diff --git a/README.md b/README.md index a445c7b..875cadd 100644 --- a/README.md +++ b/README.md @@ -1,200 +1,334 @@ -[中文](README_CN.md) +
-

TencentDB Agent Memory

+TencentDB Agent Memory -

AI without memory is just a tool. AI with memory becomes an asset.

+### TencentDB Agent Memory + +让 Agent 记住固定流程、沉淀历史经验、复用用户偏好，**把人的注意力从重复工作中释放出来，回到创造、判断和生活本身**。 + +[![npm](https://img.shields.io/npm/v/@tencentdb-agent-memory/memory-tencentdb?color=blue)](https://www.npmjs.com/package/@tencentdb-agent-memory/memory-tencentdb) +[![License: MIT](https://img.shields.io/badge/License-MIT-green.svg)](./LICENSE) +[![Node](https://img.shields.io/badge/node-%3E=22.16-brightgreen)](https://nodejs.org/) +[![OpenClaw](https://img.shields.io/badge/OpenClaw-%3E=2026.3.13-orange)](https://github.com/openclaw/openclaw) +![Hermes](https://img.shields.io/badge/Hermes-Gateway-7B61FF) + +[效果亮点](#效果亮点) · [项目简介](#项目简介) · [特点](#特点) · [快速开始](#快速开始) + +
+ +--- + +## ✨ 效果亮点 + +> **TencentDB Agent Memory = 短期记忆压缩 + 长期个性化记忆。** +> +> - **短期记忆压缩**：把长任务上下文变轻，让 Agent 不再背着全部工具日志继续推理。 +> - **长期个性化记忆**：把碎片化对话提炼为结构化记忆、场景块和用户画像。 + +**作为 OpenClaw 插件接入后**：最高节省 **63.59% Token**，通过率相对提升 **41.18%**；PersonaMem 准确率从 **48%** 提升到 **76%**。 + +| 记忆能力 | Benchmark | Clawpro 成功率 | 加插件后成功率 | 相对变化 | Clawpro Token 消耗 | 加插件后 Token 消耗 | 相对变化 | +| :--- | :--- | :---: | :---: | :---: | :---: | :---: | :---: | +| **短期记忆** | WideSearch | 8.5% | **12%** | **+41.18%** | 174.31M | **63.46M** | **−63.59%** | +| **短期记忆** | SWE-bench | 58.4% | **64.2%** | **+9.93%** | 3474.1 | **2375.4** | **−33.09%** | +| **短期记忆** | AA-LCR | 44.0% | **47.5%** | **+7.95%** | 112.0M | **77.3M** | **−31%** | +| **长期记忆** | PersonaMem | 48% | **76%** | **+59%** | — | — | — | + +> 超长 Session 评测不是单题清空上下文，而是把多个任务拼接到同一个 Session 中连续执行。例如 SWE-bench 每个 Session 连续执行 50 个任务，用来模拟真实长程 Agent 的上下文累积压力。 + +--- + +## 项目简介 + +**Memory 不是为了让 AI 存下所有东西，而是为了让人不必重复所有事情。** + +TencentDB Agent Memory 帮助 Agent 学会你的流程、保留任务上下文、复用历史经验，让人把注意力留给判断、创造和真正有价值的工作。 + +真实工作里，很多内容不应该被用户反复交代：固定 SOP、常用分析口径、项目背景、用户偏好等。因此，我们把这些稳定经验沉淀下来，让 Agent 在合适的时候自动复用。 + +TencentDB Agent Memory 不是简单的历史记录、不可恢复的摘要，也不是单纯的 RAG。我们把记忆设计成一套分层信息管理系统：数据库负责可检索、可过滤、可召回的事实底座；文件系统负责承载可读、可编辑、可逐步展开的任务画布、场景块和用户画像。短期记忆压缩解决长任务中的过程信息过载，长期个性化记忆解决跨会话的用户理解沉淀。 + +> **让 Agent 记住该记的，让人专注于更有价值的创造。** + +它由两块能力组成： + +### 短期记忆压缩：Mermaid无限画布 ✖️ 上下文卸载 + +长任务里最占上下文的往往不是用户目标，而是工具调用产生的过程信息：搜索结果、网页正文、文件片段、测试日志、报错、diff、中间版本。TencentDB Agent Memory 会把这些完整信息卸载到外部文件，只把摘要、路径和任务状态保留在上下文附近。 + +```text +工具结果 + └─► refs/*.md 保存完整原文 + └─► offload-*.jsonl 保存工具调用级摘要与 result_ref + └─► mmds/*.mmd 保存 Mermaid 任务画布 + └─► 上下文 只注入当前任务最需要的结构化状态 +``` + +这里的关键不是“删掉历史”，而是“折叠历史”：Agent 平时看任务地图，需要细节时再沿着 `node_id` 和 `result_ref` 下钻到原始证据。 + +### 长期个性化记忆：从信息碎片到用户画像 + +跨会话记忆面对的是另一个问题：原始对话日志是低密度矿藏，里面有偏好、有事实、有情绪、有长期目标，也有大量噪音。单纯向量检索只能找到“相似片段”，很难挖出用户长期稳定的特质。 + +TencentDB Agent Memory 用 L0 → L3 的金字塔管线逐层提纯：

