Valhalla 静态工程审阅 #030TencentDB Agent Memory 源码证据驱动评测【开源基础设施特辑】硬核工业风技术文章建议搭配封面图阅读。本文基于固定 Commit 快照开展只读静态工程审阅不代表动态安全结论所有观测均以可复查源码证据为边界。 本文档声明性质本文系基于固定代码快照fe3230f的静态工程特征分析属于开源组件尽职调查参考材料不构成任何形式的安全漏洞最终判定或法律合规意见。证据锚定所有结论均以文内引用的源码文件路径为唯一证据边界未经验证的动态运行数据不纳入本文分析范畴。使用建议若将 TencentDB Agent Memory 纳入生产或核心业务系统建议结合内部 SAST/DAST 扫描及实际部署测试形成完整的评估报告。摘要Agent 每开一个新会话都是一次从零开始。昨天讲过的项目背景今天要重讲喂过的文档换个 Agent 得再喂一遍一下午摸索跑通的排障流程下次会话照样重走弯路。这跟模型够不够聪明关系不大问题在于 Agent 天生没有“长期记忆”。2026 年 5 月 13 日腾讯云数据库团队正式开源TencentDB Agent Memory——一套面向 AI Agent 的分层记忆引擎采用MIT 协议开源开箱即用。项目上线一周即在社区获得超4000 Stars。2026 年 8 月 6 日项目发布v2.0.0 大版本核心升级是Team Memory团队记忆——将长期记忆能力从个人使用扩展到整个团队协作场景。它的核心命题很直白让 Agent 沉淀经验让人专注创造。凡是能让下一个 Agent 少走弯路的信息——偏好、决策、跑通的做法、读过的文档、改过的代码——都应该被保存下来、组织好并在合适的时候被复用。本文从 Valhalla 静态工程审阅视角拆解 TencentDB Agent Memory 的架构底层与工程特征。1. 评测基础信息字段内容评测类型证据驱动只读静态审阅目标项目TencentCloud/TencentDB-Agent-Memory项目性质Agent 长期记忆引擎 / 团队级记忆 Hub分析快照fe3230f176f1bf5832fee79d12494bbc2d19a8aa分析范围仓库文件、模块结构、风险标签排除范围动态执行、渗透测试、性能压测、商业生态判断、法律合规意见2. 项目全景Agent 的“长期记忆”为什么是刚需2.1 痛点Agent 天生“金鱼记忆”在长周期、跨会话的业务场景中智能体“失忆”带来的代价正随采用率攀升而放大。传统 LLM Agent 是无状态的——每次对话结束后工具调用经验与问题解决模式都会烟消云散下一次面对相同问题只能从零推理。痛点表现跨会话断裂昨天反复确认的代码规范今天新开会话又全忘了事实与偏好混淆“我用 TypeScript”和“帮我查天气”被同等对待上下文膨胀任务越长堆进上下文的历史信息越多Token 消耗持续攀升经验无法复用跑通的排障流程换个 Agent 照样重走弯路2.2 解法四层记忆金字塔TencentDB Agent Memory 通过把不同粒度的信息放在不同的“楼层”构建四层渐进式记忆架构层级名称内容形态L0原始对话完整的对话记录、工具调用日志、文档片段L1原子记忆从原始对话中抽取的原子事实每条带来源链接L2场景记忆同类原子事实归纳出的场景模式与高频路径L3核心记忆跨场景沉淀的核心洞察、稳定结论与团队规范每一层只做一件事层与层之间通过“提取-聚合-蒸馏”的管道连接任何一层都可以独立升级或替换。底层保留证据上层保留结构——Agent 日常只接触 L2-L3 的轻量信息驱动任务推进需要细节时通过node_id逐层下钻到原始记录。2.3 四类记忆资产从“痕迹”到“资产”除了对话记忆TencentDB Agent Memory 还将 Agent 在工作中产生的痕迹自动沉淀成四类可复用资产资产类型说明Chat Memory聊天记忆从对话里逐层提取偏好、事实、决策和交互历史Skill技能从跑通的任务里提炼可复用做法带版本号、触发边界、执行步骤Wiki知识库把文档变成结构化页面加链接图谱可持续维护Code Graph代码图谱用文件、符号、函数、调用链描述代码关系2.4 短期记忆压缩Mermaid 任务画布 上下文卸载长期记忆解决“跨会话遗忘”短期记忆解决“单次长任务信息过载”。Agent 处理多步骤、长时间任务时工具调用产生的中间结果会迅速填满上下文空间。TencentDB Agent Memory 采用“上下文卸载 Mermaid 任务画布”的组合方案上下文卸载每次工具调用结束后完整结果写入外部文件refs/*.md上下文里只保留一行摘要和索引路径。