TencentCloud/TencentDB-Agent-Memory
TencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.
這是什麼
TencentDB Agent Memory 是一套給 AI Agent 團隊使用的團隊級記憶中樞。它不是單純把聊天紀錄塞回 prompt，而是把對話、文件與程式碼整理成可治理、可分享、可裝備到不同 Agent 身上的記憶資產。README 把核心資產分成四類：Chat Memory 用來保存偏好、事實、決策與互動脈絡；Skill 把做過的複雜工作沉澱成有版本、資源檔、觸發邊界與驗證規則的可重用流程；Wiki 將文件與 runbook 變成有連結圖的知識頁；CodeGraph 則索引程式碼符號、檔案、呼叫關係與影響路徑。它想解決的問題很明確：當專案背景、文件理解與工作流程已經被 Agent 學過一次，下一個 Agent 不該又從零開始。
為什麼上榜
這個專案今日拿到 1,111 顆星、總星數約 13,539，熱度來自一個很貼近當下 Agent 工作流痛點的主張：記憶不只是「長期聊天紀錄」，而是能在團隊內累積、審核、分派與重用的資產。README 特別強調三個技術取向：先判斷什麼值得保留，再決定誰能使用，最後在下次任務中「少取但取對」。這與許多只把記憶當成全域 prompt 或向量庫的做法不同；它把記憶包裝成 Agent 的 loadout，透過 Team、User、Agent 與 visibility/ACL 縮小權限，再依查詢取用。對正在嘗試多 Agent、Claude Code、CodeBuddy 或 Hermes Gateway 工作流的人來說，這種「經驗可攜、權限可管、框架可換」的定位很容易引發關注。
適合誰，可以拿來做什麼
它最適合已經把 AI Agent 放進日常工作的個人開發者、小團隊與需要治理知識資產的工程組織。README 的例子是「一人公司」也能建立 Scout、Builder、Reviewer 等角色，讓研究、市場分析、產品文件、專案 CodeGraph、發版檢查清單等記憶被分別裝備給不同 Agent。若你的問題是每次開新 session 都要重講背景、每個 Agent 都要重讀文件、或程式修改前很難快速知道影響範圍，這類 Memory Hub 會比零散筆記更有結構。不過它不是無腦安裝即完成的聊天外掛；README 的安裝需要填入兩組 LLM 參數，且有 memory-core、memory-hub、proxy 三個服務，所以上手門檻比較接近自架一套 Agent 基礎設施。
上手
README 提供的一鍵啟動流程會同時啟動 memory-core、memory-hub 與 proxy，完成後會列出可貼到 Claude 的一行設定。重點步驟如下：
git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env # Fill in two sets of LLM parameters (memory group + proxy group)
./start-all.sh # Launch everything with one command
啟動後可開啟 http://localhost:8125 進入面板。README 也提到完整安裝文件在 INSTALL.md，包含 standalone Memory Hub、Proxy + Claude Code / CodeBuddy、停止清理與 port reference；舊版 v1.x/v0.x 使用者若要遷移到 v2.0.0+，另有 v2 → v3 migration tool 文件可參考。
README 重點摘要
- 四種記憶資產：Chat Memory、Skill、Wiki、CodeGraph 分別處理對話脈絡、可重用流程、文件知識與程式碼結構。
- Chat Memory 採 L0 Conversation → L1 Atom → L2 Scenario → L3 Persona/Core 的分層萃取；檢索時結合 BM25、vector retrieval、RRF，並用筆數、字元與 timeout 控制上下文膨脹。
- Memory Hub 不是展示板，而是可建立 team/agent、審核分享資產、管理 owner、version、status、visibility、usage count 與 agent binding 的控制面板。
- 權限模型包含
private、team、restricted，並區分 global System Admin 與 team-level Admin/Member，適合需要共享經驗但不想暴露所有私人資訊的團隊。 - README 提到 PersonaMem benchmark：未啟用為 48%，啟用後為 76%，相對提升 +59%；這項測試聚焦長互動後能否理解並套用使用者資訊。