尧图网站建设 
基于 OpenClaw 与 TencentDB Agent Memory 的四层长期记忆插件安装配置实战指南【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory本指南以 SKILL.md 为核心完整讲解如何在 OpenClaw 中安装、配置、验证并排查tencentdb-agent-memory/memory-tencentdb记忆插件实现 L0→L1→L2→L3 的可持续本地长期记忆闭环对话捕获、事实提取、场景归纳、用户画像。读完本文你将掌握从零到一的插件落地流程、全量生产配置模板、向量检索与 BM25 混合召回的原理以及一整套可复现的验收与故障排查方法。图为 memory-tencentdb 四层记忆模型的层级关系L0 原始对话全量留存 → L1 原子记忆事实/偏好/约束/状态→ L2 场景块按项目/主题聚类→ L3 用户画像稳定偏好与服务方式。一、插件是什么OpenClaw 侧的本地长期记忆能力memory-tencentdb是一个面向 OpenClaw 的长期记忆插件目标是在不依赖外部托管记忆服务的前提下为 Agent 提供可持续的本地记忆能力。它的核心是四层记忆流水线层级名称存储形态说明L0原始对话每日 JSONL 分片conversations/全量保留用户与 Agent 的原始对话流作为证据兜底L1结构化记忆每日 JSONL 分片records/通过 LLM 从对话中提取事实、偏好、约束、状态等原子记忆并做向量去重L2场景块Markdown 文件scene_blocks/按项目/主题/工作流聚类记忆带上下文召回减少单场误用L3用户画像persona.md基于长期记忆聚合的稳定用户偏好与服务方式画像数据目录结构OpenClaw 场景下默认位于~/.openclaw/state/memory-tdai/Hermes 场景下默认位于~/.memory-tencentdb/memory-tdai/memory-tdai/ ├── conversations/ — L0 原始对话每日 JSONL 分片 ├── records/ — L1 结构化记忆每日 JSONL 分片 ├── scene_blocks/ — L2 场景 Markdown 文件 ├── persona.md — L3 用户画像 ├── vectors.db — SQLite 数据库向量 全文索引 ├── .metadata/ — checkpoint、scene_index.json └── .backup/ — 滚动备份从源码结构看该插件的命名与历史沿革如下hermes-plugin/memory/memory_tencentdb/plugin.yaml 中声明了插件 ID 为memory_tencentdb同时保留了tdai与memory-tencentdb两个别名使旧配置中memory.provider: tdai仍能继续解析到本插件。SKILL 文档中提到的数据目录名memory-tdai是代码中硬编码的实际数据目录路径与插件 ID 无关。适用场景用户要求在 OpenClaw 中安装或启用memory-tencentdb用户需要配置召回、提取、画像、清理等参数用户反馈插件已装但无记忆 / 无召回 / 无向量检索不适用场景用户只需要解释 memory 理念不要求实际落地用户要接入非 OpenClaw 宿主此时应先确认目标框架例如 Hermes可参考 hermes-plugin/memory/memory_tencentdb/README.md二、标准工作流从环境预检到冒烟测试1) 环境预检先确认基础版本满足要求OpenClaw 2026.3.13Node.js 22.16.0执行openclaw --version node -v若版本不满足先升级再继续。2) 安装插件执行安装命令openclaw plugins install tencentdb-agent-memory/memory-tencentdb如已安装则执行更新openclaw plugins update memory-tencentdb仓库还提供了封装安装脚本 scripts/install-openclaw-plugin.sh它会自动完成npm install从 npm registry 拉取tencentdb-agent-memory/memory-sdk-ts-v2SDK、npm run build构建插件、openclaw plugins install -l本地挂载以及写入~/.openclaw/openclaw.json设置plugins.slots.memory、启用插件、写入 server/isolation/recall/capture 配置并在检测到 OpenClaw 2026.4.24时写入 hooks 权限字段。本地模式一行即可# 本地 Gateway默认 bash MemoryCore/scripts/install-openclaw-plugin.sh3) 写入最小配置编辑~/.openclaw/openclaw.json确保存在{ memory-tencentdb: { enabled: true } }说明该插件支持零配置启动不补充其它字段也能运行基础能力。