TencentDB Agent Memory: быстрый старт — долгосрочная память AI за 10 минут

Ваш Agent снова «забыл» договорённости? В прошлом раунде вы только что согласовали правила именования — в следующем он спрашивает с нуля; логи вызовов инструментов заполняют контекст, счёт за токены растёт, а доля успешных задач падает. В мае 2026 года Tencent открыла исходный код TencentDB Agent Memory (лицензия MIT) — локального движка памяти, который сочетает символическую краткосрочную память с четырёхуровневой долгосрочной пирамидой и по умолчанию работает на SQLite + sqlite-vec без внешних API.

Для читателей Kvmjet — разработчиков iOS, Flutter и AI-приложений — это означает: вы ставите плагин на OpenClaw и за десять минут даёте Coding Agent память о SOP проекта, предпочтениях пользователя и контексте между сессиями, не поднимая отдельную векторную БД и не вставляя всю историю в prompt. Если раньше вы склеивали Redis, Pinecone и свои хуки суммаризации, здесь намеренно узкий стек: один плагин, один файл SQLite, хуки, которые уже понимают tool-call OpenClaw. Материал построен по принципу «можно сразу повторить»: сначала принципы, затем команды для копирования, в конце — встраивание в рабочие процессы на Cloud Mac / Apple Silicon.

Главный вывод: Agent'у нужна не бóльшая context window, а слои памяти с прослеживаемостью. В официальных бенчмарках TencentDB Agent Memory подняла проходимость сверхдлинных сессий WideSearch с 33% до 50% и снизила расход токенов примерно на 61%. В сценариях с многошаговыми вызовами Agent это часто выгоднее, чем просто перейти на более крупную модель.

1. Зачем Agent'у слоистая память, а не «ещё больше контекста»

Типичный сбой длинных Agent-сессий — не «модель недостаточно умна», а контекст забит шумом: один grep отдаёт пять тысяч строк, браузерный scrape заполняет JSON, пятьдесят подзадач SWE-bench накладываются в одной сессии — модель видит помехи, а сигналы решений оказываются у края окна.

Три распространённых подхода, у каждого свои изъяны:

• Жёсткое обрезание: ранние сообщения выбрасываются. Быстро, но необратимо — вместе с предпочтениями пользователя исчезают и корневые причины ошибок.
• Сводка всей истории: LLM сжимает диалог. Экономит токены, но даёт «галлюцинации сводки» без возможности сверить сырой лог.
• Плоский векторный RAG: реплики режутся, embedding'и кладутся в индекс — нет иерархии «персона → сценарий → атомарный факт», recall похож на поиск по стикерам.

TencentDB Agent Memory идёт четвёртым путём: слои + символизация + drill-down к источнику. Краткосрочные задачи описываются графом состояний Mermaid; тяжёлые логи уходят в refs/*.md. Межсессионный опыт дистиллируется по цепочке L0 Conversation → L1 Atom → L2 Scenario → L3 Persona, на каждом уровне node_id указывает на исходный текст. В документации Tencent это называется «прогрессивное раскрытие» — Agent обычно читает верхний уровень структуры и углубляется при необходимости. Подробности — в обзоре продукта Tencent Cloud Agent Memory.

Для мобильных и AI-команд это три ежедневные боли: Code Review Agent должен помнить ваш Swift style guide; support-бот — прошлую жалобу ключевого клиента; внутренний ops-Agent — что на staging нельзя напрямую делать kubectl delete. Ни то, ни другое не должно объясняться заново каждую сессию и не должно теряться из-за необратимой сводки.

2. Ключевые концепции: offload и пирамида L0–L3

2.1 Символическая краткосрочная память (Context Offload)

Вывод инструментов — чёрная дыра для токенов. TencentDB Agent Memory выгружает и символизирует: полные логи на диск, в контексте остаётся только граф задач Mermaid с маркерами node_id. Agent рассуждает по графу; если шаг вызывает сомнение — по node_id возвращается к оригиналу в refs/. Сто процентов прослеживаемости, без «чёрного ящика» сводки.

