TencentDB Agent Memory: Bộ nhớ nhóm cho AI agent
TencentDB Agent Memory là hub bộ nhớ tự host của Tencent, biến hội thoại, tài liệu và code của agent thành bốn tài sản lâu dài — Chat Memory, Skill, Wiki và CodeGraph. Nên dùng nếu nhiều agent dùng chung một codebase và cần ngữ cảnh có version, gán được, thay vì giải thích lại mỗi phiên. Nên bỏ qua nếu chỉ cần một plugin RAG gọn nhẹ: hệ thống này cần chạy ba service cùng lúc và cấu hình hai bộ LLM, hiện vẫn gắn nhãn Beta.
Tìm hiểu về TencentDB Agent Memory
TencentDB Agent Memory là hub bộ nhớ cấp đội dành cho AI agent, do Tencent xây dựng bằng TypeScript. Thay vì lưu nguyên văn hội thoại, nó chắt lọc hội thoại, tài liệu và codebase thành bốn loại tài sản — Chat Memory, Skill, Wiki và CodeGraph — mỗi loại có ownership, version và quy tắc truy cập riêng. Hệ thống chạy dưới dạng ba service (memory-core, memory-hub, proxy) cùng bảng điều khiển web để gán quyền xem cho từng agent.
Thách thức của việc lặp lại công việc ở agent
Mỗi phiên agent mới đều bắt đầu từ số 0: ngữ cảnh dự án phải giải thích lại, tài liệu phải đọc lại từ trang đầu, và một workflow từng chạy tốt phải được khám phá lại. TencentDB Agent Memory nhắm đúng vào sự lãng phí cụ thể đó — không phải bộ nhớ nói chung, mà là chi phí lặp lại khi onboard một agent mới, hoặc một phiên mới của cùng agent, vào công việc ai đó đã làm rồi. Benchmark riêng của dự án cho thấy khoảng cách này: trên PersonaMem, độ chính xác của agent khi áp dụng thông tin người dùng trước đó tăng từ 48% lên 76% khi bật bộ nhớ.
Các tài sản bộ nhớ cốt lõi và cách quản lý
- ✓Bốn loại tài sản bộ nhớ: Chat Memory (sở thích, sự kiện, quyết định), Skill (quy trình tái sử dụng có version, điều kiện kích hoạt và quy tắc kiểm chứng), Wiki (tài liệu có cấu trúc với link graph), và CodeGraph (symbol code, file, quan hệ gọi hàm và phạm vi ảnh hưởng được index).
- ✓Mô hình bộ nhớ theo lớp: hội thoại thô được lưu là L0, sau đó được chắt lọc qua pipeline bất đồng bộ thành L1 Atom (sự kiện được trích xuất), L2 Scenario (khối kiến thức tổ chức theo dự án) và L3 Core/Persona (hồ sơ dài hạn).
- ✓Truy xuất lai (hybrid retrieval): L2/L3 cho ngữ cảnh khởi động nhanh theo mặc định; khi cần sự kiện cụ thể, tìm kiếm từ khóa BM25 kết hợp vector retrieval qua RRF và rơi xuống L1/L0, kết quả bị giới hạn bởi số lượng item, character budget và timeout.
- ✓Kiểm soát truy cập Fixed Binding + ACL: tài sản có thể là private, team, restricted (ACL theo User/Role/Agent) hoặc agent-scoped, nên một Release Skill có thể chỉ gán cho Release Agent trong khi một Architecture Wiki gán cho mọi dev agent.
- ✓Nhập dữ liệu cold-start: codebase, tài liệu và các phiên hội thoại agent trước đây có thể import trực tiếp để một đội agent mới bắt đầu từ kinh nghiệm đã tích lũy thay vì từ con số 0.
- ✓Hai tầng vai trò: System Admin toàn cục quản lý user, team và mọi loại tài sản; vai trò Admin và Member ở cấp team xử lý việc cộng tác và kiểm soát truy cập trong một team.
- ✓Agent khám phá và lấy bộ nhớ qua API — /v3/tools/list để xem những gì khả dụng, /v3/tools/call để đọc một trang Wiki, source code hoặc impact path — nên tài liệu và code chỉ vào context window khi thực sự cần.
Ví dụ: Xây dựng một đội agent
- •Một công ty một người vận hành bốn agent với vai trò riêng biệt — Scout (nghiên cứu), Builder (viết code/xây sản phẩm), Reviewer (kiểm thử/tìm lỗi) — cộng với con người, mỗi agent chỉ lấy đúng tài sản bộ nhớ liên quan đến việc của mình thay vì dùng chung một prompt.
- •Agent Scout được trang bị Chat Memory phỏng vấn người dùng, Wiki nghiên cứu thị trường và Skill phân tích đối thủ; agent Builder được trang bị Wiki sản phẩm, CodeGraph của dự án và Skill giao hàng tính năng — mỗi agent một bộ trang bị khác nhau, ít nhiễu hơn.
- •Agent Reviewer được trang bị Chat Memory về sự cố lịch sử cùng Skill checklist phát hành, để những vấn đề release đã từng giải quyết không bị agent nào chạy release tiếp theo phát hiện lại từ đầu.
- •Onboard một thành viên mới trong team, hoặc một agent mới, nghĩa là nạp các tài sản sẵn có của team thay vì giải thích lại dự án từ đầu.