4) 按需追加推荐配置生产常用根据需求补充如下分组capture对话捕获与保留策略extractionL1 提取与去重pipelineL1→L2→L3 调度recall召回数量、阈值、策略persona场景与画像触发参数embedding向量检索配置远端 OpenAI 兼容推荐模板{ memory-tencentdb: { capture: { enabled: true, excludeAgents: [], l0l1RetentionDays: 90, cleanTime: 03:00 }, extraction: { enabled: true, enableDedup: true, maxMemoriesPerSession: 10, model: provider/model }, pipeline: { everyNConversations: 5, enableWarmup: true, l1IdleTimeoutSeconds: 600, l2DelayAfterL1Seconds: 10, l2MinIntervalSeconds: 900, l2MaxIntervalSeconds: 3600, sessionActiveWindowHours: 24 }, recall: { enabled: true, maxResults: 5, scoreThreshold: 0.3, strategy: hybrid }, persona: { triggerEveryN: 50, maxScenes: 15, backupCount: 3, sceneBackupCount: 10, model: provider/model }, embedding: { enabled: true, provider: openai, baseUrl: https://api.openai.com/v1, apiKey: ${EMBEDDING_API_KEY}, model: text-embedding-3-small, dimensions: 1536, conflictRecallTopK: 5 } } }各分组参数详解结合仓库配置与源码capture组对话捕获与保留策略字段推荐值说明enabledtrue是否自动捕获对话写入 L0excludeAgents[]排除不参与捕获的 Agent 列表l0l1RetentionDays90L0/L1 数据的保留天数0表示不清理非0时建议3cleanTime03:00每日清理任务执行时间24 小时制extraction组L1 提取与去重字段推荐值说明enabledtrue是否启用 L1 提取enableDeduptrue向量去重避免同一事实被反复写入maxMemoriesPerSession10单会话最多提取的 L1 记忆条数modelprovider/model执行提取所用的 LLM 模型标识在 tdai-gateway.standalone.yaml 中可以看到该分组的独立 Gateway 形态配置maxMemoriesPerSession: 20、enableDedup: true这说明同一批引擎参数既可通过 OpenClaw 插件配置下发也可通过 standalone Gateway 的 YAML 配置生效。pipeline组L1→L2→L3 调度字段推荐值说明everyNConversations5每 N 轮对话触发一次流水线处理enableWarmuptrue预热提前加载索引与模型降低首轮延迟l1IdleTimeoutSeconds600L1 提取的空闲超时秒l2DelayAfterL1Seconds10L1 完成后延迟多久再执行 L2 场景归纳l2MinIntervalSeconds900两次 L2 处理的最小间隔l2MaxIntervalSeconds3600两次 L2 处理的最大间隔sessionActiveWindowHours24会话活跃窗口小时决定何时认为会话结束recall组召回参数字段推荐值说明enabledtrue是否启用记忆召回maxResults5每轮最多注入的 L1 记忆条数scoreThreshold0.3召回相似度阈值低于该值的结果被丢弃strategyhybrid召回策略hybrid表示向量 关键词BM25混合召回standalone 配置中还补充了timeoutMs: 5000召回超时上限与bm25: { enabled: true, language: zh }BM25 关键词检索中文分词可见混合召回中向量路径与 BM25 关键词路径是相互补充的向量负责语义相似BM25 负责关键词精确命中。