騰訊開源Agent記憶系統，OpenClaw最高省61%Token

AIMPACT 消息，5 月 14 日（UTC+8），據動察 Beating 監測，騰訊雲數據庫團隊耗時 6 個月專門攻克長對話失憶問題，近日正式開源 TencentDB Agent Memory。這是一套面向 AI Agent 的本地優先記憶引擎，預設使用 SQLite + sqlite-vec 作為本地後端，可作為 OpenClaw 插件安裝，也支持 Hermes Gateway 接入。 它的核心不是把歷史對話直接塞進向量庫，而是把記憶拆成兩套結構。長期記憶按 L0 原始對話、L1 原子事實、L2 場景分塊、L3 用戶画像逐層沉澱；短期任務記憶則把冗長的工具日誌外置到 refs 檔，把步驟摘要寫入 jsonl，再用 Mermaid 畫布保留任務結構和節點索引。 在 30 步以上的複雜工作流程中，Agent 平時只讀輕量的 Mermaid 結構圖，需要查證細節時再按 node_id 回到原始日誌。官方基準顯示，接入 OpenClaw 後，WideSearch 任務的 Token 消耗從 221.31M 降至 85.64M（降幅 61.38%），通過率相對提升 51.52%。在長期記憶評測 PersonaMem 上，準確率從 48% 提升到 76%。這個設計的價值在於，它沒有用一次性摘要吞掉歷史細節，而是保留了從高層画像、任務畫布一路追溯到底層原文的完整路徑。 （來源：BlockBeats）