TencentDB-Agent-Memory：腾讯云Agent记忆引擎教程

GitHub：TencentCloud/agent-memory ⭐ 18K+ | Python | Apache 2.0

项目简介

TencentDB-Agent-Memory 是腾讯云开源的 Agent 记忆引擎，采用独特的4层渐进式管道架构，为 AI Agent 提供真正的长期记忆能力。与传统方案不同，它完全本地化运行，零外部 API 依赖，不用担心数据泄露。四层管道分别是：Chat Memory（对话记忆）、Skill（技能库）、LLM-Wiki（知识图谱）和 Code-Graph（代码图谱），层层递进，从短期对话记忆到长期知识沉淀，构建完整的Agent记忆体系。

安装

# pip 安装
pip install tencentdb-agent-memory

# 源码安装
git clone https://github.com/TencentCloud/agent-memory.git
cd agent-memory
pip install -r requirements.txt
python setup.py install

# 初始化本地存储
python -m agent_memory init --storage ./memory_store

核心功能

快速使用

from agent_memory import MemoryEngine

# 初始化记忆引擎（全本地运行）
engine = MemoryEngine(
    storage_path="./memory_store",
    llm_provider="local",  # 使用本地模型，零API依赖
    embed_model="bge-small-zh"
)

# 存储对话记忆
engine.chat.remember(
    session_id="user_001",
    content="用户偏好使用Python开发，喜欢Type Hint"
)

# 检索相关记忆
memories = engine.chat.recall(
    session_id="user_001",
    query="用户喜欢什么编程语言",
    top_k=3
)

# 写入长期知识
engine.wiki.add(
    title="Python类型提示最佳实践",
    content="使用typing模块...",
    tags=["python", "type-hint"]
)

# 技能学习与复用
engine.skill.save(
    name="code_review",
    steps=["读取代码", "分析结构", "输出建议"],
    success_rate=0.92
)

# 代码图谱构建
engine.code_graph.build("./my-project")
# 自动解析项目结构、依赖关系、调用链

与传统知识库方案相比，这套4层管道更贴近Agent的实际认知过程。如果你已经在用 AnythingLLM知识库搭建教程 中的方案，可以将TencentDB-Agent-Memory作为更深入的记忆层，实现从文档检索到代码级理解的全链路记忆。

适用场景