← Découvrir
Découvrir · GitHub · TencentDB-Agent-Memory↑ +318 aujourd'hui

Mémoire en couches pour les agents IA

TencentDB Agent Memory offre une solution de mémoire à long terme entièrement locale pour les agents d'intelligence artificielle avec un processus en quatre étapes. Il effectue des opérations de stockage et de rappel de données sans avoir besoin d'interfaces de programmation d'applications (API) externes.

Mises à jour

  • 7 août 2026: Étoiles 15,363 → 16,699, dernière version v2.0.0 (3 août 2026).
  • 6 août 2026: Étoiles 12,420 → 15,363, dernière version v2.0.0 (3 août 2026).
  • 4 août 2026: Étoiles 10,727 → 12,420, dernière version v2.0.0 (3 août 2026).
  • 2 août 2026: Étoiles 7,846 → 10,727, dernière version v1.0.1 (14 juillet 2026).

Mise à jour

  • 7 août 2026 : Étoile 15 363 → 16 699, dernière version v2.0.0 (3 août 2026).
  • 6 août 2026 : Star 12 420 → 15 363, dernière version v2.0.0 (3 août 2026).
  • 4 août 2026 : Star 10 727 → 12 420, dernière version v2.0.0 (3 août 2026).
  • 2 août 2026 : Étoile 7 846 → 10 727, dernière version v1.0.1 (14 juillet 2026).

Ce que ça vous apporte

  • Réduit l'utilisation des jetons jusqu'à 61 %
  • Augmente le taux de réussite dans les tâches complexes
  • Stocke les données dans une structure symbolique et en couches

Installation

Installation du paquet
mkdir -p ~/.memory-tencentdb
TEMP_DIR=$(mktemp -d)
cd "$TEMP_DIR"
npm init -y --silent
npm install @tencentdb-agent-memory/memory-tencentdb@latest --omit=dev
cp -r node_modules/@tencentdb-agent-memory/memory-tencentdb \
      ~/.memory-tencentdb/tdai-memory-openclaw-plugin
rm -rf "$TEMP_DIR"
Installation des dépendances
cd ~/.memory-tencentdb/tdai-memory-openclaw-plugin
npm install --omit=dev
npm install tsx

Exécution

Démarrage du serveur
cd ~/.memory-tencentdb/tdai-memory-openclaw-plugin
  npx tsx src/gateway/server.ts
Vérifier la connexion
curl http://127.0.0.1:8420/health

Si vous ne codez pas

🤖 Collez ceci dans votre agent (Claude Code · Codex · Antigravity)

Configurez la mémoire à long terme de mon agent IA à l'aide de la mémoire de l'agent TencentDB. Au lieu d'une pile vectorielle plate de données, utilisez des graphiques symboliques Mermaid pour les tâches à court terme et une pyramide de mémoire en couches L0-L3 pour les expériences à long terme. Permettez à l'agent de stocker les conversations passées, les faits atomiques et les préférences de l'utilisateur dans cette structure hiérarchique et de les rappeler chaque fois que nécessaire avec une traçabilité complète via node_id.

Termes liés du glossaire

Long-term MemoryMemoryTokenAgentAPIArtificial Intelligence
Pour quiIl s'adresse aux développeurs qui ne veulent pas que leurs agents IA oublient le contexte et visent à obtenir des résultats plus cohérents en réduisant les coûts des jetons.

Liens

TreScout n'a pas développé cet outil · nous l'avons repéré dans les tendances GitHub et présenté. Cette page décrit le dépôt tel qu'il était le 2026-07-09 : Le nombre d'étoiles et notre texte datent de ce jour, le dépôt a pu changer depuis. Consultez le lien du dépôt pour l'état actuel.