- OpenClaw Plugin - MIT License + TencentDB Agent Memory L0 to L3 semantic pyramid

+上层画像负责让 Agent “懂你”，下层记忆负责在事实细节上兜底。这样 Agent 既能有宏观判断，也能在需要时查到具体证据。 -**TencentDB Agent Memory is an Agent memory system built by the Tencent Cloud Database team**, adding persistent long-term memory to OpenClaw. Through a 4-layer progressive memory pyramid, it automatically handles memory capture, layered distillation, on-demand recall and injection — turning an Agent from "chat-only" into a long-term, cross-session AI assistant that continuously learns and understands its users. +--- -## Benchmark +## 快速开始 -Evaluated on [PersonaMem](https://github.com/jiani-huang/PersonaMem) (UPenn, COLM 2025) — 589 questions, 20 actors. - -| Category | OpenClaw Native Memory | TencentDB Agent Memory | -| :--- | :---: | :---: | -| Recall Update Reason | 70.97% | **88.89%** | -| Preference Evolution | 66.67% | **83.45%** | -| Personalized Recommendation | 46.67% | **76.36%** | -| Scenario Generalization | 31.58% | **78.95%** | -| Recall User Facts | 29.63% | **79.07%** | -| Recall Facts | 25.00% | **76.47%** | -| Creative Suggestion | 24.00% | **45.16%** | -| **Overall** | **47.85%** | **76.10%** | - -## Highlights - -- **OpenClaw native plugin** — package name `@tencentdb-agent-memory/memory-tencentdb`, one command to install -- **4-layer memory pipeline**: L0 Raw Dialogue → L1 Structured Memory → L2 Scenario Synthesis → L3 User Profile -- **Hybrid recall**: supports `keyword`, `embedding`, and `hybrid` strategies -- **Two retrieval tools**: `tdai_memory_search` (structured memory) and `tdai_conversation_search` (raw conversations) -- **Local-first storage**: JSONL + SQLite, data is directly inspectable on disk -- **Operational features**: deduplication, checkpoint, backup, scheduled cleanup, metrics logging -- **MIT License** - -## Quick Start - -### Requirements - -- Node.js `>= 22.16.0` -- OpenClaw `>= 2026.3.13` - -### Install +### 1. 安装插件 ```bash openclaw plugins install @tencentdb-agent-memory/memory-tencentdb +openclaw gateway restart ``` -Once installed, the plugin hooks into the OpenClaw conversation lifecycle and automatically handles conversation capture, memory recall, and L1/L2/L3 processing. +### 2. 