Mermaid 任务画布用 Mermaid Flowchart 把任务执行过程组织成一张可导航的任务画布。Agent 不需要记住所有内容只需要知道哪些信息重要、它们被组织在哪里以及必要时如何一步步展开。2.5 性能数据场景指标数据短期记忆Token 消耗最高节省61.38%短期记忆任务通过率相对提升51.52%长期记忆PersonaMem 准确率从48%提升到76%长期记忆用户事实召回率从不足30%提升至79%以上3. 资产微观面板指标观测值工程解读受支持源文件647中型代码基主导语言TypeScript629 个文件类型安全全覆盖辅助语言Python15、JavaScript3SDK 与工具脚本一级模块根5MemoryCore、MemoryKnowledge、MemoryPanel、MemoryProxy、sdk构建/依赖文件14Dockerfile pnpm-lock pyproject.toml入口证据20MemoryProxy、MemoryPanel、MemoryKnowledge 多入口静态风险命中30需分层归因3.1 模块拓扑TencentDB-Agent-MemoryMemoryCore 记忆核心MemoryKnowledge 知识引擎MemoryPanel 管理面板MemoryProxy 代理网关sdk 多语言 SDKskill 技能管理存储层offload 卸载source-fetcher 源码抓取engines 知识引擎injection 注入代理session 会话管理数据库层4. 核心模块职责模块职责关键文件MemoryCore记忆读写、鉴权、Skill/RAG 数据面src/core/skill/、src/core/store/sqlite.tsMemoryKnowledge知识库引擎代码库/ Wiki 抓取与索引src/engines/wiki/、src/source-fetcher/git-fetcher.tsMemoryPanelWeb 管理面板src/panel/http/routes/MemoryProxyLLM 请求代理Anthropic / OpenAI 双协议src/injection/agents/、src/session/sdkPython / TypeScript SDKsdk/memory-core/python/、sdk/memory-core/typescript/4.1 部署方式项目提供“三件套一键起”的部署方式memory-corememory-hubproxy服务端口用途Memory Core8420记忆读写、鉴权、skill/RAG 数据面Memory Hub—团队记忆 HubProxy8096LLM 请求代理Anthropic / OpenAI 双协议部署命令gitclone https://github.com/Tencent/TencentDB-Agent-Memory.gitcdTencentDB-Agent-Memory/deploy/global-imagescp.env.example .env$EDITOR.env# 填写两组 LLM 参数./start-all.sh5. 静态风险标签5.1 风险命中概览风险类型命中数量典型文件RISK-DYNAMIC-EXECUTION25MemoryProxy、MemoryCore、MemoryKnowledge多个模块RISK-SHELL-INVOCATION2MemoryKnowledge/src/source-fetcher/git-fetcher.ts、MemoryCore/hermes-plugin/RISK-SECRET-LITERAL3MemoryProxy/src/config.ts、sdk/memory-core/python/客户端5.2 需重点关注的命中文件风险类型定级MemoryProxy/src/config.tsRISK-SECRET-LITERAL高关注点MemoryProxy/src/credit-reporter.tsRISK-DYNAMIC-EXECUTION高关注点MemoryProxy/src/injection/agents/claude-code/index.tsRISK-DYNAMIC-EXECUTION高关注点MemoryKnowledge/src/source-fetcher/git-fetcher.tsRISK-SHELL-INVOCATION高关注点MemoryCore/src/core/skill/skill-store.tsRISK-DYNAMIC-EXECUTION高关注点sdk/memory-core/python/.../client.pyRISK-SECRET-LITERAL中关注点关键解读MemoryProxy/src/config.ts中的RISK-SECRET-LITERAL需优先确认是否为硬编码的 API 密钥或凭证。