文 | 字母 AI

agent 正在变得越来越颖异，但它还有一个很窘态的问题，那便是干着干着，就忘了我方要干什么了。

长任务、跨会话、聚合本质，这些果然是 agent 的发展倡导，可前提是它必须有一套可靠的缅想系统。不然，再强的模子也只可在一次次对话里反复"从头意识天下"。

腾讯最近开源的 AgentDB，对准的恰是这个问题。

这一个是挑升用来惩处缅想问题的孤立组件，一共唯一几 MB 的大小，下载到电脑以后，在 OpenClaw 或者 Hermes Agent 里输入一个提醒，AgentDB 就装置完成了。

便是这样一个"小玩意"，在发布的同期，腾讯挑升为其开设了孤立的 X 账号（ @TencentDBAbxo2），并由团队躬行在外交媒体上与开拓者互动。

AgentDB 本色上是一个分层渐进式的 Agent 缅想管说念系统。它剿袭"符号化短期缅想 + 分层永久缅想"的双轨架构，试图在 token 服从和信息完好性之间找到均衡点。

这套系统的打算理念包含三个维度。

第一个维度，断绝暴力堆积，也断毫不可逆压缩。

AgentDB 打算了 L0 到 L3 四层缅想金字塔。L0 是原始对话，完好保留每一轮交互的原始纪录。L1 是索求的原子缅想，由 LLM 自动从对话中索求结构化事实、用户偏好、任务拘谨和中间论断。L2 是场景团聚，按任务类型自动归纳关系缅想，变成场景块。L3 是用户画像，合手续提真金不怕火信息，变成流露的永久用户档案。

他举了一个黑客的例子，一个能 24/7 络续交搜寻软件纰谬的 AI，本色上是在学习黑客的高阶直观和门径论，而非简便的搜索。

这种"长周期学习 + 合手续本质"的才智，才是下一阶段 AI 所需要的。

而要完结长周期任务，唐杰指出了三大时刻撑合手，缅想、合手续学习、自我判断。

其中，缅想被他列为"通过深奥工程妙技首先被惩处"的才智。

这个判断和 AgentDB 的家具逻辑简直是重合的。

要是说唐了得了一个"上联"，"长周期任务需要缅想当作前提"，在线买世界杯平台那么腾讯用 AgentDB 对了一个"下联"，"分层缅想让长周期任务成为可能"。

Agent 需要记着我方作念了什么，为什么这样作念，接下来该作念什么。要是每本质几步就健忘之前的决策，那么长周期任务根柢无法完成。

更有真谛的是，唐杰还在文中提到了"自我判断"才智，固然 AgentDB 体积很小，但它的架构中也允许 AI 进行"自我判断"。

当 Agent 或者通过 Mermaid 图谱明晰地看到我方的任务解析、通过分层缅想回溯历史决策，它就具备了"元贯通"的基础。

知说念我方作念了什么、为什么这样作念、接下来该作念什么。

这种结构化的自我贯通，恰是自我判断的前提。

从这个角度看，AgentDB 不仅是一个缅想系统，更是腾讯对"长周期任务时期"的一次时刻押注。

唐杰描写了愿景，腾讯拿出了器用。

而在这场"长周期竞赛"中，缅想系统便是 Agent 的燃料箱。容量决定续航，结构决定服从。

AgentDB 的开源，意味着腾讯把这个燃料箱的打算图纸公开了，况兼照旧免费的。

智谱在长周期任务上照旧有了一些初步的效果。在 GLM-5.1 的白皮书中提到，GLM-5.1 在不需要任何东说念主工侵犯的前提下，或者合手续功课 8 小时。

但这仅仅一张收货单，要信得过让企业宽解，还得看它在更多场景里会不会掉链子，遭受没见过的问题时能弗成靠我方的妙技惩处。

长周期任务不是一个通用家具，它需要针对不同业业、不同场景作念深度定制。

这亦然 AgentDB 的契机方位。

当作一个孤立的缅想组件，AgentDB 不错和任何模子、任何 Agent 框架集成。智谱不错用，字节不错用，阿里也不错用。

这种洞开性让 AgentDB 有契机成为长周期任务的基础门径。

而长周期任务也不是某一家公司的专利，是整个这个词行业的共同倡导。谁能当先在这个方进取获取冲破，谁就能不才一轮竞争中占据先机。

而在这场竞赛中，缅想料理才智将是决定性的要素之一。

腾讯把这套决策开源出来，既是一种时刻自信的展示，亦然一种对生态配置的投资。

要是 AgentDB 或者成为长周期任务的标准缅想组件2026世界杯(中国)，那么腾讯在这个范围的影响力就会远远超出一个开源技俩自己。