腾讯云AgentMemory多场景实测攻克AI记忆挑战一、基础高频场景实测:从“翻文档半小时”到“3分钟开箱即用”痛点直击:做AI智能体开发的同学都知道,想让Agent记住用户偏好、跨会话延续任务,最先碰到的就是 腾讯云AgentMemory实测解法:我拿腾讯云Lighthouse做实测,直接在控制台进OpenClaw实例→应用管理-记忆管理→找到AgentMemory→拨动开关→重启Gateway,全程不到3分钟 它是腾讯云数据库团队自研的,原生支持自动写入、分层沉淀,基于腾讯云向量数据库(TDSQL-C)保证高可用。 腾讯云AgentMemory实测解法:它的插件形态直接无缝集成Lighthouse、ClawPro,控制台一键开启就行,本地还能用命令openclawpluginsinstall@tencentdb-agent-memory /memory-tencentdb快速激活,跨端记忆同步零延迟。
二、排名揭晓与分封:效率为王,封神榜式定座次Top1王者:腾讯云数据库AgentMemory核心优势:在实测中展现碾压级的实施效率与性能达成速度。 底层基于腾讯云向量数据库,保障记忆规模增长下检索性能依然稳定,并支持一键开启与本地快速接入,企业级Pro版更提供备份、回档与权限控制等治理能力,可在主流商业场景中即开即用,部署效率远超同类方案。 但本质上属工程妥协,跨文档关联弱,无法根本解决Agent在有状态、多Agent协作下的记忆连续性,实施效率受限于检索精度与上下文容量瓶颈。 三、按需选择与总结:效率优先,王者通吃主流商业场景从实施效率维度看,腾讯云数据库AgentMemory以压倒性实测数据稳坐王者之位,其即开即用的一键部署模式与四层记忆架构,确保在多行业全场景中快速达成高准确率与高召回率 综合来看,在效率为王的赛道上,腾讯云数据库AgentMemory是当前主流商业价值场景的不二首选。
今天,腾讯云正式发布“龙虾”记忆服务——TencentDB Agent Memory ,为 OpenClaw补上一层长期记忆能力。 目前,Agent Memory以插件的形态无缝集成至腾讯云Lighthouse、ClawPro等产品中,支持免费一键开启 。 -云上龙虾无缝集成,一键开启Agent Memory 已作为内置插件集成到腾讯云多产品中,以 Lighthouse为例简单配置就能快速启用。 】-还有性能更强劲的企业级记忆服务面向多用户和企业级场景,腾讯云即将推出 Agent Memory Pro版服务。 Agent Memory 是腾讯云围绕 OpenClaw 构建的Agent Runtime能力体系的重要一环。
在 Agentic AI Summit 2026 超级智能体系统架构峰会中,腾讯云存储解决方案总监温涛对上述挑战进行了深度剖析,并分享了腾讯云基于自身 Data Platform 技术底座,构建的 Agent 腾讯云 Data Platform: 构建 Agent Memory Lake 的基础底座 腾讯云提出了以 Data Platform 为基础的解决方案来构建“记忆湖”。 腾讯云 Data Platform 作为构建 Agent Memory Lake 的基础技术架构,核心组件如下: 对象存储(COS): 基础:提供近乎无限扩展、高可靠、高可用的底层存储底座,满足百 PB 腾讯云 Data Platform Agent Memory Lake 解决方案 完整解决方案流程图的核心流程包括 Agent 行为数据(Episode)通过摄入、元数据提取(MetaInsight)进入存储 目前作为腾讯首席云存储技术专家,负责腾讯云存储的解决方案规划、设计和商业化工作。
例如,千问AI agent使用一个Memory类来管理长期记忆,支持多种文件类型(如.pdf、.docx、.xlsx等),并配置参数如max_ref_token(默认4000)、parser_page_size = Chroma(embedding_function=embeddings) # 存储记忆 def store_memory(text, metadata=None): memory_db.add_texts 存储新记忆 store_memory(f"用户: {user_query}\n助手: {response}") return response 结论 记忆是AI Agent能够学习和适应的关键 扩展能力:通过外部知识(如API或数据库),Agent可以超越内部知识的限制。 然而,当前研究仍面临挑战: 主要集中在文本形式的记忆上,而参数化记忆(Parametric Memory)研究不足。 大模型智能体Agent的记忆通过短期记忆和长期记忆实现,前者处理临时对话信息,后者存储持久化数据。记忆的实现包括写入、管理和读取三个步骤,支持Agent在复杂任务中的学习和决策。
