TencentDB Agent Memory最佳实践：来自生产环境的经验与教训

黎纯俪Forest

428人浏览 · 2026-08-06 08:22:19

黎纯俪Forest · 2026-08-06 08:22:19 发布

TencentDB Agent Memory最佳实践：来自生产环境的经验与教训

【免费下载链接】TencentDB-Agent-Memory TencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks. 项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory

TencentDB Agent Memory是AI Agent的团队级记忆中枢，能将对话、文档和代码转化为四种可复用的记忆资产（Chat Memory、Skill、LLM-Wiki、Code-Graph），实现跨Agent和框架的治理、共享与赋能。在生产环境中，如何充分发挥其效能并规避潜在风险，是每个开发团队都需要面对的重要课题。

记忆分层架构：构建高效记忆系统的核心

TencentDB Agent Memory将记忆设计为一套极具层次感的系统，以符号化记忆解决单次长任务的信息过载，以记忆分层解决跨会话的经验沉淀。不管是长期的知识、短期的任务，还是未来的经验能力，记忆都不应该平铺，生成和召回都必须有层次。

如上图所示，记忆金字塔从下到上分为L0 Raw Log、L1 Atomic Memory、L2 Scene Block和L3 Persona四个层次。L0层全量保留原始对话与事件流，确保原始信息不丢失，为证据兜底；L1层自动提取事实、偏好、约束、状态，从语音中稳定抽出关键信息；L2层按项目/主题/工作流场景聚类，带上文召回，减少单场误用；L3层形成稳定的用户偏好与服务方式画像，让Agent按用户习惯协作。

生产环境部署与迁移：确保平稳过渡

将TencentDB Agent Memory从开发环境迁移到生产环境，需要谨慎处理数据迁移和配置优化。项目提供了从SQLite到腾讯云向量数据库（TCVDB）的离线迁移工具，位于scripts/migrate-sqlite-to-tcvdb/目录下。

迁移前的准备工作

在进行正式迁移前，需要确保满足以下前置条件：

Node.js版本 >= 22.16.0
插件已通过openclaw plugins install安装
迁移脚本已编译

编译迁移脚本的命令如下：

npm run build:migrate-sqlite-to-vdb

编译产物将输出到scripts/migrate-sqlite-to-tcvdb/dist/目录，可直接用Node运行。

生产环境迁移策略

在生产环境中，建议先进行预检模式迁移，仅查看源数据，不执行写入操作，命令如下：

npm run migrate:sqlite-to-tcvdb -- \
  --plugin-data-dir ~/.openclaw/memory-tdai \
  --openclaw-config-path ~/.openclaw/openclaw.json \
  --tcvdb-url http://127.0.0.1:80 \
  --tcvdb-username root \
  --tcvdb-api-key-env TCVDB_API_KEY \
  --tcvdb-database agent_memory_prod \
  --tcvdb-embedding-model bge-large-zh \
  --dry-run

预检无误后，再执行正式迁移。对于生产环境主库，可设置自定义别名以便识别和管理：

npm run migrate:sqlite-to-tcvdb -- \
  --plugin-data-dir ~/.openclaw/memory-tdai \
  --openclaw-config-path ~/.openclaw/openclaw.json \
  --tcvdb-url http://10.0.1.50:80 \
  --tcvdb-username admin \
  --tcvdb-api-key-env TCVDB_API_KEY \
  --tcvdb-database agent_memory_prod \
  --tcvdb-embedding-model bge-large-zh \
  --tcvdb-alias "生产环境-主库" \
  --tcvdb-timeout-ms 30000 \
  --yes

迁移后的验证与监控

迁移完成后，建议输出迁移摘要到JSON文件，以便后续分析和审计：

npm run migrate:sqlite-to-tcvdb -- \
  --plugin-data-dir ~/.openclaw/memory-tdai \
  --openclaw-config-path ~/.openclaw/openclaw.json \
  --tcvdb-url http://127.0.0.1:80 \
  --tcvdb-username root \
  --tcvdb-api-key-env TCVDB_API_KEY \
  --tcvdb-database agent_memory_prod \
  --tcvdb-embedding-model bge-large-zh \
  --summary-json-path ./migration-report.json \
  --job-id "migrate-2026-04-13" \
  --yes

同时，要密切关注系统性能指标，如响应时间、内存占用等，确保迁移后的系统能够稳定运行。

记忆管理与优化：提升系统性能与可靠性

分层记忆管理策略

在生产环境中，根据业务需求合理选择要迁移和管理的记忆层次至关重要。TencentDB Agent Memory支持按层迁移，例如只迁移L1记忆层（跳过L0原始消息和Profile）：

npm run migrate:sqlite-to-tcvdb -- \
  --plugin-data-dir ~/.openclaw/memory-tdai \
  --openclaw-config-path ~/.openclaw/openclaw.json \
  --tcvdb-url http://127.0.0.1:80 \
  --tcvdb-username root \
  --tcvdb-api-key-env TCVDB_API_KEY \
  --tcvdb-database agent_memory_prod \
  --tcvdb-embedding-model bge-large-zh \
  --layers l1 \
  --yes

这种分层管理策略可以有效减少不必要的数据存储和传输，提升系统性能。

多语言支持与优化

针对不同语言的语料场景，TencentDB Agent Memory提供了相应的优化选项。例如，在英文语料场景下，可以使用英文BM25分词：

npm run migrate:sqlite-to-tcvdb -- \
  --plugin-data-dir ~/.openclaw/memory-tdai \
  --openclaw-config-path ~/.openclaw/openclaw.json \
  --tcvdb-url http://127.0.0.1:80 \
  --tcvdb-username root \
  --tcvdb-api-key-env TCVDB_API_KEY \
  --tcvdb-database agent_memory_prod \
  --tcvdb-embedding-model bge-large-en-v1.5 \
  --bm25-language en \
  --yes

此外，还可以根据实际需求禁用BM25稀疏向量，仅使用密集向量检索：

npm run migrate:sqlite-to-tcvdb -- \
  --plugin-data-dir ~/.openclaw/memory-tdai \
  --openclaw-config-path ~/.openclaw/openclaw.json \
  --tcvdb-url http://127.0.0.1:80 \
  --tcvdb-username root \
  --tcvdb-api-key-env TCVDB_API_KEY \
  --tcvdb-database agent_memory_prod \
  --tcvdb-embedding-model bge-large-zh \
  --no-bm25-enabled \
  --yes

经验沉淀与复用

TencentDB Agent Memory帮助Agent学会用户的流程、保留任务上下文、复用历史经验。在实际应用中，要注意避免暴力的历史堆砌和不可逆的暴力摘要。例如，对于跨类型的记忆信息，如一条episodic"用户在2018年开始做播客"和一条persona"用户有播客制作经验"，可以合并为一条persona或episodic，具体取决于信息侧重。

通过合理的记忆管理和优化策略，TencentDB Agent Memory能够在生产环境中发挥出最佳性能，为AI Agent提供高效、可靠的记忆支持，让Agent沉淀经验，让人专注创造。