Доступно с плагина ≥ 0.3.4 (опционально): зарегистрируйте слот contextEngine в OpenClaw и выполните официальный patch-скрипт. В бенчмарке WideSearch: +51,52% к проходимости, −61,38% токенов.

2.2 Четырёхуровневая долгосрочная память (L0 → L3)

Долгосрочная сторона — семантическая пирамида, а не плоская куча векторов:

• L0 Conversation: сырой диалог и трассировки инструментов — слой доказательств.
• L1 Atom: структурированные факты («пользователь предпочитает отступ Tab в 4 пробела»).
• L2 Scenario: сценарные блоки («чеклист перед релизом Flutter»).
• L3 Persona: персона пользователя/проекта — в повседневном recall читается в первую очередь.

Поиск использует гибрид BM25 + вектор + RRF, чтобы чистая семантика не пропускала точные ключевые слова. Корпоративные команды могут переключиться на Tencent Cloud Vector Database (TCVDB); для PoC достаточно локального SQLite. Архитектура и API — в README репозитория на GitHub.

2.3 Способы интеграции

Сегодня два основных маршрута:

• Плагин OpenClaw: @tencentdb-agent-memory/memory-tencentdb, Node.js ≥ 22.16, установка одной командой.
• Hermes Gateway: Docker-образ или монтирование каталога плагина для команд с оркестрацией Hermes.

Если у вас уже крутится Gateway OpenClaw из серии Kvmjet, слой памяти добавляется конфигурацией плагина — без переделки всей инфраструктуры.

3. 10 минут на практике: установка и включение плагина OpenClaw

Ниже — проверено на машинах с OpenClaw ≥ 2026.3.13. На Cloud Mac сначала убедитесь, что node -v ≥ 22.16.

3.1 Установка плагина

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

При обновлении используйте нативную команду — semver-диапазоны могут тихо отключить плагин:

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

3.2 Включение долгосрочной памяти без лишней конфигурации

Отредактируйте ~/.openclaw/openclaw.json:

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

Сохраните и перезапустите Gateway. Плагин автоматически ведёт запись диалогов, извлечение памяти, агрегацию сценариев, генерацию Persona и recall в следующем раунде. По умолчанию данные в локальном SQLite — аккаунт Tencent Cloud не нужен.

3.3 Опционально: сжатие краткосрочной памяти (≥ 0.3.4)

Рекомендуется для длинных задач и тяжёлых цепочек инструментов. Два шага:

Шаг 1 — регистрация слота contextEngine:

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

Шаг 2 — официальный patch в корне репозитория (инъекция хука after-tool-call):

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

Скрипт лежит в TencentDB-Agent-Memory/scripts — клонируйте репозиторий и запустите.

3.4 Чеклист приёмки (5 минут)

1. В одной сессии трижды вызовите инструмент с большим выводом — в контексте должен появиться граф Mermaid, а не полные логи.
2. Откройте новую сессию и спросите: «Какой стиль кода я называл в прошлый раз?» — должна вернуться информация уровня L1/L3.
3. Проверьте рост локального каталога данных (по умолчанию файл SQLite); на этапе PoC делайте резервные копии.

Если параллельно сравниваете другие стеки Agent, загляните в нашу инструкцию по развёртыванию AI-Agent Strix — security- и coding-Agent'ам нужны разные профили памяти, но экономика токенов схожа.

