上周，腾讯云数据库团队悄悄在GitHub上丢出一个新项目，立刻引发Agent开发者社区关注。名为TencentDB Agent Memory的开源方案，专门解决大模型Agent在长任务场景下的“记忆力”问题——任务链路越长，上下文窗口越容易被中间产物撑爆，Token成本飙升，任务状态混乱。这个项目给出的答案是：外部记忆压缩+结构化任务画布。实测数据显示，多任务连续Session下Token消耗最高降低61%，任务成功率最高提升51%。
任务成功率最高提升 51%，Token 消耗最高降低 61%。
5月14日，据腾讯云官方消息，腾讯正式面向全球开源 TencentDB Agent Memory，针对Agent长任务场景提供长期和短期记忆压缩能力，支持 OpenClaw、Hermes 等主流 Agent 框架一键部署。在多任务连续 Session 实验中，该方案最高可降低 61% Token 消耗，并将任务成功率最高提升 51%。
当前，Agent 在代码开发、网页搜索、研究分析等场景中的任务链路持续变长。工具调用产生的大量网页内容、代码日志和中间结果，会快速占满上下文窗口，导致 Token 成本持续上升。业内惯用的做法无非是扩大窗口或对历史做简单摘要，但在长任务场景下，上下文膨胀和任务状态混乱仍然是棘手难题——Agent 常常忘了自己做到哪一步，或者重复执行已完成的步骤。
腾讯云数据库团队开源的这个 TencentDB Agent Memory，设计思路颇为巧妙：将完整信息卸载到外部存储，同时保留任务执行过程中的关键状态与结构关系。说白了，就是给 Agent 配一个“外部硬盘”加一个“思维导图”。
其中一项核心能力是“Mermaid 任务画布”。系统会将 Agent 的任务过程组织成结构化任务图，保留任务状态、步骤摘要和执行关系。即便上下文中只保留一张轻量级的任务画布，Agent 依然能快速判断当前任务进度，以及不同步骤之间的依赖关系。这比纯文本摘要要直观得多，尤其适合多步骤依赖的复杂场景。
另一项核心能力是“上下文卸载（Context Offloading）”。工具调用完成后，网页内容、日志和中间结果等原始信息不会继续长期占用上下文窗口，而是转移到外部文件系统保存；上下文中仅保留摘要和索引信息，需要时再按需恢复。这相当于把 Agent 的“短期工作记忆”和“长期档案柜”做了分离。
根据腾讯云披露的测试数据，启用该记忆方案后，Agent 在网页搜索场景中 Token 消耗最高降低 61%、成功率相对提升 52%；代码修复场景中 Token 消耗最高降低 33%、完成率相对提升 10%；复杂长文档场景中 Token 消耗最高降低 31%、准确率相对提升 8%。三组测试覆盖了Agent最典型的长任务类型，数据表现各有侧重，但整体趋势一致：记忆压缩不仅省钱，还让Agent更聪明。
此外，该项目还包含长期个性化记忆模块，可在 Agent 跨对话中自动提取用户偏好与历史背景。在 PersonaMem 评测中，该模块将 Agent 对用户画像的理解准确率从 48% 提升至 76%。这个模块此前已免费开放服务，现在整合进开源项目中，对于需要个性化助手的开发者来说，省去了自己搭建用户记忆系统的麻烦。
目前，Agent Memory 已在 GitHub 正式开源，支持 OpenClaw、Hermes 等主流 Agent 框架。开发者只需一行命令即可安装使用，无需额外配置数据库或外部服务。Agent 的任务记录、记忆内容等信息，也都会以普通文件形式保存，方便直接查看和调试——这对于调试Agent行为很有帮助，因为你能看到它到底“记了”什么。
今年以来，腾讯正持续加速 Agent 技术生态布局。上个月，腾讯云开源了 Agent 执行底座 Cube，两周 GitHub Star 数超过 5000。一个月内连续开源两个核心组件，一个管执行，一个管记忆，摆明了要抢占Agent基础设施的话语权。客观来看，记忆管理是目前Agent从Demo走向生产的瓶颈之一，TencentDB Agent Memory的开源有助于降低行业试错成本。但也要注意，该方案依赖外部文件系统存储，在高并发场景下的性能表现还需更多实际案例验证。对于中小团队或个人开发者来说，这无疑是一个值得在玩具项目上试试的选择。