persona组场景与画像触发参数字段推荐值说明triggerEveryN50每 N 轮对话触发一次画像更新maxScenes15保留的最大场景块数量backupCount3画像的滚动备份数量sceneBackupCount10场景块的滚动备份数量modelprovider/model画像合成所用 LLM 模型标识embedding组向量检索配置字段推荐值说明enabledtrue是否启用向量检索provideropenai向量提供方none表示禁用向量、仅走关键词路径baseUrlhttps://api.openai.com/v1OpenAI 兼容 API 地址apiKey${EMBEDDING_API_KEY}环境变量注入的 API Key不要在配置里写明文modeltext-embedding-3-small向量模型dimensions1536向量维度必须与模型输出维度一致conflictRecallTopK5去重时冲突召回的最大条数5) 关键配置规则避免隐性失败embedding.provider none时向量能力会禁用仅保留关键词路径BM25。若配置远端provider如openai/deepseek必须同时提供apiKey、baseUrl、model、dimensions。上述任一缺失时插件会继续运行但自动降级为非向量模式。l0l1RetentionDays0表示不清理非0时建议3若设为1~2需显式开启allowAggressiveCleanup6) 重启并验证生效执行openclaw gateway restart检查项Gateway 日志中出现[memory-tdai]前缀数据目录已创建~/.openclaw/state/memory-tdai/至少包含conversations/、records/、scene_blocks/、vectors.db7) 功能冒烟测试执行一次最小对话回路并验证连续对话 2~3 轮提供可记忆信息偏好、约束、背景。发起新一轮对话观察是否出现召回上下文注入。在 Agent 中调用tdai_memory_searchtdai_conversation_search确认能检索到刚刚产生的内容。从 openclaw-plugin/README_CN.md 可知这两个工具分别走 v3 SDK 的searchAtomic()L1 结构化记忆搜索与searchConversation()L0 原始对话搜索而 src/hooks/recall.ts 中的performRecall()会在构建 prompt 前并行发起L1 搜索、L3 画像读取与 L2 场景列表三个请求Promise.allSettled任一请求失败都不会阻断整体注入随后由 src/format.ts 的formatRecallResult()格式化为带标签的简洁记忆上下文注入 prompt。三、故障排查速查现象检查项插件无日志检查openclaw.json中memory-tencentdb.enabled是否为true并确认已重启 Gateway有记录无召回检查recall.enabled、scoreThreshold是否过高无向量结果检查embedding四元组apiKey/baseUrl/model/dimensions是否齐全清理过猛导致历史过少检查l0l1RetentionDays与allowAggressiveCleanup配置已改但行为不变确认修改的是~/.openclaw/openclaw.json并再次重启 Gateway需要进一步定位问题时可以借助仓库中配套的诊断导出技能 SKILL-DIAGNOSTIC-EXPORT.md它会把 OpenClaw 日志、记忆插件 L0~L3 数据、脱敏后的配置打包成本地压缩包供研发团队排查。导出脚本对应仓库的scripts/export-diagnostic.sh默认输出~/Downloads/openclaw-diagnostic-timestamp.tar.gz可传参指定输出目录脚本对openclaw.json会执行脱敏——字段名匹配apiKey/token/password/secret/credential的值替换为***REDACTED(Nchars)***顶层models、secrets、channels、env块整体替换为***REDACTED_SECTION***而plugins完整配置保留原样插件配置正是排查重点。导出后研发团队通常关注以下日志标签与文件排查方向查看位置关键信息插件是否加载日志中搜索[memory-tdai]插件注册、配置解析日志注日志标签仍为[memory-tdai]与插件 ID 无关记忆召回是否工作日志中搜索[recall]搜索策略、耗时、命中数L1 提取是否触发日志中搜索[pipeline]调度触发、L1/L2/L3 执行状态向量搜索是否可用脱敏配置的plugins.entriesembedding 配置是否正确checkpoint 状态memory-tdai/.metadata/recall_checkpoint.json进度、游标、计数器四、安全与合规约束将apiKey视为敏感信息不在聊天、日志、截图中明文扩散。优先使用环境变量注入密钥配置示例中仅保留占位符如${EMBEDDING_API_KEY}。