Tencent Cloud открыла исходный код TencentDB Agent Memory v2.0: командный центр памяти для ИИ-агентов программирования

Tencent Cloud открыла исходный код TencentDB Agent Memory v2.0 — командного хаба памяти для ИИ-агентов. Идея предельно проста: если контекст проекта уже объясняли однажды, в новой сессии не должно возникать необходимости повторять его. Система превращает разговоры, документы и код в четыре повторно используемых ресурса памяти — Chat Memory, Skill, LLM-Wiki и Code-Graph, — для которых ведётся версионирование, задаются разрешения и осуществляется привязка к конкретным агентам. Память для одного агента не является чем-то новым. Новшество здесь — уровень управления, позволяющий агенту коллеги читать то, чему научился ваш агент, без утечки сведений, помеченных вами как приватные. Стабильный релиз 2.0.0 опубликован 3 августа 2026 года.

Можно ли развернуть систему?

Да, её можно развернуть. TencentDB Agent Memory распространяется по лицензии MIT и разворачивается на собственной инфраструктуре. Три образа Docker, опубликованные в Docker Hub, запускаются одной командой, а мультиархитектурные сборки поддерживают linux/amd64 и linux/arm64.

• Какие компании: Сейчас наибольшую пользу получат разработчики, работающие в одиночку, и небольшие инженерные команды. Проект прямо ориентирован на компании, состоящие из одного человека. Организации среднего размера с подразделением платформенной разработки или DevEx могут использовать его как общую инфраструктуру. Крупным регулируемым предприятиям следует проводить пилотное внедрение, а не стандартизировать систему, поскольку CodeGraph для приватных репозиториев и автоматическая маршрутизация памяти всё ещё дорабатываются.
• Отрасли: разработка ПО и инструменты для разработчиков, SaaS, финтех, консалтинг и агентства, а также любые регулируемые команды, которым необходимо хранить память внутри собственной сети.
• Применение: подключение нового агента к существующей кодовой базе, анализ последствий перед рефакторингом, чек-листы релизов, инструкции по реагированию на инциденты, стандарты проверки кода и преобразование продуктовой документации в страницы, понятные агентам.

Четыре ресурса памяти

Система преобразует рабочие материалы в четыре типа ресурсов:

• Chat Memory сохраняет предпочтения, факты, решения и историю взаимодействия.
• Skill выделяет повторно используемые процедуры из выполненных задач, сохраняя версии, файлы ресурсов, границы срабатывания, этапы выполнения и правила проверки.
• Wiki превращает документы в структурированные страницы с графом ссылок — подход, на который повлияла идея Андрея Карпати о базе знаний, поддерживаемой LLM.
• CodeGraph индексирует символы, файлы, связи вызовов и пути влияния.

Все четыре ресурса единообразно регистрируются как ресурсы памяти, поэтому владение, версия, статус и видимость работают одинаково для каждого из них.

Многоуровневая дистилляция и извлечение в рамках заданного бюджета

Chat Memory не является плоской структурой. Разговоры сохраняются как L0, после чего асинхронный конвейер преобразует их в L1 Atom, L2 Scenario и L3 Core/Persona. Извлечение также выполняется по уровням. L2 и L3 обеспечивают быструю загрузку контекста. Когда требуются конкретные факты, BM25 вместе с векторным поиском и RRF обращается к L1 и L0. Результаты ограничиваются количеством элементов, бюджетом символов и временем ожидания, поэтому память не вытесняет содержимое контекстного окна.

Управление — главное отличие системы

Стандартный RAG отвечает на вопрос, что можно найти. Hub также определяет, кто может этим воспользоваться, какая версия является действительной и какому агенту это передаётся. Видимость имеет уровни private, team и restricted, а для целевой привязки используется agent. Согласно README, private означает доступ только владельца — содержимое не могут читать даже администраторы команды. Новые Chat Memory и Skills по умолчанию являются приватными, поэтому предоставление доступа требует явного действия.

Memory Hub использует фиксированную привязку и ACL: сначала ограничивает область по команде, пользователю, агенту и видимости, а затем выполняет извлечение.

Подключение агентов

Memory Proxy поддерживает протоколы Anthropic и OpenAI, предоставляя адреса /claude-code/<spaceId>/v1/messages и /v1/chat/completions. На первом этапе sessionInit использует встроенный инструмент Claude Code AskUserQuestion для выбора команды, агента и задачи. На каждом последующем этапе перед передачей запроса выше по цепочке в системный промпт добавляются память L2/L3 этого агента, соответствующие навыки и знания.

Порты по умолчанию: 8420 для Memory Core, 8125 для панели, 8424 для сервиса знаний и 8096 для прокси, согласно INSTALL.md. Официальные SDK доступны для TypeScript и Python. Поддерживаются интеграции с OpenClaw, Hermes, Claude Code, CodeBuddy и непосредственное использование SDK.

В релизе 2.0.0 появились принудительное архивирование Skill, плановая синхронизация репозиториев CodeGraph, управление ресурсами системным администратором, переключение панели между английским и китайским языками, а также Cost Guard, который назначает конкретным агентам более дешёвые модели.

Заявленные результаты

Согласно отчёту, точность PersonaMem выросла с 48% до 76%, то есть на 59% в относительном выражении. Этот показатель заявлен самими разработчиками, и независимое воспроизведение результатов не публиковалось.

Ключевые выводы

• Лицензия MIT, самостоятельное развёртывание и запуск Docker одной командой — без зависимости от API поставщика.
• Четыре типа ресурсов заменяют журналы чатов: Chat Memory, Skill, Wiki, CodeGraph.
• Дистилляция L0→L3 с извлечением на основе BM25 + векторов + RRF при строгих ограничениях бюджета.
• Общий доступ под управлением ACL — главное отличие от стандартного RAG.
• Показатель PersonaMem вырос с 48% до 76% по собственным данным; CodeGraph для приватных репозиториев ещё не завершён.

---

Изучите  репозиторий на GitHub, CHANGELOG, INSTALL.md и Knowledge OpenAPI. Также подписывайтесь на нас в Twitter и не забудьте присоединиться к нашему сабреддиту о машинном обучении с аудиторией более 150 тысяч участников и подписаться на нашу рассылку. Стоп! Вы пользуетесь Telegram? Теперь к нам можно присоединиться и в Telegram.

Хотите сотрудничать с нами для продвижения своего репозитория GitHub, страницы на Hugging Face, релиза продукта, вебинара и т. д.? Свяжитесь с нами