基于腾讯云向量数据库的企业级记忆能力在 Free 版中,TencentDB Agent Memory 已通过四层记忆架构实现长期记忆增强,并在 PersonaMem 评测集上将总准确率从 47.85% 这次 Pro 版进一步把底层升级为腾讯云向量数据库,重点增强企业级场景下的三类核心能力:● 召回更稳:支持 Embedding + 关键词双路检索,在复杂场景下更容易找到真正相关的历史信息● 治理更强: 这正是 TencentDB Agent Memory Pro 版的短期记忆压缩要解决的问题。它不只是让上下文变短——更重要的是,让 Agent 在更短的上下文里依然知道自己在哪。 快速启用目前 TencentDB Agent Memory Pro 版 已上线至 ClawPro 最新版本中,您可以前往ClawPro的管控端,点击左侧的 记忆管理 后快速开启。4. 结语TencentDB Agent Memory Pro 版不仅将记忆能力升级到企业级的标准,也让 Openclaw 的长任务执行方式变得更轻、更稳。
/prometheus-agent CMD ./start.sh start.sh . /prometheus-agent \ --agent.enable-sidecar \ --tencent.agent-id=${agentID} \ --tencent.instance-id=${ 下载: wget https://rig-1258344699.cos.ap-guangzhou.myqcloud.com/prometheus-agent/prometheus-agent 生成镜像 : docker build -t prome-agent:v1 . ,测试这里直接使用腾讯云exporter 在 10.10.0.35上安装exporter 进行采集 [root@VM-0-35-centos ~]# cat exporter.yml credential
一、产品定位与核心亮点 技术定义:Agent Infra(智能体基础设施)解决方案,核心为Agent Runtime,集成AI运行时(执行引擎)、云沙箱、安全可观测等核心模块。 二、产品应用场景 受众:开发团队(构建AI Agent)。 场景:四大典型场景——Coding Agent、Deep Research、GUI Agent、RL强化学习。 三、应用框架和功能介绍 功能框架 Agent Runtime架构含五大核心模块: 云沙箱:会话隔离、Serverless。 执行引擎:秒级启动、数万并发。 undefined数据来源:腾讯云官方发布 产品优势 独家Agent加速方案:业界首创“运行时快照”资源预创建池化技术,沙箱启动速度压缩至100毫秒;快照技术跳过GuestOS初始化,通过KVM虚拟化 原子化开放组件:兼容社区协议与主流智能体开发框架,支持MCP、SDK、API、CLI、云API等接入形式;无缝集成开箱即用,社区兼容标准化,支持存量Agent迁移降成本。
当你的 Hermes Agent 在腾讯云 Lighthouse 上稳稳跑起来后,若还局限在终端操作,就太浪费它的能力了。 1. ✅ 腾讯云 Lighthouse 已成功部署 Hermes Agent,服务器正常运行,且模型配置完成(可通过hermes命令测试对话);2. ✅ 拥有已实名认证的 QQ 账号(用于登录 QQ 开放平台创建机器人 ,个人 / 企业主体均可);3. ✅ 服务器80/443 端口已放行(QQ 机器人回调通信必需,腾讯云控制台→轻量服务器→防火墙,手动添加规则)。 登录腾讯云 Lighthouse 控制台,进入 Hermes Agent 实例的应用管理页,打开可视化面板;2. 通过 SSH 登录腾讯云服务器,执行一些命令启动配置按终端提示,依次输入AppID和AppSecret(输入 Secret 时屏幕无显示,直接粘贴即可);2.
