TencentDB Agent Memory : mémoire longue durée IA en 10 minutes

Votre Agent oublie ce que vous venez de convenir ? Les conventions de nommage du tour précédent disparaissent ; les journaux d'appels d'outils saturent le contexte ; la facture de tokens grimpe tandis que le taux de réussite des tâches chute. En mai 2026, Tencent a open-sourcé TencentDB Agent Memory (licence MIT) — un moteur de mémoire local qui combine mémoire courte symbolique et pyramide longue durée en quatre couches, par défaut sur SQLite + sqlite-vec, sans dépendance API externe.

Pour les lecteurs Kvmjet — développeurs iOS, Flutter et applications IA — cela signifie qu'un plugin sur OpenClaw peut faire retenir à un Coding Agent les SOP du projet, les préférences utilisateur et le contexte inter-sessions en une dizaine de minutes, sans construire une base vectorielle ni injecter l'historique complet dans chaque prompt. Si vous bricolez Redis, Pinecone et des hooks de résumé maison, cette pile est volontairement plus ciblée : un plugin, un fichier SQLite, des hooks qui comprennent déjà les appels d'outils OpenClaw. Cet article suit une logique « prête à l'emploi » : principes, commandes copiables, puis intégration à vos flux Cloud Mac / Apple Silicon.

En bref : les Agents n'ont pas besoin d'un contexte plus large — ils ont besoin d'une mémoire stratifiée et traçable. Sur les benchmarks officiels, TencentDB Agent Memory porte le taux de réussite WideSearch (sessions ultra-longues) de 33 % à 50 % tout en réduisant la consommation de tokens d'environ 61 %. Pour les charges Agent multi-tours, cela surpasse souvent le simple changement de modèle.

1. Pourquoi une mémoire stratifiée, pas seulement « plus de contexte »

Les Agents longue durée échouent rarement par manque d'intelligence du modèle, mais parce que le contexte est noyé sous l'irrelevant : un grep renvoie cinq mille lignes ; une capture navigateur remplit le JSON ; cinquante sous-tâches SWE-bench s'empilent dans une session — du bruit partout, les signaux de décision repoussés au bord de la fenêtre.

Trois réponses courantes ont chacune un défaut majeur :

• Troncature brutale : supprimer les messages anciens. Rapide mais irréversible — préférences utilisateur et causes racines disparaissent ensemble.
• Résumé de l'historique entier : un LLM compresse. Moins de tokens, mais risque d'« hallucination de synthèse » sans preuve brute vérifiable.
• RAG vectoriel plat : conversations découpées, embedding, recherche. Pas de hiérarchie persona → scénario → fait atomique — la récupération ressemble à fouiller dans un tas de post-its.

TencentDB Agent Memory emprunte une quatrième voie : stratification + symbolisation + traçabilité descendante. Les tâches court terme utilisent un canevas d'état Mermaid ; les journaux lourds partent vers refs/*.md. L'expérience inter-sessions se condense le long de L0 Conversation → L1 Atom → L2 Scenario → L3 Persona, chaque couche gardant des node_id vers le texte source. La documentation officielle appelle cela la « divulgation progressive » — l'Agent lit la structure haute par défaut et descend pour vérifier. Voir la présentation produit Agent Memory de Tencent Cloud pour le design complet.

Pour les équipes mobile et IA, cela répond à trois irritants quotidiens : un Agent de revue de code doit mémoriser le guide de style Swift ; un bot support doit rappeler la dernière plainte d'un gros client ; un Agent ops interne doit retenir « pas de kubectl delete sur staging » — sans répéter à chaque session ni perdre l'info dans un résumé irréversible.

2. Concepts : offload court et pyramide L0–L3

2.1 Mémoire courte symbolique (context offload)

Les sorties d'outils sont des gouffres à tokens. TencentDB Agent Memory déporte + symbolise : journaux complets sur le disque, contexte réduit à un graphe de tâches Mermaid avec node_id. L'Agent raisonne sur le graphe ; si une étape semble douteuse, il grep refs/ par node_id pour le texte original — traçabilité totale, pas une boîte noire de résumé.

