TencentDB Agent Memory 路线图解析v2.0.1 规划全景与mem:会话指令实战指南【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-MemoryTencentDB Agent Memory 是一个面向 AI Agent 团队的记忆中枢把对话、文档与代码沉淀为 Chat Memory、Skill、LLM-Wiki、Code-Graph 四类可治理、可共享、可装配的记忆资产。本文以仓库官方路线图ROADMAP_CN.md为骨架逐项拆解 v2.0.1 的规划方向与设计动机并以 Memory Proxy 中已随 v2.0.0 发布的mem:会话指令为切入点结合 MemoryProxy/src/mem-command 源码讲解其解析、执行与底层调用链。读完本文你既能看清项目接下来要做什么、为什么这么做也能在现有版本中立刻上手mem:sync/mem:create-skill/mem:help这三个指令并理解如何通过白名单控制指令能力。1. 版本基线v2.0.0 已经交付了什么在进入规划之前先明确路线图的前提。当前发布版本为v2.0.02026-08-03见 CHANGELOG.md它已经完成了产品闭环的基础建设四种记忆资产首次完整开源Chat Memory对话逐层提取 L0 → L1 → L2 → L3、Skill可复用 SOP带版本 / 资源文件 / 触发边界 / 执行步骤 / 验证规则、Wiki结构化页面 链接图谱、CodeGraph符号 / 文件 / 调用关系 / 影响路径索引支持定时自动同步。Memory Hub 操作台建 Team / Agent、资产按 Owner / 版本 / 状态 / 可见性统一管理三级可见性private/team/restricted加agent定向装配内置 Wiki CodeGraph 工坊。Memory Proxy 接入通道Claude Code 等 coding agent 通过 Anthropic / OpenAI 双协议接入sessionInit 首轮引导选择 team / agent / task每轮把 L2/L3 记忆、matched skill、wiki/code-graph 注入 system prompt。mem:会话指令已随 v2.0.0 发布是本文第 4 节的主角。路线图本身是一份接下来做什么的工作清单范围与时间可能调整并非承诺。已发布内容请以 CHANGELOG.md 为准。2. 下个版本 v2.0.1五个核心能力规划v2.0.1 的规划围绕一条主线展开让从部署到第一次有效对话的成本趋近于零同时把大规模内容构建与多框架接入的体验做扎实。2.1 冷启动开箱即用默认 Agent 预置 SkillMemory Hub要解决的问题现在的上手链路是部署 → 建团队 → 建 Agent → 绑资产 → 复制接入地址 → 才能说第一句话在产生第一次有效对话之前步骤太多。v2.0.1 的规划Memory Hub 在初始化时自动准备一个默认 Agent团队或用户创建即自带默认 Agent无需手工配置默认 Agent 自带预置 Skill在用户尚未积累任何自有 Skill 之前就能干活默认预挂基础记忆资产首轮对话即可写入并召回 Chat Memory面板直接给出可粘贴的客户端接入地址并支持指向 Memory Proxy单机部署下接入地址解析为宿主机 LAN 地址而不是容器内主机名确保外部客户端真正连得上。目标跑完start-all.sh见 deploy/global-images/start-all.sh之后复制一行就能开始。从现有代码结构看这一规划涉及 Memory Hub 的初始化流程与面板展示层MemoryPanel/src核心价值是把配置即服务下沉到部署层默认 Agent 解决了资产装配的鸡生蛋问题——没有 Agent 就没有资产归属没有预置 Skill 就没有第一批可复用的工作流。2.2 Wiki 生成加速从串行到受控并发流水线Memory Knowledge要解决的问题导入较大文档集时页面从processing到ready是一页一页串行完成的等待是最明显的体感问题。这一点在冷启动首次导入既有知识库时最突出。v2.0.1 的规划页面生成并发执行不再严格串行构建队列设置并发上限与限流避免单次大批量导入耗尽上游 LLM 配额单页失败不再拖停整批失败页独立重试并保留错误原因构建进度与单页状态可见长任务不再是黑盒。现状佐证当前 Wiki / CodeGraph 的页面状态机已经定义了ready/failed两种终态见 MemoryKnowledge/src/callback.ts 中status: ready | failed的类型定义与Async ingest/sync finishes回调逻辑。