腾讯云Team Memory来了!
腾讯云Agent Memory 2.0.0上线Team Memory功能,将长期记忆能力从个人扩展至团队协作场景,支持代码知识、项目文档、历史对话和工作方法沉淀为可共享、可装配的四类资产(Wiki、CodeGraph、Chat Memory、Skill),并配套Memory Hub统一管理权限与版本。
Team Memory:从个人记忆到团队协作
腾讯云Agent Memory 2.0.0大版本已上线,全新升级Team Memory,将长期记忆能力从个人扩展到团队协作场景。
以后,团队与Agent协作过程中产生的代码知识、项目文档、历史对话和工作方法,都可以沉淀为团队长期记忆,在不同Agent之间共享,再根据Agent角色和具体任务按需装配,不用每次都重新介绍项目背景。
Team Memory功能示意图
四类记忆资产:对话、文档、代码库、Skill
以前的记忆基本只存对话,Team Memory把它扩成四类:
- 历史Agent Session整理成Chat Memory,记住聊过什么、定过什么。
- 项目文档生成Wiki,设计文档和运维手册变成能查的结构化页面。
- 代码仓库自动生成CodeGraph,让Agent看懂代码结构和调用关系,改一个函数会牵连到哪儿,动手前先算清楚。
- 一次干成的排障或代码评审,则沉淀为Skill,下次同类任务直接调用。
四类记忆资产示意图
四类记忆能在团队内共享,也能分别装配给不同角色的Agent。修Bug的Agent优先使用CodeGraph、排障经验和相关Skill,做需求分析的Agent则加载Wiki、业务背景和历史讨论,不用把整个项目重新读一遍。
这些记忆资产与具体模型和Agent框架相互独立。团队以后更换模型或工具,已经积累的知识和经验仍然可以继续使用。
刚接手的项目也能用。已有的GitHub仓库、项目文档和历史Session可以直接导入,自动生成对应记忆,让新Agent从现有项目经验开始工作。
Memory Hub:每条记忆都有Owner和版本
为了方便查看和管理记忆,这次全新版本还同步上线了Memory Hub控制台。
用户可以在里面创建Team、Agent和Task,把散在各处的记忆收到一处,生成、审核、授权、分享和装配都在这里完成。每条记忆归谁、更新到哪个版本、被哪些Agent用过,也可以直接查看。
Memory Hub控制台界面
实际使用时,用户先在Memory Hub中创建一个Team,再设置负责开发、评审或需求分析的不同Agent,并为它们配置需要使用的Wiki、CodeGraph、Chat Memory和Skill。
随后,Agent工具可以通过Proxy接入Team Memory。每次开启新会话时,用户选择本次会话所属的Team、使用的Agent和具体Task,系统就会自动把相关记忆和知识注入上下文。
例如,选择“开发Agent+修复登录问题”后,系统可以优先加载相关代码关系、历史排障记录和Skill;切换到“需求分析Agent”时,则加载项目Wiki和历史讨论。
新建的Chat Memory和Skill默认只有创建者可见,需要共享时由Owner主动发起,还可以按用户、角色和Agent分别设置权限。
OPC与多成员团队通用架构
这套能力不只服务多人团队。现在不少开发者处在OPC的状态:自己一个,加几个Agent 和AI工具,调研的、写代码的、找bug的各自负责不同模块。
在Memory Hub里,可以把这些知识集中管起来,再分别装配。调研的Agent 拿业务背景和Wiki,写代码的拿CodeGraph,挑毛病的拿排障记录和评审Skill。各取所需,不用每开一个工具就把同一份背景交代一遍。
换成多人团队,同一套机制用来在成员之间共享和分发。一个人怎么用,一群人也怎么用。
开源进展与社区共建
今年5月开源以来,TencentDB Agent Memory已经获得不少开发者关注。项目开源80天,GitHub Star数突破15,000,并多次登上GitHub Trending日榜第一。
这次的Team Memory,也吸收了不少社区开发者的反馈和贡献。感谢每一位提Issue、提PR、参与讨论的朋友。
如果你已经有GitHub代码仓库、项目文档或历史Agent Session,也不用重新开始。Team Memory支持直接导入这些已有资产,并自动生成对应的Wiki、CodeGraph、Chat Memory和Skill,让Agent和团队成员快速接手已有项目。
JOTO 企业落地观察
- Team Memory 将 RAG 知识工程从单点文档检索,推向结构化、角色化、可装配的知识供给范式——企业无需重写全部知识体系,即可按角色/任务动态注入适配上下文。
- 四类记忆资产(Wiki/CodeGraph/Chat Memory/Skill)的分离建模,意味着企业在构建智能体时可分阶段投入:先沉淀Chat Memory与Skill形成闭环,再逐步补全CodeGraph与Wiki,降低RAG初期实施门槛。
- Memory Hub 中的 Owner 机制与细粒度权限控制,为企业级 AI 安全治理提供了基础支撑——记忆资产的归属、变更、调用链均可追溯,符合内部知识合规管理要求。
- OPC 场景下一人多 Agent 的实践路径,揭示了中小团队智能体工程的现实起点:不必等待完整组织协同,单人即可启动记忆沉淀与复用,为后续规模化扩展预留接口。



