TencentDB Agent Memory技能生成分层从执行轨迹到标准SOP的转化【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是一款团队级AI Agent记忆中枢它能够将对话、文档和代码转化为四种可复用的记忆资产聊天记忆、技能、LLM维基、代码图谱并在Agent和框架之间进行治理、共享和配备。本文将深入探讨其技能生成的分层机制展示如何从底层执行轨迹逐步转化为高层标准SOP。为什么需要技能生成分层在实际使用AI Agent时我们常常需要反复向Agent解释相同的SOPs、项目背景、工具约定和输出格式。这些信息不应该每次都重新解释也不应该被不加区分地全部塞进上下文。TencentDB Agent Memory通过技能生成分层解决了这一问题让Agent能够学习工作流程、保留任务上下文并重用过去的经验。技能生成分层的核心架构TencentDB Agent Memory采用分层作为统一的架构范式技能生成也不例外。其分层结构如下图TencentDB Agent Memory技能生成分层金字塔展示了从原始对话到服务画像的转化过程L0原始执行轨迹Conversation最底层是L0原始执行轨迹包括完整的对话记录和事件流。这一层确保原始信息不丢失为后续的分析提供证据基础。所有的工具调用、错误日志和交互过程都被完整记录下来。相关实现可以在src/core/conversation/l0-recorder.ts中找到它负责捕获和存储所有原始对话数据。L1原子记忆Atomic Memory从L0原始轨迹中系统自动提取事实、偏好、约束和状态形成L1原子记忆。这一层能够从噪声中稳定地提取关键信息为上层提供结构化的事实基础。L1提取的实现主要在src/core/record/l1-extractor.ts它使用自然语言处理技术从原始对话中提取结构化信息。L2场景块Scenario BlockL2场景块是按项目、主题或工作流场景聚类的记忆单元。它能够带着上下文进行召回减少跨场景的误用。这一层从L1原子记忆中归纳出共性的解决模式形成可复用的场景化知识。场景提取和管理的代码位于src/core/scene/目录下特别是scene-extractor.ts和scene-index.ts。L3角色画像Persona最顶层是L3角色画像它包含稳定的用户偏好与服务方式画像让Agent能够按照用户习惯协作。这一层从L2场景块中提炼出可直接挂载复用的Skill或标准SOP代码。角色生成相关的代码可以在src/core/persona/目录中找到包括persona-generator.ts和persona-trigger.ts。从执行轨迹到标准SOP的转化过程技能生成的分层转化过程可以概括为收集与存储L0通过src/core/conversation/l0-recorder.ts记录所有Agent的执行轨迹和交互历史。提取与结构化L1使用src/core/record/l1-extractor.ts从原始轨迹中提取关键信息形成结构化的原子记忆。聚类与模式识别L2通过src/core/scene/scene-extractor.ts将原子记忆按场景聚类识别出共性的解决模式。提炼与标准化L3最后利用src/core/persona/persona-generator.ts从场景模式中提炼出可复用的标准SOP。这个过程不是单向的而是一个循环迭代的过程。随着新的执行轨迹的加入系统会不断更新和优化各层的记忆内容使SOP越来越完善和精准。技能生成分层的优势提高效率避免重复解释相同的流程和规则节省时间和资源。增强一致性标准SOP确保所有Agent遵循相同的工作流程和规范。促进知识复用不同Agent和项目之间可以共享和重用已有的技能和SOP。支持持续改进通过分析执行轨迹和实际应用情况不断优化和完善SOP。降低认知负担分层结构让用户可以专注于高层决策而不必关注底层细节。实际应用案例Bug修复SOP生成在项目的scripts/bugfix-20260423/目录下我们可以看到一个实际的SOP应用案例。其中的BUGFIX-20260423-SOP.md文档提供了一个完整的bug修复标准操作流程。这个SOP就是通过技能生成分层机制从多次bug修复的执行轨迹中提炼而来的。它包含了轻量版脚本、全自动脚本和手动SOP文档展示了如何将经验转化为可复用的标准流程。如何开始使用技能生成分层要在您的项目中启用技能生成分层只需按照以下步骤操作克隆仓库git clone https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory安装OpenClaw插件openclaw plugins install tencentdb-agent-memory/memory-tencentdb openclaw gateway restart在配置文件中启用// ~/.openclaw/openclaw.json { memory-tencentdb: { enabled: true } }启用后TencentDB Agent Memory会自动处理对话捕获、记忆提取、场景聚合、角色生成和下一轮之前的召回。结语TencentDB Agent Memory的技能生成分层机制为AI Agent的知识管理和技能复用提供了一个强大的解决方案。通过从执行轨迹到标准SOP的分层转化它不仅提高了Agent的工作效率和一致性也减轻了人类用户的认知负担让人们可以更专注于判断、创造和真正重要的工作。随着技术的不断发展TencentDB Agent Memory还将支持跨Agent、跨框架、跨设备的可移植内存以及自动技能生成和可视化调试等高级功能为AI Agent的应用开辟更广阔的前景。【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技能生成分层：从执行轨迹到标准SOP的转化