v2.0.1 的改造方向正是在这组状态之上引入并发执行器与队列限流状态机已经具备缺的是并行度和可见性两层能力。文档规模越大收益越明显。2.3 用户级 / 团队级自定义 Prompt provenanceMemory Core要解决的问题记忆抽取质量与业务语境强相关——做基础设施的团队关心变更影响面做产品的团队关心用户诉求一套写死的 prompt 无法同时满足两者。v2.0.1 的规划支持在user与team维度覆盖记忆抽取与召回 prompt未配置时回落到内置默认值完全向后兼容生成的记忆携带provenance用了哪套 prompt、哪个模型、什么时间产出。注意配置边界该能力通过 Memory Core 接口配置Memory Hub 面板上的自定义 Prompt 编辑能力尚未支持——部署时不要期待在面板里改 prompt。从架构看这一规划落在 Memory Core 的 prompts 层MemoryCore/src/core/prompts 下的 l1-extraction、l1-dedup、scene-extraction、persona-generation 等 prompt 模块。provenance 的意义在于有了哪套 prompt 哪个模型 什么时间的追溯信息记忆质量变差了就从靠猜变成可定位的问题这也是记忆治理走向工程化的关键一步。2.4 Skill 导出把 Skill 打包带走Memory Hub要解决的问题Skill 不是一段 prompt——它带版本、资源文件、触发边界、执行步骤和校验规则目前这些只能留在 Hub 内无法备份或跨环境迁移。v2.0.1 的规划新增/v3/skill/export接口将 Skill 及其资源文件打包为可下载的 zip放宽导出超时适配包含大体积资源的 Skill导出内容与运行时实际注入的内容保持一致包含列表注入的 header/footer。适用场景备份、跨环境迁移以及在社区之间交换可复用的工作流。这条规划与 v2.0.0 已发布的Skill 强制归档能力MemoryProxy/src/routes/session-force-archive.ts形成互补归档解决从对话提炼 Skill导出解决Skill 的流通与持久化。2.5 记忆时间过滤Memory Hub要解决的问题面板上的记忆列表目前只能整体翻页记忆一多就很难定位到某段时间的内容。v2.0.1 的规划面板支持按时间范围过滤记忆列表与本版的时间戳修正配套导入的历史会话保留原始记录时间过滤结果才符合预期。这条规划揭示了记忆面板在数据维度上的演进方向从分页浏览升级为按时间检索。它依赖同一版本中 Memory Core 的导入时间戳修复见 2.6两条能力是配套关系。2.6 Codex 支持Memory Proxy · IDE Plan 模式要解决的问题让 Codex 也能复用与其他框架相同的记忆注入与回写链路。v2.0.1 的支持范围重要边界仅 Codex IDE 的 Plan 模式在规划阶段Codex 可读取 Chat Memory、Skill、Wiki 与 CodeGraph让方案基于团队既有上下文而不是从零推断Codex CLI 与非 Plan 执行模式暂不支持团队会根据实际需求排优先级。v2.0.1 之后的框架支持范围预计为OpenClaw · Hermes · Claude Code · CodeBuddy · CodexIDE Plan · SDK。从 Memory Proxy 的架构看新增适配器主要落在 MemoryProxy/src/agent-adapters目前已含 claude-code、codebuddy、default 三个适配器复用 injection 的注入管线与 tdai 的回写链路。2.7 v2.0.1 同期还会包含的配套改进除上述主线外v2.0.1 还规划了若干正确性与生态改进模块改进项说明Memory Core · 正确性导入会话保留原始时间戳含 JSONL 镜像导入历史对话后时间线不再被压平到导入时刻Memory Proxy · 正确性修复多 Agent 场景下conversation/search读取字段错误导致检索恒为空多 Agent 检索为空是隐蔽的正确性问题Memory Proxy · 正确性修复 session refresh 未清理 hook 缓存导致资产解绑不生效与 2.5 / 2.6 的缓存链路相关Memory Hub · 生态Opik → Skill 导入器可从外部 trace 平台蒸馏 SkillMemory Hub · 面板加载骨架屏、过渡动效、无障碍改进、资产详情页头部统一面板体验打磨值得注意的是session refresh 未清理 hook 缓存这条修复它直接关系到第 4 节mem:sync的可靠性——刷新后资产解绑不生效恰恰是缓存生命周期管理不到位的典型症状。