Разбор и настройка долговременной памяти TencentDB для ИИ

Разбор показывает, как запустить и настроить открытую систему памяти TencentDB Agent Memory на своем компьютере или сервере. Инструкция предназначена для предпринимателей, разработчиков и руководителей, которые хотят избавить своих ИИ-помощников от забывчивости и сэкономить на повторных запросах.

Как устроена 4-уровневая память

Вместо того чтобы при каждом запросе отправлять нейросети всю историю переписки, система раскладывает информацию по четырем уровням:

1. L0 (Разговор): Полный текст текущего диалога без сжатия.
2. L1 (Атомы): Извлеченные факты, личные предпочтения и ограничения (например: «язык Python», «отвечать без воды»).
3. L2 (Сценарии): Контекстные блоки под конкретные проекты и рабочие задачи.
4. L3 (Профиль): Долговременный портрет пользователя или постоянный регламент компании.

Информация автоматически выделяется из диалога и распределяется по уровням. При новом запросе нейросеть берет только релевантные факты, а не всю историю. В результате расход токенов снижается до 61%, а точность решенных задач вырастает.

Подключение памяти: пошаговый план

Система полностью локальная. Все данные хранятся на твоем устройстве или сервере без передачи сторонним сервисам.

Шаг 1. Установка компонента

1. Открой командную строку (терминал) и убедись, что на устройстве установлены Node.js (версия 20 или выше) и Git.
2. Скачай официальный репозиторий с GitHub TencentCloud:

git clone https://github.com/TencentCloud/TencentDB-Agent-Memory.git
cd TencentDB-Agent-Memory
npm install

1. В терминале отобразится статус успешной сборки и инициализации локального хранилища.

Шаг 2. Конфигурация параметров памяти

1. Создай файл config.json в корневой директории проекта или добавь этот блок в настройки своего ИИ-агента (например, OpenClaw или Hermes):

{
  "memory-tencentdb": {
    "enabled": true,
    "storage": "local",
    "capture": {
      "enabled": true,
      "l0l1RetentionDays": 90
    },
    "extraction": {
      "autoExtractFacts": true,
      "deduplicate": true
    },
    "recall": {
      "maxTopK": 5,
      "minScoreThreshold": 0.75
    }
  }
}

1. Сохрани файл. Эти настройки включают автоматическое извлечение фактов (L1) и задают лимит хранения сырых диалогов в 90 дней.

Шаг 3. Запуск и передача правил

1. Запусти модуль памяти командой:

npm run start -- --config ./config.json

1. Отправь первичное вводное сообщение через чат-интерфейс агента или API:

Я руковожу отделом продаж. Мы используем CRM-систему, пишем клиентам строго на «вы» и делаем акцент на скорости доставки. Все коммерческие предложения должны быть не длиннее двух абзацев. Запомни эти правила.

1. В окне терминала ты увидишь логи обработки: модуль выделит ключевые факты и запишет их в структуру L1/L3.
2. Открой новую сессию и задай вопрос по задаче. ИИ не будет читать весь контекст заново, а сразу применит сохраненный регламент и формат ответа.

Лимиты и нюансы

• Требования к железу: Локальный модуль извлечения и векторного поиска требует от 2 до 4 ГБ свободной оперативной памяти.
• Первый запуск: При первом старте система скачивает локальную модель эмбеддингов (около 500 МБ). Это может занять пару минут в зависимости от скорости интернета.
• Переполнение индекса: Если отключить параметр ротации диалогов (l0l1RetentionDays), локальный векторный индекс со временем станет перегруженным. Оставляй значение в пределах 30–90 дней.
• Безопасность: Данные не отправляются в облачные хранилища. Они остаются на твоей машине, что критично для клиентских баз и коммерческой тайны.

Что дальше

Подключение долгосрочной памяти — это первый шаг к превращению разрозненных чат-ботов в полноценную рабочую систему агентов. Когда ИИ помнит регламенты, контекст и предыдущие решения, он начинает закрывать регулярные задачи без ежедневного контроля. Если ты хочешь внедрить такую ИИ-систему в процессы своего бизнеса — напиши в директ @ii.systema слово система. Разберем твои задачи и настроим автопилот.

Пусть работает система.