<?xml version="1.0"?>
<feed xmlns="http://www.w3.org/2005/Atom" xml:lang="zh">
	<id>https://wiki.jwjp.com/index.php?action=history&amp;feed=atom&amp;title=AI%E6%99%BA%E8%83%BD%E4%BD%93%E5%88%86%E5%B1%82%E9%95%BF%E6%9C%9F%E8%AE%B0%E5%BF%86%E5%BC%95%E6%93%8E</id>
	<title>AI智能体分层长期记忆引擎 - 版本历史</title>
	<link rel="self" type="application/atom+xml" href="https://wiki.jwjp.com/index.php?action=history&amp;feed=atom&amp;title=AI%E6%99%BA%E8%83%BD%E4%BD%93%E5%88%86%E5%B1%82%E9%95%BF%E6%9C%9F%E8%AE%B0%E5%BF%86%E5%BC%95%E6%93%8E"/>
	<link rel="alternate" type="text/html" href="https://wiki.jwjp.com/index.php?title=AI%E6%99%BA%E8%83%BD%E4%BD%93%E5%88%86%E5%B1%82%E9%95%BF%E6%9C%9F%E8%AE%B0%E5%BF%86%E5%BC%95%E6%93%8E&amp;action=history"/>
	<updated>2026-08-29T07:22:01Z</updated>
	<subtitle>本wiki上该页面的版本历史</subtitle>
	<generator>MediaWiki 1.45.1</generator>
	<entry>
		<id>https://wiki.jwjp.com/index.php?title=AI%E6%99%BA%E8%83%BD%E4%BD%93%E5%88%86%E5%B1%82%E9%95%BF%E6%9C%9F%E8%AE%B0%E5%BF%86%E5%BC%95%E6%93%8E&amp;diff=119&amp;oldid=prev</id>
		<title>Admin：​创建页面，内容为“== TencentDB Agent Memory 核心架构与演进指南 == TencentDB Agent Memory（腾讯云智能体分层长期记忆引擎）是由腾讯云数据库团队面向 AI Agent 长周期任务、超长 Session 开发的开源企业级记忆中枢系统（采用 MIT 开源协议）。该引擎旨在通过本地分层存储与符号化压缩，化解长业务场景中的信息遗忘问题，在标准基准测试中，可为大模型减免 50% 以上的 Token 消耗…”</title>
		<link rel="alternate" type="text/html" href="https://wiki.jwjp.com/index.php?title=AI%E6%99%BA%E8%83%BD%E4%BD%93%E5%88%86%E5%B1%82%E9%95%BF%E6%9C%9F%E8%AE%B0%E5%BF%86%E5%BC%95%E6%93%8E&amp;diff=119&amp;oldid=prev"/>
		<updated>2026-08-27T11:24:35Z</updated>

		<summary type="html">&lt;p&gt;创建页面，内容为“== TencentDB Agent Memory 核心架构与演进指南 == TencentDB Agent Memory（腾讯云智能体分层长期记忆引擎）是由腾讯云数据库团队面向 AI Agent 长周期任务、超长 Session 开发的开源企业级记忆中枢系统（采用 MIT 开源协议）。该引擎旨在通过本地分层存储与符号化压缩，化解长业务场景中的信息遗忘问题，在标准基准测试中，可为大模型减免 50% 以上的 Token 消耗…”&lt;/p&gt;
&lt;p&gt;&lt;b&gt;新页面&lt;/b&gt;&lt;/p&gt;&lt;div&gt;== TencentDB Agent Memory 核心架构与演进指南 ==&lt;br /&gt;
[[TencentDB Agent Memory]]（腾讯云智能体分层长期记忆引擎）是由腾讯云数据库团队面向 AI Agent 长周期任务、超长 Session 开发的开源企业级记忆中枢系统（采用 MIT 开源协议）。该引擎旨在通过本地分层存储与符号化压缩，化解长业务场景中的信息遗忘问题，在标准基准测试中，可为大模型减免 50% 以上的 Token 消耗。&lt;br /&gt;
&lt;br /&gt;
=== 1. 四层长期记忆架构 (4-Tier Memory Architecture) ===&lt;br /&gt;
为了防止上下文窗口（Context Window）出现过载或污染，引擎将 Agent 交互产生的数据流严格划分为四个递进的数据层级：&lt;br /&gt;