零配置启用 -### Development from Source +默认使用本地 `SQLite + sqlite-vec` 后端。 -No build step required. Node.js 22.16+ natively supports TypeScript type stripping, and OpenClaw loads `.ts` source files directly. - -```bash -git clone https://github.com/TencentCloud/TencentDB-Agent-Memory.git -cd TencentDB-Agent-Memory -npm install -openclaw plugins install --link . +```jsonc +// ~/.openclaw/openclaw.json +{ + "memory-tencentdb": { + "enabled": true + } +} ``` -`install --link` registers the current directory as a local plugin in OpenClaw. Source changes take effect after restarting the Gateway. +启用后，TencentDB Agent Memory 会自动完成对话录制、记忆提取、场景归纳、用户画像生成和下一轮对话前召回。 -### Optional: Enable Embedding Recall - -To use vector retrieval or hybrid recall, add an embedding configuration. Currently supports remote embedding services compatible with the OpenAI API. +### 3. 使用 TCVDB 后端（可选） ```jsonc { - "plugins": { - "entries": { - "memory-tencentdb": { - "enabled": true, - "config": { - "embedding": { // Embedding model config (not LLM model) - "enabled": true, // Enable vector search - "provider": "openai", // Only OpenAI-compatible API is supported - "baseUrl": "https://xxx", // API Base URL - "apiKey": "xxx", // API Key - "model": "text-embedding-3-large", // Model name - "dimensions": 1024 // Vector dimensions (must match the chosen model) - } - } - } + "memory-tencentdb": { + "storeBackend": "tcvdb", + "tcvdb": { + "url": "http://your-vdb-instance:8100", + "apiKey": "your-api-key", + "database": "my_memory_db" } } } ``` +### 4. 启用短期记忆压缩（可选） -## Architecture - -```text - ┌─────────────────┐ - │ L3 Profile │ Preferences & behavioral patterns - ├─────────────────┤ - │ L2 Scenarios │ Cross-session task / scenario blocks - ├─────────────────┤ - │ L1 Structured │ Facts, constraints, preferences, decisions - ├─────────────────┤ - │ L0 Dialogue │ Complete conversation records - └─────────────────┘ +```jsonc +{ + "memory-tencentdb": { + "offload": { + "enabled": true + } + } +} ``` -Each layer serves a different purpose: +### 5. 常用命令 -- **L0** preserves raw conversations for replay and precise retrieval -- **L1** extracts high-value information for direct recall -- **L2** organizes scattered memories into scenario blocks across sessions -- **L3** maintains a user profile for long-term preference modeling +```bash +# 导入历史对话，完整执行 L0 → L3 管线 +openclaw memory-tdai seed --input conversations.json -## Lifecycle +# SQLite 数据迁移到 TCVDB +migrate-sqlite-to-tcvdb --help -| Stage | Trigger | Action | -|---|---|---| -| Recall | `before_prompt_build` | Recall relevant