如是需立即迁移至环境变量管理。MemoryProxy/src/injection/agents/目录负责为 Claude Code、CodeBuddy 等编码 Agent 注入记忆能力。其中的动态执行风险需重点审查——是否涉及用户可控的输入是否在正常注入流程中被触发MemoryKnowledge/src/source-fetcher/git-fetcher.ts中的 Shell 调用涉及 Git 仓库抓取需确认输入仓库 URL、分支名等是否经过严格校验避免命令注入。6. 生态接入6.1 支持的框架与接入方式接入方式说明OpenClaw 插件作为记忆增强插件一键接入Hermes 网关提供标准 API 与协议适配自研 Agent SDKPython / TypeScript SDK 面向自研场景Claude Code / CodeBuddy通过 Proxy 注入团队记忆6.2 自研 Agent 接入流程把 TencentDB Agent Memory 接入 Agent 主流程本质上是“召回 写入”两步用户输入 → ① 召回从云端拉相关记忆拼进 prompt→ LLM → ② 写入把本轮对话写回云端SDK 初始化需要传入team_id、agent_id、user_id三个字段记忆抽取以agent_id为粒度——不同 Agent 之间的记忆相互隔离。7. 对话式总结问TencentDB Agent Memory 是什么答腾讯云数据库团队开源的Agent 长期记忆引擎采用 MIT 协议。它将 Agent 的对话、做法、文档、代码沉淀成四类可复用记忆资产Chat Memory、Skill、Wiki、Code Graph让下一个 Agent 直接“读档”开工。问它解决了什么问题答Agent 天生没有长期记忆每次新会话都是从零开始。TencentDB Agent Memory 通过四层记忆金字塔L0-L3和短期记忆压缩Mermaid 画布 上下文卸载让 Agent 跨会话记住偏好、复用经验、降低 Token 消耗。问性能怎么样答接入 OpenClaw 后最高节省61.38% Token任务通过率相对提升51.52%PersonaMem 准确率从48%提升到76%。问和 Mem0 等竞品有什么区别答普通 RAG 做的是记忆的存储TencentDB Agent Memory 做的是记忆的治理。它不只是把对话塞进向量库而是从对话里逐层提炼出有价值的部分区分事实、偏好、场景、画像。每条记忆资产还有 Owner、版本、可见性。问适合在生产环境用吗答适合。MIT 协议、多框架支持、已有 OpenClaw 生产验证。但使用前建议复核MemoryProxy/src/config.ts等文件中的密钥字面量确认是否迁移至环境变量。8. 后续验证建议优先级验证动作目的P0审查MemoryProxy/src/config.ts中的密钥字面量排除密钥泄露风险P0审查MemoryProxy/src/injection/agents/的动态执行上下文确认注入路径安全性P0审查MemoryKnowledge/src/source-fetcher/git-fetcher.ts的 Shell 调用参数校验排除命令注入P1在隔离环境中执行./start-all.sh部署测试验证部署可复现性P1复核所有RISK-DYNAMIC-EXECUTION命中的上下文确认真阳性 / 误报P2测试 Python/TypeScript SDK 的接入流程验证自研 Agent 集成可用性 本文档声明性质本文系基于固定代码快照fe3230f的静态工程特征分析属于开源组件尽职调查参考材料不构成任何形式的安全漏洞最终判定或法律合规意见。证据锚定所有结论均以文内引用的源码文件路径为唯一证据边界未经验证的动态运行数据不纳入本文分析范畴。使用建议若将 TencentDB Agent Memory 纳入生产或核心业务系统建议结合内部 SAST/DAST 扫描及实际部署测试形成完整的评估报告。本文不是 Agent 记忆能力评测或性能压测而是一次基于固定 Commit 快照的开源组件静态工程尽职画像。更新日志版本号发布日期修订内容v2.02026-08-09发布完成项目核心架构评测、安全风险审计与场景落地建议本文由 Valhalla Matrix V2 评测体系出品仅作技术研究与风险提示不构成任何部署建议。