TencentDB Agent Memory插件开发指南如何扩展自定义记忆处理模块【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AI Agent的团队级记忆中枢能够将对话、文档和代码转化为四种可重用的记忆资产聊天记忆、技能、LLM-Wiki、代码图并在代理和框架之间进行管理、共享和配置。本指南将详细介绍如何为TencentDB Agent Memory开发自定义记忆处理模块帮助开发者快速扩展其记忆处理能力。记忆处理模块的核心概念TencentDB Agent Memory采用了四层记忆架构从下到上分别是L0原始日志、L1原子记忆、L2场景块和L3角色画像。这种分层架构使得记忆处理更加高效和灵活每一层都有其特定的功能和应用场景。图1TencentDB Agent Memory四层记忆架构示意图展示了从原始对话到服务画像的完整转化过程L0原始日志Raw Log全面保留原始对话和事件流确保信息不丢失为后续处理提供基础数据。L1原子记忆Atomic Memory自动提取事实、偏好、约束和状态从噪声中稳定提取关键信息。L2场景块Scene Block按项目、主题或工作流场景聚类支持上下文召回减少跨场景误用。L3角色画像Persona稳定的用户偏好与服务方式画像使Agent能够按照用户习惯协作。开发自定义记忆处理模块的准备工作在开始开发之前需要确保开发环境已经准备就绪。首先克隆TencentDB Agent Memory项目仓库git clone https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory进入项目目录后安装必要的依赖cd TencentDB-Agent-Memory npm install自定义记忆存储模块的实现步骤记忆存储模块是TencentDB Agent Memory的核心组件之一负责记忆数据的持久化和检索。下面将以实现一个自定义的记忆存储模块为例详细介绍开发过程。1. 定义存储接口实现类所有的记忆存储模块都需要实现IMemoryStore接口该接口定义了记忆存储的基本操作。在src/core/store目录下创建一个新的TypeScript文件例如custom-store.ts并实现IMemoryStore接口。import { IMemoryStore, StoreInitResult, MaybePromise } from ./types; export class CustomMemoryStore implements IMemoryStore { supportsDeferredEmbedding?: boolean false; init(providerInfo?: EmbeddingProviderInfo): MaybePromiseStoreInitResult { // 初始化存储连接 return { success: true }; } isDegraded(): boolean { // 检查存储是否处于降级状态 return false; } getCapabilities(): StoreCapabilities { // 返回存储支持的功能 return { vectorSearch: true, ftsSearch: true, hybridSearch: false }; } close(): void { // 关闭存储连接 } // 实现其他必要的接口方法... }2. 实现核心记忆操作方法IMemoryStore接口定义了一系列用于操作L0和L1记忆的方法包括插入、删除、查询和搜索等。以下是一些核心方法的实现示例L1记忆操作upsertL1(record: MemoryRecord, embedding?: Float32Array): MaybePromiseboolean { // 插入或更新L1记忆记录 return true; } deleteL1(recordId: string): MaybePromiseboolean { // 删除指定ID的L1记忆记录 return true; } searchL1Vector(queryEmbedding: Float32Array, topK?: number, queryText?: string): MaybePromiseL1SearchResult[] { // 基于向量相似度搜索L1记忆 return []; }L0记忆操作upsertL0(record: L0Record, embedding?: Float32Array): MaybePromiseboolean { // 插入或更新L0记忆记录 return true; } queryL0ForL1(sessionKey: string, afterRecordedAtMs?: number, limit?: number): MaybePromiseL0QueryRow[] { // 查询用于生成L1记忆的L0记录 return []; }3. 注册自定义存储模块实现自定义存储模块后需要在系统中注册该模块以便TencentDB Agent Memory能够识别和使用它。在src/core/store/factory.ts文件中添加自定义存储模块的注册逻辑import { CustomMemoryStore } from ./custom-store; export function createStore(storeType: string): IMemoryStore { switch (storeType) { case sqlite: return new VectorStore(); case tcvdb: return new TcvdbMemoryStore(); case custom: return new CustomMemoryStore(); // 添加自定义存储模块 default: throw new Error(Unsupported store type: ${storeType}); } }插件配置与部署1. 