腾讯开源Agent记忆方案大幅降低Token消耗达61%

5月14日，腾讯云正式开源其核心AI智能体记忆管理技术——TencentDB Agent Memory。该方案精准解决了当前AI智能体（Agent）在执行长周期、多步骤任务时面临的关键瓶颈：记忆膨胀与Token成本失控。通过创新的“外存内精”架构，它能显著优化上下文使用效率，提升复杂任务的成功率与执行连贯性。

随着AI智能体在代码生成、自动化研究、深度数据分析等领域的应用日益深化，任务流程变得冗长而复杂。每一次工具调用（如网页搜索、代码执行）都会产生海量的中间结果、日志和原始数据，迅速挤占有限且昂贵的模型上下文窗口。这不仅导致Token消耗激增、成本高涨，更可能因关键信息被挤出窗口而造成任务状态丢失或逻辑混乱，影响最终输出质量。

行业常见的应对方案，如单纯扩大上下文窗口或进行简单的文本摘要，在应对复杂的多轮交互与长链条任务时往往捉襟见肘。上下文信息过载、关键细节丢失等问题依然普遍存在，制约了智能体的实际应用效能。

腾讯云数据库团队开源的TencentDB Agent Memory，提供了一套系统性的解决方案。其核心理念是“外存内精”：将完整、冗长的原始数据卸载到外部存储中管理，而在执行上下文中仅保留任务的核心状态骨架与结构化关系图谱，从而在保证任务连续性的前提下，最大化压缩Token占用。

该方案主要依托两大核心技术模块实现高效记忆管理。

首先是“Mermaid任务画布”功能。这一模块将整个Agent的任务执行过程动态可视化为一个结构化的任务图谱，类似于智能体的“思维导图”或“项目路线图”。图中清晰定义了每个子任务步骤的状态、摘要以及步骤间的依赖关系。Agent仅需在上下文中维护这张轻量级的“任务地图”，即可时刻掌握整体进度、当前所处位置以及后续行动路径，确保了长任务执行的方向性与逻辑清晰度。

其次是“上下文卸载”机制。当Agent调用外部工具并获取到原始结果（如大段网页内容、代码日志）后，这些庞杂的细节信息不会持续占用宝贵的上下文空间。它们会被自动摘要并索引，随后完整内容被存储到外部文件系统中。上下文里仅保留精炼的摘要和快速检索键。只有当Agent在后续步骤中需要回溯特定细节时，才按需将相关部分精准加载回上下文。这相当于为Agent配备了一个智能的“外部记忆库”，有效释放了主工作内存的压力。

该方案的实际效果如何？腾讯云公布的基准测试数据提供了有力证明。启用TencentDB Agent Memory记忆优化方案后：

• 在自动化网页搜索与信息整合场景中，Token消耗最高可降低61%，同时任务成功率相对提升52%；
• 在自动化代码调试与修复场景中，Token消耗最高降低33%，任务完成率相对提升10%；
• 在复杂长文档分析与总结场景中，Token消耗最高降低31%，关键信息分析准确率相对提升8%。

除了优化单次任务的短期记忆管理，该项目还集成了一个长期个性化记忆模块。该模块支持Agent在跨对话会话中持续学习并记忆用户的个性化偏好、历史背景与行为模式。在PersonaMem基准测试中，该模块将Agent对用户画像的理解准确率从48%显著提升至76%。据悉，此长期记忆能力此前已作为一项免费服务对外开放试用。

目前，TencentDB Agent Memory项目已在GitHub上全面开源，并兼容OpenClaw、Hermes等主流Agent开发框架。其对开发者极为友好，仅需一行安装命令即可快速集成，无需额外配置数据库或依赖外部服务。所有Agent的任务历史与记忆内容均以标准文件格式本地化存储，方便开发者直接查看、分析与调试，提供了极高的操作透明度和可控性。

值得注意的是，这是腾讯近期在AI智能体技术生态布局中的又一重要举措。就在上月，腾讯云刚刚开源了高性能Agent执行底座“Cube”，其在GitHub上迅速获得了超过5000颗星标。这一系列连贯动作清晰地表明，腾讯正在持续加大对AI智能体底层基础设施的研发投入与开源开放，旨在为构建更复杂、更可靠、更实用的下一代AI应用奠定坚实的技术基础。