталей повертається до оригінальних логів за node_id. Офіційні бенчмарки показують, що після підключення до OpenClaw, споживання токенів для задач WideSearch зменшилось з 221.31M до 85.64M (зниження на 61.38%), а пропускна здатність зросла на 51.52%. У довгостроковій пам’яті для оцінки PersonaMem точність підвищилася з 48% до 76%. Ця концепція цінна тим, що вона не знищує історичні деталі одним коротким підсумком, а зберігає повний шлях від високорівневого профілю та задачі до оригінального тексту. (Джерело: BlockBeats)