创建插件配置文件在hermes-plugin/memory/memory_tencentdb目录下创建或修改plugin.yaml文件配置自定义记忆处理模块的相关信息name: memory_custom display_name: memory-custom version: 1.0.0 description: Custom memory processing module for TencentDB Agent Memory hooks: - on_memory_write - on_session_end aliases: - custom-memory2. 部署自定义插件将自定义插件部署到TencentDB Agent Memory系统中可通过以下命令安装npm run plugin:install hermes-plugin/memory/memory_tencentdb安装完成后在配置文件中指定使用自定义存储模块{ memory: { provider: custom } }测试与调试为确保自定义记忆处理模块的正确性需要编写相应的测试用例。在hermes-plugin/memory/memory_tencentdb/tests目录下创建测试文件例如test_custom_store.ts使用Vitest进行测试import { describe, it, expect } from vitest; import { CustomMemoryStore } from ../../../src/core/store/custom-store; describe(CustomMemoryStore, () { it(should initialize successfully, async () { const store new CustomMemoryStore(); const result await store.init(); expect(result.success).toBe(true); }); // 添加更多测试用例... });运行测试命令npm run test总结通过本文的指南你已经了解了如何为TencentDB Agent Memory开发自定义记忆处理模块。从定义存储接口实现类到实现核心记忆操作方法再到注册和部署插件每一步都详细介绍了具体的实现过程。希望这个指南能够帮助你快速扩展TencentDB Agent Memory的记忆处理能力满足特定的业务需求。图2TencentDB Agent Memory四层记忆架构中文示意图展示了从碎片对话到服务画像的转化流程如果你在开发过程中遇到任何问题可以参考项目中的官方文档或查看源码中的相关实现例如src/core/store/types.ts中定义的IMemoryStore接口以及src/core/store/sqlite.ts和src/core/store/tcvdb.ts中的现有存储实现。【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插件开发指南如何扩展自定义记忆处理模块【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AI Agent的团队级记忆中枢能够将对话、文档和代码转化为四种可重用的记忆资产聊天记忆、技能、LLM-Wiki、代码图并在代理和框架之间进行管理、共享和配置。本指南将详细介绍如何为TencentDB Agent Memory开发自定义记忆处理模块帮助开发者快速扩展其记忆处理能力。记忆处理模块的核心概念TencentDB Agent Memory采用了四层记忆架构从下到上分别是L0原始日志、L1原子记忆、L2场景块和L3角色画像。这种分层架构使得记忆处理更加高效和灵活每一层都有其特定的功能和应用场景。图1TencentDB Agent Memory四层记忆架构示意图展示了从原始对话到服务画像的完整转化过程L0原始日志Raw Log全面保留原始对话和事件流确保信息不丢失为后续处理提供基础数据。L1原子记忆Atomic Memory自动提取事实、偏好、约束和状态从噪声中稳定提取关键信息。L2场景块Scene Block按项目、主题或工作流场景聚类支持上下文召回减少跨场景误用。L3角色画像Persona稳定的用户偏好与服务方式画像使Agent能够按照用户习惯协作。开发自定义记忆处理模块的准备工作在开始开发之前需要确保开发环境已经准备就绪。首先克隆TencentDB Agent Memory项目仓库git clone https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory进入项目目录后安装必要的依赖cd TencentDB-Agent-Memory npm install自定义记忆存储模块的实现步骤记忆存储模块是TencentDB Agent Memory的核心组件之一负责记忆数据的持久化和检索。下面将以实现一个自定义的记忆存储模块为例详细介绍开发过程。1. 定义存储接口实现类所有的记忆存储模块都需要实现IMemoryStore接口该接口定义了记忆存储的基本操作。在src/core/store目录下创建一个新的TypeScript文件例如custom-store.ts并实现IMemoryStore接口。import { IMemoryStore, StoreInitResult, MaybePromise } from ./types; export class CustomMemoryStore implements IMemoryStore { supportsDeferredEmbedding?: boolean false; init(providerInfo?: EmbeddingProviderInfo): MaybePromiseStoreInitResult { // 初始化存储连接 return { success: true }; } isDegraded(): boolean { // 检查存储是否处于降级状态 return false; } getCapabilities(): StoreCapabilities { // 返回存储支持的功能 return { vectorSearch: true, ftsSearch: true, hybridSearch: false }; } close(): void { // 关闭存储连接 } // 实现其他必要的接口方法... }2. 