# Tencent AI 發布 Team Memory 2.0.0 beta：隊友的 Agent 也能讀取共享記憶資產，repo 本週登上 GitHub TypeScript trending 第 1

> 📖 本站完整內容索引（documentation index）：[llms.txt](/llms.txt)

> 原作者：Tencent AI (@TencentAI_News) · 策展與摘要：EasyVibeCoding · 平台：X (Twitter) · 熱度：🔥 · 日期：2026-08-07

> 原始來源：https://x.com/TencentAI_News/status/2085272380759581092

## 證據與延伸閱讀

- [Tencent AI發布Team Memory登上第1名](https://x.com/TencentAI_News/status/2085272380759581092)
- [5月14日首次公開降低token與迷失](https://x.com/TencentAI_News/status/2054822609863496178)
- [Memory Hub支援自動擷取與匯入](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/README.md) — 官方 Repository
- [視覺圖表數據與效能改善百分比](https://pbs.twimg.com/media/HPBe9B-asAAUMuX.jpg?name=orig)

## 中文摘要

Tencent AI 發布 Team Memory 2.0.0 beta：隊友的 Agent 也能讀取共享記憶資產，repo 本週登上 GitHub TypeScript trending 第 1。

**核心分享** Tencent AI 在 2026 年 8 月 6 日介紹 Team Memory，定位是「Agent Memory 的團隊版本」：除了讓單人開發者集中管理多個 Agent 與 AI 工具的記憶，也讓團隊成員的 Agents 讀取經過治理與分享的共同資產。當天釋出的 2.0.0 beta 版本，包含 Chat Memory、Skill、LLM-Wiki 與 Code-Graph 四類可重用資產；Tencent AI 並表示，專案本週登上 GitHub TypeScript trending 第 1 名。貼文連結至 [TencentDB-Agent-Memory](https://github.com/TencentCloud/TencentDB-Agent-Memory)。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/c00d2ada1f78477c.jpg)
> TencentCloud/TencentDB-Agent-Memory 的 GitHub Stars 歷史累積量在 8 月迅速飆升並突破 14K。

Tencent AI 也回顧了 2026 年 5 月 14 日首次公開 Agent Memory 的經驗。團隊花了 6 個月處理 Agent 在長 session 中遺失 context 的問題，聲稱在 session 中壓縮過時 context 後，token 使用量降低 61%；加入以 Mermaid 為基礎的結構化 task map 後，Agent 在超過 30 個步驟的工作流程中較不容易失去進度；加入專門的 persona memory 後，persona 一致性從 48% 提升到 76%。團隊同時承認 Agent memory「far from settled」，尚未掌握所有答案，並邀請社群討論架構、benchmark 與取捨。當時的專案連結為 [Tencent/TencentDB-Agent-Memory](https://github.com/Tencent/TencentDB-Agent-Memory)。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/766ae4b15d1064d3.jpg)
> TencentDB Agent Memory 的橫幅圖片，左側為吐司形狀的節點圖標，右側上方為黑藍色的大標題與斜體標語，下方置中重複標語並排列多個版本與社群狀態徽章；該橫幅取自 2026 年 5 月的貼文，npm 徽章顯示 v0.3.4。

**要解決的問題** 系統的出發點不是保存所有對話，而是避免 Agent 一再學習同樣的背景、重做相同工作。既有資訊會被整理成可攜式的 memory assets，形成「更少 turns → 更少 rework → 更穩定的結果與更高效率」的鏈條。這些資產不綁定單一 Agent framework，能在不同 Agent、framework 與團隊成員之間攜帶，也能在建立新 Agent 時直接載入，降低 cold start。與 RAG 的差別在於，RAG 解決的是「找不找得到」，Team Memory 另外回答「誰能用、哪個版本有效、該給哪個 Agent」。

Memory Hub 將記憶管理延伸到完整生命週期：

- 從對話與任務自動擷取 Chat Memory 與 Skills。
- 將文件、產品規格與作業流程轉成 Wiki。
- 將程式碼建立成 CodeGraph，保存檔案、符號與呼叫關係。
- 集中進行審核、版本管理、權限控管、路由與分享。
- 匯入既有的 codebase、文件／檔案與過去的 Agent conversation sessions，直接產生 CodeGraph、Wiki、Skills 與 Chat Memory。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/6dd9440205674e13.jpg)
> OpenClaw 在整合 TencentDB Agent Memory 後，token 消耗最高降低 61.38%，任務成功率相對提升最高 51.52%，PersonaMem 準確率提高至 76%。

**四類記憶資產** Chat Memory 保存 preferences、facts、decisions 與 interaction history。它不只保留原始對話，而是從 L0 Conversation、L1 Atom、L2 Scenario 到 L3 Persona 逐層提煉：L0 保存完整原文、timestamps 與 sources；L1 整理 facts、preferences、constraints 與 events；L2 依 project 或 scenario 組織 knowledge blocks；L3 則保存長期 profile、穩定 patterns 與高階 cognition。如此一來，新 Agent 可以直接取得自己的記憶，不必反覆被告知例如「不要重構舊 auth module，因為 mobile 仍在使用」。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/f60955b254e8b889.jpg)
> 記憶層級架構圖顯示從 L0 到 L3 的金字塔結構與右側對應的詳細說明區塊，底部並列標示從 Fragmented Dialogue 到 Service Profile 的處理流程。

