正常人都觉得，给 Agent 加记忆就是把对话塞进向量数据库，跑个 RAG 完事。TencentDB Agent Memory 偏不。它把”记忆”拆成了四种资产，还加了一层团队治理，这组合在同类项目里我没见过第二个。
项目是腾讯云数据库团队在 2026 年 4 月开源的，到现在四个半月，Stars 冲到 23551，单日最高加了近 2000 颗，冲上过 GitHub Trending 第一。我对这种标榜”AI 原生”的项目有一种本能的过敏，所以先按下了预期，直接去翻它的设计和 Issue。
看完 README 我确实改观了。它解决的不是”记不记得住”，而是三个更麻烦的问题：什么值得留、谁可以用、如何少检索还能检索得准。这三个问题都落在工程层，不是丢给一个向量库就完事。
聊技术之前先泼一盆冷水：它的 Benchmark 数据是官方自报的，第三方复现还没有。这篇文章里所有判断基于公开文档、源码目录和社区讨论，数字我会标注来源时间。那它到底哪来的底气？
核心亮点
它把记忆分成了四种资产：Chat Memory 管对话，Skill 管可复用的流程，LLM-Wiki 管文档知识，CodeGraph 管代码结构。这个分类本身就很像在回答”一个团队到底积累了哪些东西”。
Chat Memory 用 L0 到 L3 四层蒸馏。L0 是原始对话，L1 提炼出事实和偏好，L2 组织成场景知识块，L3 沉淀成用户画像。检索时默认走 L2/L3 拿上下文，需要精确事实才用 BM25 加向量加 RRF 回退到 L1/L0，最后用条目数、字符预算和超时把结果封顶，防止记忆把上下文窗口淹没。
这个设计直接体现在 Token 账本上。官方 Benchmark 里，WideSearch 任务接入后成功率从 33% 提到 50%，Token 消耗降了 61.38%；SWE-bench 连跑 50 个任务，Token 从 34.7 亿降到 23.8 亿，省了 33%。记忆不是越全越好，是越”按需”越好。
Skill 是四个资产里我最看重的一个。Agent 跑完一个多步骤任务，系统会自动把步骤序列提炼成带版本、触发边界和执行规则的技能，下次同类任务直接执行，不用重新探索。认知心理学管这个叫程序性记忆，市面上绝大多数 Agent 记忆方案只做了陈述性记忆，这一层几乎是空白。
技能资产还有个被低估的特性：可迁移。个人技能默认私有，审核后可以共享给团队、分配给其他 Agent，换框架重新装备就行，不用重写。这意味着团队里一个人摸出来的最佳实践，可以变成所有人的默认动作，这是单 Agent 记忆方案给不了的杠杆。
CodeGraph 是另一个杀手锏。它把代码库的符号、文件、调用关系索引成图，Agent 改代码前能直接查调用方和被调用方做影响分析。有人拿它对比过 grep 硬搜，语义层面的调用链是字符串匹配给不了的。
接入方式很朴素：一个 Proxy 层，Agent 的 base URL 指过来就行，协议不变，不用插件不用 hook。支持的框架列表已经很长，Claude Code、Codex、CodeBuddy、WorkBuddy、Hermes、OpenClaw 都在列。团队级 ACL 在这里是头等公民，不是后补的权限模块。功能吹得再好，也得跑起来才算数，接下来看实操。
快速体验
部署是三个服务一键起：memory-core 负责核心存储和蒸馏，memory-hub 是管理面板，proxy 做转发。官方给的安装路径是这样：
git clone https://github.com/TencentCloud/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env # 填两组 LLM 参数（memory 组 + proxy 组）
./start-all.sh # 启动后打印可直接粘贴到 Claude 的一行命令
三个服务起来之后，管理面板在 http://localhost:8125 打开，团队、Agent、记忆资产都在这里维护。如果你用的是 OpenClaw，接入路径更短，一行命令搞定：
openclaw plugins install @tencentdb-agent-memory/memory-tencentdb
几个卡点提前说，每条都是别人踩过的：
-
.env要配两组 LLM 参数，一组给记忆蒸馏，一组给代理转发，第一次配很容易搞混，建议对照 INSTALL.md 逐项填 -
资源门槛不低，三件套同时跑，社区普遍反馈 4C8G 起步才流畅 -
蒸馏是异步的，新导入的对话要等 pipeline 跑完才能检索到，不是实时可见
还有一个容易被忽略的细节：BM25 默认是中文分词，英文部署要手动切到 en，否则召回质量会明显下降。这一点在第三方评测里被点名过，官方文档写得不显眼。
适用场景与局限
| 场景 | 典型用户 | 优势 | 局限 |
|---|---|---|---|
| 多 Agent 团队共享知识 | 小型研发团队 | 团队级 ACL 是 OSS 独一份 | 权限管理本身有学习成本 |
| 长任务 Token 优化 | 重度使用 Claude/Codex 的开发者 | 按需检索省 30%-60% Token | 收益依赖任务类型 |
| 代码库影响分析 | 频繁重构的老项目 | CodeGraph 查调用链 | 私仓支持还不完整 |
| 知识资产治理 | 想给 Agent 建规范库的团队 | 版本、所有权、可见性齐全 | Beta 期 API 可能变 |