4. Cloud Mac / Apple Silicon: сценарии применения

Движок памяти — фоновый сервис с постоянной работой, иной профиль нагрузки, чем «иногда открыл IDE». На узлах Kvmjet M4 Cloud Mac мы видим сильное совпадение в таких сценариях:

• OpenClaw Gateway 24/7: Mac mini M4 в простое ~4 Вт — для внутренних дежурных Agent'ов; SQLite памяти на том же хосте, что и Gateway, снижает задержку и вопросы резидентности данных.
• Unified Memory + sqlite-vec: векторный поиск выигрывает от пропускной способности памяти Apple Silicon; узел 16 ГБ может параллельно держать Gateway, хранилище памяти и лёгкий Ollama для оценки — без отдельного x86-сервера векторов.
• iOS / Flutter в одной зоне: когда сборки Xcode, Fastlane и Coding Agent делят Cloud Mac, Agent Memory может помнить «алиас профиля сертификата этого приложения» и «имена Flutter flavor» — рядом с нашим руководством по CI/CD на удалённом M4 меньше разрыва контекста между build-машиной и Agent.
• Local-first и compliance: SQLite по умолчанию не требует облака; финтех и healthcare PoC можно проверить во внутреннем контуре Cloud Mac, затем при необходимости перейти на TCVDB — проще согласовать с безопасностью, чем логи чата в стороннем SaaS.

5. Сравнение затрат, производительности и рисков

Сводная таблица «своя память» против «голый OpenClaw / плоский RAG» (грубая оценка Q3 2026 для команды 20 человек, ~5 млн токенов Agent в месяц):

Связь с ценами API: сэкономленные токены сразу отражаются в счетах OpenAI / Anthropic. Если планируете бюджет на следующее поколение моделей, сочетайте с нашим прогнозом цен API GPT-6 — при многошаговых вызовах Agent сжатие памяти часто эффективнее ожидания снижения тарифов.

Субъективная производительность: локальный recall sqlite-vec обычно миллисекунды — сотни миллисекунд; узкое место чаще в LLM-записях L1/L3, а не в поиске. На длинных сессиях включайте offload — иначе частота записи L0 замедлит раунды.

Риски: (1) повреждённый SQLite требует бэкапов; (2) ошибочная запись в Persona сохраняется надолго — в production выборочно проверяйте обновления L3; (3) patch-скрипты после обновления OpenClaw нужно запускать снова — зафиксируйте в ops runbook.

6. Частые вопросы (FAQ)

Нужен ли TencentDB Agent Memory интернет или аккаунт Tencent Cloud?

По умолчанию нет. Из коробки — локальный SQLite + sqlite-vec; диалоги и воспоминания остаются на машине. Корпоративный multi-node или крупномасштабный векторный поиск могут перейти на TCVDB, но десятиминутный PoC полностью офлайн.

Чем отличается сжатие краткосрочной памяти от долгосрочной?

Краткосрочная — для длинных задач в текущей сессии: выгрузка логов, граф Mermaid в контексте. Долгосрочная — между сессиями: атомы, сценарии и персоны из диалогов. Одной долгосрочной уже достаточно, чтобы «помнить пользователя»; coding-Agent с множеством инструментов лучше включить оба режима.

Какие преимущества даёт Cloud Mac?

Низкое энергопотребление в длительной работе, unified memory для локального векторного поиска, одна зона с toolchain Xcode / Flutter. Память и логи сборки на одном хосте проще, чем «Agent в облаке, код на ноутбуке» с лишним VPN и разрывом прав.

Только через OpenClaw?

Нет. У Hermes Gateway есть официальные Docker- и mount-сценарии; свои фреймворки могут подключить SDK из репозитория. OpenClaw — кратчайший путь для читателей серии OpenClaw на Kvmjet.

7. Итоги и следующие шаги

TencentDB Agent Memory превращает «долгосрочную память Agent» в плагин OpenClaw, включаемый за десять минут: локальный SQLite без зависимостей, прослеживаемые слои L0–L3, краткосрочный offload с заметной экономией токенов. Разработчикам iOS / Flutter / AI мы советуем:

• пройти установку и приёмку из раздела 3 на PoC-узле Cloud Mac;
• неделю A/B на самом «дорогом» по токенам реальном workflow (например, Agent рефакторинга большого репозитория);
• описать политику бэкапа SQLite + refs до перехода на TCVDB или слияния с production-узлом.

Со слоем памяти Agent ведёт себя как опытный напарник — а не как новичок, который каждую сессию спрашивает: «Кто вы и на каком фреймворке проект?»