TencentDB Agent Memory 为 AI Agent 提供长期记忆和短期记忆能力,让智能体能记住用户事实、偏好和任务上下文。围绕它的核心机制、评测数据、接入方式和落地风险,系统讲清 Agent 记忆模块该怎么设计。
OpenClaw 可以用身份文件、长期记忆、Heartbeat、Cron 和 Skill 组合出一个能收集反馈、反思并更新自己的专属智能体。围绕银行客户经理助手场景,讲清核心文件设计、自我迭代闭环、跨 Agent 测试和评估 Skill 的落地方式。
OpenClaw 将智能体记忆拆成动态会话日志和静态长期记忆,并通过 Markdown、JSONL、Embedding、sqlite-vec 和 FTS5 构建可持久化、可检索的记忆系统。重点讲清它如何写入记忆、索引记忆、召回记忆,以及为什么有了记忆层后 token 成本仍然不低。
Deep Agents 是构建复杂 AI Agent 的多智能体框架,适合处理长期运行、多步骤规划、文件系统上下文、子代理协作和持久记忆等任务。内容围绕它解决的问题、核心机制、适用场景和上手方式展开。
deepagents 是 LangChain 面向长周期任务推出的 Agent 框架,核心能力包括任务规划、文件系统访问和子 Agent 委托。通过 CompositeBackend 与 Milvus 结合,可以把临时工作区和跨会话长期记忆分开管理,减少上下文膨胀带来的成本和失控问题。
Mem0 可以为 AI Agent 提供跨会话的长期记忆能力,Milvus 负责持久化存储和检索语义向量。这里会讲清 Mem0 的记忆机制、它和 RAG 的区别,以及如何结合 DashScope、LangGraph、Milvus 和 Kuzu 构建带长期记忆与图谱记忆的 AI 应用。