Skill 也不只是可複製的 prompt snippet，而是包含以下內容的專業 asset：

- versions
- resource files
- trigger boundaries
- execution steps
- validation rules

新的 Chat Memory 與 Skills 預設為 `private`，必須經過明確審核與分享才會交給團隊或其他 Agent。Wiki 會把 product docs、design specs 與 ops runbooks 轉成帶有 link graph 的結構化頁面，設計概念受到 Andrej Karpathy 的 [“LLM Wiki”](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) 啟發。CodeGraph 則索引 code symbols、files、call relationships 與 impact paths，讓 Agent 在修改前檢查 callers、callees 和可能受影響的範圍，而不是只搜尋到某個檔案的位置。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/417006f33dd7b70d.png)
> Memory Hub 平台的 Chat_Memory 介面，左側顯示成員與權限、Wiki 知識庫與 Code_Graph 等選單，右側主畫面展示團隊資產中「Memory of 文檔工程師」的 L3 核心記憶內容與 Team Operating Doctrine 詳細文件。

**團隊治理與 Agent 配置** Memory Hub 被設計成由 humans 控制的 control panel，而不是單純顯示資料的面板。它提供五組主要操作：

- **Team Up**：建立 teams、加入 people／Agents，並定義 sharing boundaries。
- **Asset Library**：管理 Chat Memory、Skills、Wiki 與 CodeGraph。
- **Agent Loadout**：替不同 Agent 綁定 assets，並調整 priority 與 usage mode。
- **Knowledge Workshop**：建立 Wiki／CodeGraph，查看 processing status 與 metadata。
- **Access Control**：管理 private、team 與 ACL access，也能撤銷分享。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/e6a0e5fed6043441.png)
> Memory Hub 平台的 Skill 技能管理介面，畫面左側為導覽列，右側主區域為 Skill 資產管理的 Agent 資產列表，選取 `git-single-commit-workflow` 後，右側顯示該 skill 的詳細內容與使用情境。

權限設計包含幾種層級。`private` 僅 Owner 可讀，連 team admins 也不能讀取；`team` 讓團隊成員查看，Owner／Admin 負責管理；`restricted` 透過 User／Role／Agent ACL 精準授權；`agent` 則用於同一 team 內定向裝備 Agent。System Admin 管理 users／teams，Team-level roles 為 Admin 與 Member，Owner 自動擁有資產管理權。使用者開啟 asset 時，還需要檢查來源、版本、指派對象與近期使用狀況。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/aa9a458cc70068eb.png)
> Memory Hub 平台的 Wiki 知識庫圖譜介面，畫面中央呈現帶有 54 個 nodes 與 119 個 edges 的互動式知識圖譜，節點包含 scene-navigation、PersonaGenerator、SerialQueue 與 memory-original-search 等實體，右側面板顯示點擊節點查看內容的提示。

Tencent AI 以一人公司示範這種配置：You 可以搭配 Scout 負責 research、Builder 負責 code、Reviewer 負責 test，再由 Agent Memory 保存累積的經驗。實際上可以把 Release Skill 指派給 Release Agent，把 Architecture Wiki 提供給 development Agents，再將 CodeGraph 綁定給 Coder 與 Reviewer。團隊特別強調，這不是共享隱私；記憶與 Skills 預設不會自動洩漏，分享必須由人明確操作。 

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/e3cf113afc7f57cb.png)
> 該平台的 Code_Graph 資產詳情頁，上方顯示儲存庫 URL、同步狀態「就緒」與最後同步時間，下方列出 131 個檔案、2,448 個圖節點及 7,445 個圖邊的統計數據，並提供程式碼搜尋與程式碼探索的查詢輸入框。

**取回策略與 Agent loop** 系統的技術重點是判斷「什麼值得保留、誰能使用，以及下次如何用更少內容取回更正確的結果」。L2／L3 通常先提供 context bootstrap；當 Agent 需要具體細節時，再以 BM25、vector retrieval 與 RRF 回溯到 L1／L0。取回結果還受到 item count、character budget 與 timeout limits 限制，避免記憶內容反過來壓垮 context window。

Chat Memory、Skills、Wiki 與 CodeGraph 會統一註冊為 Memory Assets。Memory Hub 先依 Team、User、Agent 與 visibility 縮小可存取範圍，再按 query retrieval；切換 Agent 或 framework 時只需重新 equip，不必重新訓練。Agents 也不會一次把整個 Wiki 或 codebase 整批注入 context，而是先發現可用能力，再按需讀取頁面、source code 或 impact paths：

```text
/v3/tools/list
/v3/tools/call
```