3.mem:会话指令已随 v2.0.0 发布的能力3.1 指令是什么mem:指令是 Memory Proxy 提供的会话内轻量入口在对话里直接输入mem:开头的指令Proxy 会拦截并就地处理不用离开当前会话去开面板。当前已发布三个指令指令说明mem:sync刷新本次会话的全部资产注入Skill / 记忆 / Knowledge / Task Agent 描述mem:create-skill [提示词]把本次对话归档为 Skill后台异步提取mem:help显示指令帮助格式规范mem:command冒号后不加空格命令名大小写不敏感。例如mem:sync、mem:create-skill 重点总结数据库迁移步骤和踩坑、mem:help。开放讨论中团队正在收集下一批指令。文档明确征询三类反馈你希望在对话里直接完成哪些操作例如查看当前注入了什么、临时禁用某个资产、把某段对话存成记忆现有三个指令哪里不好用、参数设计是否别扭有没有你已在用工作流绕过的场景其实一个指令就能解决提出需求时描述清楚使用场景比给出接口设计更有帮助——这是路线图共创的核心方法论。3.2 解析与执行源码级调用链mem:指令的完整实现位于 MemoryProxy/src/mem-command模块统一入口在 index.ts。解析规则parser.ts从请求 body 的messages数组中取目标 user 消息默认最后一条checkFirst选项用于 session init 刚完成、最后一条是 init 交互回答的场景通过 agent 适配器的extractUserText按客户端规则提取用户真实输入claude-code 取最后一个 text block 并跳过system-reminder前缀元数据codebuddy / unknown 走保守的拼接所有 text策略trim 后以mem:开头大小写不敏感且整条消息就是命令不是嵌在其他文字中间拆分命令名与参数第一个空格分割命令名转小写。参数约束表MEM_COMMANDS_ARGS是解析器中最精巧的设计help/sync标记为false命令严格匹配——命令后不能跟任何非空白内容mem:help 你好会被视为普通对话透传上游 LLM而不是返回帮助文本create-skill标记为true接受可选 argsmem:create-skill 数据库迁移总结命中且携带 argsmem:create-skill无 args也命中未列入表的命令用户 typo 如mem:helpp/mem:foo不受此校验影响parser 仍返回解析结果交给执行器走未知命令分支给出❌ 未知命令 mem:xxx输入 mem:help 查看的兜底提示。执行分发index.tsKNOWN_COMMANDS集合维护已知命令列表sync/create-skill/helpexecuteMemCommand按命令分发到executeHelp/executeSync/executeCreateSkill。未知命令统一返回失败响应响应由 response-builder.ts 按协议anthropic / openai与流式选项构造。配置开关isMemCommandAllowedindex.ts检查配置中的enabled开关与allowedCommands白名单——白名单为空表示全部允许。从该函数签名可以推断MemCommandConfig至少包含enabled与allowedCommands两个字段类型定义见 MemoryProxy/src/types.ts 与 mem-command/types.ts。这意味着运维可以在不修改代码的前提下限制可用指令集。3.3mem:sync的底层动作executeSynccommands/sync.ts调用 session-refresh.ts 的refreshSessionCache核心动作覆盖从 SessionStore 取 session 状态key 为${agentSource}:${sessionKey}重新拉取 Agent / Task detailgetAgent/getTask并覆写到 SessionStore——描述、prompt、goal 都跟着更新用最新 state 构造PrewarmInput调用prewarmFromConfigMemoryProxy/src/injection/index.ts重跑所有声明了session_init/hybrid缓存策略的 hookSkill / 记忆 / Knowledge / 固定资产等把新块写入 HookCacheRepoCOS。