做 AI Agent 的人都知道。
每次开新对话，得重新把项目背景讲一遍。
换个 Agent 框架，之前的经验全丢了。
团队里多个 Agent，没法共享记忆。
最近在 GitHub 上刷到一个项目，腾讯云开源的。
它叫TencentDB-Agent-Memory。
简单说，就是给 AI Agent 团队搞了个记忆中心。
能把对话、文档、代码，都变成可复用的记忆资产。
而且是可治理、可共享、可跨框架的。
它解决了什么问题
用过 Agent 的人都有这种感觉。
每次开新会话，像跟失忆的人聊天。
项目背景已经讲过八百遍了，新 Agent 还是一问三不知。
更麻烦的是团队协作。
你这边调试出来的经验，换个 Agent 就用不上。
文档读了一遍又一遍，每次都是重新开始。
TencentDB-Agent-Memory 的思路很简单。
把所有能帮 Agent 少走弯路的信息，都存起来、管起来、共享出去。
四种记忆资产
它把信息分成四类，叫记忆资产。
第一类是Chat Memory，聊天记忆。
记录你的偏好、做过的决定、交互历史。
每个 Agent 自动有自己的记忆，不用每次重新介绍自己。
它会从原始对话（L0），一层层提炼成 Atom（L1）、Scenario（L2）、Persona（L3）。
就像人脑一样，先记细节，再提炼规律。
第二类是Skill，技能库。
复杂工作做完后，Agent 能从对话里提取可复用的技能。
这些技能有版本、有资源文件、有触发条件、有验证规则。
个人技能默认私有，审核后可以分享给团队，挂到其他 Agent 上。
比如排查问题的套路、代码审查的流程、发布的检查清单。
学一次，全团队都能用。
第三类是Wiki，知识库。
把产品文档、设计规范、运维手册，变成结构化的页面，带链接图。
Agents 可以搜索、阅读、跳转关联页面。
不用每次都把文件列表读一遍才肯干活。
第四类是CodeGraph，代码图。
索引代码符号、文件、调用关系、影响路径。
Agent 可以搜索、阅读、查调用者/被调用者、改代码前做影响分析。
不只是告诉你“代码在这”，还告诉你“改这个可能影响那些”。
技术架构总览：L0-L3 分层记忆、四种资产、Memory Hub、Agent 装备体系
它跟 RAG 有什么不一样
传统的 RAG，解决的是“能找到什么”。
TencentDB-Agent-Memory 还解决“谁能用、哪个版本有效、该给哪个 Agent”。
它有权限控制。
有版本管理。
有使用统计。
有 Agent 绑定。
你可以把“发布技能”挂给发布 Agent，把“架构文档”给所有开发 Agent，把 CodeGraph 给编码和审查 Agent。
每次循环都在积累经验：工作产生资产 → 资产流转 → 新 Agent 继承经验 → 越用越聪明
冷启动也不怕
最头疼的是给新 Agent 灌注知识。
TencentDB-Agent-Memory 能直接导入现有资产。
代码库导入，自动生成 CodeGraph。
文档导入，自动生成 Wiki。
历史对话导入，自动提取 Skill 和 Chat Memory。
相当于给 Agent 团队发了个“存档文件”。
新成员第一天就能继承团队全部经验。
冷启动流程：导入代码库 → 生成 CodeGraph / Wiki / Skills → 新 Agent 直接加载团队存档
我给你演示一下
假设你想组建一个人的“微型公司”团队。
在 Memory Hub 里建个团队。
创建几个不同角色的 Agent。
侦察兵做市场调研，带用户访谈记忆、竞品分析 Wiki。
写代码的，带产品 Wiki、项目 CodeGraph、功能交付技能。
审查的，带历史事故 Chat Memory、项目 CodeGraph、发布检查清单技能。
不同角色，不同装备。
噪音少了，每个 Agent 只拿它真正需要的记忆资产。
公司可以很小。
经验可以无限复利。
写在最后
其实核心就一个想法。
让经验能积累、能流动、能传给下一个 Agent。
工作产生资产，资产在团队里流转，新成员第一天就能加载团队的存档。
有兴趣的可以试试看。
开源地址：https://github.com/TencentCloud/TencentDB-Agent-Memory
平时我会持续地分享一些有趣的开源项目，有兴趣的朋友可以关注一下。