Disponible depuis le plugin ≥ 0.3.4 (optionnel). Enregistrez le slot contextEngine dans OpenClaw et exécutez le script patch officiel. Sur WideSearch : +51,52 % de réussite, −61,38 % de tokens.

2.2 Mémoire longue durée en quatre couches (L0 → L3)

Le long terme est une pyramide sémantique, pas un tas vectoriel plat :

• L0 Conversation : dialogue brut et traces d'outils — couche preuve.
• L1 Atom : faits structurés (« l'utilisateur préfère indentation 4 espaces »).
• L2 Scenario : blocs de scénario (« checklist pré-release Flutter »).
• L3 Persona : persona utilisateur/projet — rappelée en priorité dans le prompt quotidien.

La recherche combine BM25 + vecteur + RRF pour ne pas rater les mots-clés exacts. Les entreprises peuvent passer à Tencent Cloud Vector Database (TCVDB) ; SQLite local suffit pour un PoC. Architecture et API dans le README du dépôt GitHub.

2.3 Chemins d'intégration

Deux routes principales aujourd'hui :

• Plugin OpenClaw : @tencentdb-agent-memory/memory-tencentdb, Node.js ≥ 22.16, installation en une commande.
• Hermes Gateway : image Docker ou montage du plugin pour les équipes déjà sur l'orchestration Hermes.

Si vous exploitez déjà un Gateway OpenClaw dans l'écosystème Kvmjet, la couche mémoire n'est qu'une config plugin supplémentaire — pas une refonte.

3. 10 minutes : installation du plugin OpenClaw

Validé sur machines avec OpenClaw ≥ 2026.3.13. Sur un Cloud Mac, vérifiez d'abord node -v ≥ 22.16.

3.1 Installer le plugin

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

Pour la mise à niveau, utilisez la commande native — évitez les plages semver qui peuvent désactiver le plugin silencieusement :

openclaw plugins update @tencentdb-agent-memory/memory-tencentdb

3.2 Activer la mémoire longue durée sans config

Éditez ~/.openclaw/openclaw.json :

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

Sauvegardez et redémarrez le Gateway. Le plugin gère automatiquement l'enregistrement des conversations, l'extraction de mémoire, la synthèse de scénarios, la génération de persona et le rappel au tour suivant. Les données par défaut sont en SQLite local — pas de compte Tencent Cloud requis.

3.3 Option : compression mémoire courte (≥ 0.3.4)

Recommandé pour longues tâches ou chaînes d'outils lourdes. Deux étapes :

Étape 1 — enregistrer le slot contextEngine :

{
  "memory-tencentdb": {
    "enabled": true,
    "config": {
      "offload": { "enabled": true }
    }
  },
  "plugins": {
    "slots": {
      "contextEngine": "memory-tencentdb"
    }
  }
}

Étape 2 — exécuter le patch officiel à la racine du dépôt (injecte le hook after-tool-call) :

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

Le script est dans TencentDB-Agent-Memory/scripts — clonez le dépôt et lancez-le.

3.4 Checklist d'acceptation (5 minutes)

1. Dans une session, exécutez trois appels d'outils à grande sortie. Vérifiez qu'un graphe Mermaid apparaît au lieu des journaux complets.
2. Ouvrez une nouvelle session et demandez en langage naturel : « Quel style de code avais-je mentionné ? » — les infos L1/L3 doivent remonter.
3. Contrôlez que le répertoire de données local (fichier SQLite par défaut) grossit ; sauvegardez pendant le PoC.

Si vous comparez d'autres stacks Agent, croisez avec notre guide de déploiement Strix — Agents sécurité et Agents code ont des besoins mémoire différents, mais l'économie de tokens est comparable.