memory and inject into context | -| L0 | `agent_end` | Write raw conversation logs | -| L1 | Scheduled | Extract structured memory, deduplicate, persist | -| L2 | After L1 | Update scenario blocks | -| L3 | Threshold reached | Generate or refresh user profile | -| Shutdown | `gateway_stop` | Clean up resources | - -The plugin also registers two tools for the Agent to call directly: - -- `tdai_memory_search`: queries L1 structured memory. Useful for questions like "what does the user prefer" or "what constraints were confirmed earlier". -- `tdai_conversation_search`: queries L0 raw conversations. Useful when exact original wording is needed. - -## Retrieval - -Three recall strategies: - -| Strategy | Implementation | -|---|---| -| `keyword` | FTS5 full-text search with jieba for Chinese tokenization | -| `embedding` | sqlite-vec vector similarity search | -| `hybrid` | Merged keyword and vector results | - -All backed by SQLite. - -## Configuration - -Grouped by capability: - -| Config Group | Purpose | -|---|---| -| `capture` | L0 conversation capture, exclusion rules, retention | -| `extraction` | L1 extraction, deduplication, per-run limit | -| `persona` | L2/L3 trigger frequency, scenario limit, backup count | -| `pipeline` | L1/L2/L3 scheduling | -| `recall` | Auto-recall toggle, result count, threshold, strategy | -| `embedding` | Vector retrieval service configuration | -| `report` | Metrics logging | - -Minimum configuration is just installing the plugin. Add `embedding` and scheduling parameters for better recall quality. - -## Data Directory - -```text -/ -├── conversations/ # L0 raw conversations -├── records/ # L1 structured memory -├── scene_blocks/ # L2 scenario blocks -├── .metadata/ # checkpoints, indexes, metadata -└── .backup/ # backups +# 导出腾讯云向量数据库数据 +export-tencent-vdb --help ``` -## Scope +完整配置见 [`CONFIGURATION.md`](./CONFIGURATION.md)，CLI 输入格式见 [`src/cli/README.md`](./src/cli/README.md)。 -This repository is the core OpenClaw plugin implementation. +--- -**Includes**: plugin entry and lifecycle hooks, 4-layer memory pipeline, retrieval tools and auto-recall, JSONL + SQLite local storage, checkpoint / backup / cleanup / logging. +## 🔧 可调参数 -### Code Structure +**所有字段均有合理默认值，零配置即可跑。** 如果要调优，可以按使用深度逐层展开。 -```text -TencentDB-Agent-Memory/ -├── index.ts # Plugin registration, tool registration, lifecycle hooks -├── openclaw.plugin.json -├── package.json -├── CHANGELOG.md -└── src/ - ├── hooks/ # Auto-recall and auto-capture - ├── conversation/ # L0 conversation management - ├── record/ # L1 extraction and persistence - ├── scene/ # L2 scenario synthesis - ├── persona/ # L3 user profile - ├── store/ # SQLite / FTS / vector retrieval - ├── tools/ # Retrieval tool registration - ├── prompts/ # Prompt templates - ├── report/ # Metrics reporting - └── utils/ -``` +
