腾讯把Agent记忆做成了可部署的TencentDBAgentMemory，提示词、工具调用与执行结果被分层存下，还能在团队之间共享。文章记录了从环境配置到建团队、配Agent资产的完整部署过程。

Agent 已经能读代码、改文件、跑测试，真正影响连续使用体验的，却是会话结束之后的「失忆」——昨天刚解释过的项目结构，今天还要重新介绍；已经确认过的技术方案，换一个 Agent 又要重新说明。问题明明解决过，下一次遇到类似情况，仍然要从头排查。

对于稳定的项目规范，很多人会维护 CLAUDE.md、AGENTS.md 或其他 Markdown 文件。这种方式简单直观，但随着项目资料、历史对话、代码关系和团队经验越来越多，单个 Markdown 文件很难承担完整的记忆管理。

前段时间，我介绍过一个专注于 AI 编程助手长期记忆的开源项目 agentmemory。AI 编程助手总在“失忆”？试试这个开源记忆层 AgentMemory

它通过 Hooks 捕获 Agent 的提示词、工具调用、文件访问和执行结果，再经过压缩、索引与检索，把过去的编码经验带回下一次会话。

这次介绍的 TencentDB-Agent-Memory 关注点有所不同。它把对话记忆、可复用技能、项目文档和代码关系统一组织成记忆资产，再通过 Team、Agent、权限和绑定关系，将这些资产分配给不同角色的 Agent 使用。

如果说 agentmemory 侧重自动记录 Agent 做过什么，TencentDB-Agent-Memory 关注的则是这些经验如何被整理、授权并分配给不同角色的 Agent 使用。

01 TencentDB-Agent-Memory 是什么

TencentDB Agent Memory 是一套面向 Agent 团队的记忆资产管理与知识协作平台。

它想减少三类重复劳动：

1. 新会话反复解释项目背景；
2. 不同 Agent 重复阅读相同文档；
3. 已经验证过的方案和工作流程无法复用。

它的工作思路可以概括为一条流水线：

工作过程 → 记忆资产 → 权限管理 → Agent 按需使用

这里的「记忆」范围比聊天记录更广，既包括项目事实、用户偏好和历史决策，也包括排障流程、团队规范、文档结构和代码调用关系。

你可以在管理面板中创建 Team 和 Agent，导入文档与代码库，再把相应资产绑定给不同角色。例如，产品经理 Agent 使用业务 Wiki 和用户研究 Skill，Builder Agent 使用项目 CodeGraph 和功能交付 Skill，Reviewer Agent 使用历史事故记录和发布检查清单。

每个 Agent 只获得完成当前职责所需要的内容，能够减少上下文噪声，也让团队经验具备更清晰的共享边界。

02 三个服务协同工作

TencentDB Agent Memory 的完整部署由 Memory Core、Memory Hub 和 Memory Proxy 组成。

Memory Core：记忆与资产关系的核心

统一存储和提供记忆数据、资产信息以及权限关系：L0 到 L3 的分层记忆，User、Team、Agent 和 Task 等元数据，Skill、Wiki、CodeGraph 等资产的归属，以及用户、团队和 Agent 之间的访问关系。Wiki 页面生成、代码解析、索引和知识检索则由配套的 Knowledge 服务承担。

Memory Hub：管理面板与资产协作中心

提供可视化管理界面，用来创建 Team 和 Agent，导入文档与代码，管理 Skill，并对记忆资产进行绑定、共享和权限配置。Wiki 和 CodeGraph 等知识处理能力由配套的 Knowledge 服务完成，最终在 Hub 中统一管理。

Memory Proxy：Agent 的统一入口

位于 Agent 与上游模型之间。以 Claude Code 为例，客户端请求先到达 Proxy，再由 Proxy 根据身份和配置连接对应的 Team、Agent 及记忆资产，最后将请求转发给上游模型。

以 Claude Code 接入为例，Proxy 侧的流程大致如下：

配置身份验证 → 选择 Team / Agent / Task→ 注入记忆、Skill 和知识 → 转发模型请求

项目支持通过修改 Agent 的模型地址接入 Proxy。很多客户端可以直接使用兼容的 API 入口，不需要额外安装独立插件、Hook 或 MCP Server。

03 四类核心记忆资产

TencentDB-Agent-Memory 将不同来源的信息统一抽象成 Memory Assets。

Chat Memory：保存项目背景和关键决策

用于沉淀对话中的事实、偏好、约束、决策和历史上下文。

Skill：把经验变成可复用的方法

保存一套经过整理、验证并可以重复使用的工作方法，可以包含触发条件、执行步骤、资源文件和验证规则，适合沉淀排障、评审、发布和交付流程。

Wiki：让文档具备结构和关系

面向产品文档、设计方案、运维手册和团队规范等资料。普通 RAG 往往把文档切成片段再按相似度检索，Wiki 更强调页面结构、主题组织和页面之间的链接关系——Agent 可以从相关页面出发，沿着链接继续下钻，减少从头扫描整个文档目录的需要。

