随着AI智能体（Agent）越来越多地承担复杂、长链路任务，如何高效管理任务执行过程中的海量信息，避免上下文窗口被快速占满，已经成为影响成本控制与运行稳定性的核心难题。近日，腾讯云正式推出一项开源解决方案，致力于为开发者提供更强大的Agent长期记忆管理能力。

腾讯云正式开源TencentDB Agent Memory项目，核心面向Agent长任务场景，提供短期记忆压缩与长期个性化记忆能力。据介绍，该方案的长期记忆功能已于上月上线并开放免费使用，而此次开源的重点，则集中在其创新性的短期记忆压缩技术。根据官方实验数据，在多任务连续会话场景下，该方案可实现最高降低61%的Token消耗，同时提升长任务执行成功率。

Mermaid任务画布：为Agent构建清晰的任务导航图

在长任务执行过程中，Agent通常需要经历数十次甚至上百次工具调用，线性堆叠的历史记录很容易让模型难以梳理完整任务脉络。为解决这一问题，腾讯云数据库团队采用Mermaid流程图，将任务执行过程组织成一张可导航的“任务画布”。Mermaid是一种广泛应用于GitHub和技术文档中的图形描述语言，主流大模型天然具备较强的读写能力，同时其纯文本格式也便于持续更新与人工审阅。

借助这张任务画布，Agent不必记住全部执行细节，也能够清楚识别任务的并行分支、步骤之间的依赖关系，以及当前所处的执行阶段。历史记录不再只是难以恢复的压缩摘要，而是转化为一张既可折叠又能随时展开执行的任务地图，从根本上缓解了长任务场景下Agent容易“迷失上下文”的问题。

上下文卸载技术：降低Token消耗且不丢失关键信息

任务画布解决的是结构化记忆问题，但在长任务场景中，工具返回结果、网页内容、运行日志等原始信息规模依然十分庞大，若全部保留在上下文中，将迅速耗尽上下文窗口。Agent Memory的另一项关键能力，正是“上下文卸载”技术。

具体来看，每次工具调用结束后，其完整结果都会写入外部存储文件，而上下文窗口中仅保留一行摘要与索引路径。原始数据并没有被删除，而是通过四层递进结构存储在外部，支持在需要时按需回溯：从高层轻量摘要，到中层结构化信息，再到底层完整原始证据。每一层压缩都不是黑盒处理，系统中的每一条信息都可以沿着索引链路100%找回，从而保证整个任务过程具备良好的透明性、可追溯性与可靠性。

效果明显，且便于开发者快速集成

根据官方公布的多任务连续会话实验结果，在非单题清空上下文的设定下，这一方案在显著减少Token消耗的同时，也带来了任务成功率的提升。研究人员认为，这是因为上下文中的无效噪声减少后，模型的注意力能够更集中于当前任务目标。进一步的消融实验显示，仅使用上下文卸载技术即可节省约15%的Token，而叠加Mermaid画布后，整体节省效果可提升至31%–33%，进一步体现出任务画布结构本身的独立价值。

在集成与使用体验方面，TencentDB Agent Memory目前已适配OpenClaw、Hermes等主流Agent框架，支持一键安装与快速集成。该方案默认采用本地SQLite存储，所有中间产物均为人类可读的Markdown或Mermaid文件，从而实现零外部依赖。对于对检索能力有更高要求的应用场景，它还支持接入腾讯云向量数据库，以实现混合检索能力。

项目团队表示，他们希望Agent的上下文窗口不再是一张被无限堆叠信息占满的杂乱桌面，而是一个结构清晰、可持续运转的有序工作台。此次开源，意味着将内部已经验证过的产品能力正式开放给开发者社区，目标是帮助Agent不断沉淀经验，让开发者的每一次交互都转化为可积累、可复用的智能资产。