+🟢 Level 1 · 日常调参（覆盖 90% 使用场景） -## License +| 字段 | 默认 | 说明 | +| :--- | :--- | :--- | +| `storeBackend` | `"sqlite"` | 存储后端：`sqlite` / `tcvdb` | +| `recall.strategy` | `"hybrid"` | 召回策略：`keyword` / `embedding` / `hybrid`（RRF 融合，推荐） | +| `recall.maxResults` | `5` | 每次召回条数 | +| `pipeline.everyNConversations` | `5` | 每 N 轮对话触发一次 L1 记忆提取 | +| `extraction.maxMemoriesPerSession` | `20` | 单次 L1 最多提取多少条 | +| `persona.triggerEveryN` | `50` | 每 N 条新记忆触发用户画像生成 | +| `offload.enabled` | `false` | 是否启用短期记忆压缩 | -MIT. See [LICENSE](LICENSE). +
+ +
+🟡 Level 2 · 进阶调优（长任务 / 长 Session 场景） + +| 字段 | 默认 | 说明 | +| :--- | :--- | :--- | +| `pipeline.enableWarmup` | `true` | Warm-up：新 session 从 1 轮起触发，每次翻倍至 N（1→2→4→…） | +| `pipeline.l1IdleTimeoutSeconds` | `600` | 用户停止对话多久后触发 L1 | +| `pipeline.l2MinIntervalSeconds` | `900` | 同 session 两次 L2 之间的最小间隔 | +| `recall.timeoutMs` | `5000` | 召回超时阈值，超时跳过注入不阻塞对话 | +| `extraction.enableDedup` | `true` | L1 向量去重 / 冲突检测 | +| `capture.excludeAgents` | `[]` | Glob 模式排除特定 Agent（如 `bench-judge-*`） | +| `capture.l0l1RetentionDays` | `0` | L0/L1 本地文件保留天数，`0` = 永不清理 | +| `offload.mildOffloadRatio` | `0.5` | 温和压缩触发比例（占 context window） | +| `offload.aggressiveCompressRatio` | `0.85` | 激进压缩触发比例 | +| `offload.mmdMaxTokenRatio` | `0.2` | MMD 注入 token 预算比例 | +| `bm25.language` | `"zh"` | 分词语言：`zh`（jieba） / `en` | + +
+ +
+🔴 Level 3 · 完整参数表（运维 / 自定义模型 / 远程 embedding） + +完整字段、类型、约束见 [`openclaw.plugin.json`](./openclaw.plugin.json) 与 [`CONFIGURATION.md`](./CONFIGURATION.md)。 + +- `embedding.*` — 远程 embedding 服务（OpenAI 兼容 API） +- `tcvdb.*` — 腾讯云向量数据库完整参数（含 HTTPS / 自签 CA） +- `llm.*` — 独立 LLM 模式（绕过 OpenClaw 内置模型，用指定 API 跑 L1/L2/L3） +- `offload.backendUrl / backendApiKey` — 将 L1/L1.5/L2/L4 offload 流程卸载到后端服务 +- `report.*` — 指标上报 + +
+ +--- + +## 🤔 方案特点 + +### 1. 渐进式披露：短期压缩任务，长期沉淀用户 + +TencentDB Agent Memory 的核心不是“多存一点”，而是**把信息按密度和用途分层**： + +- **短期记忆压缩**解决“当前任务太长”的问题：把原始工具结果卸载到外部，把任务结构折叠成 Mermaid 画布。 +- **长期个性化记忆**解决“下次见面不认识你”的问题：把原始对话逐层提纯成结构化记忆、场景块和用户画像。 + +两者共享同一条工程逻辑：**低层保留证据，高层保留结构；平时看高层，需要时下钻到底层。** + +| 方向 | 低层：保真 | 中层：组织 | 高层：压缩 / 抽象 | 目标 | +| :--- | :--- | :--- | :--- | :--- | +| 短期记忆压缩 | `refs/*.md` 原始工具结果 | `offload-*.jsonl` 工具摘要 | `mmds/*.mmd` Mermaid 任务画布 / metadata | 长任务继续做，不被上下文拖垮 | +| 长期个性化记忆 | L0 原始对话 | L1 结构化记忆 / L2 场景块 | L3 用户画像 `persona.md` | 下次再见面，Agent 更懂用户 | + +这让 Agent 可以像人一样工作：先看目录，再看章节，最后才翻原始资料。