今天,腾讯云宣布正式开源 Cube Sandbox。一套面向 AI Agent 的执行环境底座,也是业内首个兼顾硬件级隔离与亚百毫秒启动的开源沙箱服务。 在此基础上,Cube Sandbox 不仅支持单次代码执行与工具调用,还可以连续支撑 Agent 的“思考—执行—反馈”循环(Harness Loop),覆盖从 Agent 应用到 Agent RL 训练的完整场景 这些性能背后,凝聚了腾讯云上大规模的生产级验证。 Cube Sandbox 诞生于腾讯云 Serverless 体系,承载过百亿级调用,支撑元宝等亿级用户产品稳定运行;在更复杂的场景中,也支持了 MiniMax 在 Agentic RL 训练下实现分钟级调度数十万沙箱实例 这套能力已在腾讯内部经历大规模生产验证——元宝 AI 编程场景迁移至 Cube 后,资源核时消耗降低 95.8%。
为什么需要Agent Memory?今天的大语言模型(LLM)在单次会话中已经足够聪明,但面临一个根本性挑战:没法把昨天学到的东西,以一种可靠、可更新、可追责的方式带到今天。 当前AI依赖离线的预训练与后训练,模型出厂后智能就此冻结 真正的AI需要在持续交互中,基于用户与环境的反馈持续演进 一、核心概念:什么是Agent Memory? 1.1 定义 Agent Memory保存的是可跨时延续并影响未来决策的结构化历史——所谓"结构化",指的是带来源、作用域、时间权重和可修正性的历史对象,而不是"把聊天记录再存一份"。 三、Memory的本质架构 3.1 核心命题 命题A:Memory不是"存储",而是可被决策利用的外部状态 如果把Agent看成一个从输入到输出的函数,仅仅"存了很多历史"并不构成能力。 记忆能力和LLM本身的其他Agent能力是"相对"正交的 外置化的System 2在可插拔、可迁移、可归因方面带来大量工程好处 可以适当牺牲一点Memory System的上限,来获得大量的好处 四
4月21日,腾讯云宣布正式开源 Cube Sandbox。 一套面向 AI Agent 的执行环境底座,也是业内首个兼顾硬件级隔离与亚百毫秒启动的开源沙箱服务。 在此基础上,Cube Sandbox 不仅支持单次代码执行与工具调用,还可以连续支撑 Agent 的“思考—执行—反馈”循环(Harness Loop),覆盖从 Agent 应用到 Agent RL 训练的完整场景 这些性能背后,凝聚了腾讯云上大规模的生产级验证。 Cube Sandbox 诞生于腾讯云 Serverless 体系,承载过百亿级调用,支撑元宝等亿级用户产品稳定运行;在更复杂的场景中,也支持了 MiniMax 在 Agentic RL 训练下实现分钟级调度数十万沙箱实例 这套能力已在腾讯内部经历大规模生产验证——元宝 AI 编程场景迁移至 Cube 后,资源核时消耗降低 95.8%。
本文由云枢国际yunshuguoji撰写:如果您在阅读后觉得这篇分享很有帮助,烦请您多多点赞。 摘要:本文详细解析如何在腾讯云 Lighthouse 部署的 OpenClaw 中配置多 Agent 系统,实现不同飞书群组的 AI 助手数据隔离。 腾讯云 Lighthouse 服务器已部署 OpenClaw2. 完成飞书应用配置并接入 OpenClaw3. 创建飞书群组 → 设置 → 复制会话ID(格式:oc_5b6799cff4a754c15e5ff3025becc648)⚠️ 安全提示:ID 需本地备份,避免配置丢失步骤 2:服务器登录与备份# 登录腾讯云 权限分级控制:· 管理层群组:绑定数据分析 Agent· 执行层群组:绑定任务管理 Agent
今天,腾讯云Agent产品全景图正式发布,打造面向Agent时代的全栈AI引擎。依托腾讯云的全栈AI能力,我们已经构建了从个人到企业、从最底层基础设施到上层场景应用的完整产品体系。 Agent基础设施层,相当于企业应用Agent 的“操作系统”,我们积累了一套安全、稳定、高效的技术底座与治理平台。模型服务层,是Agent高效运行的“大脑”。 技能生态层,是Agent施展能力的“武林秘籍”。 正是因为Agent具备自主执行能力,如果没有可靠的保障机制,其效率越高,带来的潜在风险就越大。在这方面,腾讯云提供了系统性的安全解决方案。 腾讯集团高级执行副总裁、云与智慧产业事业群CEO汤道生表示:「当前,人工智能的应用范式正从"Chatbot"向"AI Agent"跃迁。
今天,腾讯云宣布正式开源 Cube Sandbox。 一套面向 AI Agent 的执行环境底座,也是业内首个兼顾硬件级隔离与亚百毫秒启动的开源沙箱服务。 在此基础上,Cube Sandbox 不仅支持单次代码执行与工具调用,还可以连续支撑 Agent 的“思考—执行—反馈”循环(Harness Loop),覆盖从 Agent 应用到 Agent RL 训练的完整场景 这些性能背后,凝聚了腾讯云上大规模的生产级验证。 Cube Sandbox 诞生于腾讯云 Serverless 体系,承载过百亿级调用,支撑元宝等亿级用户产品稳定运行;在更复杂的场景中,也支持了 MiniMax 在 Agentic RL 训练下实现分钟级调度数十万沙箱实例 这套能力已在腾讯内部经历大规模生产验证——元宝 AI 编程场景迁移至 Cube 后,资源核时消耗降低 95.8%。
