腾讯把 Agent "失忆症"开源了！上下文窗口瘦身 61%，长任务终于不崩了。

导读

5 月 14 日，腾讯云正式开源 TencentDB Agent Memory——一款专门解决 Agent 长程任务"上下文爆炸"问题的记忆组件。

指标	数据
Token 消耗降低	最高 61%
任务成功率	不降反升
核心能力	上下文卸载 + Mermaid 任务画布
适配	OpenClaw，一行命令装完

Agent 最怕什么

不是不会做，是做到一半"失忆"了。

痛点场景

你给 Agent 一个 20 步的任务，它跑到第 15 步开始输出混乱。

问题	原因
输出混乱	不是变笨了
不知道走到哪	上下文堆了一堆工具调用返回值
注意力稀释	搜索结果日志、中间步骤输出

本质上不是模型能力不足，是信息组织方式出了 bug。

腾讯云数据库团队的观点

观点	说明
流水账	适合记录
地图	适合导航

Agent 需要的是一张能折叠、能展开、有结构的任务地图。

核心技术一：Mermaid 任务画布

什么是 Mermaid

Mermaid 是 GitHub 和技术文档圈里最常见的图描述语言，主流大模型对它有天然的读写能力。

任务画布的结构

元素	说明
节点	每个步骤的执行状态（完成/进行中/失败）
连线	步骤之间的前置依赖关系
分支	并行执行路径
当前位置	当前所处阶段

Agent 的思维方式

Agent 不需要记住所有内容，只需要知道：
"信息在哪，当前在哪，必要时怎么展开"

效果

画布不是把历史压成一段不可逆的摘要，而是变成了一张可以继续执行的地图。

核心技术二：上下文卸载

原理

┌─────────────────────────────────────────────────────────────┐
│                    上下文卸载架构                            │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│   原始上下文                                                │
│   └── 工具调用 → 搜索日志 → 中间输出 → 历史记录               │
│              ↓                                              │
│   卸载处理                                                 │
│   └── 提取关键信息 → 结构化存储 → 生成索引                    │
│              ↓                                              │
│   精简上下文                                               │
│   └── Mermaid 画布 + 索引 → 仅保留必要信息                   │
│                                                             │
└─────────────────────────────────────────────────────────────┘

三层索引

层级	内容	保留位置
结构层	Mermaid 画布	上下文内
摘要层	关键决策和结果	上下文内
原始层	完整历史	向量数据库

实测效果

指标	数据
Token 消耗	降低 61%
任务成功率	不降反升
长程任务稳定性	显著提升

安装指南

适配 OpenClaw

# 一行命令安装
openclaw install agent-memory

# 或手动安装
npm install @tencent/agent-memory

配置示例

# config.yaml
agent_memory:
  enabled: true
  mermaid_canvas: true
  context_offload:
    enabled: true
    strategy: "auto"  # auto / manual
  vector_store:
    type: "qdrant"    # qdrant / pinecone / weaviate
    url: "http://localhost:6333"

启动

# 启动 Agent（自动启用 Memory）
openclaw run --agent your-agent --enable-memory

适合谁

推荐	说明
长程任务开发者	20+ 步的任务
多轮对话应用	需要保持上下文一致性
复杂 Agent 系统	多工具调用、多分支
OpenClaw 用户	已适配，直接可用

不适合谁

不推荐	原因
短任务（<5步）	上下文还没爆炸
单轮问答	不需要记忆
简单脚本	额外开销不划算

开源意义

维度	意义
技术	解决了 Agent 长程任务的痛点
生态	适配 OpenClaw，开箱即用
行业	大厂下场，标准化可能
效率	61% Token 节省 = 成本降低

与其他方案对比

方案	Token 优化	任务成功率	适配难度
Agent Memory	61%	提升	低（OpenClaw 原生）
摘要压缩	30%	下降	中
滑动窗口	40%	持平	低
原生长度	0	下降	无

一句话总结

TencentDB Agent Memory = 给 Agent 装上记忆组件，上下文窗口瘦身 61%，长程任务不崩。

核心：不是塞更多 Token，而是用 Mermaid 画布组织信息，让 Agent 知道"信息在哪，当前在哪，必要时怎么展开"。

已适配 OpenClaw：一行命令装完，马上可用。