仅修改memory-tencentdb对应配置段避免覆盖用户其它插件配置。导出诊断数据时配置文件已自动脱敏但记忆数据memory-tdai/包含用户对话原文需确认可以分享后再发送压缩包存放在本地不会自动上传需手动发送给研发团队。五、完成定义Definition of Done在结束任务前必须同时满足插件安装/更新命令执行成功openclaw.json已存在有效memory-tencentdb配置Gateway 已重启[memory-tdai]日志可见数据目录与关键文件已生成至少 1 次检索工具调用成功返回结果六、交付话术模板可在完成后向用户输出已完成memory-tencentdb安装与配置并重启 Gateway。已验证日志与数据目录生效记忆链路可用。如需下一步优化可继续调优recall.scoreThreshold、pipeline.everyNConversations、persona.triggerEveryN与embedding模型参数。七、延伸多框架接入与 Gateway 侧配置SKILL 文档聚焦 OpenClaw 宿主但同一套四层记忆引擎也通过 hermes-plugin/memory/memory_tencentdb/README.md 提供 HermesPython侧的接入适配Hermes 侧实现是一个薄 HTTP 客户端 进程监管器MemoryTencentdbSdkClientGatewaySupervisor真正的捕获、提取、存储、召回、流水线调度全部运行在 Node.js Gateway 侧车进程中。从 client.py 的源码可以看到 v3 数据面接口的完整映射POST /v3/conversation/addL0 写入、POST /v3/conversation/searchL0 搜索、POST /v3/atomic/searchL1 搜索、POST /v3/scenario/ls/POST /v3/scenario/readL2 场景、POST /v3/core/readL3 画像所有接口都携带team_id / agent_id / user_id三元组做租户隔离并通过x-tdai-service-id请求头标识服务实例v1 的/recall、/capture等接口保留为向后兼容的废弃路径。supervisor.py 中的GatewaySupervisor则展示了健壮性设计启动时先探测/healthok/degraded均视为可用不可用则在单飞锁线程锁 fcntl跨进程锁保护下以Popen启动侧车并轮询健康状态最长 30 秒子进程 stdout/stderr 重定向到日志文件而非 PIPE避免管道缓冲区约 64KB写满导致子进程阻塞崩溃后通过is_process_alive() or is_running()双检查触发重新拉起退出时以killpg发送SIGTERM到整个进程组确保pnpm - tsx - node链路不会遗留孤儿监听进程。Hermes 侧还内置了熔断器连续 5 次 Gateway 失败暂停调用 60 秒与捕获背压最多 4 个在途sync_turn线程。Gateway 侧含存储后端、embedding、流水线节奏、召回策略的配置在独立配置文件中管理standalone 形态参考 tdai-gateway.standalone.yaml支持sqlite本地 SQLite sqlite-vec零外部依赖默认与tcvdb腾讯云向量数据库需填写 url/username/apiKey/database/embeddingModel/timeout两种存储后端LLM 通过llm.baseUrl、llm.apiKey环境变量TDAI_LLM_API_KEY注入、llm.model配置deployMode: standalone且stateBackend: local意味着进程内状态管理、无需 Redis 等外部依赖适合本地开发与单 Agent 单机部署。结语从环境预检、插件安装、最小配置到生产级参数模板再到重启验证、冒烟测试与故障排查memory-tencentdb为 OpenClaw 提供了一条完整、可验收的长期记忆落地路径。理解capture/extraction/pipeline/recall/persona/embedding六组参数各自的职责边界尤其是 embedding 四元组齐全性与l0l1RetentionDays的清理语义是避免装了但没记忆这类隐性失败的关键配合仓库中的安装脚本、诊断导出技能与 Gateway 独立配置模板即可在不同部署形态间平滑迁移。【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 基于 OpenClaw 与 TencentDB Agent Memory 的四层长期记忆插件安装配置实战指南