CodeGraph：理解代码之间的关系

对代码仓库进行解析，建立文件、符号、函数、类和调用关系之间的联系。

04 L0 到 L3：记忆如何逐层沉淀

TencentDB-Agent-Memory 的记忆采用 L0 到 L3 的分层结构。

一段对话会先以 L0 的形式保留，系统再从中提炼事实、偏好、约束和事件，形成更易检索的记忆表示，并围绕项目或具体场景组织为更高层次的知识；长期稳定的信息，还可以沉淀为用户、项目或团队层面的长期认知。

不同层级承担不同任务：L2 和 L3 用于快速恢复背景，L1 用于查找具体事实，L0 用于核对原始内容、时间和来源。检索时，系统会结合 BM25 关键词检索、向量检索和 RRF 排序，并根据项目、用户、Agent、权限和上下文预算筛选结果。

记忆越多，Agent 的表现不一定越好 这套设计的重点是减少无关记忆进入上下文，真正重要的是能否在正确任务中找回正确信息。

05 一个人也能组建 Agent 小团队

TencentDB-Agent-Memory 可以把不同 Agent 配置成分工明确的团队成员：你负责制定目标和做关键决策，研究员负责调研，开发者负责构建产品，评审员负责测试和发现问题。

你 制定目标、做关键决策

研究员 调研和发现机会

开发者 写代码、构建产品

评审员 测试和寻找问题

记忆中心 保存和传递团队经验

不同角色还可以绑定不同的记忆资产：

研究员 用户访谈记录、市场研究知识库、竞品分析技能

开发者 产品知识库、项目代码图谱、功能交付技能

评审员 历史事故记录、项目代码图谱、发布检查清单

研究员无需读取整个代码仓库，评审员也无需加载完整的市场资料。每个 Agent 只使用与当前职责相关的内容，既能减少上下文噪声，也能控制信息的共享范围。

「这正是它与普通聊天记录搜索的区别：管理的重点不只是能找到什么，还包括谁可以使用什么。」

06 它和 agentmemory 有什么区别

这两个项目都在解决 Agent 的长期记忆问题，但切入角度不同。agentmemory 的重点是自动捕获 Agent 的工作过程——通过 Hooks 记录会话、提示词、工具调用、文件访问和执行结果，再结合压缩、索引与混合检索，把相关经验带回后续编码会话。

TencentDB-Agent-Memory 的重点是把经验整理成可治理的资产——将 Chat Memory、Skill、Wiki 和 CodeGraph 纳入统一体系，再通过 Team、Agent、Owner、版本和访问权限，决定哪些内容可以共享，以及应该分配给哪个角色。

简单来说：agentmemory 负责让 Agent 自动记住工作过程，TencentDB-Agent-Memory 负责让团队管理 Agent 应该知道什么。

07 我在 Windows WSL 中完成部署

我这次使用的是 Windows WSL 环境，整个过程四步走完。

STEP 1 克隆仓库

git clone https://github.com/Tencent/TencentDB-Agent-Memory.git

然后用 nano .env 修改 .env 文件，根据你自己的 LLM 提供商修改模型相关信息。

一般修改填写这几个模型相关的变量就行：memory 组供 Memory Core 和 Hub 内部使用，负责记忆提炼、知识处理等后台流程，通常使用性价比较高的模型即可；proxy 组供 Proxy 转发日常 Agent 请求，决定日常对话的模型质量和响应体验，可以按自己的实际需求配置。

STEP 2验证两组 LLM 参数

cd TencentDB-Agent-Memory/deploy/global-images

# 进到项目目录的 deploy/global-images 下

./verify.sh

# 验证两组 LLM 参数，必须通过

STEP 3一键启动全部服务

sudo ./start-all.sh

执行后脚本会自动拉镜像并完成部署。

STEP 4 打开管理面板

http://localhost:8125/

部署完成后在浏览器中打开，输入终端显示的这个 key 就可以进入了。

和之前部署 WeKnora 一样，默认用户就是管理员账户。

08 如何使用

USAGE 个人使用：创建 Agent，并给它配备角色

例如，我创建一个「Bug 修复工程师」Agent，再通过客户端接入它。这里的 Agent 更像一个带有角色、权限和资产配置的工作身份，可以绑定指定的 Chat Memory、Skill、Wiki 或 CodeGraph。

在 API key 模块，它内置了各类 Agent 的接入地址——其实是通过代理服务器的形式接入的。我们先接 Claude Code，打开 ccswitch，复制上面的地址和 key 到供应商配置中。

