أنظمة الذاكرة التقليدية للوكلاء تقطّع المحادثات لشظايا وتضعها في مخزن متجهات مسطح، يتحول الاسترجاع لبحث أعمى بلا سياق هرمي. مشروع TencentDB Agent Memory يرفض هذا النمط، ويبني بدلًا منه هرمًا دلاليًا بأربع طبقات: محادثة خام (L0)، وحقائق ذرية (L1)، ومشاهد (L2)، وملف شخصي مكثف للمستخدم (L3). ويمكن الغوص من كل طبقة إلى ما تحتها عند الحاجة لتفاصيل دقيقة.
الذاكرة الرمزية لضغط السياق
أكبر مستهلك للتوكنات في المهام الطويلة هو سجلات الأدوات المطولة (نتائج بحث، كود، أخطاء). المشروع يرحّل هذه السجلات الكاملة لملفات خارجية، ويبقي في السياق فقط خريطة Mermaid خفيفة تلخّص حالة المهمة. الوكيل يستدل من الرسم، ويرجع للنص الخام فقط عبر معرّف عقدة (node_id) عند الحاجة الفعلية للتحقق.
أرقام حقيقية من الاختبارات
عند دمجه مع منصة OpenClaw، خفّض استهلاك التوكنات حتى 61.38% ورفع معدل نجاح المهام 51.52% نسبيًا على اختبار WideSearch، ورفع دقة استرجاع الشخصية (PersonaMem) من 48% إلى 76%. وهي نتائج مقاسة عبر جلسات طويلة مستمرة لا لفتات معزولة.
التشغيل وقابلية الفحص
يعمل كإضافة (plugin) مباشرة لمنصتي OpenClaw وHermes، بخلفية SQLite محلية افتراضيًا بدون أي اعتماد على خدمة سحابية خارجية إلزامية. كل الملفات الوسيطة (الشخصية، المشاهد، خرائط المهام) نصوص Markdown أو Mermaid قابلة للفتح والفحص مباشرة. ويصبح تصحيح الأخطاء مسارًا واضحًا من الملف الشخصي رجوعًا للمحادثة الخام، لا صندوقًا أسود من درجات تشابه متجهية.