TencentDB 的智能体内存非常适合压缩，但我不确定压缩就是全部问题

TencentDB 的智能体内存开源了，这让我重新思考了一下智能体内存。我最喜欢的是它的短期上下文清理功能。智能体的运行过程很容易变得混乱：工具日志、重试、失败分支、重复的观察结果，以及很多你可能不想再塞回提示词里的东西。TencentDB 的 Mermaid 风格示意图在这里很实用，它能把混乱的运行压缩成更容易检查的形式，同时通过 node_id 仍然可以追溯到原始数据。它声称能节省高达 61.38% 的 token，如果你让智能体处理真实任务，这个数字也很有意义。 我还喜欢它不仅仅是一个巨大的向量数据库。对话记录、原子事实、场景记忆和特征记忆是分开存储的，通过 SQLite/SQLite-vec 和 Markdown 文件保持本地化和可检查性。 所以，是的，TencentDB 在短期内存管理方面看起来很强。 但压缩不等于学习。 如果一个智能体花了一个小时调试 Docker 权限问题，最终发现是 uid/gid 不匹配，我希望它能记住这个教训，而不仅仅是生成一个更干净的运行摘要。我希望智能体下次能更早地检查 uid/gid，而不是一开始就执行 chmod 777。 这不仅仅是缩短记忆，而是形成可复用的调试习惯。 这就是为什么 Memos 本地插件 2.0 看起来是在解决另一个层面的问题。它的重点似乎更少放在降低 token 成本上，而更多在于把执行历史转化为更好的未来行为。这是不同的视角。 它的追踪层保留了步骤级别的记录，策略层跨任务提炼模式，世界模型存储环境级别的知识。然后，有用的重复模式可以转化为可复用的技能。 这感觉更像是智能体的长期学习，而非长期存储。 我最关心的是反馈循环。如果某个任务失败了，我不希望系统整洁地保存这次失败，然后下周又无意中检索到同样的错误路径。我希望失败路径的可能性降低。步骤级反馈、任务级反馈、LLM 评分和奖励传播，听起来都是在尝试让记忆真正改变未来的决策。 可观测性方面也很重要。TencentDB 的 Markdown 可检查记忆不错，但 Memos 本地插件拥有 Vite 查看器 UI、实时事件流和结构化日志，当你想理解智能体为什么选择了某个策略或技能时，这感觉更有用。 所以我不认为 TencentDB 和 Memos 本地插件是直接竞争对手。 TencentDB 在让内存变得可管理方面非常强：压缩混乱的运行、降低 token 成本、保持可检查性、通过 node_id 保持短期可追溯性。但 Memos 本地插件更像是长期解决方案。它更多是关于将追踪、反馈和重复模式转化为更好的未来行为，而不是简单存储或压缩已经发生的事情。 对我来说，TencentDB 回答的是：“我们如何管理刚刚发生的事情？” 而 Memos 回答的是：“我们如何让智能体不再重复犯同样的错误？”