Agent 的记忆不是仓库，是金字塔：TencentDB-Agent-Memory 的分层记忆工程

你让 Agent 跑一个长任务，50 步之后它开始"失忆"——忘了前面做过什么，重复调用同一个工具，上下文窗口塞满了冗长的日志。你不得不从头再解释一遍。

这不是"记不住"的问题。上下文窗口够大、向量数据库够全，它什么都记住了。问题是记住了但找不到。

扁平存储的死结

传统 Agent 记忆系统的做法很直觉：把所有历史对话、工具输出、中间状态全部切碎，塞进向量数据库，用的时候做语义检索。

这相当于把所有文件堆在地上，用的时候蹲下来翻。每条信息都是同等重要的碎片，检索变成盲目的全盘搜索，没有宏观结构指引。任务一长，上下文迅速膨胀，token 消耗爆炸，Agent 的注意力被稀释在无关细节里。

腾讯云的 TencentDB Agent Memory 项目（GitHub Trending +1091⭐/天）直接拒绝了这条路。它的核心主张是：记忆不是囤积一切，而是让人不必重复自己。

双支柱：分层 + 符号化

TencentDB Agent Memory 的架构建立在两个支柱上：memory layering（记忆分层）和 symbolic memory（符号化记忆）。不是让 Agent "记得更多"，而是让它"推理更好"。

短期记忆的三层架构

短期上下文不是扁平日志，是三层渐进式结构：

• 底层：原始工具输出存档（refs/*.md），完整保留，但不进上下文
• 中层：步骤级摘要（jsonl），每一步做了什么、结果如何
• 顶层：轻量 Mermaid 画布，把整个任务状态压缩成一张符号图

Agent 在上下文里只放顶层 Mermaid 结构。需要细节时，通过 node_id 下钻到中层或底层。这就像你看地图：先看地图知道大致方位，需要细节时再放大到街道视图。

长期记忆的语义金字塔

跨会话的长期记忆也不是扁平日志，是四层语义金字塔：

• L0 对话：原始对话
• L1 原子：从对话中提取的原子事实
• L2 场景：场景块，把原子事实组装成情境
• L3 人格：用户画像，从场景中抽象出稳定偏好

每一层都是对下一层的压缩和抽象。L3 不是 L0 的摘要，而是从 L0 → L1 → L2 → L3 逐层提炼出来的稳定结构。这和人类记忆的层级加工是同构的——短期记忆固化成长期记忆，长期记忆抽象成"我是谁"。

符号化：把日志变成符号

符号化记忆解决另一个问题：工具日志太长。一次工具调用可能产生几千 token 的输出，但有用信息只有几十 token。TencentDB Agent Memory 把冗长的工具日志压缩成紧凑的 Mermaid 符号，token 用量大幅下降，同时结构更清晰。

数据说话

和 OpenClaw 集成后的实测数据：

注意 SWE-bench 的测试方式：50 个连续任务模拟长程会话的上下文累积压力，不是孤立的回合。这更接近真实 Agent 的工作场景。

工程洞察：组织比量更重要

TencentDB Agent Memory 的核心主张——"分层比扁平好"——和近期一系列研究形成共识：

• MemTools（Agent 记忆的 USB-C 接口）：声明式数据契约让不同记忆系统可互换，强调结构化组织
• Regression Tax（技能库让 Agent 变差）：59% 的增益被回归抵消，根因之一是技能库的扁平检索
• Zero-Mem（零 token 记忆操作）：Agent 记忆系统做减法，和 TencentDB 的"不囤积"同构

这些工作共同指向一个主题：Agent 时代，记忆系统的关键不是容量，是组织方式。

类比：从文件堆到图书馆

• 传统向量存储 = 把所有文件堆在地上，用的时候翻
• 分层存储 = 文件柜 + 目录 + 标签，先看目录再下钻
• 短期 Mermaid 画布 = 地图，先看地图再走
• 长期语义金字塔 = 图书馆的分类系统（杜威十进制），从粗到细逐层定位

这个"分层组织"的原则并不新——人类图书馆做了两千年。新的是把它带进 LLM 时代，让 Agent 像图书管理员一样检索自己的记忆，而不是像松鼠一样翻坚果堆。

概念谱系：换层面解决问题

TencentDB Agent Memory 归入"换层面解决问题"概念谱系——不是更强地做记忆检索（更大向量库、更长上下文），而是换一个层面（分层组织 + 符号化压缩）。和章鱼 RNA 编辑、黏菌外化记忆、Möbius RoPE 拓扑干预是同一个家族的思路。

结语

在"更大上下文、更长窗口"的军备竞赛里，TencentDB Agent Memory 提示了另一种可能——记忆系统的竞争力不在容量，在组织。让 Agent 记住该记的，忘掉该忘的，人才能从重复劳动里解放出来，专注判断、创造和真正重要的工作。

项目地址：https://github.com/TencentCloud/TencentDB-Agent-Memory
文档：README 有完整的中英文版本和 Quick Start
许可：MIT