这一块要注意：模型 ID 需要手动填写，自动是获取不到的；或者启动的时候明确指定：

claude –model 你的模型ID

然后启动 Claude Code，它会询问要不要关联团队资产——关联的话，你创建的团队相关资产就会被注入进来。我选择刚才建立的 Bug 修复工程师，就把他的角色关联进来了。

随着对话和项目执行推进，系统会逐步形成新的记忆资产。你也可以手动共享 Agent，或者导入已有记忆。

个人使用时，完全可以创建一个 Team，再在里面建立多个角色不同的 Agent。

团队管理：把个人使用方式扩展成团队协作

除了个人使用，也可以创建独立 Team 并添加成员。左上角切换到产品团队，然后添加成员。

每个成员可以拥有独立的 user_key，用于登录和调用 Proxy。这样可以按用户隔离身份、Agent 和资产访问范围。

个人和团队等可见性分别对应不同的访问范围。新的 Chat Memory 和 Skill 默认是私有的，分享需要明确操作。

这点非常重要 团队记忆的价值在于经验流动，风险也在于错误信息和私人信息流动。只有明确的 Owner、版本和访问边界，团队共享才具备可控性。

建立产品经理 Agent

在产品团队下，可以建立一个产品经理 Agent。启动 Agent 时选择这个角色，它就会按照产品经理的身份和资产配置工作。

共享之后，团队成员就可以使用它

单独创建的 Agent 属于 Agent 资产。。

Wiki、CodeGraph 和 Skill 如何协同

这三个模块分别对应知识、代码和方法。团队可以把产品规范放入 Wiki，把代码仓库构建成 CodeGraph，再把已经验证过的交付流程整理成 Skill，随后按照 Agent 角色进行绑定。例如：

• 产品经理 Agent 使用业务 Wiki 和用户研究 Skill；
• Builder Agent 使用产品 Wiki、项目 CodeGraph 和功能交付 Skill；
• Reviewer Agent 使用 CodeGraph、历史事故 Chat Memory 和发布检查 Skill。

在 Wiki 智识库功能中点右上角就可以添加 Wiki。这里注意：只能以团队身份去添加，然后指派给 Agent。

CodeGraph 是把代码仓库解析成图谱：文件、模块、函数、类、调用关系、依赖关系。目前只能以远端仓库的形式挂载——和 Wiki 一样，只能挂到团队资产下。

构建完成后，就可以分配给 Agent 去用。

导入 Skill

Skill 可以作为Agent 资产导入，也可以直接作为团队资产导入：前者适合个人先整理和验证，后者适合团队统一维护。

以 Agent 资产方式导入后，可以进行共享，然后团队就可以看到和使用了。

WorkBuddy 接入：通过自定义模型使用 Proxy

上面主要用 Claude Code 演示，身边用 WorkBuddy 的朋友比较多，简单说一下：接入思路类似，使用自定义模型配置，把 API 地址指向 Proxy，并配置对应的 user_key、模型 ID 和协议参数。

完成配置后，同样需要关联 Team 和 Agent。其它 Agent 也一样，替换 API 端点就行了。

Agent 框架可以更换 这正是 TencentDB-Agent-Memory 的一个核心思路：团队资产和项目经验仍然保留。

09 它的优势

TencentDB-Agent-Memory 的优势，主要体现在三个方面。

记忆、知识、技能统一成一套资产

把记忆、知识和技能放在了同一个资产体系里，对话经验、团队文档、代码关系和工作流程之间可以建立联系。

Team、Agent、Owner 和访问权限

提供了完整的管理对象。对于多人协作或多个角色的 Agent 团队，这些能力比单纯增加一个向量数据库更实用。

通过 Proxy 与 Agent 框架解耦

更换 Claude Code、WorkBuddy 或其他客户端时，团队资产仍然可以继续使用。

10 最后的判断

如果你只想让一个 Agent 记住上一次会话做过什么，agentmemory 的定位更直接——它通过 Hooks 自动捕获编码过程，再把相关经验带回后续会话。

如果你希望把对话经验、团队规范、代码结构和可复用技能组织成一套资产，再分配给不同角色的 Agent，TencentDB-Agent-Memory 更值得关注。它的价值在于让经验具备归属、权限和使用边界：产品经理 Agent 可以拥有业务 Wiki 和用户研究 Skill，Builder Agent 可以使用项目 CodeGraph 和交付流程，Reviewer Agent 可以获得历史事故记录和发布检查清单。

一个面向 Agent 团队的记忆操作台

更愿意把 TencentDB-Agent-Memory 看作一个面向 Agent 团队的记忆操作台——记忆在这里被整理、授权，再按角色分配下去。

agentmemory 负责让 Agent 自动记住工作过程，TencentDB-Agent-Memory 负责让团队管理 Agent 应该知道什么。

经验具备归属、权限和使用边界，才算真正的团队资产

项目地址：github.com/TencentCloud/TencentDB-Agent-Memory