基于 OpenClaw 与 TencentDB Agent Memory 的四层长期记忆插件安装配置实战指南【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory本指南以 SKILL.md 为核心完整讲解如何在 OpenClaw 中安装、配置、验证并排查tencentdb-agent-memory/memory-tencentdb记忆插件实现 L0→L1→L2→L3 的可持续本地长期记忆闭环对话捕获、事实提取、场景归纳、用户画像。读完本文你将掌握从零到一的插件落地流程、全量生产配置模板、向量检索与 BM25 混合召回的原理以及一整套可复现的验收与故障排查方法。图为 memory-tencentdb 四层记忆模型的层级关系L0 原始对话全量留存 → L1 原子记忆事实/偏好/约束/状态→ L2 场景块按项目/主题聚类→ L3 用户画像稳定偏好与服务方式。一、插件是什么OpenClaw 侧的本地长期记忆能力memory-tencentdb是一个面向 OpenClaw 的长期记忆插件目标是在不依赖外部托管记忆服务的前提下为 Agent 提供可持续的本地记忆能力。它的核心是四层记忆流水线层级名称存储形态说明L0原始对话每日 JSONL 分片conversations/全量保留用户与 Agent 的原始对话流作为证据兜底L1结构化记忆每日 JSONL 分片records/通过 LLM 从对话中提取事实、偏好、约束、状态等原子记忆并做向量去重L2场景块Markdown 文件scene_blocks/按项目/主题/工作流聚类记忆带上下文召回减少单场误用L3用户画像persona.md基于长期记忆聚合的稳定用户偏好与服务方式画像数据目录结构OpenClaw 场景下默认位于~/.openclaw/state/memory-tdai/Hermes 场景下默认位于~/.memory-tencentdb/memory-tdai/memory-tdai/ ├── conversations/ — L0 原始对话每日 JSONL 分片 ├── records/ — L1 结构化记忆每日 JSONL 分片 ├── scene_blocks/ — L2 场景 Markdown 文件 ├── persona.md — L3 用户画像 ├── vectors.db — SQLite 数据库向量 全文索引 ├── .metadata/ — checkpoint、scene_index.json └── .backup/ — 滚动备份从源码结构看该插件的命名与历史沿革如下hermes-plugin/memory/memory_tencentdb/plugin.yaml 中声明了插件 ID 为memory_tencentdb同时保留了tdai与memory-tencentdb两个别名使旧配置中memory.provider: tdai仍能继续解析到本插件。SKILL 文档中提到的数据目录名memory-tdai是代码中硬编码的实际数据目录路径与插件 ID 无关。适用场景用户要求在 OpenClaw 中安装或启用memory-tencentdb用户需要配置召回、提取、画像、清理等参数用户反馈插件已装但无记忆 / 无召回 / 无向量检索不适用场景用户只需要解释 memory 理念不要求实际落地用户要接入非 OpenClaw 宿主此时应先确认目标框架例如 Hermes可参考 hermes-plugin/memory/memory_tencentdb/README.md二、标准工作流从环境预检到冒烟测试1) 环境预检先确认基础版本满足要求OpenClaw 2026.3.13Node.js 22.16.0执行openclaw --version node -v若版本不满足先升级再继续。2) 安装插件执行安装命令openclaw plugins install tencentdb-agent-memory/memory-tencentdb如已安装则执行更新openclaw plugins update memory-tencentdb仓库还提供了封装安装脚本 scripts/install-openclaw-plugin.sh它会自动完成npm install从 npm registry 拉取tencentdb-agent-memory/memory-sdk-ts-v2SDK、npm run build构建插件、openclaw plugins install -l本地挂载以及写入~/.openclaw/openclaw.json设置plugins.slots.memory、启用插件、写入 server/isolation/recall/capture 配置并在检测到 OpenClaw 2026.4.24时写入 hooks 权限字段。本地模式一行即可# 本地 Gateway默认 bash MemoryCore/scripts/install-openclaw-plugin.sh3) 写入最小配置编辑~/.openclaw/openclaw.json确保存在{ memory-tencentdb: { enabled: true } }说明该插件支持零配置启动不补充其它字段也能运行基础能力。