实现核心记忆操作方法IMemoryStore接口定义了一系列用于操作L0和L1记忆的方法包括插入、删除、查询和搜索等。以下是一些核心方法的实现示例L1记忆操作upsertL1(record: MemoryRecord, embedding?: Float32Array): MaybePromiseboolean { // 插入或更新L1记忆记录 return true; } deleteL1(recordId: string): MaybePromiseboolean { // 删除指定ID的L1记忆记录 return true; } searchL1Vector(queryEmbedding: Float32Array, topK?: number, queryText?: string): MaybePromiseL1SearchResult[] { // 基于向量相似度搜索L1记忆 return []; }L0记忆操作upsertL0(record: L0Record, embedding?: Float32Array): MaybePromiseboolean { // 插入或更新L0记忆记录 return true; } queryL0ForL1(sessionKey: string, afterRecordedAtMs?: number, limit?: number): MaybePromiseL0QueryRow[] { // 查询用于生成L1记忆的L0记录 return []; }3. 注册自定义存储模块实现自定义存储模块后需要在系统中注册该模块以便TencentDB Agent Memory能够识别和使用它。在src/core/store/factory.ts文件中添加自定义存储模块的注册逻辑import { CustomMemoryStore } from ./custom-store; export function createStore(storeType: string): IMemoryStore { switch (storeType) { case sqlite: return new VectorStore(); case tcvdb: return new TcvdbMemoryStore(); case custom: return new CustomMemoryStore(); // 添加自定义存储模块 default: throw new Error(Unsupported store type: ${storeType}); } }插件配置与部署1. 创建插件配置文件在hermes-plugin/memory/memory_tencentdb目录下创建或修改plugin.yaml文件配置自定义记忆处理模块的相关信息name: memory_custom display_name: memory-custom version: 1.0.0 description: Custom memory processing module for TencentDB Agent Memory hooks: - on_memory_write - on_session_end aliases: - custom-memory2. 部署自定义插件将自定义插件部署到TencentDB Agent Memory系统中可通过以下命令安装npm run plugin:install hermes-plugin/memory/memory_tencentdb安装完成后在配置文件中指定使用自定义存储模块{ memory: { provider: custom } }测试与调试为确保自定义记忆处理模块的正确性需要编写相应的测试用例。在hermes-plugin/memory/memory_tencentdb/tests目录下创建测试文件例如test_custom_store.ts使用Vitest进行测试import { describe, it, expect } from vitest; import { CustomMemoryStore } from ../../../src/core/store/custom-store; describe(CustomMemoryStore, () { it(should initialize successfully, async () { const store new CustomMemoryStore(); const result await store.init(); expect(result.success).toBe(true); }); // 添加更多测试用例... });运行测试命令npm run test总结通过本文的指南你已经了解了如何为TencentDB Agent Memory开发自定义记忆处理模块。从定义存储接口实现类到实现核心记忆操作方法再到注册和部署插件每一步都详细介绍了具体的实现过程。希望这个指南能够帮助你快速扩展TencentDB Agent Memory的记忆处理能力满足特定的业务需求。图2TencentDB Agent Memory四层记忆架构中文示意图展示了从碎片对话到服务画像的转化流程如果你在开发过程中遇到任何问题可以参考项目中的官方文档或查看源码中的相关实现例如src/core/store/types.ts中定义的IMemoryStore接口以及src/core/store/sqlite.ts和src/core/store/tcvdb.ts中的现有存储实现。【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