成功文案为✅ 所有资产注入已刷新Skill / 记忆 / Knowledge 资产、Task Agent 描述耗时 Xms刷新明细refreshed / skipped / agent_refreshed / task_refreshed / took_ms保留在结构化data中供面板与日志使用。该能力同时以 HTTP 接口POST /v3/session/refresh-cache暴露给面板前端走 admin auth 鉴权——mem:sync与面板刷新按钮共用同一核心逻辑。3.4mem:create-skill的底层动作executeCreateSkillcommands/create-skill.ts调用 session-force-archive.ts 的forceArchiveSkill从 SessionStore 取 session 状态通过getCoreSkillClient(config.coreSkill)调用 Core 的forceArchive接口携带space_id/user_id/team_id/agent_id/session_id/task_id及用户传入的reason即mem:create-skill后的提示词根据 Core 返回的status分支处理archived返回✅ 本次对话已归档成功Skill 提取中结构化数据中保留task_id/archive_key/archived_at_msempty返回⚠️ 本次对话暂无可归档内容请继续对话后再试。文案刻意不暴露内部术语task_id、archive_key、文件路径只向用户传达归档已触发 / Skill 提取中排障时看data字段或后端日志——这是指令类交互在用户友好与可观测性之间取得的平衡。对应的 HTTP 接口为POST /v3/session/force-archive-skill即 v2.0.0 CHANGELOG 中提到的Skill 强制归档功能。3.5mem:help与未知命令兜底executeHelpcommands/help.ts返回内置的帮助文本包含命令表格与示例其内容与本文 3.1 的指令表一致。未知命令如 typo由executeMemCommand统一兜底返回❌ 未知命令并引导输入mem:help形成完整的容错闭环。4. 一起决定路线图Agent 记忆的下一步由使用场景驱动Agent 记忆还没有形成公认标准优先做什么很大程度取决于大家实际遇到了什么问题。项目方明确了两条反馈通道与响应承诺 Bug 与问题 → Issues承诺 24 小时内响应️ 贡献代码 → 请先阅读 CONTRIBUTING_CN.md。特别欢迎的贡献方向新框架适配器对应 2.6 的 Codex 等扩展路径、Memory Hub 的新用法。从仓库结构看新框架适配器的工作集中在 MemoryProxy/src/agent-adapters为每个客户端提供统一的extractUserText/ 消息归一化能力与 MemoryProxy/src/sessionsession init / extractor / cleaner 等生命周期管理这两个目录是理解如何接入一个新框架的最佳起点。路线图的完整英文版见 ROADMAP.md。5. 总结与行动建议v2.0.1 的规划主线默认 Agent 与预置 Skill 消灭冷启动门槛 → Wiki 受控并发流水线解决大规模导入等待 → user / team 级自定义 Prompt 加 provenance 让记忆质量可追溯 → Skill 导出让资产可流通 → CodexIDE Plan扩宽框架覆盖。其中冷启动开箱即用与Wiki 生成加速是收益最直观的两项也是第一次导入既有知识库时体感最强的场景。现在就能用的能力mem:指令已随 v2.0.0 发布。建议按以下路径实践部署完成后在任意会话输入mem:help确认指令可用性与白名单配置完成一轮有价值对话后立即用mem:create-skill 提示词归档为 Skill——提示词应描述这次对话沉淀了什么例如重点总结数据库迁移步骤和踩坑当面板上解绑了资产或修改了 Agent / Task 描述后输入mem:sync让当前会话的注入缓存与最新配置对齐避免继续使用旧快照若要在生产环境收紧指令能力通过MemCommandConfig的enabled/allowedCommands控制可用指令集。最后提醒两点边界其一v2.0.1 的所有规划均非承诺范围与时间可能调整以上内容以当前 ROADMAP_CN.md 为准其二自定义 Prompt 目前只能通过 Memory Core 接口配置面板编辑能力尚未支持。如果你想推动某项能力优先落地带上具体使用场景去提需求会比接口设计更容易被采纳。【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