4) 按需追加推荐配置生产常用根据需求补充如下分组capture对话捕获与保留策略extractionL1 提取与去重pipelineL1→L2→L3 调度recall召回数量、阈值、策略persona场景与画像触发参数embedding向量检索配置远端 OpenAI 兼容推荐模板{ memory-tencentdb: { capture: { enabled: true, excludeAgents: [], l0l1RetentionDays: 90, cleanTime: 03:00 }, extraction: { enabled: true, enableDedup: true, maxMemoriesPerSession: 10, model: provider/model }, pipeline: { everyNConversations: 5, enableWarmup: true, l1IdleTimeoutSeconds: 600, l2DelayAfterL1Seconds: 10, l2MinIntervalSeconds: 900, l2MaxIntervalSeconds: 3600, sessionActiveWindowHours: 24 }, recall: { enabled: true, maxResults: 5, scoreThreshold: 0.3, strategy: hybrid }, persona: { triggerEveryN: 50, maxScenes: 15, backupCount: 3, sceneBackupCount: 10, model: provider/model }, embedding: { enabled: true, provider: openai, baseUrl: https://api.openai.com/v1, apiKey: ${EMBEDDING_API_KEY}, model: text-embedding-3-small, dimensions: 1536, conflictRecallTopK: 5 } } }各分组参数详解结合仓库配置与源码capture组对话捕获与保留策略字段推荐值说明enabledtrue是否自动捕获对话写入 L0excludeAgents[]排除不参与捕获的 Agent 列表l0l1RetentionDays90L0/L1 数据的保留天数0表示不清理非0时建议3cleanTime03:00每日清理任务执行时间24 小时制extraction组L1 提取与去重字段推荐值说明enabledtrue是否启用 L1 提取enableDeduptrue向量去重避免同一事实被反复写入maxMemoriesPerSession10单会话最多提取的 L1 记忆条数modelprovider/model执行提取所用的 LLM 模型标识在 tdai-gateway.standalone.yaml 中可以看到该分组的独立 Gateway 形态配置maxMemoriesPerSession: 20、enableDedup: true这说明同一批引擎参数既可通过 OpenClaw 插件配置下发也可通过 standalone Gateway 的 YAML 配置生效。pipeline组L1→L2→L3 调度字段推荐值说明everyNConversations5每 N 轮对话触发一次流水线处理enableWarmuptrue预热提前加载索引与模型降低首轮延迟l1IdleTimeoutSeconds600L1 提取的空闲超时秒l2DelayAfterL1Seconds10L1 完成后延迟多久再执行 L2 场景归纳l2MinIntervalSeconds900两次 L2 处理的最小间隔l2MaxIntervalSeconds3600两次 L2 处理的最大间隔sessionActiveWindowHours24会话活跃窗口小时决定何时认为会话结束recall组召回参数字段推荐值说明enabledtrue是否启用记忆召回maxResults5每轮最多注入的 L1 记忆条数scoreThreshold0.3召回相似度阈值低于该值的结果被丢弃strategyhybrid召回策略hybrid表示向量 关键词BM25混合召回standalone 配置中还补充了timeoutMs: 5000召回超时上限与bm25: { enabled: true, language: zh }BM25 关键词检索中文分词可见混合召回中向量路径与 BM25 关键词路径是相互补充的向量负责语义相似BM25 负责关键词精确命中。