TencentDB Agent Memory技能生成分层从执行轨迹到标准SOP的转化【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是一款团队级AI Agent记忆中枢它能够将对话、文档和代码转化为四种可复用的记忆资产聊天记忆、技能、LLM维基、代码图谱并在Agent和框架之间进行治理、共享和配备。本文将深入探讨其技能生成的分层机制展示如何从底层执行轨迹逐步转化为高层标准SOP。为什么需要技能生成分层在实际使用AI Agent时我们常常需要反复向Agent解释相同的SOPs、项目背景、工具约定和输出格式。这些信息不应该每次都重新解释也不应该被不加区分地全部塞进上下文。TencentDB Agent Memory通过技能生成分层解决了这一问题让Agent能够学习工作流程、保留任务上下文并重用过去的经验。技能生成分层的核心架构TencentDB Agent Memory采用分层作为统一的架构范式技能生成也不例外。其分层结构如下图TencentDB Agent Memory技能生成分层金字塔展示了从原始对话到服务画像的转化过程L0原始执行轨迹Conversation最底层是L0原始执行轨迹包括完整的对话记录和事件流。这一层确保原始信息不丢失为后续的分析提供证据基础。所有的工具调用、错误日志和交互过程都被完整记录下来。相关实现可以在src/core/conversation/l0-recorder.ts中找到它负责捕获和存储所有原始对话数据。L1原子记忆Atomic Memory从L0原始轨迹中系统自动提取事实、偏好、约束和状态形成L1原子记忆。这一层能够从噪声中稳定地提取关键信息为上层提供结构化的事实基础。L1提取的实现主要在src/core/record/l1-extractor.ts它使用自然语言处理技术从原始对话中提取结构化信息。L2场景块Scenario BlockL2场景块是按项目、主题或工作流场景聚类的记忆单元。它能够带着上下文进行召回减少跨场景的误用。这一层从L1原子记忆中归纳出共性的解决模式形成可复用的场景化知识。场景提取和管理的代码位于src/core/scene/目录下特别是scene-extractor.ts和scene-index.ts。L3角色画像Persona最顶层是L3角色画像它包含稳定的用户偏好与服务方式画像让Agent能够按照用户习惯协作。这一层从L2场景块中提炼出可直接挂载复用的Skill或标准SOP代码。角色生成相关的代码可以在src/core/persona/目录中找到包括persona-generator.ts和persona-trigger.ts。从执行轨迹到标准SOP的转化过程技能生成的分层转化过程可以概括为收集与存储L0通过src/core/conversation/l0-recorder.ts记录所有Agent的执行轨迹和交互历史。提取与结构化L1使用src/core/record/l1-extractor.ts从原始轨迹中提取关键信息形成结构化的原子记忆。聚类与模式识别L2通过src/core/scene/scene-extractor.ts将原子记忆按场景聚类识别出共性的解决模式。提炼与标准化L3最后利用src/core/persona/persona-generator.ts从场景模式中提炼出可复用的标准SOP。这个过程不是单向的而是一个循环迭代的过程。随着新的执行轨迹的加入系统会不断更新和优化各层的记忆内容使SOP越来越完善和精准。技能生成分层的优势提高效率避免重复解释相同的流程和规则节省时间和资源。增强一致性标准SOP确保所有Agent遵循相同的工作流程和规范。促进知识复用不同Agent和项目之间可以共享和重用已有的技能和SOP。支持持续改进通过分析执行轨迹和实际应用情况不断优化和完善SOP。降低认知负担分层结构让用户可以专注于高层决策而不必关注底层细节。实际应用案例Bug修复SOP生成在项目的scripts/bugfix-20260423/目录下我们可以看到一个实际的SOP应用案例。其中的BUGFIX-20260423-SOP.md文档提供了一个完整的bug修复标准操作流程。这个SOP就是通过技能生成分层机制从多次bug修复的执行轨迹中提炼而来的。它包含了轻量版脚本、全自动脚本和手动SOP文档展示了如何将经验转化为可复用的标准流程。如何开始使用技能生成分层要在您的项目中启用技能生成分层只需按照以下步骤操作克隆仓库git clone https://gitcode.com/GitHub_Trending/te/TencentDB-Agent-Memory安装OpenClaw插件openclaw plugins install tencentdb-agent-memory/memory-tencentdb openclaw gateway restart在配置文件中启用// ~/.openclaw/openclaw.json { memory-tencentdb: { enabled: true } }启用后TencentDB Agent Memory会自动处理对话捕获、记忆提取、场景聚合、角色生成和下一轮之前的召回。结语TencentDB Agent Memory的技能生成分层机制为AI Agent的知识管理和技能复用提供了一个强大的解决方案。通过从执行轨迹到标准SOP的分层转化它不仅提高了Agent的工作效率和一致性也减轻了人类用户的认知负担让人们可以更专注于判断、创造和真正重要的工作。随着技术的不断发展TencentDB Agent Memory还将支持跨Agent、跨框架、跨设备的可移植内存以及自动技能生成和可视化调试等高级功能为AI Agent的应用开辟更广阔的前景。【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