Tencent Cloud пуска с отворен код TencentDB Agent Memory v2.0: хъб за памет на екипно ниво за AI агенти за кодиране

Tencent Cloud публикува с отворен код TencentDB Agent Memory v2.0 — хъб за памет на ниво екип за AI агенти. Идеята е изключително проста: ако контекстът на проекта вече е бил обяснен веднъж, нова сесия не би трябвало да има нужда от повторно обяснение. Системата превръща разговори, документи и код в четири повторно използваеми ресурса на паметта — Chat Memory, Skill, LLM-Wiki и Code-Graph — които са версионирани, с права за достъп и оборудвани за конкретни агенти. Паметта за единичен агент не е нещо ново. Новото тук е слоят за управление, който позволява на агента на колега да прочете какво е научил вашият агент, без да изтича информация, която сте маркирали като поверителна. Стабилната версия 2.0.0 е публикувана на 3 август 2026 г.

Може ли да се внедри?

Да, може да се внедри. TencentDB Agent Memory е с лиценз MIT и се хоства самостоятелно. Три Docker образа, публикувани в Docker Hub, се стартират с една команда, а мултиархитектурните компилации поддържат linux/amd64 и linux/arm64.

• Кои компании: Самостоятелните разработчици и малките инженерни екипи ще получат най-голяма полза на този етап. Проектът изрично е насочен към компании от един човек. Средни организации с функции за платформа или DevEx могат да го използват като споделена инфраструктура. Големите регулирани предприятия трябва първо да проведат пилотен проект, а не да го превръщат в стандарт, тъй като CodeGraph за частни хранилища и автоматизираното маршрутизиране на паметта все още се усъвършенстват.
• Индустрии: Софтуер и инструменти за разработчици, SaaS, финтех, консултантски компании и агенции, както и всеки регулиран екип, който се нуждае от памет, оставаща в собствената му мрежа.
• Приложения: Въвеждане на нов агент в съществуваща кодова база, анализ на въздействието преди рефакториране, контролни списъци за издания, процедури за реагиране при инциденти, стандарти за преглед на код и превръщане на продуктова документация в страници, разбираеми за агенти.

Четири ресурса на паметта

Системата превръща работата в четири типа ресурси:

• Chat Memory съхранява предпочитания, факти, решения и история на взаимодействията.
• Skill извлича повторно използваеми процедури от изпълнени задачи, като запазва версии, ресурсни файлове, граници за задействане, стъпки за изпълнение и правила за валидиране.
• Wiki превръща документите в структурирани страници с граф на връзките — подход, повлиян от идеята на Andrej Karpathy за база знания, поддържана от LLM.
• CodeGraph индексира символи, файлове, зависимости при извикване и пътища на въздействие.

И четирите се регистрират по единен начин като ресурси на паметта, така че собствеността, версията, статусът и видимостта се държат идентично при всички тях.

Многостепенно извличане, ограничено според бюджета

Chat Memory не е плоска структура. Разговорите се записват като L0, след което асинхронен процес ги прецизира до L1 Atom, L2 Scenario и L3 Core/Persona. Извличането също е многостепенно. L2 и L3 осигуряват бързо зареждане на контекста. Когато са необходими конкретни факти, BM25 плюс векторно извличане и RRF преминават обратно към L1 и L0. Резултатите са ограничени по брой елементи, брой символи и време за изчакване, така че паметта да не заема контекстния прозорец.

Управлението е същинското предимство

Стандартният RAG отговаря на въпроса какво може да бъде намерено. Хъбът отговаря и на това кой може да го използва, коя версия е валидна и кой агент я получава. Видимостта включва private, team и restricted, а agent се използва за целево оборудване. Според README файла private означава достъп само за собственика и не може да бъде прочетено дори от администраторите на екипа. Новите Chat Memory и Skills по подразбиране са поверителни, което прави споделянето изрично действие.

Memory Hub използва фиксирано обвързване плюс ACL: първо стеснява обхвата по екип, потребител, агент и видимост, а след това извлича информация.

Свързване на агенти

Memory Proxy поддържа както протокола на Anthropic, така и този на OpenAI, като предоставя /claude-code/<spaceId>/v1/messages и /v1/chat/completions. При първия ход sessionInit използва вградения инструмент AskUserQuestion на Claude Code, за да избере екип, агент и задача. При всеки следващ ход паметта L2/L3 на този агент, съответстващите умения и знанията се добавят към системния prompt, преди заявката да бъде препратена нагоре по веригата.

Портовете по подразбиране са 8420 за Memory Core, 8125 за панела, 8424 за услугата за знания и 8096 за прокси сървъра, според INSTALL.md. Официални SDK са налични за TypeScript и Python. Поддържаните интеграции са OpenClaw, Hermes, Claude Code, CodeBuddy и директно използване на SDK.

Версията 2.0.0 добавя принудително архивиране на Skill, планирана синхронизация на хранилищата за CodeGraph, управление на ресурси от системния администратор, превключване на панела между английски и китайски език и Cost Guard, който назначава по-евтини модели на конкретни агенти.

Докладвани резултати

Според докладваните данни точността на PersonaMem се е повишила от 48% на 76% — относително подобрение от 59%. Тази стойност е докладвана от самите автори и няма публикувана независима репродукция.

Основни изводи

• Лиценз MIT, самостоятелно хостване и внедряване с Docker с една команда — без зависимост от API на доставчик.
• Четири типа ресурси заменят регистрите на разговорите: Chat Memory, Skill, Wiki, CodeGraph.
• Дистилация L0→L3 с извличане чрез BM25 + векторно търсене + RRF при строги ограничения на бюджета.
• Споделянето, управлявано чрез ACL, е същинското предимство пред стандартния RAG.
• Показателят PersonaMem 48%→76% е докладван от самите автори; CodeGraph за частни хранилища все още не е завършен.

---

Разгледайте хранилището в GitHub, CHANGELOG, INSTALL.md и Knowledge OpenAPI. Също така можете да ни последвате в Twitter и не забравяйте да се присъедините към нашия 150k+ ML SubReddit и да се абонирате за нашия бюлетин. Чакайте! В Telegram ли сте? Сега можете да се присъедините към нас и в Telegram.

Имате нужда от партньорство с нас за популяризиране на вашето GitHub хранилище ИЛИ страница в Hugging Face ИЛИ издание на продукт ИЛИ уебинар и т.н.? Свържете се с нас