Wiki 與 CodeGraph 以非同步方式建立，需等待處理狀態變成 `ready`。CodeGraph 目前優先支援 public HTTPS repositories，private repositories 與 SSH credentials 仍在完善；手動 asset binding 已可使用，但全自動 memory routing 仍在迭代。團隊用一句話描述持續累積的效果：每個 Agent loop 都可以保留有價值的互動、萃取已驗證的 workflow，並同步更新文件與程式碼；沒有 inherited memory 時，loop 可能只是更快重複，只有繼承過往結果才可能逐次改善。相關流程圖見 [Every Loop Gains Experience](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/assets/images/flowchart4.png)。

**評測與限制** 公開 benchmark 中，PersonaMem 在未啟用記憶時為 48%，啟用後為 76%，相對改善 +59%。測試目標是確認 Agent 在 extended interactions 後，能否正確理解並套用使用者資訊。這些數字支持 Tencent AI 對 persona memory 的主張，但不能直接推論所有任務都會有同等幅度的改善；團隊也明確提醒，Agent memory 仍未形成定案標準。

目前 TencentDB Agent Memory 支援 OpenClaw、Hermes、Claude Code、CodeBuddy 與 SDK integration，更廣泛的 cross-framework migration 已列入 roadmap。CodeGraph asset module 使用 [CodeGraph](https://github.com/colbymchenry/codegraph) 的 code；Skill asset management 使用 [Hermes Agent](https://github.com/nousresearch/hermes-agent) 部分 Skill-related code，再由團隊進一步最佳化。不過，這套整合的自動化程度與 framework 相容性仍在發展中。

**安裝與版本遷移** 引用來源所述的 Team Memory Beta 安裝會一次啟動 `memory-core`、`memory-hub` 與 `proxy`。需求為 Node `>=22.16`，相容 OpenClaw `>=2026.3.13`（亦支援 Hermes／Claude Code／CodeBuddy／SDK），管理面板位於 [http://localhost:8125](http://localhost:8125)。專案授權為 MIT，部署步驟如下：

```bash
git clone https://github.com/Tencent/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory/deploy/global-images
cp .env.example .env
$EDITOR .env
./start-all.sh
```

`.env` 需填入兩組 LLM 參數（memory 組與 proxy 組）；啟動完成會印出可直接貼進 Claude 的一行指令。

完整部署、Proxy 搭配 Claude Code／CodeBuddy、停止清理與連接埠參考，可查看 [INSTALL.md](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/INSTALL.md) 與 [INSTALL_CN.md](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/INSTALL_CN.md)。舊版 `v1.x`／`v0.x` 資料若要遷移至 `v2.0.0+`，可使用 [Data Migration Tool (v2 → v3)](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/MemoryCore/scripts/migrate-v2-to-v3/README.md)；新安裝可跳過此步驟。Knowledge OpenAPI 位於 [openapi.yaml](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/MemoryKnowledge/openapi.yaml)。

**開放協作** Tencent AI 沒有把這套架構描述成已完成的標準，而是表示 Agent Memory 仍「far from settled」。團隊邀請社群提交 bug reports、documentation、benchmarks、new framework adapters 與 Memory Hub use cases，並承諾透過 [GitHub Issues](https://github.com/Tencent/TencentDB-Agent-Memory/issues) 在 24 小時內回應；架構提案可放在 GitHub Discussions。有意貢獻者應先閱讀 [CONTRIBUTING.md](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/CONTRIBUTING.md)，也可加入 [Discord community](https://discord.gg/dJQM6mKMF)。授權檔為 `./LICENSE`，亦可查看 [LICENSE](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/feat/server_team/LICENSE)。對 Tencent AI 而言，這次分享的重點不只是推出一個 memory system，而是把 Agent 的長期經驗轉成可審核、可攜帶、可分工的資產，並公開邀請社群共同決定這類基礎設施應如何演進。

## 媒體內容

**TencentCloud/TencentDB-Agent-Memory 的 GitHub Stars 歷史累積量在 8 月迅速飆升並突破 14K。**

**數據表**

|   | 起始 | June | July | August | 結束 |
| --- | --- | --- | --- | --- | --- |
| TencentCloud/TencentDB-Agent-Memory | 0 | ~4.5K | ~6.5K | ~10K | >14K |

**OpenClaw 在整合 TencentDB Agent Memory 後，token 消耗最高降低 61.38%，任務成功率相對提升最高 51.52%，PersonaMem 準確率提高至 76%。**

**數據表**

|   | OpenClaw Success | With Plugin | Relative Δ Success | OpenClaw Tokens | With Plugin Tokens | Relative Δ Tokens |
| --- | --- | --- | --- | --- | --- | --- |
| Short-term · WideSearch | 33% | 50% | +51.52% | 221.31M | 85.64M | -61.38% |
| Short-term · SWE-bench | 58.4% | 64.2% | +9.93% | 3474.1M | 2375.4M | -33.09% |
| Short-term · AA-LCR | 44.0% | 47.5% | +7.95% | 112.0M | 77.3M | -30.98% |
| Long-term · PersonaMem | 48% | 76% | +59% | — | — | — |

## 標籤

Agent, 記憶系統, 功能更新, 開源專案, GitHub