TencentDB Agent Memory 路线图解析：v2.0.1 规划全景与 `mem:` 会话指令实战指南
TencentDB Agent Memory 路线图解析v2.0.1 规划全景与mem:会话指令实战指南【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-MemoryTencentDB Agent Memory 是一个面向 AI Agent 团队的记忆中枢把对话、文档与代码沉淀为 Chat Memory、Skill、LLM-Wiki、Code-Graph 四类可治理、可共享、可装配的记忆资产。本文以仓库官方路线图ROADMAP_CN.md为骨架逐项拆解 v2.0.1 的规划方向与设计动机并以 Memory Proxy 中已随 v2.0.0 发布的mem:会话指令为切入点结合 MemoryProxy/src/mem-command 源码讲解其解析、执行与底层调用链。读完本文你既能看清项目接下来要做什么、为什么这么做也能在现有版本中立刻上手mem:sync/mem:create-skill/mem:help这三个指令并理解如何通过白名单控制指令能力。1. 版本基线v2.0.0 已经交付了什么在进入规划之前先明确路线图的前提。当前发布版本为v2.0.02026-08-03见 CHANGELOG.md它已经完成了产品闭环的基础建设四种记忆资产首次完整开源Chat Memory对话逐层提取 L0 → L1 → L2 → L3、Skill可复用 SOP带版本 / 资源文件 / 触发边界 / 执行步骤 / 验证规则、Wiki结构化页面 链接图谱、CodeGraph符号 / 文件 / 调用关系 / 影响路径索引支持定时自动同步。Memory Hub 操作台建 Team / Agent、资产按 Owner / 版本 / 状态 / 可见性统一管理三级可见性private/team/restricted加agent定向装配内置 Wiki CodeGraph 工坊。Memory Proxy 接入通道Claude Code 等 coding agent 通过 Anthropic / OpenAI 双协议接入sessionInit 首轮引导选择 team / agent / task每轮把 L2/L3 记忆、matched skill、wiki/code-graph 注入 system prompt。mem:会话指令已随 v2.0.0 发布是本文第 4 节的主角。路线图本身是一份接下来做什么的工作清单范围与时间可能调整并非承诺。已发布内容请以 CHANGELOG.md 为准。2. 下个版本 v2.0.1五个核心能力规划v2.0.1 的规划围绕一条主线展开让从部署到第一次有效对话的成本趋近于零同时把大规模内容构建与多框架接入的体验做扎实。2.1 冷启动开箱即用默认 Agent 预置 SkillMemory Hub要解决的问题现在的上手链路是部署 → 建团队 → 建 Agent → 绑资产 → 复制接入地址 → 才能说第一句话在产生第一次有效对话之前步骤太多。v2.0.1 的规划Memory Hub 在初始化时自动准备一个默认 Agent团队或用户创建即自带默认 Agent无需手工配置默认 Agent 自带预置 Skill在用户尚未积累任何自有 Skill 之前就能干活默认预挂基础记忆资产首轮对话即可写入并召回 Chat Memory面板直接给出可粘贴的客户端接入地址并支持指向 Memory Proxy单机部署下接入地址解析为宿主机 LAN 地址而不是容器内主机名确保外部客户端真正连得上。目标跑完start-all.sh见 deploy/global-images/start-all.sh之后复制一行就能开始。从现有代码结构看这一规划涉及 Memory Hub 的初始化流程与面板展示层MemoryPanel/src核心价值是把配置即服务下沉到部署层默认 Agent 解决了资产装配的鸡生蛋问题——没有 Agent 就没有资产归属没有预置 Skill 就没有第一批可复用的工作流。2.2 Wiki 生成加速从串行到受控并发流水线Memory Knowledge要解决的问题导入较大文档集时页面从processing到ready是一页一页串行完成的等待是最明显的体感问题。这一点在冷启动首次导入既有知识库时最突出。v2.0.1 的规划页面生成并发执行不再严格串行构建队列设置并发上限与限流避免单次大批量导入耗尽上游 LLM 配额单页失败不再拖停整批失败页独立重试并保留错误原因构建进度与单页状态可见长任务不再是黑盒。现状佐证当前 Wiki / CodeGraph 的页面状态机已经定义了ready/failed两种终态见 MemoryKnowledge/src/callback.ts 中status: ready | failed的类型定义与Async ingest/sync finishes回调逻辑。