上下文窗口不再是一张越堆越满的桌子，而是一张可以折叠和展开的工作台。 + +### 2. 长期个性化记忆：L0 → L3 语义金字塔 + +长期记忆不是“把聊天记录存起来”这么简单。真正有价值的是从对话碎片中挖出稳定偏好、隐含目标和场景化经验。 + +| 层级 | 产物 | 信息变化 | +| :--- | :--- | :--- | +| L0 | 原始对话 | 保留事实底座，但噪音最大、密度最低 | +| L1 | 结构化原子记忆 | 从对话中提取干净事实，适合语义 + 时序检索 | +| L2 | 场景块 | 将相关记忆聚合成场景，理解“在某类情境下用户如何行动” | +| L3 | 用户画像 | 提炼长期偏好、稳定特质和决策风格，作为高密度上下文注入 | + +这套结构类似 DIKW 金字塔：从 Data 到 Information，再到 Knowledge，最后变成 Wisdom。它让 Agent 不只是回忆“用户说过什么”，而是理解“用户可能需要什么”。 + +### 3. 宏观画像 + 微观事实：同一套下钻机制降低幻觉 + +压缩最大的风险是“省了 Token，也丢了证据”。因此 TencentDB Agent Memory 没有把历史压成一段不可恢复的 summary，而是保留了从高层摘要回到底层证据的路径。 + +| 问题类型 | 优先使用 | 继续下钻 | +| :--- | :--- | :--- | +| 日常偏好、表达风格、长期目标 | L3 Persona / L2 Scene | 需要事实时查 L1 / L0 | +| 具体事实、时间、项目细节 | L1 Memory / L0 Conversation | 命中不足时扩大时间范围或语义检索 | +| 当前长任务继续执行 | Active MMD 任务画布 | 摘要不够时查 JSONL，再读 `refs/*.md` 原文 | +| 历史任务恢复 | Metadata 任务入口 | 打开 MMD → 找 node_id → 追 result_ref | + +上层负责“情商”和方向，下层负责“证据”和精度。短期压缩和长期记忆在这里合成一条闭环：**能折叠，也能展开；能抽象，也能追证。** + +### 4. 白盒可调试：记忆不是黑盒向量 + +很多记忆系统的问题是：召回错了，你只能看到一串向量分数，很难判断到底哪里错。TencentDB Agent Memory 把关键中间产物保存在可读文件里： + +- L2 场景块是 Markdown，可以直接打开检查。 +- L3 用户画像是 `persona.md`，可以追溯到对应场景。 +- 短期任务画布是 Mermaid，既能给人看，也能给 Agent 读。 +- 原文、摘要、节点之间有 `result_ref` 和 `node_id` 关联。 + +这意味着调试不再是翻黑盒数据库，而是沿着“画像 → 场景 → 记忆 → 原文”的链路逐层定位。 + +### 5. 异构存储解耦：数据库保事实，文件系统保结构 + +长期记忆和短期压缩看起来是两套功能，底层其实遵循同一条存储原则：**数据库负责可检索的事实，文件系统负责可读可改的结构。** + +| 信息类型 | 存储介质 | 为什么这样放 | +| :--- | :--- | :--- | +| L0 / L1 长期记忆底座 | SQLite 或 TCVDB | 数据量大、需要语义检索和时序查证 | +| L2 / L3 场景与画像 | Markdown 文件 | 需要业务可读、Prompt 可调、渐进式披露 | +| Offload 原文 | `refs/*.md` | 原始证据必须完整保留，但不应常驻上下文 | +| Offload 摘要 | JSONL | 方便按 `node_id` 检索工具调用历史 | +| Offload 任务结构 | Mermaid 文件 | 让 Agent 和人都能看懂任务如何推进 | + +底层像弹药库，负责稳定、完整、可检索；顶层像作战地图，负责灵活、可读、能快速迭代。短期压缩的画布和长期记忆的画像，本质上都是“给 Agent 看得懂的高密度工作面”。 + +### 6. 工程能力完整：不是 Demo，而是可接入的插件 + +| 能力 | 说明 | +| :--- | :--- | +| OpenClaw 插件 | 安装后即可自动捕获、提取、召回记忆 | +| Hermes Gateway 适配 | `TdaiCore + HostAdapter` 解耦宿主框架 | +| 双后端 | 本地 `SQLite + sqlite-vec`，或远端 `TCVDB` | +| 混合检索 | BM25 + 向量 + RRF，兼顾关键词和语义召回 | +| Agent 工具 | `tdai_memory_search` / `tdai_conversation_search` | +| 数据迁移 | 支持历史导入、SQLite → TCVDB 迁移、VDB 导出 | + +--- + +## 文档 + +| 文档 | 内容 | +| :--- | :--- | +| [`CONFIGURATION.md`](./CONFIGURATION.md) | 完整配置参考、字段说明与高级参数 | +| [`src/cli/README.md`](./src/cli/README.md) | `openclaw memory-tdai seed` 历史对话导入说明 | +| [`scripts/README.memory-tencentdb-ctl.md`](./scripts/README.memory-tencentdb-ctl.md) | 运维管理工具说明 | +| [`CHANGELOG.md`](./CHANGELOG.md) | 版本变更记录 | +| [`openclaw.plugin.json`](./openclaw.plugin.json) | OpenClaw 插件声明与配置 Schema | + +--- +## 社区与贡献 + +我们欢迎一切形式的贡献——Bug 反馈、功能建议、文档勘误、Benchmark 复现、生态集成，或者一个 Pull Request 都可以。