--- title: "TencentDB Agent Memory：SQLite 与离线依赖" canonical: https://wavect.io/zh/blog/tencentdb-agent-memory-sqlite-review/ language: zh description: "TencentDB Agent Memory 本地部署是否需要模型 API？核对 SQLite、61% Token 与 PersonaMem 数据，区分旧插件和新版 Hub，再用断网、指令更正与证据追溯测试决定架构。" image: "https://wavect.io/img/blog/headers/header_tencentdb-agent-memory-sqlite-review.png" author: ["Kevin Riedl"] published: "2026-10-30" updated: "2026-10-30" reviewed: "2026-10-30" --- # TencentDB Agent Memory 本地部署：SQLite 够用吗？ [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 10 分钟 阅读 · 2026年10月30日 最近审核 2026年10月30日 [**下一篇**](/zh/blog/openviking-agent-memory-review/) 要点速览 TencentDB Agent Memory 可将记忆保存在本地 SQLite，但提取和聚合仍依赖配置的模型。旧版插件报告约减少 61% 的 Token，PersonaMem 从 48% 升至 76%，两者衡量不同任务。选型时需区分新版团队 Hub，验证断网、更正与来源追溯，再决定是否增加独立检索服务。 智能体一开新会话，你又得解释一遍项目约束。持久记忆应该帮你省下这份重复劳动。 **TencentDB Agent Memory 可以把持久记忆保存在本地 SQLite 中。**对于范围明确的部署，独立的托管向量服务并非必需。但记忆提取仍需要配置语言模型，系统也保留了向量检索选项。 [MemoryCore 运行说明](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/ecc01a545da0b2ac6cae2f0f0af0d39d41469793/MemoryCore/README.md) 明确列出了这些依赖。 **资料核查日期：2026年10月30日。**本文核对了固定版本的文档与配置，不包含 Wavect 部署实测或独立复现的基准结果。下文的试点方案属于我们的评估建议。 ## 讨论的是哪个版本的 TencentDB Agent Memory？ TencentDB Agent Memory 已从插件发展为团队 Memory Hub。Token 节省数据来自 [较早的插件文档](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/a3c2d8600b5d8ab51d5389e55ce62ca8da16b833/README.md) 。 [新版 Hub 文档](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/ecc01a545da0b2ac6cae2f0f0af0d39d41469793/README.md) 则介绍了共享的 Chat Memory、Skills、Wiki 与 CodeGraph 资产。 | 范围 | 评估重点 | 资料版本 | | --- | --- | --- | | 插件架构 | OpenClaw 集成、可选的短期上下文卸载，以及最初的 Token 数据表。 | `main`，`a3c2d860` | | 团队 Memory Hub | Memory Core、Hub 与代理；支持团队、用户和智能体访问关系的可复用资产。 | `feat/server_team`，`ecc01a54` | 安装时应使用所选版本对应的说明。旧版 Mermaid 卸载设计不能代表当前每一种代理集成的行为。 ## TencentDB Agent Memory 能替代向量数据库吗？ TencentDB Agent Memory 允许部分部署省去独立向量服务，同时保留向量检索选项。 [插件配置](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/a3c2d8600b5d8ab51d5389e55ce62ca8da16b833/openclaw.plugin.json) 列出了 SQLite 配合 `sqlite-vec`，以及 Tencent Cloud VectorDB 两种后端。 [当前独立版 MemoryCore](#evidence-1) 默认采用 BM25 关键词检索，并关闭远程嵌入。 “中国已经终结了向量数据库行业”超出了这些证据能支持的范围。腾讯提供的是具有多种存储与检索选项的记忆系统。某个工作负载不再需要托管服务，无法证明所有分布式搜索系统都失去了价值。 记忆如何组织，与选择哪种数据库也是两项决定。向量索引可以保存原文引用，应用也能在其外围管理来源、时间和访问权限。另一种分层设计可参考我们的 [OpenViking 文件系统记忆评测](/zh/blog/openviking-agent-memory-review/) ，其中讨论了该产品的目录式检索。 ## L0 至 L3 四层记忆如何工作？ TencentDB 的 [四层记忆](#evidence-3) 将对话逐步整理为更精简的上下文：原始对话、原子事实、场景知识，以及用户画像或核心记忆。派生结论能否追溯到支持它的证据，决定了这些层是否有用。 | 层级 | 信息形态 | 需要检查的示例 | | --- | --- | --- | | L0 Conversation：原始对话 | 保留原始对话 | 用户周一允许 Atlas 项目周五部署，周三撤回这项许可。 | | L1 Atom：原子记忆 | 提取出的事实或约束 | 当前约束应为：周五部署已不再获批。 | | L2 Scenario：场景记忆 | 项目或场景上下文 | Atlas 发布记录应将撤回许可与受影响的发布关联起来。 | | L3 Core / Persona：核心记忆或画像 | 更稳定的长期画像 | 通用沟通偏好可能适合放在这一层；临时发布例外不应变成永久的个人特征。 | 周四询问智能体能否部署，要求它给出周三的更正及其来源。仅仅找回两条消息，却不判断先后顺序，并不够用。这是一项建议的测试，并非已观察到的产品结果。 上层内容属于派生解释。保留原始材料可以让解释接受检查，但不能保证摘要准确或检索永不丢失信息。部分产物采用 Markdown，其他内容则是数据库记录或 JSONL。 ## Mermaid 与 node_id 如何处理工具日志？ [较早的插件设计](#evidence-2) 将工具原始输出存入文件，用 JSONL 保存步骤摘要，并在上下文中保留精简的 Mermaid 任务画布。`node_id` 通过 `result_ref` 将步骤关联到下层证据。智能体可以按需核查，而不必反复读取全部日志。 例如，任务画布记录了 Atlas 构建失败。智能体修改依赖前，应调出失败命令的输出，并检查后来是否已有新的运行结果。“构建失败”这个标签有助于定位，真正诊断仍需要具体报错。 受查插件需要额外的 OpenClaw 配置，才会启用可选的短期上下文卸载。验证它确实生成了引用，并确认智能体重启后仍能取回对应的源材料。 ## 使用 SQLite，就能完全离线运行吗？ SQLite 本地存储不能证明模型推理也在离线运行。当前部署模板分别配置了生成记忆的模型和回答请求的模型。两者可以共用端点，但两条调用路径都需要检查；启用的嵌入服务和外部工具也一样。 | 组件 | 相关边界 | 验证内容 | | --- | --- | --- | | 记忆存储 | SQLite 与本地文件 | 持久化数据卷、文件权限和恢复流程。 | | 记忆提取 | Hub 部署中的 `MEMORY_LLM_*` | 端点在本地运行，并能完成提取与聚合。 | | 智能体推理 | `PROXY_UPSTREAM_*` | 代理转发到本地推理端点，回退路径也保持本地。 | | 检索 | 默认 BM25；配置后可用嵌入 | 关键词检索正常，任何启用的嵌入端点均在本地。 | | 工具与启动 | 所选集成的网络行为 | 所需模型和依赖已备齐，运行时工具无需外部服务。 | 这些变量组来自 [部署环境模板](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/ecc01a545da0b2ac6cae2f0f0af0d39d41469793/deploy/global-images/.env.example) 。兼容的本地端点仍需要测试；本文没有验证某个本地模型的记忆提取质量。 准备完毕后，阻断出站流量并记录连接尝试。创建对话，等待派生记忆生成，再重启、召回更改后的 Atlas 指令，并调出证据。单独通过健康检查不够。