4. Cloud Mac / Apple Silicon : cas d'usage

Un moteur de mémoire est un service d'arrière-plan permanent — profil de ressources différent de « ouvrir l'IDE de temps en temps ». Sur les nœuds Cloud Mac M4 Kvmjet, nous voyons une forte adéquation dans ces scénarios :

• OpenClaw Gateway 24h/24 : Mac mini M4 ~4 W en veille pour Agents internes de permanence ; SQLite mémoire co-localisé avec le Gateway, moins de latence et de souci de résidence des données.
• Mémoire unifiée + sqlite-vec : la recherche vectorielle profite de la bande passante mémoire Apple Silicon ; un nœud 16 GB peut faire Gateway, mémoire et évaluation Ollama légère sans un serveur vectoriel x86 supplémentaire.
• Équipes iOS / Flutter sur le même domaine : quand builds Xcode, Fastlane et Coding Agent partagent un Cloud Mac, Agent Memory peut retenir « l'alias du profil de certificat de cette app » et « le nom du flavor Flutter » — en phase avec notre guide CI/CD iOS sur machine de build M4 distante, pour éviter la fracture « machine de build » vs « boîte Agent ».
• Conformité local-first : le backend SQLite par défaut ne force pas l'upload cloud ; PoC finance ou santé sur Cloud Mac interne avant TCVDB optionnel — revue sécurité plus simple que des logs de chat dans un SaaS tiers.

5. Coût, performance et risques

Comparez « mémoire maison » vs « OpenClaw brut / RAG plat » (estimation grossière T3 2026, équipe 20 personnes, ~5 M tokens Agent/mois) :

Lien avec le prix des API : les tokens économisés par la couche mémoire apparaissent directement sur les factures OpenAI / Anthropic. Si vous planifiez le budget des modèles suivants, croisez avec notre article sur les tarifs API GPT-6 anticipés — sous charge Agent multi-tours, la compression mémoire bat souvent attendre la prochaine baisse de prix.

Performance perçue : le rappel sqlite-vec local est typiquement en millisecondes à quelques centaines de ms ; le goulot est souvent l'écriture L1/L3 par le LLM, pas la recherche. Sur longues sessions, activez l'offload — sinon la fréquence d'écriture L0 ralentit les tours.

Liste de risques : (1) SQLite corrompu → sauvegardes ; (2) persona L3 erronée persiste → contrôle humain en production ; (3) scripts patch à relancer lors des upgrades OpenClaw → documenter dans le runbook ops.

6. FAQ

TencentDB Agent Memory nécessite Internet ou un compte Tencent Cloud ?

Par défaut, non. SQLite + sqlite-vec en local ; conversations et mémoire sur votre machine. Multi-nœuds entreprise ou recherche vectorielle à grande échelle → TCVDB possible, mais un PoC de dix minutes tourne entièrement hors ligne.

Quelle différence entre compression courte et mémoire longue durée ?

La courte cible les longues tâches dans la session courante : déporter les journaux, garder un graphe Mermaid. La longue durée cible les sessions suivantes : Atoms, Scénarios, Personas distillés du dialogue. La longue seule « mémorise l'utilisateur » ; les Agents code multi-outils devraient activer les deux.

Quels avantages sur un Cloud Mac ?

Faible consommation en permanence, mémoire unifiée pour la recherche vectorielle locale, même domaine que Xcode/Flutter. Mémoire et journaux de build sur un host battent « Agent dans le cloud, code sur le laptop » avec VPN et permissions en plus.

OpenClaw est obligatoire ?

Non. Hermes Gateway a des chemins Docker et montage officiels ; frameworks maison via le SDK du dépôt. OpenClaw reste le chemin le plus court pour les lecteurs déjà sur la série OpenClaw Kvmjet — voir aussi notre analyse Environnement OpenAI DevDay 2026 pour dimensionner l'infrastructure Agent en parallèle.

7. Synthèse et suite

TencentDB Agent Memory transforme la « mémoire longue durée Agent » en plugin OpenClaw activable en dix minutes : SQLite local sans dépendances, couches L0–L3 traçables, offload court qui coupe nettement les tokens. Pour les développeurs iOS/Flutter/IA, la suite logique :

• Installation et acceptation (section 3) sur un Cloud Mac PoC ;
• Choisir le flux réel le plus coûteux en tokens (ex. « Agent refactor grand dépôt ») et faire un A/B d'une semaine ;
• Politique de sauvegarde SQLite + refs avant TCVDB ou fusion avec les nœuds de production.

Avec la couche mémoire en place, l'Agent ressemble à un partenaire expérimenté — pas un nouveau qui redemande chaque session « qui êtes-vous et quel framework ? ».