ذاكرة وكيل TencentDB مفتوحة المصدر: خط أنابيب للذاكرة المحلية مكون من 4 طبقات لوكلاء الذكاء الاصطناعي

أصدرت Tencent TencentDB Agent Memory، وهو نظام ذاكرة مفتوح المصدر لعملاء الذكاء الاصطناعي. يتم شحن المشروع بموجب ترخيص MIT. إنه يستهدف مشكلة مألوفة لدى أي شخص يقوم بشحن عملاء بعيد المدى: انتفاخ السياق وفشل الاستدعاء.

إنها ذاكرة رمزية قصيرة المدى إلى جانب ذاكرة طويلة المدى متعددة الطبقات. إنه يتكامل مع OpenClaw كمكون إضافي ومع Hermes Agent من خلال محول Gateway. الواجهة الخلفية الافتراضية هي SQLite المحلي بامتداد sqlite-vec، لذلك لا يلزم وجود واجهة برمجة تطبيقات خارجية.

لماذا ذاكرة الوكيل صعبة

تقوم معظم مجموعات الذاكرة الحالية بتمزيق البيانات إلى أجزاء وتفريغها في مخزن متجه مسطح. يصبح الاسترجاع بعد ذلك بحثًا عن التشابه الأعمى عبر الأجزاء المنفصلة، ​​دون أي توجيه على المستوى الكلي. ترتكز الهندسة المعمارية على ركيزتين: طبقات الذاكرة والذاكرة الرمزية.

الهرم الدلالي من 4 طبقات

للتخصيص على المدى الطويل، تقوم TencentDB Agent Memory ببناء هرم من أربعة مستويات بدلاً من السجل المسطح. الطبقات هي المحادثة L0، والذرة L1، والسيناريو L2، والشخصية L3. تتوافق هذه مع الحوار الخام والحقائق الذرية وكتل المشهد وملف تعريف المستخدم.

تحمل طبقة الشخصية تفضيلات المستخدم اليومية ويتم الاستعلام عنها أولاً. ينتقل النظام إلى Atoms أو المحادثات الأولية فقط عند الحاجة إلى تفاصيل أكثر دقة. الطبقات السفلى تحافظ على الأدلة؛ الطبقات العليا تحافظ على البنية.

التخزين غير متجانس. يتم الاحتفاظ بالحقائق والسجلات والآثار في قواعد البيانات لاسترجاع النص الكامل. يتم تخزين الشخصيات والمشاهد واللوحات الفنية كملفات Markdown يمكن قراءتها بواسطة الإنسان. قطع أثرية من طبقات الذاكرة تعيش تحتها ~/.openclaw/memory-tdai/.

الذاكرة الرمزية قصيرة المدى عبر حورية البحر

تستهلك مهام الوكيل طويلة الأمد الرموز المميزة من خلال سجلات الأدوات المطولة ونتائج البحث والتعليمات البرمجية وتتبعات الأخطاء. تعالج ذاكرة وكيل TencentDB هذا من خلال تفريغ السياق مع الذاكرة الرمزية.

يتم إلغاء تحميل سجلات الأداة الكاملة إلى ملفات خارجية ضمن refs/*.md. يتم تشفير انتقالات الحالة في بناء جملة حورية البحر داخل لوحة مهام خفيفة الوزن. يفكر الوكيل في الرسم البياني للرمز في نافذة السياق الخاصة به.

عندما يحتاج إلى النص الخام، فإنه يمسك بـ a node_id ويسترد الملف المقابل. يصف فريق Tencent dev هذا بأنه انتقال حتمي من رمز الطبقة العليا إلى فهرس الطبقة الوسطى إلى النص الخام للطبقة السفلية.

أرقام قياسية

يتم قياس النتائج على مدار جلسات متواصلة طويلة المدى، وليس على دورات منعزلة. على سبيل المثال، يقوم SWE-bench بتشغيل 50 مهمة متتالية في كل جلسة لمحاكاة ضغط تراكم السياق.

في WideSearch، يؤدي دمج المكون الإضافي مع OpenClaw إلى رفع معدل النجاح من 33% إلى 50%، وهو تحسن نسبي قدره 51.52%. انخفض استخدام الرمز المميز من 221.31 مليونًا إلى 85.64 مليونًا، أي بانخفاض قدره 61.38%.

على منصة SWE، ارتفع النجاح من 58.4% إلى 64.2% بينما انخفضت الرموز المميزة من 3474.1 مليونًا إلى 2375.4 مليونًا، أي بانخفاض قدره 33.09%. في AA-LCR، ينتقل معدل النجاح من 44.0% إلى 47.5%. انخفض عدد الرموز من 112.0 مليونًا إلى 77.3 مليونًا، أي بانخفاض قدره 30.98%.

بالنسبة للذاكرة طويلة المدى، ترتفع دقة PersonaMem من 48% إلى 76%. ملحوظة: هذه الأرقام تأتي من تقييمات Tencent الخاصة.