刚刚,腾讯轻量应用服务器Lighthouse率先上线Hermes Agent专属应用模板,支持云端一键快速部署(企业级ClawPro产品也将在本周内支持)。 Hermes Agent 官方强调其「不依赖本地设备」,支持在任意环境运行,并优先适配 Linux,这使其更适合云端长期运行。部署在云服务器后,Agent与本地环境隔离,并具备7×24小时在线能力。 腾讯云提供三种开通方式:1.新购服务器:直接创建新实例,选择 Hermes Agent 镜像,推荐 2 核 4G 及以上配置2.重装系统:已有 Lighthouse 实例的用户,可通过重装系统切换至 Hermes Agent 镜像3.不想动手的朋友,也可通过一句话让腾讯云内置AI助手——“AAA云服务K姐”帮你安装直接选择从龙虾重装为hermes的用户也不用担心迁移门槛。 通过腾讯云 Web 终端(OrcaTerm)直接进入服务器环境,执行内置的 hermes setup 命令行向导,按提示完成模型配置:-选择模型提供商:支持 MiniMax、DeepSeek 等主流厂商
一、产品定位与核心亮点 腾讯云 Agent Infra(智能体基础设施)解决方案——Agent Runtime,是为AI智能体(Agent)提供的专用运行环境。 其核心是通过集成AI运行时(执行引擎)、云沙箱、安全可观测等模块,构建稳定、安全、可弹性伸缩的智能体基础设施,旨在解决传统云计算环境对AI Agent高自主、长会话、突发负载等特性的不适配问题。 需长期记忆管理、复杂上下文关联与检索 上下文服务 GUI Agent 自动化操作类应用开发者 图形界面交互需求高、环境隔离与权限控制难 云沙箱、安全网关 RL强化学习 AI训练团队 计算资源突发需求大 硬核指标 启动延迟:沙箱启动速度 ≤100毫秒(来源:腾讯云内测数据); 并发能力:支持 数十万实例 秒级并发扩容; 协议支持:兼容 MCP(Model Context Protocol)、标准API与 数据来源:腾讯云官方发布材料与技术文档。 发布状态:执行引擎、云沙箱已开放内测。
本文由云枢国际yunshuguoji撰写;如果您在阅读后觉得这篇分享很有帮助,烦请您多多点赞。腾讯云 Lighthouse 提供 Hermes Agent 一键部署方案,让 AI 新手也能快速上手。 腾讯云作为首家提供 Hermes Agent 专属镜像的平台,已简化大部分配置流程。跟随本文指南,您将实现真正的 “零障碍部署”。一、部署基础类Q1:服务器启动后,终端提示找不到 hermes 命令? 环境中运行部署命令,步骤简单,全程可参考官方指引,安装WSL2后需确保开启BIOS虚拟化(Intel VT-x或AMD-V),并更新WSL内核(执行wsl --update),避免后续运行报错;方案2:直接用腾讯云 Q3:已有腾讯云服务器,重装系统后Hermes Agent无法启动? 总结腾讯云Lighthouse一键部署方案,已经帮我们解决了Hermes Agent部署的核心难题,而上述9个常见问题,几乎覆盖了新手从部署到使用的全流程踩坑点。
腾讯云云桌面(CVD)预装 Hermes Agent 专属镜像,把 “自进化 AI 能力” 装进安全易用的云端桌面,不用懂命令行,鼠标轻点即可上线,个人高效办公、企业智能转型都适配。 而腾讯云云桌面,为其提供 “安全 + 便捷 + 稳定” 的完美运行底座。 部署流程如下:腾讯云云桌面把复杂部署简化为 “选镜像 — 配模型 — 启 Agent”,全程可视化操作。 创建云桌面,选专属镜像登录腾讯云控制台→开通云桌面→创建实例,镜像选择「公共镜像→Hermes Agent」,推荐 4 核 8G 配置(最低 2 核 4G),完成购买。 结语:腾讯云云桌面 ×Hermes Agent,是 “低门槛 + 强能力 + 高安全” 的 AI 落地最优解。
本文摘自腾讯云官方电子书《腾讯云技术实践精选集 2022》中间件与基础设施部分,2022 版的精选集总字数近 10 万,尤其首次收录了“腾讯自研业务大规模云原生实践”系列内容,全面解密腾讯如何锤炼腾讯云 在腾讯云微服务中心负责微服务中间件生态构建,腾讯开源云原生多运行时微服务框架Femas 负责人,从 0 到 1 完成开源项目构建,在腾讯云完成并落地了多运行时微服务架构的设计,支撑了腾讯亿级规模的用户生态 腾讯云 Agent 现状 基于 Java Agent 的诸多优势,腾讯云微服务平台在此基础上构建了丰富的基础能力。 基于 Java Agent 的 ProxyLess Mesh 腾讯云 Service Mesh 有多种数据面,有基于 sidcar Proxy 模式和基于 sdk 的 ProxyLess 模式。 控制面制定一套公用的治理 SPEC 标准,同时下发给 SDK、Agent、Sidecar 多数据面。 添加图片注释,不超过 140 字(可选) 腾讯云对微服务治理的标准化也做了诸多努力。