De acordo com pt.wedoany.com-A Tencent Cloud disponibilizou oficialmente em código aberto, a 14 de maio, o TencentDB Agent Memory, oferecendo capacidades de compressão de memória de curto prazo e memória personalizada de longo prazo para cenários de tarefas longas de Agentes. O projeto foi desenvolvido pela equipa de base de dados da Tencent Cloud, adotando a licença MIT de código aberto, estando pronto a usar e já adaptado a frameworks de Agentes mainstream como OpenClaw e Hermes.
O percurso técnico central do TencentDB Agent Memory é constituído por dois mecanismos: "Descarga de Contexto" e "Tela de Tarefas Mermaid". A Descarga de Contexto grava o resultado completo num ficheiro externo após cada chamada de ferramenta, mantendo no contexto apenas uma linha de resumo e o caminho do índice, deixando a informação original de ocupar a janela de contexto por longos períodos. A Tela de Tarefas Mermaid utiliza fluxogramas para organizar o processo de execução da tarefa num mapa estruturado e navegável, permitindo que o Agente não precise de memorizar todo o conteúdo, mas apenas saber a localização da informação chave e o caminho para a expandir. Estudos de ablação mostram que, apenas com a descarga, a poupança de Tokens é de cerca de 15%, aumentando para 31% a 33% quando combinada com a Tela Mermaid.
Em avaliações de sessões ultra longas, após a integração do TencentDB Agent Memory como plugin do OpenClaw, a taxa de sucesso no benchmark WideSearch aumentou de 33% para 50%, uma melhoria relativa de 51,52%, e o consumo de Tokens diminuiu de 221,31M para 85,64M, uma redução de 61,38%. A taxa de sucesso no SWE-bench subiu de 58,4% para 64,2%, com uma redução do consumo de Tokens de 33,09%. A taxa de sucesso no AA-LCR aumentou de 44% para 47,5%, com uma redução do consumo de Tokens de 30,98%. Na dimensão da memória de longo prazo, a precisão na avaliação PersonaMem subiu de 48% para 76%.
O TencentDB Agent Memory construiu uma arquitetura de memória progressiva de quatro camadas. A camada L0 de Diálogo Bruto retém integralmente cada interação; a camada L1 de Memória Atómica extrai automaticamente factos, preferências, restrições e conclusões parciais; a camada L2 de Indução de Cenários agrega automaticamente por tarefa; e a camada L3 de Perfil de Utilizador destila continuamente um perfil estável de longo prazo. As camadas são interligadas por um pipeline de extração—agregação—destilação, podendo qualquer uma delas ser atualizada ou substituída independentemente.
A funcionalidade de memória de longo prazo deste produto foi disponibilizada gratuitamente em abril de 2026. No mesmo mês, Wang Dengyu, Arquiteto Especialista em Armazenamento da Tencent Cloud, propôs o conceito de Agent Memory Lake na Cimeira de Inteligência Artificial e Infraestrutura de 2026, visando construir uma base de memória unificada para agentes, à semelhança de um data lake, que percorra todo o fluxo de compreensão, raciocínio, execução e reflexão do Agente. Ao nível do modelo subjacente, a versão de pré-visualização do Tencent Hunyuan Hy3 foi lançada e disponibilizada em código aberto no final de abril de 2026, alcançando melhorias significativas em múltiplas dimensões como raciocínio complexo, memória longa, questionamento em múltiplas rondas e capacidades de Agente, formando um suporte bidirecional com o TencentDB Agent Memory ao nível da memória, tanto do lado do modelo como da engenharia.
O TencentDB Agent Memory utiliza, por padrão, armazenamento local SQLite, sem dependências externas. Os utilizadores podem concluir a instalação executando o comando openclaw plugins install@tencentdb-agent-memory/memory-tencentdb na linha de comandos. A Tencent Cloud anunciou simultaneamente o futuro lançamento da versão Agent Memory Pro, destinada a cenários multiutilizador e empresariais, construída com base na base de dados vetorial da Tencent Cloud, com suporte para capacidades de governação de dados como backup, restauro e controlo de permissões.