不适用的情况：单 Agent 个人使用，只想给聊天加个记忆，Mem0、Cognee 这类轻量方案更省事，TencentDB 的治理层对你属于负担；完全依赖私仓代码索引的团队，CodeGraph 目前对私有仓库和 SSH 凭据的支持还在打磨，先观望；内存吃紧的机器，三服务常驻的开销不划算。
四个资产的权限体系是四级可见性加三维授权（用户、角色、Agent），团队规模上来之后管理成本不低，需要有人专门维护。
冷启动环节值得单独提一句。官方支持直接导入现有代码库、文档和过往会话，自动生成 CodeGraph、Wiki、Skills 和 Chat Memory。对已经有沉淀的老团队，这一步是迁移成本的分水岭，不需要从零开始喂数据。数据迁移工具也提供了旧版本到新版本的升级通道。
社区健康度
| 指标 | 数据 | 说明 |
|---|---|---|
| Stars | 23551（2026-08-21） | 4 个半月冲上来，单日峰值近 2000 |
| Forks | 2172 | 跟随增长 |
| Open Issues | 653 | 相对迭代速度偏高 |
| 协议 | MIT（README 声明） | 商业友好 |
| 活跃度 | v2.0.1-beta.2（2026-08-15） | 版本迭代密集 |
协议这里有个小坑：README 和第三方评测都标 MIT，但 GitHub 的许可证识别器没有自动识别出标准 MIT 文件，商用前建议自己看一眼 LICENSE 文件全文。
社区声音里，dev.to 上一篇评测的判断我觉得最准：“这是唯一把团队级 ACL 当一等公民的开源记忆方案”。另一个反复被提起的批评来自 byteiota 的分析：“记忆中枢负责存储，不负责裁决”。两个观点合起来就是这个项目的真实位置：治理是它的长板，正确性是它的短板。
掘金有一篇两个月使用经验的深度评测，实测长任务 Token 节省约 40%，和官方 61% 有差距，但量级一致，这让我对官方数字的信任度提高了一些。OpenClaw 社区还在讨论记忆捕获是自动还是手动触发的问题，说明产品形态本身还在演进。
洞察与判断
我给这个项目的判断是：值得跟，但把它当生产依赖还早。四个半月两万多 Stars，大部分是被单日 2000 颗的 Trending 峰值推起来的，稳态增速还没有被验证过。这个曲线更像一次成功的开源营销事件，不像社区口碑的匀速积累。
真正的价值在于它把 Agent 记忆从”存和取”推到了”治理”。Mem0、Zep、Supermemory 都在解决单 Agent 的存储和召回，TencentDB 是唯一把所有权、版本、ACL、跨框架装备做进核心设计的开源方案。如果你在搭多 Agent 团队，这个差异化是实打实的。
短板同样明显。记忆冲突没有智能合并，两个 Agent 记下矛盾的事实时，系统只会按时间戳取新的，不会告诉你旧的已经过期。文档说支持 Y，代码改成了 X，记忆还是按 Y 的置信度给你。byteiota 说的”存储不是裁决”就是这个意思，对快节奏迭代的团队这是真实风险。
Benchmark 数据要打折看。PersonaMem 从 48% 到 76% 这种提升幅度，官方没有公布测试集细节，也没有第三方复现。方向是对的，具体数字当成宣传口径处理，别当成选型依据。
技术选型反而是最让我安心的地方。底层是 SQLite 加 FTS5，零外部数据库依赖，检索毫秒级，比 Embedding API 加向量库的方案省了两个数量级的延迟。不用向量数据库做对话回溯，这个取舍很清醒，对话场景要的是精确匹配，不是语义模糊检索。
653 个 open issue 在四个半月的项目里不算健康数字，其中不少集中在安装配置和文档理解上。好在官方承诺 24 小时响应，这个响应速度在开源项目里属于第一梯队，能抵消一部分技术债的担忧。
Proxy 的设计值得单独记一笔。它对 Claude Code 走 Anthropic 兼容协议，对其他客户端走 OpenAI 协议，等于用协议适配覆盖了绝大多数框架接入，比逐个写插件更可持续。这也是它能快速铺开七个框架的原因。
英文生态刚起步，文档以中文为主，第三方适配器还在陆续出现。一个腾讯云官方背书、MIT 协议、本地全量部署的团队记忆层，这个组合在 2026 年这个时间点没有直接对手，但它的窗口期也不会太长，Mem0 这类项目加治理层是迟早的事。
什么情况下应该从 Mem0 换过来，我给个判断标准：当你发现团队里有两个人分别跟 Agent 重复解释了同一件事，或者你在纠结”这段记忆该不该让另一个 Agent 看到”的时候，单 Agent 方案的边界就到了。到这一步再迁移，比一开始就上治理层更顺。
那这套东西到底适合谁？我的答案是：Agent 用量已经上规模、开始心疼 Token 账单、又受够了每次会话都要重新交代上下文的团队。个人玩票项目直接跳过，等它成熟了再来不迟。
还有个小细节容易被忽略：官方 Roadmap 里写着零配置冷启动、Skill 导出、Codex 的 IDE Plan 模式支持，说明团队对当前体验的短板心里有数。路线图排得明，项目就没躺在功劳簿上。落到行动上，就一句话。
资源地址
先用小项目验证，再谈团队级治理
如果你已经在搭多 Agent 团队，从一个小项目切入，先把文档和代码库导进去，跑一周看召回质量。最容易验证收益的是长任务场景，Token 账单一目了然，省不省、省多少，对比两次账单就知道。
还在观望的话盯两个指标：第三方复现的 Benchmark 和私仓 CodeGraph 的完成度。这两个点决定了它从”好用的团队记忆工具”变成”生产环境依赖”的时间表。
四个半月冲到两万多 Stars，腾讯云数据库团队证明了 Agent 记忆是个真需求。但真需求和成熟产品之间，隔着的正是那些没人愿意聊的治理细节。这个项目敢碰治理，就已经赢了一半。