README

让 Agent 沉淀经验，让人专注创造。










安装 · 支持的 Agent · 项目简介 · 团队玩法 · 技术实现 · Benchmark · Roadmap

English · 简体中文



---


   



 安装

一次拉起完整三件套（memory-core + memory-hub + proxy）：

bash
git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env        填入两组 LLM 参数（memory 组 + proxy 组）
./start-all.sh      一键起；结束会打印 claude 可直接复制的一行命令


打开 Panel：http://localhost:8125。

完整安装文档（Memory Hub 单独部署 / Proxy + Claude Code / CodeBuddy 用法 / 停止清理 / 端口
说明等）见 INSTALL_CN.md（English: INSTALL.md）。
MongoDB 存储后端为试验特性（默认关闭），见
INSTALL_CN.md · MongoDB 存储后端。

 从旧版本迁移数据

如果你已经在用旧版（v1.x / v0.x），希望把存量数据迁到 v2.0.0+，我们提供了一个数据迁移工具：
用法和参数详见 数据迁移工具（v2 → v3）。全新安装可跳过。

 所有 Agent 共享同一个 Memory Server

一套 Proxy，协议不变，零代码接入——把 Agent 的 base URL 指向 Proxy 即可，不需要插件、Hook 或 MCP Server。



DeepSeek Harness
Claude Code
Codex
CodeBuddy


WorkBuddy
Hermes
OpenClaw
更多框架适配中...



各客户端具体配置步骤见 INSTALL_CN.md。

没看到你常用的 Agent？通用接入指南 可以试试自己动手适配——也欢迎直接提 PR 为它加上原生支持，参见 CONTRIBUTING_CN.md。

 TencentDB Agent Memory 是什么？

我们从一个很实际的问题出发：怎样减少使用 Agent 时的重复工作？

项目背景讲过了，不该换个 Session 再讲。文档读过了，不该每个 Agent 从第一页重读。一套做法已经跑通，不该下次再摸索一遍。

所以这里的 Memory 不只是“记住对话”。凡是能让下一个 Agent 少走弯路的信息，都应该被保存、组织并复用。

text
已有信息 → 可复用记忆资产 → 更少 Turns → 更少返工 → 更稳定的结果和更高的效率


 让经验沉淀、流动，然后被下一位 Agent 直接继承

面向 Agent 团队的 Memory Hub，让经验完成一个完整循环：工作中产生资产，资产在团队中流动，新成员进来直接读档。

1. 自动沉淀资产：从对话和任务中生成 Chat Memory 与 Skill，把文档和代码变成 Wiki 与 CodeGraph，再统一管理、审核和路由。
2. 可迁移、兼容多Agent：记忆资产与 Agent 框架解耦，可以跨框架迁移，也可以由 Team 内的多个 Agent、多个成员共享和维护。
3. 冷启动友好：导入已有文档、代码库和 Agent 对话 Session，新 Agent Team 从现有经验开始工作，不必先从头学习一遍。

 🧠 一个能记住人和事的大脑

- Chat Memory 保留偏好、事实、决策和交互历史。
- 每个 Agent 创建时自动获得独立记忆，下次对话不必从自我介绍开始。
- L0 Conversation → L1 Atom → L2 Scenario → L3 Persona，从原始对话逐层沉淀。



 “别重构旧鉴权模块，移动端还在用。”——这种代价很高的上下文，不应该靠人每次提醒。

 ⚡ 一个会积累经验的 Skill 库

- Agent 做完复杂工作后，可以从对话和工具调用中提炼和管理可复用 Skill。并在需要时导入到指定Agent的上下文。
- Skill 不只是一段 Prompt：它有版本、资源文件、触发边界、执行步骤和验证规则。
- 个人 Skill 默认私有；审核后可分享给团队，再配装给其他 Agent。



 排障、Review、上线检查——练会一次，全队可用。

 📖 一张同时看懂文档和代码的知识地图

- Wiki 把产品文档、设计方案和运维手册生成结构化页面与链接图谱。(灵感来源于 Karpathy 的 LLM 知识库)



- CodeGraph 索引代码符号、文件、调用关系和影响路径。



- Agent 可以搜索、阅读、查 callers / callees，也可以在改代码前先做 impact analysis。

 Wiki 不让 Agent 先读完所有文件目录再开工。CodeGraph 不只告诉它“代码在这”，还告诉它“改了可能影响哪”。

 🛡️ 一个由人掌握的团队记忆面板

- 在 Memory Hub 里创建 Team 和 Agent，审核、分享并配装记忆资产。
- 统一管理 Owner、版本、状态、可见性、使用次数与 Agent 绑定。
- private 严格属于 Owner；team 面向全队；restricted 通过 User / Role / Agent ACL 精确授权。
- 角色分两层：全局 System Admin 管理用户与团队（建团队、录入成员），也可使用 Wiki、CodeGraph、Skill 等资产管理功能；Team 内角色 分为 Admin（团队管理员）和 Member（普通成员），负责团队内的资产协作与权限控制。资产归属通过 Owner 标记，Owner 自动获得对应资产的管理权限。



 冷启动：先读档，再开工

多数 Agent 的第一件工作，是重新学习你的项目，TencentDB Agent Memory 把你已经付过的学习成本变成存档：



具体来说，这些已有资产可以直接在面板导入和自动被处理：

- 代码库：导入已有代码库，CodeGraph 自动索引符号、文件、调用关系与影响路径。
- 文档与文件：导入相关文档和文件，Wiki 自动生成结构化页面与链接图谱。
- 对话 Session：导入过去和 Agent 的对话 Session，Skill 与 Chat Memory 自动提取可复用 Skill 与记忆资产。

 不再重新训练每一个 Agent。给它读档。

 一种玩法：给一个人的公司组一支会成长的 Agent 队伍

打开 Memory Hub，建一个 Team：

text
Tiny but Serious Inc.
├── 👤 You · 定目标 / 做判断
├── 🔭