الاستدعاء والاسترجاع

الاسترجاع الافتراضي هو استراتيجية مختلطة. يجمع النظام بين البحث عن الكلمات الرئيسية BM25 مع تضمينات المتجهات، التي يتم دمجها باستخدام Reciprocal Rank Fusion (RRF). يمكن للمطورين التحول إلى نقية keyword أو embedding الوضع من خلال حقل التكوين. يدعم رمز BM25 اللغتين الصينية (jieba) والإنجليزية.

تؤدي الإعدادات الافتراضية إلى استخراج ذاكرة L1 كل خمس دورات. يتم إنشاء شخصية المستخدم كل 50 ذكرى جديدة. يقوم الاستدعاء بإرجاع خمسة عناصر بشكل افتراضي مع مهلة مدتها 5 ثوانٍ. عند انتهاء المهلة، يتخطى النظام الإدخال بدلاً من حظر المحادثة.

سطح التثبيت والمطور

يأتي تكامل OpenClaw كحزمة npm واحدة: @tencentdb-agent-memory/memory-tencentdb. يتطلب المشروع Node.js 22.16 أو أعلى. يتطلب تمكينه علامة تكوين واحدة. يتعامل البرنامج المساعد بعد ذلك مع التقاط المحادثة واستخراج الذاكرة وتجميع المشاهد وتوليد الشخصية والتذكير.

بالنسبة إلى Hermes، تجمع صورة Docker بين الوكيل والمكون الإضافي وبوابة الذاكرة TDAI. النموذج الافتراضي هو DeepSeek-V3.2 من Tencent Cloud. تعمل أي نقطة نهاية متوافقة مع OpenAI من خلال MODEL_PROVIDER=custom علَم.

يتم عرض أداتين للوكلاء أثناء الجلسة: tdai_memory_search و tdai_conversation_search. كلاهما يرجع المراجع مع node_id و result_ref حقول التتبع. تتوفر أيضًا الواجهة الخلفية لقاعدة بيانات Tencent Cloud Vector Database (TCVDB) كبديل لـ SQLite المحلي.

الشرح المرئي لـ Marktechpost

openclaw plugins install @tencentdb-agent-memory/memory-tencentdb
openclaw gateway restart

{
  "memory-tencentdb": {
    "enabled": true
  }
}

{
  "memory-tencentdb": {
    "config": {
      "offload": { "enabled": true }
    }
  }
}

{
  "plugins": {
    "slots": {
      "contextEngine": "openclaw-context-offload"
    }
  }
}

bash scripts/openclaw-after-tool-call-messages.patch.sh

docker build -f Dockerfile.hermes -t hermes-memory .


docker run -d \
  --name hermes-memory \
  --restart unless-stopped \
  -p 8420:8420 \
  -e MODEL_API_KEY="your-api-key" \
  -e MODEL_BASE_URL="https://api.lkeap.cloud.tencent.com/v1" \
  -e MODEL_NAME="deepseek-v3.2" \
  -e MODEL_PROVIDER="custom" \
  -v hermes_data:/opt/data \
  hermes-memory


curl http://localhost:8420/health

الوجبات السريعة الرئيسية

• TencentDB Agent Memory هو نظام ذاكرة مفتوح المصدر (MIT) من Tencent لوكلاء الذكاء الاصطناعي، مبني على ذاكرة رمزية قصيرة المدى إلى جانب خط أنابيب للذاكرة طويلة المدى متعدد الطبقات بدون أي تبعيات لواجهة برمجة التطبيقات الخارجية.
• يتم تنظيم الذاكرة طويلة المدى على شكل هرم دلالي مكون من 4 طبقات (محادثة L0 → ذرة L1 → سيناريو L2 → شخصية L3)، مع التنقل لأسفل عبر node_id و result_ref بدلاً من استدعاء المتجهات المسطحة.
• تقوم الذاكرة قصيرة المدى بإلغاء تحميل سجلات الأداة المطولة إلى refs/*.md ويحتفظ فقط بلوحة مهام حورية البحر المدمجة في السياق، مما يقلل من استخدام الرمز المميز مع الحفاظ على إمكانية التتبع الكاملة.
• المكاسب المسجلة عند التكامل مع OpenClaw: معدل نجاح WideSearch 33% ← 50% مع تخفيض الرمز المميز بنسبة 61.38%، SWE-bench 58.4% ← 64.2%، AA-LCR 44.0% ← 47.5%، ودقة PersonaMem 48% ← 76%.
• يتم شحنه كمكون إضافي واحد لـ npm لـ OpenClaw وصورة Docker لـ Hermes، مع SQLite + sqlite-vec المحلي بشكل افتراضي، وBM25 + Vector + RRF المختلط، وواجهة خلفية اختيارية لقاعدة بيانات Tencent Cloud Vector (TCVDB).

تحقق من الريبو. أيضا، لا تتردد في متابعتنا على تغريد ولا تنسى الانضمام إلينا 150 ألف+ مل من SubReddit والاشتراك في النشرة الإخبارية لدينا. انتظر! هل أنت على برقية؟ الآن يمكنك الانضمام إلينا على التليجرام أيضًا.

هل تحتاج إلى الشراكة معنا للترويج لصفحة GitHub Repo أو صفحة الوجه المعانقة أو إصدار المنتج أو الندوة عبر الويب وما إلى ذلك؟ تواصل معنا