v2.0.1 的改造方向正是在这组状态之上引入并发执行器与队列限流状态机已经具备缺的是并行度和可见性两层能力。文档规模越大收益越明显。2.3 用户级 / 团队级自定义 Prompt provenanceMemory Core要解决的问题记忆抽取质量与业务语境强相关——做基础设施的团队关心变更影响面做产品的团队关心用户诉求一套写死的 prompt 无法同时满足两者。v2.0.1 的规划支持在user与team维度覆盖记忆抽取与召回 prompt未配置时回落到内置默认值完全向后兼容生成的记忆携带provenance用了哪套 prompt、哪个模型、什么时间产出。注意配置边界该能力通过 Memory Core 接口配置Memory Hub 面板上的自定义 Prompt 编辑能力尚未支持——部署时不要期待在面板里改 prompt。从架构看这一规划落在 Memory Core 的 prompts 层MemoryCore/src/core/prompts 下的 l1-extraction、l1-dedup、scene-extraction、persona-generation 等 prompt 模块。provenance 的意义在于有了哪套 prompt 哪个模型 什么时间的追溯信息记忆质量变差了就从靠猜变成可定位的问题这也是记忆治理走向工程化的关键一步。2.4 Skill 导出把 Skill 打包带走Memory Hub要解决的问题Skill 不是一段 prompt——它带版本、资源文件、触发边界、执行步骤和校验规则目前这些只能留在 Hub 内无法备份或跨环境迁移。v2.0.1 的规划新增/v3/skill/export接口将 Skill 及其资源文件打包为可下载的 zip放宽导出超时适配包含大体积资源的 Skill导出内容与运行时实际注入的内容保持一致包含列表注入的 header/footer。适用场景备份、跨环境迁移以及在社区之间交换可复用的工作流。这条规划与 v2.0.0 已发布的Skill 强制归档能力MemoryProxy/src/routes/session-force-archive.ts形成互补归档解决从对话提炼 Skill导出解决Skill 的流通与持久化。2.5 记忆时间过滤Memory Hub要解决的问题面板上的记忆列表目前只能整体翻页记忆一多就很难定位到某段时间的内容。v2.0.1 的规划面板支持按时间范围过滤记忆列表与本版的时间戳修正配套导入的历史会话保留原始记录时间过滤结果才符合预期。这条规划揭示了记忆面板在数据维度上的演进方向从分页浏览升级为按时间检索。它依赖同一版本中 Memory Core 的导入时间戳修复见 2.6两条能力是配套关系。2.6 Codex 支持Memory Proxy · IDE Plan 模式要解决的问题让 Codex 也能复用与其他框架相同的记忆注入与回写链路。v2.0.1 的支持范围重要边界仅 Codex IDE 的 Plan 模式在规划阶段Codex 可读取 Chat Memory、Skill、Wiki 与 CodeGraph让方案基于团队既有上下文而不是从零推断Codex CLI 与非 Plan 执行模式暂不支持团队会根据实际需求排优先级。v2.0.1 之后的框架支持范围预计为OpenClaw · Hermes · Claude Code · CodeBuddy · CodexIDE Plan · SDK。从 Memory Proxy 的架构看新增适配器主要落在 MemoryProxy/src/agent-adapters目前已含 claude-code、codebuddy、default 三个适配器复用 injection 的注入管线与 tdai 的回写链路。2.7 v2.0.1 同期还会包含的配套改进除上述主线外v2.0.1 还规划了若干正确性与生态改进模块改进项说明Memory Core · 正确性导入会话保留原始时间戳含 JSONL 镜像导入历史对话后时间线不再被压平到导入时刻Memory Proxy · 正确性修复多 Agent 场景下conversation/search读取字段错误导致检索恒为空多 Agent 检索为空是隐蔽的正确性问题Memory Proxy · 正确性修复 session refresh 未清理 hook 缓存导致资产解绑不生效与 2.5 / 2.6 的缓存链路相关Memory Hub · 生态Opik → Skill 导入器可从外部 trace 平台蒸馏 SkillMemory Hub · 面板加载骨架屏、过渡动效、无障碍改进、资产详情页头部统一面板体验打磨值得注意的是session refresh 未清理 hook 缓存这条修复它直接关系到第 4 节mem:sync的可靠性——刷新后资产解绑不生效恰恰是缓存生命周期管理不到位的典型症状。