Bắt đầu cài đặt
Cài đặt được tài liệu hóa rõ ràng: clone repo, cd vào deploy/global-images, copy .env.example thành .env, điền hai bộ tham số LLM (một cho nhóm memory, một cho nhóm proxy), rồi chạy ./start-all.sh — lệnh này khởi động cùng lúc memory-core, memory-hub và proxy, và khi xong sẽ in ra một dòng lệnh có thể dán thẳng vào Claude. Bảng điều khiển web mở tại http://localhost:8125. Tài liệu đầy đủ hơn — triển khai Memory Hub độc lập, dùng Proxy cùng Claude Code/CodeBuddy, dừng/dọn dẹp, và bảng tham chiếu port — nằm trong INSTALL.md. Nếu đang nâng cấp từ v1.x hoặc v0.x, có một công cụ migration riêng để chuyển dữ liệu sang v2.0.0 trở lên; cài mới thì không cần dùng đến.
Điểm mạnh
- ✓Bốn loại tài sản riêng biệt (Chat Memory, Skill, Wiki, CodeGraph) ánh xạ đúng vào các dạng dữ liệu khác nhau, thay vì dồn mọi thứ vào một index text đã chunk.
- ✓Kiểm soát chia sẻ chi tiết: private/team/restricted/agent kết hợp ACL theo User/Role/Agent, không chỉ là một công tắc chia sẻ hoặc không.
- ✓Khởi động bằng một lệnh: ./start-all.sh chạy cả ba service cùng lúc và đưa ra một lệnh có thể dán thẳng vào Claude khi xong.
- ✓Benchmark PersonaMem (48% lên 76%) ít nhất cũng đưa ra một con số cụ thể, kiểm chứng được, thay vì chỉ tuyên bố bộ nhớ tốt hơn.
- ✓Skill có version, điều kiện kích hoạt và quy tắc kiểm chứng, không chỉ là đoạn văn bản tự do, theo README.
Hạn chế hiện tại và lộ trình phát triển
- △README ghi rõ đây là Beta ("Team Memory Beta is evolving quickly") — tính năng và API vẫn có thể thay đổi.
- △CodeGraph hiện ưu tiên repository HTTPS công khai; hỗ trợ private repo và SSH credential vẫn đang được hoàn thiện, theo đúng ghi chú của README.
- △Wiki và CodeGraph được build bất đồng bộ, nên một bộ tài liệu hoặc codebase mới import cần thời gian xử lý trước khi đạt trạng thái "ready" — không truy vấn được ngay lập tức.
- △Việc định tuyến bộ nhớ giữa các agent vẫn phải làm thủ công: Hub hỗ trợ gán tài sản bằng tay, nhưng README nói việc định tuyến tự động hoàn toàn vẫn đang được hoàn thiện.
- △Hỗ trợ đa framework hiện chỉ giới hạn ở OpenClaw, Hermes, Claude Code, CodeBuddy và tích hợp SDK; hỗ trợ framework rộng hơn còn nằm trên lộ trình, chưa được triển khai.
So sánh các cách tiếp cận bộ nhớ cho agent
Câu hỏi thường gặp
TencentDB Agent Memory được phát hành theo giấy phép MIT, theo file LICENSE được liên kết trong README.
TencentDB Agent Memory hiện hỗ trợ OpenClaw, Hermes, Claude Code, CodeBuddy và tích hợp SDK trực tiếp; README liệt kê việc mở rộng sang nhiều framework hơn như một hạng mục trên lộ trình, chưa được triển khai.
TencentDB Agent Memory đi kèm một công cụ migration riêng để chuyển dữ liệu từ các bản v1.x hoặc v0.x cũ sang v2.0.0 trở lên; cài đặt mới thì không cần dùng công cụ này.
TencentDB Agent Memory bổ sung ownership, version, trạng thái và chia sẻ theo team/ACL lên trên retrieval — RAG tiêu chuẩn chỉ chunk-retrieve tài liệu nhưng không theo dõi ai được dùng kết quả, version nào đang hiệu lực, hay agent nào nên nhận nó, theo đúng bảng so sánh của chính dự án.
README gọi bản hiện tại là "Team Memory Beta" và ghi rằng nó "đang phát triển nhanh", đồng thời nêu rõ việc định tuyến bộ nhớ thủ công và hỗ trợ CodeGraph cho private repo còn hạn chế — nên xem đây là giai đoạn pre-production trừ khi bạn chấp nhận được API và hành vi có thể thay đổi.
Nên dùng khi nào — và nên bỏ qua khi nào
Nên thử TencentDB Agent Memory nếu bạn chạy nhiều agent, hoặc nhiều framework agent, trên cùng một codebase hay knowledge base và muốn các tài sản — Skill, trang Wiki, CodeGraph — tồn tại lâu dài và được gán có chủ đích thay vì nhồi lại vào mỗi prompt. Nên bỏ qua nếu bạn chỉ cần một lớp bộ nhớ đơn giản cho một agent: dựng memory-core, memory-hub, proxy rồi cấu hình hai bộ tham số LLM là nhiều hạ tầng hơn mức một dự án cá nhân thường cần. Các team đã dùng OpenClaw, Hermes, Claude Code hoặc CodeBuddy sẽ tận dụng được nhiều nhất hiện tại, vì đó là những framework duy nhất được README nêu là được hỗ trợ.