Agent 记忆这件事远未有定论，希望和大家一起把它做出来。 + +- 🐞 **发现 Bug 或有疑问？** 欢迎到 [GitHub Issues](https://github.com///issues) 提交，我们会在 24 小时内响应。 +- 💡 **有想法想交流？** 欢迎在 [GitHub Discussions](https://github.com///discussions) 发起讨论。 +- 🛠️ **想贡献代码？** 请先阅读 [CONTRIBUTING.md](./CONTRIBUTING.md)。 +- 💬 **想加入交流群？** 扫码加入 **Agent Memory 微信社群**，与早期开发者直接对话。 +766450d8a7b30aa7e67121b4981f1810 + +--- + +## Roadmap + +- [x] 长期个性化记忆（L0 → L3） +- [x] 短期记忆压缩（Context Offload + Mermaid 画布） +- [x] 本地 SQLite 后端与腾讯云向量数据库 TCVDB 后端 +- [x] OpenClaw 插件与 Hermes Gateway 适配 +- [ ] 短期记忆压缩正式产品化上线 +- [ ] 记忆可迁移：跨 Agent / 跨框架 / 跨设备的导入导出与热迁移 +- [ ] 更多 Agent 框架适配 +- [ ] 可视化调试与记忆观测面板 + +--- + + + + + + +
+ 如果 TencentDB Agent Memory 对你有所帮助，欢迎为项目点亮 ⭐ 支持。
+ 如果有任何建议，欢迎提出issue讨论。 + 		+ Star TencentDB Agent Memory +
+ +[MIT](./LICENSE) © TencentDB Agent Memory Team \ No newline at end of file diff --git a/README_CN.md b/README_CN.md index de378f3..875cadd 100644 --- a/README_CN.md +++ b/README_CN.md @@ -1,10 +1,10 @@
-TencentDB Agent Memory +TencentDB Agent Memory ### TencentDB Agent Memory -面向生产级 Agent 的自进化记忆基础设施 —— **短期压缩 × 长期沉淀**。 +让 Agent 记住固定流程、沉淀历史经验、复用用户偏好，**把人的注意力从重复工作中释放出来，回到创造、判断和生活本身**。 [![npm](https://img.shields.io/npm/v/@tencentdb-agent-memory/memory-tencentdb?color=blue)](https://www.npmjs.com/package/@tencentdb-agent-memory/memory-tencentdb) [![License: MIT](https://img.shields.io/badge/License-MIT-green.svg)](./LICENSE) @@ -27,26 +27,28 @@ **作为 OpenClaw 插件接入后**：最高节省 **63.59% Token**，通过率相对提升 **41.18%**；PersonaMem 准确率从 **48%** 提升到 **76%**。 -| 记忆能力 | 场景 / Benchmark | 提升效果 | -| :--- | :--- | :--- | -| **短期记忆压缩** | WideSearch 200 题网页搜索 | Token 最高节省 **63.59%**，通过率相对提升 **41.18%** | -| **短期记忆压缩** | SWE-bench 500 题代码修复 | 完成率 **58.4% → 64.2%**，相对提升 **9.93%**，Token 节省 **33.09%** | -| **短期记忆压缩** | AA-LCR 800 题长文分析 | 准确率 **44.0% → 47.5%**，总 Token 节省 **31%** | -| **长期个性化记忆** | PersonaMem：6000+ 消息 / 589 题 | 准确率 **48% → 76%**，相对提升 **59%** | +| 记忆能力 | Benchmark | Clawpro 成功率 | 加插件后成功率 | 相对变化 | Clawpro Token 消耗 | 加插件后 Token 消耗 | 相对变化 | +| :--- | :--- | :---: | :---: | :---: | :---: | :---: | :---: | +| **短期记忆** | WideSearch | 8.5% | **12%** | **+41.18%** | 174.31M | **63.46M** | **−63.59%** | +| **短期记忆** | SWE-bench | 58.4% | **64.2%** | **+9.93%** | 3474.1 | **2375.4** | **−33.09%** | +| **短期记忆** | AA-LCR | 44.0% | **47.5%** | **+7.95%** | 112.0M | **77.3M** | **−31%** | +| **长期记忆** | PersonaMem | 48% | **76%** | **+59%** | — | — | — | > 超长 Session 评测不是单题清空上下文，而是把多个任务拼接到同一个 Session 中连续执行。