3.mem:会话指令已随 v2.0.0 发布的能力3.1 指令是什么mem:指令是 Memory Proxy 提供的会话内轻量入口在对话里直接输入mem:开头的指令Proxy 会拦截并就地处理不用离开当前会话去开面板。当前已发布三个指令指令说明mem:sync刷新本次会话的全部资产注入Skill / 记忆 / Knowledge / Task Agent 描述mem:create-skill [提示词]把本次对话归档为 Skill后台异步提取mem:help显示指令帮助格式规范mem:command冒号后不加空格命令名大小写不敏感。例如mem:sync、mem:create-skill 重点总结数据库迁移步骤和踩坑、mem:help。开放讨论中团队正在收集下一批指令。文档明确征询三类反馈你希望在对话里直接完成哪些操作例如查看当前注入了什么、临时禁用某个资产、把某段对话存成记忆现有三个指令哪里不好用、参数设计是否别扭有没有你已在用工作流绕过的场景其实一个指令就能解决提出需求时描述清楚使用场景比给出接口设计更有帮助——这是路线图共创的核心方法论。3.2 解析与执行源码级调用链mem:指令的完整实现位于 MemoryProxy/src/mem-command模块统一入口在 index.ts。解析规则parser.ts从请求 body 的messages数组中取目标 user 消息默认最后一条checkFirst选项用于 session init 刚完成、最后一条是 init 交互回答的场景通过 agent 适配器的extractUserText按客户端规则提取用户真实输入claude-code 取最后一个 text block 并跳过system-reminder前缀元数据codebuddy / unknown 走保守的拼接所有 text策略trim 后以mem:开头大小写不敏感且整条消息就是命令不是嵌在其他文字中间拆分命令名与参数第一个空格分割命令名转小写。参数约束表MEM_COMMANDS_ARGS是解析器中最精巧的设计help/sync标记为false命令严格匹配——命令后不能跟任何非空白内容mem:help 你好会被视为普通对话透传上游 LLM而不是返回帮助文本create-skill标记为true接受可选 argsmem:create-skill 数据库迁移总结命中且携带 argsmem:create-skill无 args也命中未列入表的命令用户 typo 如mem:helpp/mem:foo不受此校验影响parser 仍返回解析结果交给执行器走未知命令分支给出❌ 未知命令 mem:xxx输入 mem:help 查看的兜底提示。执行分发index.tsKNOWN_COMMANDS集合维护已知命令列表sync/create-skill/helpexecuteMemCommand按命令分发到executeHelp/executeSync/executeCreateSkill。未知命令统一返回失败响应响应由 response-builder.ts 按协议anthropic / openai与流式选项构造。配置开关isMemCommandAllowedindex.ts检查配置中的enabled开关与allowedCommands白名单——白名单为空表示全部允许。从该函数签名可以推断MemCommandConfig至少包含enabled与allowedCommands两个字段类型定义见 MemoryProxy/src/types.ts 与 mem-command/types.ts。这意味着运维可以在不修改代码的前提下限制可用指令集。3.3mem:sync的底层动作executeSynccommands/sync.ts调用 session-refresh.ts 的refreshSessionCache核心动作覆盖从 SessionStore 取 session 状态key 为${agentSource}:${sessionKey}重新拉取 Agent / Task detailgetAgent/getTask并覆写到 SessionStore——描述、prompt、goal 都跟着更新用最新 state 构造PrewarmInput调用prewarmFromConfigMemoryProxy/src/injection/index.ts重跑所有声明了session_init/hybrid缓存策略的 hookSkill / 记忆 / Knowledge / 固定资产等把新块写入 HookCacheRepoCOS。