&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;L0: 会话层 (Conversation Tier - 动态记忆)&amp;#039;&amp;#039;&amp;#039;: 实时接收并完整保留最原始的、未经加工的对话轮次（Raw Turns）。负责在当前活跃窗口内进行无损的 Token 跟踪，并建立局部状态变量，供 Agent 进行毫秒级的状态更新。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;L1: 原子层 (Atom Tier - 结构化记忆)&amp;#039;&amp;#039;&amp;#039;: 通过后台异步提取流水线，自动将散乱的对话语料提炼为相互独立的原子事实（Atomic Facts）、键值对实体（KV Entities）、承诺事件以及关系陈述。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;L2: 场景层 (Scenario Tier - 上下文记忆)&amp;#039;&amp;#039;&amp;#039;: 按照具体的任务流或用户流，将相关的原子事实组织成动态的执行拓扑。场景会被序列化为具备版本控制的 Markdown 配置文件，以便进行状态固化与跨会话恢复。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;L3: 用户画像层 (Persona Tier - 全局配置)&amp;#039;&amp;#039;&amp;#039;: 跨越数百个独立历史会话，对用户的行为偏好、跨项目知识资产进行最终的全局融合与提炼，自动淘汰过期或冲突的运行时变量。&lt;br /&gt;
&lt;br /&gt;
=== 2. 核心拦截与治理机制 ===&lt;br /&gt;
为防止自主智能体在长期运行中由于幻觉或长尾 Session 导致的内存退化，系统在运行层设置了三道核心安全红线：&lt;br /&gt;
&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;上下文卸载机制 (Context Offloading)&amp;#039;&amp;#039;&amp;#039;: 持续监控当前活跃窗口的 Token 饱和度。当窗口水位触发 80% 的临界值时，引擎自动对历史片段进行摘要提炼，将其推入 L1/L2 存储层，并在主干中保留显式的内存指针（Pointers）。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;钩子管控与命令白名单 (Hook Gating)&amp;#039;&amp;#039;&amp;#039;: 在智能体执行层实施强隔离。Agent 对全局共享的配置和历史资产仅具备只读权限。任何试图无人类多因素认证（MFA）而直接改写根 Schema 或系统配置的行为，将直接触发会话阻断。&lt;br /&gt;
* &amp;#039;&amp;#039;&amp;#039;Mermaid 任务画布追踪 (Execution Tracer)&amp;#039;&amp;#039;&amp;#039;: 自动将 Agent 的工具调用路径、依赖节点及错误堆栈实时转化为标准的 Mermaid 关系依赖图，将黑盒的执行轨迹透明化，以便开发人员进行安全审计与故障复盘。&lt;br /&gt;
&lt;br /&gt;
=== 3. 安装、部署与网关集成 ===&lt;br /&gt;
&lt;br /&gt;
==== 3.1 基于 OpenClaw 插件接入 ====&lt;br /&gt;
如需在您的 OpenClaw 或基于此的自动化研发流中启用记忆服务，请先在终端安装官方供应端插件：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;pre&amp;gt;&lt;br /&gt;
openclaw plugins install @tencentdb-agent-memory/memory-tencentdb&lt;br /&gt;
&amp;lt;/pre&amp;gt;&lt;br /&gt;
&lt;br /&gt;
随后打开位于 &amp;lt;code&amp;gt;~/.openclaw/openclaw.json&amp;lt;/code&amp;gt; 的核心配置文件，在 plugins 列表中追加以下元数据，并将激活状态（enabled）设为 true：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;pre&amp;gt;&lt;br /&gt;
&amp;quot;memory-tencentdb&amp;quot;: {&lt;br /&gt;
    &amp;quot;enabled&amp;quot;: true,&lt;br /&gt;
    &amp;quot;storage&amp;quot;: &amp;quot;sqlite-vec&amp;quot;&lt;br /&gt;
}&lt;br /&gt;
&amp;lt;/pre&amp;gt;&lt;br /&gt;
&lt;br /&gt;
系统默认开启嵌入式 SQLite 及本地向量扩展（sqlite-vec）进行局部缓存，若需分布式或多智能体协同，则需额外配置显式槽位（slots）参数。&lt;br /&gt;
&lt;br /&gt;
==== 3.2 Hermes 网关独立部署 ====&lt;br /&gt;
针对企业级的生产级独立接入，推荐使用 Docker 单独部署 Hermes 网关镜像，实现网络调用与主干核心的物理隔离：&lt;br /&gt;
&lt;br /&gt;
&amp;lt;pre&amp;gt;&lt;br /&gt;
docker run -d --name hermes-gateway -p 8420:8420 tencentcloud/hermes-gateway:latest&lt;br /&gt;
&amp;lt;/pre&amp;gt;&lt;br /&gt;
&lt;br /&gt;
Hermes 网关默认在本地 8420 端口暴露标准化 API 路由，请确保企业内部防火墙已将该端口放行给合规的内网服务。&lt;br /&gt;
&lt;br /&gt;
[[Boardline]]&lt;br /&gt;
[[TencentDB_Agent_Memory]]&lt;br /&gt;
[[分类:技术架构]]&lt;br /&gt;
[[分类:AI基础设施]]&lt;/div&gt;</summary>
		<author><name>Admin</name></author>
	</entry>
</feed>