persona组场景与画像触发参数字段推荐值说明triggerEveryN50每 N 轮对话触发一次画像更新maxScenes15保留的最大场景块数量backupCount3画像的滚动备份数量sceneBackupCount10场景块的滚动备份数量modelprovider/model画像合成所用 LLM 模型标识embedding组向量检索配置字段推荐值说明enabledtrue是否启用向量检索provideropenai向量提供方none表示禁用向量、仅走关键词路径baseUrlhttps://api.openai.com/v1OpenAI 兼容 API 地址apiKey${EMBEDDING_API_KEY}环境变量注入的 API Key不要在配置里写明文modeltext-embedding-3-small向量模型dimensions1536向量维度必须与模型输出维度一致conflictRecallTopK5去重时冲突召回的最大条数5) 关键配置规则避免隐性失败embedding.provider none时向量能力会禁用仅保留关键词路径BM25。若配置远端provider如openai/deepseek必须同时提供apiKey、baseUrl、model、dimensions。上述任一缺失时插件会继续运行但自动降级为非向量模式。l0l1RetentionDays0表示不清理非0时建议3若设为1~2需显式开启allowAggressiveCleanup6) 重启并验证生效执行openclaw gateway restart检查项Gateway 日志中出现[memory-tdai]前缀数据目录已创建~/.openclaw/state/memory-tdai/至少包含conversations/、records/、scene_blocks/、vectors.db7) 功能冒烟测试执行一次最小对话回路并验证连续对话 2~3 轮提供可记忆信息偏好、约束、背景。发起新一轮对话观察是否出现召回上下文注入。在 Agent 中调用tdai_memory_searchtdai_conversation_search确认能检索到刚刚产生的内容。从 openclaw-plugin/README_CN.md 可知这两个工具分别走 v3 SDK 的searchAtomic()L1 结构化记忆搜索与searchConversation()L0 原始对话搜索而 src/hooks/recall.ts 中的performRecall()会在构建 prompt 前并行发起L1 搜索、L3 画像读取与 L2 场景列表三个请求Promise.allSettled任一请求失败都不会阻断整体注入随后由 src/format.ts 的formatRecallResult()格式化为带标签的简洁记忆上下文注入 prompt。三、故障排查速查现象检查项插件无日志检查openclaw.json中memory-tencentdb.enabled是否为true并确认已重启 Gateway有记录无召回检查recall.enabled、scoreThreshold是否过高无向量结果检查embedding四元组apiKey/baseUrl/model/dimensions是否齐全清理过猛导致历史过少检查l0l1RetentionDays与allowAggressiveCleanup配置已改但行为不变确认修改的是~/.openclaw/openclaw.json并再次重启 Gateway需要进一步定位问题时可以借助仓库中配套的诊断导出技能 SKILL-DIAGNOSTIC-EXPORT.md它会把 OpenClaw 日志、记忆插件 L0~L3 数据、脱敏后的配置打包成本地压缩包供研发团队排查。导出脚本对应仓库的scripts/export-diagnostic.sh默认输出~/Downloads/openclaw-diagnostic-timestamp.tar.gz可传参指定输出目录脚本对openclaw.json会执行脱敏——字段名匹配apiKey/token/password/secret/credential的值替换为***REDACTED(Nchars)***顶层models、secrets、channels、env块整体替换为***REDACTED_SECTION***而plugins完整配置保留原样插件配置正是排查重点。导出后研发团队通常关注以下日志标签与文件排查方向查看位置关键信息插件是否加载日志中搜索[memory-tdai]插件注册、配置解析日志注日志标签仍为[memory-tdai]与插件 ID 无关记忆召回是否工作日志中搜索[recall]搜索策略、耗时、命中数L1 提取是否触发日志中搜索[pipeline]调度触发、L1/L2/L3 执行状态向量搜索是否可用脱敏配置的plugins.entriesembedding 配置是否正确checkpoint 状态memory-tdai/.metadata/recall_checkpoint.json进度、游标、计数器四、安全与合规约束将apiKey视为敏感信息不在聊天、日志、截图中明文扩散。优先使用环境变量注入密钥配置示例中仅保留占位符如${EMBEDDING_API_KEY}。仅修改memory-tencentdb对应配置段避免覆盖用户其它插件配置。导出诊断数据时配置文件已自动脱敏但记忆数据memory-tdai/包含用户对话原文需确认可以分享后再发送压缩包存放在本地不会自动上传需手动发送给研发团队。