成功文案为✅ 所有资产注入已刷新Skill / 记忆 / Knowledge 资产、Task Agent 描述耗时 Xms刷新明细refreshed / skipped / agent_refreshed / task_refreshed / took_ms保留在结构化data中供面板与日志使用。该能力同时以 HTTP 接口POST /v3/session/refresh-cache暴露给面板前端走 admin auth 鉴权——mem:sync与面板刷新按钮共用同一核心逻辑。3.4mem:create-skill的底层动作executeCreateSkillcommands/create-skill.ts调用 session-force-archive.ts 的forceArchiveSkill从 SessionStore 取 session 状态通过getCoreSkillClient(config.coreSkill)调用 Core 的forceArchive接口携带space_id/user_id/team_id/agent_id/session_id/task_id及用户传入的reason即mem:create-skill后的提示词根据 Core 返回的status分支处理archived返回✅ 本次对话已归档成功Skill 提取中结构化数据中保留task_id/archive_key/archived_at_msempty返回⚠️ 本次对话暂无可归档内容请继续对话后再试。文案刻意不暴露内部术语task_id、archive_key、文件路径只向用户传达归档已触发 / Skill 提取中排障时看data字段或后端日志——这是指令类交互在用户友好与可观测性之间取得的平衡。对应的 HTTP 接口为POST /v3/session/force-archive-skill即 v2.0.0 CHANGELOG 中提到的Skill 强制归档功能。3.5mem:help与未知命令兜底executeHelpcommands/help.ts返回内置的帮助文本包含命令表格与示例其内容与本文 3.1 的指令表一致。未知命令如 typo由executeMemCommand统一兜底返回❌ 未知命令并引导输入mem:help形成完整的容错闭环。4. 一起决定路线图Agent 记忆的下一步由使用场景驱动Agent 记忆还没有形成公认标准优先做什么很大程度取决于大家实际遇到了什么问题。项目方明确了两条反馈通道与响应承诺 Bug 与问题 → Issues承诺 24 小时内响应️ 贡献代码 → 请先阅读 CONTRIBUTING_CN.md。特别欢迎的贡献方向新框架适配器对应 2.6 的 Codex 等扩展路径、Memory Hub 的新用法。从仓库结构看新框架适配器的工作集中在 MemoryProxy/src/agent-adapters为每个客户端提供统一的extractUserText/ 消息归一化能力与 MemoryProxy/src/sessionsession init / extractor / cleaner 等生命周期管理这两个目录是理解如何接入一个新框架的最佳起点。路线图的完整英文版见 ROADMAP.md。5. 总结与行动建议v2.0.1 的规划主线默认 Agent 与预置 Skill 消灭冷启动门槛 → Wiki 受控并发流水线解决大规模导入等待 → user / team 级自定义 Prompt 加 provenance 让记忆质量可追溯 → Skill 导出让资产可流通 → CodexIDE Plan扩宽框架覆盖。其中冷启动开箱即用与Wiki 生成加速是收益最直观的两项也是第一次导入既有知识库时体感最强的场景。现在就能用的能力mem:指令已随 v2.0.0 发布。建议按以下路径实践部署完成后在任意会话输入mem:help确认指令可用性与白名单配置完成一轮有价值对话后立即用mem:create-skill 提示词归档为 Skill——提示词应描述这次对话沉淀了什么例如重点总结数据库迁移步骤和踩坑当面板上解绑了资产或修改了 Agent / Task 描述后输入mem:sync让当前会话的注入缓存与最新配置对齐避免继续使用旧快照若要在生产环境收紧指令能力通过MemCommandConfig的enabled/allowedCommands控制可用指令集。最后提醒两点边界其一v2.0.1 的所有规划均非承诺范围与时间可能调整以上内容以当前 ROADMAP_CN.md 为准其二自定义 Prompt 目前只能通过 Memory Core 接口配置面板编辑能力尚未支持。如果你想推动某项能力优先落地带上具体使用场景去提需求会比接口设计更容易被采纳。【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