TencentDB Agent Memory：L0-L3 语义金字塔长期记忆¶
Ch06.046 TencentDB Agent Memory：L0-L3 语义金字塔长期记忆¶
📊 Level ⭐⭐ | 3.3KB |
entities/tencentdb-agent-memory-long-term-pyramid.md
TencentDB Agent Memory：L0-L3 语义金字塔长期记忆¶
摘要¶
腾讯开源的 TencentDB Agent Memory 的长期记忆子系统：L0-L3 语义金字塔（Conversation→Atom→Scenario→Persona），实现真正可用的跨会话用户理解。PersonaMem 准确率 48% → 76%。
现有方案的不足¶
传统 Agent Memory 把历史对话切片丢进向量库靠相似度召回，能跑 Demo 但任务一长就出问题。工具调用日志和搜索结果持续累积，上下文窗口塞满过程垃圾。
L0-L3 语义金字塔¶
| 层级 | 名称 | 内容 | 用途 |
|---|---|---|---|
| L3 | Persona（用户画像） | 长期偏好、工作方式、习惯 | 理解用户是谁 |
| L2 | Scenario（场景块） | 场景级上下文与目标 | 理解用户在干什么 |
| L1 | Atom（结构化事实） | 关键事实原子，可检索 | 需要时精确查找 |
| L0 | Conversation（原始对话） | 完整原始记录 | 追证与审计 |
设计理念：不是把历史平铺成向量碎片，而是建成语义金字塔。平时用 L3 理解用户长期偏好，需要具体事实时回溯到 L1 甚至 L0。比"召回几条最相似历史"更像真正可用的记忆系统。
短期记忆的压缩索引¶
短期记忆采用压缩索引而非简单摘要： - 厚重工具日志卸载到外部文件 - 中间层保留步骤摘要（JSONL） - 最高层只给 Agent 轻量任务图 - 高层保留结构，底层保留证据，中间靠 ID 打通
关键创新：不是简单摘要（省 Token 但也丢证据），而是压缩索引——需要时能追回原始证据。
Benchmark¶
| Benchmark | 成功率 | Token 消耗 |
|---|---|---|
| WideSearch | 33% → 50% (+17pp) | 221.31M → 85.64M (-61%) |
| SWE-bench | 58.4% → 64.2% (+5.8pp) | 3474.1M → 2375.4M (-32%) |
| AA-LCR | 44.0% → 47.5% (+3.5pp) | 112.0M → 77.3M (-31%) |
| PersonaMem | 48% → 76% (+28pp) | — |
PersonaMem（人物画像记忆准确率）提升最显著（+28pp），说明语义金字塔在建模用户长期记忆方面特别有效。
相关实体¶
- TencentDB Agent Memory 短期记忆压缩方案 — 短期记忆压缩的另一种实现角度
来源¶
→ 原文存档
关联¶
- 相关概念: Harness Engineering
- 相关: Agent 架构