例如 SWE-bench 每个 Session 连续执行 50 个任务，用来模拟真实长程 Agent 的上下文累积压力。 --- -## 简单介绍 +## 项目简介 -**TencentDB Agent Memory 不是把历史暴力堆进上下文，也不是把一切压成不可恢复的摘要。** +**Memory 不是为了让 AI 存下所有东西，而是为了让人不必重复所有事情。** -我们把记忆设计成一套分层信息管理系统：低层保留原始证据，高层保留语义结构；当前需要的进入上下文，暂时不用的外部化保存，需要时再沿着索引找回。 +TencentDB Agent Memory 帮助 Agent 学会你的流程、保留任务上下文、复用历史经验，让人把注意力留给判断、创造和真正有价值的工作。 -数据库负责事实检索，文件系统负责任务画布、场景块和用户画像。短期记忆压缩解决长任务中的过程信息过载，长期个性化记忆解决跨会话的用户理解沉淀。 +真实工作里，很多内容不应该被用户反复交代：固定 SOP、常用分析口径、项目背景、用户偏好等。因此，我们把这些稳定经验沉淀下来，让 Agent 在合适的时候自动复用。 -> **让 Agent 少背负，但不丢失；少重复，但能追溯。** +TencentDB Agent Memory 不是简单的历史记录、不可恢复的摘要，也不是单纯的 RAG。我们把记忆设计成一套分层信息管理系统：数据库负责可检索、可过滤、可召回的事实底座；文件系统负责承载可读、可编辑、可逐步展开的任务画布、场景块和用户画像。短期记忆压缩解决长任务中的过程信息过载，长期个性化记忆解决跨会话的用户理解沉淀。 + +> **让 Agent 记住该记的，让人专注于更有价值的创造。** 它由两块能力组成： @@ -71,7 +73,7 @@ TencentDB Agent Memory 用 L0 → L3 的金字塔管线逐层提纯：

- TencentDB Agent Memory L0 to L3 semantic pyramid + TencentDB Agent Memory L0 to L3 semantic pyramid

上层画像负责让 Agent “懂你”，下层记忆负责在事实细节上兜底。这样 Agent 既能有宏观判断，也能在需要时查到具体证据。 @@ -291,6 +293,17 @@ TencentDB Agent Memory 的核心不是“多存一点”，而是**把信息按 | [`CHANGELOG.md`](./CHANGELOG.md) | 版本变更记录 | | [`openclaw.plugin.json`](./openclaw.plugin.json) | OpenClaw 插件声明与配置 Schema | +--- +## 社区与贡献 + +我们欢迎一切形式的贡献——Bug 反馈、功能建议、文档勘误、Benchmark 复现、生态集成，或者一个 Pull Request 都可以。Agent 记忆这件事远未有定论，希望和大家一起把它做出来。 + +- 🐞 **发现 Bug 或有疑问？** 欢迎到 [GitHub Issues](https://github.com///issues) 提交，我们会在 24 小时内响应。 +- 💡 **有想法想交流？** 欢迎在 [GitHub Discussions](https://github.com///discussions) 发起讨论。 +- 🛠️ **想贡献代码？** 请先阅读 [CONTRIBUTING.md](./CONTRIBUTING.md)。 +- 💬 **想加入交流群？** 扫码加入 **Agent Memory 微信社群**，与早期开发者直接对话。 +766450d8a7b30aa7e67121b4981f1810 + --- ## Roadmap @@ -313,9 +326,9 @@ TencentDB Agent Memory 的核心不是“多存一点”，而是**把信息按 如果有任何建议，欢迎提出issue讨论。 - Star TencentDB Agent Memory + Star TencentDB Agent Memory -[MIT](./LICENSE) © TencentDB Agent Memory Team +[MIT](./LICENSE) © TencentDB Agent Memory Team \ No newline at end of file diff --git a/assets/images/logo.png b/assets/images/logo.png new file mode 100644 index 0000000..868ccb8 Binary files /dev/null and b/assets/images/logo.png differ diff --git a/assets/images/memory-pyramid.png b/assets/images/memory-pyramid.png new file mode 100644 index 0000000..743551c Binary files /dev/null and b/assets/images/memory-pyramid.png differ diff --git a/assets/images/star-helper.png b/assets/images/star-helper.png new file mode 100644 index 0000000..f3e0274 Binary files /dev/null and b/assets/images/star-helper.png differ