Tencent Cloud відкрила вихідний код TencentDB Agent Memory v2.0: командний центр пам’яті для ШІ-агентів програмування
Tencent Cloud відкрила вихідний код TencentDB Agent Memory v2.0 — центра пам’яті командного рівня для ШІ-агентів. Ідея дуже проста: якщо контекст проєкту вже пояснили один раз, новій сесії не потрібно повторювати його знову. Система перетворює розмови, документи й код на чотири багаторазово використовувані ресурси пам’яті — пам’ять чату, навички, LLM-вікі та граф коду, — які мають версії, дозволи й призначаються конкретним агентам. Пам’ять для одного агента — не новинка. Новим тут є рівень керування, який дає змогу агенту вашого колеги прочитати те, чого навчився ваш агент, не розкриваючи нічого, що ви позначили як приватне. Стабільний випуск 2.0.0 опубліковано 3 серпня 2026 року.
Чи можна це розгорнути?
Так, це можна розгорнути. TencentDB Agent Memory поширюється за ліцензією MIT і розгортається на власній інфраструктурі. Три образи Docker, опубліковані на Docker Hub, запускаються однією командою, а мультиархітектурні збірки підтримують linux/amd64 і linux/arm64.
- Які компанії: Найбільше користі наразі отримають індивідуальні розробники та невеликі інженерні команди. Проєкт прямо орієнтований на компанію з однієї особи. Організації середнього розміру з платформною або DevEx-функцією можуть використовувати його як спільну інфраструктуру. Великим регульованим підприємствам варто провести пілотне випробування, а не стандартизувати рішення, оскільки CodeGraph для приватних репозиторіїв і автоматизована маршрутизація пам’яті все ще вдосконалюються.
- Галузі: Розробка програмного забезпечення та інструментів для розробників, SaaS, фінтех, консалтинг і агентства, а також будь-які регульовані команди, яким потрібно зберігати пам’ять у межах власної мережі.
- Застосування: Підключення нового агента до наявної кодової бази, аналіз впливу перед рефакторингом, контрольні списки для випусків, інструкції з реагування на інциденти, стандарти перевірки коду та перетворення продуктової документації на сторінки, зрозумілі агентам.
Чотири ресурси пам’яті
Система перетворює роботу на чотири типи ресурсів:
- Пам’ять чату зберігає вподобання, факти, рішення та історію взаємодії.
- Навичка виокремлює багаторазово використовувані процедури із завершених завдань, зберігаючи версії, файли ресурсів, межі спрацьовування, кроки виконання та правила перевірки.
- Вікі перетворює документи на структуровані сторінки з графом посилань — підхід, сформований під впливом ідеї Андрея Карпаті щодо бази знань, яку підтримує LLM.
- CodeGraph індексує символи, файли, зв’язки викликів і шляхи впливу.
Усі чотири ресурси однаково реєструються як ресурси пам’яті, тому власник, версія, статус і видимість поводяться однаково для кожного з них.
Багаторівнева дистиляція, пошук із обмеженим бюджетом
Пам’ять чату не є пласкою. Розмови зберігаються як L0, після чого асинхронний конвеєр уточнює їх до L1 Atom, L2 Scenario і L3 Core/Persona. Пошук також є багаторівневим. L2 і L3 забезпечують швидке початкове завантаження контексту. Коли потрібні конкретні факти, BM25 разом із векторним пошуком і RRF повертається до L1 і L0. Кількість результатів обмежується числом елементів, лімітом символів і часом очікування, щоб пам’ять не витісняла контекстне вікно.
Керування — справжня відмінність
Стандартний RAG відповідає на запитання про те, що можна знайти. Hub також відповідає, хто може цим користуватися, яка версія є чинною та якому агенту це передається. Видимість має рівні private, team і restricted, а agent використовується для цільового призначення. Згідно з README, private означає доступ лише для власника — навіть адміністратори команди не можуть читати такі дані. Нова пам’ять чату та навички за замовчуванням є приватними, тому спільний доступ потрібно надавати явно.
Memory Hub використовує фіксоване прив’язування разом із ACL: спочатку звужує область за командою, користувачем, агентом і видимістю, а потім виконує пошук.
Підключення агентів
Memory Proxy підтримує протоколи Anthropic і OpenAI, надаючи кінцеві точки /claude-code/<spaceId>/v1/messages і /v1/chat/completions. Під час першого обміну sessionInit використовує нативний інструмент Claude Code AskUserQuestion, щоб вибрати команду, агента й завдання. Під час кожного наступного обміну пам’ять L2/L3 цього агента, відповідні навички та знання вставляються в системний промпт перед передаванням запиту далі.
Типові порти: 8420 для Memory Core, 8125 для панелі, 8424 для сервісу знань і 8096 для проксі, згідно з INSTALL.md. Офіційні SDK доступні для TypeScript і Python. Підтримувані інтеграції: OpenClaw, Hermes, Claude Code, CodeBuddy і пряме використання SDK.
Випуск 2.0.0 додає примусове архівування навичок, заплановану синхронізацію репозиторіїв CodeGraph, керування ресурсами системним адміністратором, перемикання панелі між англійською та китайською мовами, а також Cost Guard, який призначає дешевші моделі конкретним агентам.
Заявлені результати
Згідно зі звітом, точність PersonaMem зросла з 48% до 76%, що становить відносне покращення на 59%. Цей показник наведено самою компанією, і незалежного відтворення результатів не опубліковано.
Ключові висновки
- Ліцензія MIT, розгортання на власній інфраструктурі та запуск Docker однією командою — залежність від API постачальника відсутня.
- Чотири типи ресурсів замінюють журнали чатів: пам’ять чату, навичка, вікі, CodeGraph.
- Дистиляція L0→L3 із пошуком BM25 + векторним пошуком + RRF за суворих обмежень бюджету.
- Спільний доступ під керуванням ACL — справжня перевага над стандартним RAG.
- Показник PersonaMem 48%→76% є самостійно заявленим; CodeGraph для приватних репозиторіїв ще не завершено.
Перегляньте репозиторій на GitHub, CHANGELOG, INSTALL.md і Knowledge OpenAPI. Також можете підписатися на нас у Twitter і не забудьте приєднатися до нашого субреддиту про машинне навчання зі 150 тисячами+ учасників та підписатися на нашу розсилку. Стривайте! Ви є в Telegram? тепер ви також можете приєднатися до нас у Telegram.
Потрібно співпрацювати з нами для просування вашого репозиторію GitHub, сторінки Hugging Face, випуску продукту, вебінару тощо? Зв’яжіться з нами
Перекладено автоматично з англійської. Оригінал статті — за посиланням нижче.