五、完成定义Definition of Done在结束任务前必须同时满足插件安装/更新命令执行成功openclaw.json已存在有效memory-tencentdb配置Gateway 已重启[memory-tdai]日志可见数据目录与关键文件已生成至少 1 次检索工具调用成功返回结果六、交付话术模板可在完成后向用户输出已完成memory-tencentdb安装与配置并重启 Gateway。已验证日志与数据目录生效记忆链路可用。如需下一步优化可继续调优recall.scoreThreshold、pipeline.everyNConversations、persona.triggerEveryN与embedding模型参数。七、延伸多框架接入与 Gateway 侧配置SKILL 文档聚焦 OpenClaw 宿主但同一套四层记忆引擎也通过 hermes-plugin/memory/memory_tencentdb/README.md 提供 HermesPython侧的接入适配Hermes 侧实现是一个薄 HTTP 客户端 进程监管器MemoryTencentdbSdkClientGatewaySupervisor真正的捕获、提取、存储、召回、流水线调度全部运行在 Node.js Gateway 侧车进程中。从 client.py 的源码可以看到 v3 数据面接口的完整映射POST /v3/conversation/addL0 写入、POST /v3/conversation/searchL0 搜索、POST /v3/atomic/searchL1 搜索、POST /v3/scenario/ls/POST /v3/scenario/readL2 场景、POST /v3/core/readL3 画像所有接口都携带team_id / agent_id / user_id三元组做租户隔离并通过x-tdai-service-id请求头标识服务实例v1 的/recall、/capture等接口保留为向后兼容的废弃路径。supervisor.py 中的GatewaySupervisor则展示了健壮性设计启动时先探测/healthok/degraded均视为可用不可用则在单飞锁线程锁 fcntl跨进程锁保护下以Popen启动侧车并轮询健康状态最长 30 秒子进程 stdout/stderr 重定向到日志文件而非 PIPE避免管道缓冲区约 64KB写满导致子进程阻塞崩溃后通过is_process_alive() or is_running()双检查触发重新拉起退出时以killpg发送SIGTERM到整个进程组确保pnpm - tsx - node链路不会遗留孤儿监听进程。Hermes 侧还内置了熔断器连续 5 次 Gateway 失败暂停调用 60 秒与捕获背压最多 4 个在途sync_turn线程。Gateway 侧含存储后端、embedding、流水线节奏、召回策略的配置在独立配置文件中管理standalone 形态参考 tdai-gateway.standalone.yaml支持sqlite本地 SQLite sqlite-vec零外部依赖默认与tcvdb腾讯云向量数据库需填写 url/username/apiKey/database/embeddingModel/timeout两种存储后端LLM 通过llm.baseUrl、llm.apiKey环境变量TDAI_LLM_API_KEY注入、llm.model配置deployMode: standalone且stateBackend: local意味着进程内状态管理、无需 Redis 等外部依赖适合本地开发与单 Agent 单机部署。结语从环境预检、插件安装、最小配置到生产级参数模板再到重启验证、冒烟测试与故障排查memory-tencentdb为 OpenClaw 提供了一条完整、可验收的长期记忆落地路径。理解capture/extraction/pipeline/recall/persona/embedding六组参数各自的职责边界尤其是 embedding 四元组齐全性与l0l1RetentionDays的清理语义是避免装了但没记忆这类隐性失败的关键配合仓库中的安装脚本、诊断导出技能与 Gateway 独立配置模板即可在不同部署形态间平滑迁移。【免费下载链接】TencentDB-Agent-MemoryTencentDB Agent Memory is a team-level memory hub for AI Agents — turning conversations, docs, and code into four reusable memory assets (Chat Memory, Skill, LLM-Wiki, Code-Graph) that are governed, shared, and equipped across agents and frameworks.项目地址: https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考