若要通过 MCP 为编程工具共享记忆，可阅读我们的 [mcp-memory-service 配置指南](/zh/blog/mcp-memory-service-claude-code-cursor/) 。 ## 节省约 61% Token 与 PersonaMem 成绩说明了什么？ TencentDB 的两个宣传数字对应不同任务。项目的 [插件基准表](#evidence-2) 报告了长任务评估设置下的 WideSearch/OpenClaw Token 用量和 PersonaMem 准确率。这些上游数据不能确定你的部署能节省多少。 | 指标 | 未启用／启用记忆 | 可得出的结论 | | --- | --- | --- | | WideSearch Token 用量 | 221.31 百万／85.64 百万 | 在该次公开评估中，Token 用量约减少 61%。 | | PersonaMem 准确率 | 48%／76% | 在所报告的个性化任务中提高了 28 个百分点。 | 按表内 Token 数计算，`(221.31 - 85.64) / 221.31 × 100 = 61.30%`，结果保留两位小数。README 标注的却是 61.38%。因此，我们使用“约 61%”并保留原始输入，避免给出数据本身无法支持的精度。 [PersonaMem 论文](https://arxiv.org/abs/2504.14225) 评估的是面向变化中用户画像的个性化回答。分数不是数据库正确性、来源可追溯性或租户隔离的通用指标。旧插件的 Token 结果也不应被当成当前完整 Hub 的性能评估。 成本对比要计入每类模型调用：提取记忆、聚合、智能体推理、重试和下钻读取证据，还要计入嵌入与基础设施费用。应比较每项成功任务的总成本。我们的 [AI 智能体单次操作成本模型](/zh/blog/ai-agent-cost-per-action-2026/) 讨论了这一核算范围。 ## 何时保留 SQLite，何时增加独立服务？ 如果单个部署能满足应用负载和恢复目标，我们会先用本地 SQLite。出现实测写入争用、检索质量问题或更高可用性要求时，再评估独立存储或搜索服务。这项决定没有统一的记录条数门槛。 | 需求 | 适合先试本地 SQLite 的条件 | 需要评估其他服务的条件 | | --- | --- | --- | | 部署 | 一个受控节点管理持久化存储。 | 多个节点需要独立且协调的访问，以及故障转移。 | | 写入负载 | 真实并发下，采集与提取仍满足延迟预算。 | 实测写入争用或恢复行为达不到目标。 | | 检索 | 关键词或已配置的本地向量检索通过应用查询集测试。 | 搜索质量或延迟测试表明需要其他索引或服务架构。 | | 运维 | 团队能承担备份、恢复、访问控制和升级。 | 可用性目标要求当前部署尚未具备的运维能力。 | [SQLite 官方适用场景说明](https://sqlite.org/whentouse.html) 区分了应用本地存储与客户端／服务端工作负载，并指出单个数据库文件同时只能有一个写入者。这是架构边界，不能当作 TencentDB 的吞吐量实测。独立数据库也无法自行纠正提取错误的用户偏好。 若要选择 Supermemory 的托管或本地 API，可参考我们的 [Supermemory 记忆生命周期与部署指南](/zh/blog/supermemory-ai-agent-memory/) 。切换方案前，用同一组应用任务比较结果。 ## 上线前，我们会怎样评估记忆系统？ 我们会使用相同任务、回答模型、工具和评分规则，对比启用与不启用持久记忆的运行结果。从虚构记录和固定配置开始，等记忆处理完成后再评分，并重复任务以观察波动和失败情况。 1. **更正与范围：** 使用前述 Atlas 指令序列，再增加另一个仍允许周五部署的项目。要求智能体为各项目给出正确指令及其来源。 2. **证据恢复：** 询问卸载日志中的精确细节，重启后再问一次。记录来源 ID、源材料是否存在，以及回答是否与原文一致。 3. **不可信内容：** 插入一段要求智能体忽略用户的工具日志。检查检索文本是否仍被当作证据，而不能悄悄获得操作授权。 4. **隔离与删除：** 换一个用户或团队查询同一事实。随后删除测试记录，检查派生记忆、文件和预期保留路径。仅仅搜不到结果，不能证明内容已被彻底移除。 5. **故障与成本：** 中断提取流程或某个已配置端点，观察恢复行为，并在预期并发负载下测量模型总用量、任务成功率和 p95 延迟。 运行前明确通过条件：正确处理更改后的指令、能够取回证据、测试集中没有跨用户泄露，并满足约定的成本与延迟预算。这些都是建议的验收条件。 ## 我们的选型建议 当本地存储与可检查的记忆能解决实际工作流问题时，把 TencentDB Agent Memory 列入候选。先验证一个工作流：更正能否跨会话生效、证据能否找回，以及每条模型调用路径是否满足要求。实测负载需要时，再增加基础设施。 Wavect 的 [AI 开发服务](/zh/services/artificial-intelligence/) 可以帮助你界定架构与评估范围。首个有价值的里程碑，是在自己的任务上得出可重复验证的判断：记忆带来的改善，是否足以承担维护这套系统的成本。 上游源码采用 [MIT 许可证](https://github.com/TencentCloud/TencentDB-Agent-Memory/blob/ecc01a545da0b2ac6cae2f0f0af0d39d41469793/LICENSE) 。模型推理、硬件和运维投入仍应计入预算。 ## TencentDB Agent Memory 常见问题 ### 持久记忆会训练底层模型吗？ 文档描述的记忆流程在模型权重之外保存并检索上下文。它把对话提取为可复用的信息形态，再将选定内容放入后续请求。评估重点应是推理时的回答和证据；一次记忆写入成功，不能证明底层模型已经学习或永久改变。 ### 现有智能体都能直接接入，不用做集成吗？ 需要核对具体客户端和版本的接入路径。项目提供受支持的代理集成、适配器与 SDK，但自定义智能体仍需兼容的请求处理，以及明确的采集和召回流程。检查哪些消息被写入、哪些上下文被注入，以及记忆范围由哪个已认证身份决定。 ### 开源是否意味着整套系统没有运行成本？ 源码按 MIT 许可证提供，部署仍会消耗推理、存储、计算和维护资源。应按成功完成的任务核算总运营成本，把生成与刷新记忆的调用也算进去。本地模型改变了成本结构，但计算工作并没有消失。 ### 记忆系统备份应该包含什么？ 应把持久化数据库、被引用的原始文件和相关配置视为一套可恢复的系统。在隔离环境中测试还原，确认来源引用仍可解析。凭证应与普通导出分开保管。具体备份边界取决于所选后端和版本，应在存入重要记录前确定。 ### 能直接导入现有的向量索引吗？ 不要把向量索引当成可完整迁移的记忆系统。嵌入可能缺少新流程所需的原始对话、归属信息、时间关系和来源引用。本文没有验证任意供应商的一键导入方案。应核实文档支持的迁移路径，或从权威源记录开展受控的重新导入。 ### 76% 准确率意味着智能体能记住全部信息的 76% 吗？ 报告中的 76% 来自项目的 PersonaMem 评估，关注利用用户历史生成个性化回答。它不是已存事实的总体找回比例，也不是对你的用户或工作流的保证。是否可以上线，仍应分别测试任务成功、更正处理、证据恢复与访问隔离。 智能体工程 ## 接下来读什么 编程智能体、MCP、上下文系统、评估与可靠自动化控制。 [从这里开始**AI 智能体的图工程：知识图谱什么时候值得做？**](/zh/blog/graph-engineering-ai-agents/) - [RTK AI 1.0：实际 Token 节省、安装与许可证](/zh/blog/rtk-ai-token-savings-review/) - [Anatomy Claude Code 技能：用于技术文档的交互式 SVG](/zh/blog/anatomy-claude-code-interactive-svg/) - [Google AX：暂停恢复、重启成本与自托管](/zh/blog/google-ax-agent-executor-security-self-hosting/) - [WikiSkill：智能体如何从经验中进化 SKILL.md](/zh/blog/wikiskill-self-evolving-agent-skills/) - [腾讯 Octop 评测：开发者真正免费获得了什么](/zh/blog/tencent-octop-ai-assistant-review/) [下一篇文章**RTK AI 1.0：实际 Token 节省、安装与许可证**](/zh/blog/rtk-ai-token-savings-review/) [**返回**](/zh/blog/overview/) [![Kevin Riedl](/img/team/kevin.webp)](/zh/team/kevin-riedl/) [Kevin Riedl](/zh/team/kevin-riedl/) https://linkedin.com/in/wsdt 10 分钟 阅读 · 2026年10月30日 最近审核 2026年10月30日 [**下一篇**](/zh/blog/openviking-agent-memory-review/)