腾讯TencentDB团队构建Agent团队记忆并验证跨任务经验复用

Coding Agent正在扩大个人工作边界，但企业研发中任务一旦跨成员、会话、分支和权限域，瓶颈就从代码生成转向信息继承：换人或换Agent后往往只剩一句结论，缺少形成结论的背景、约束与判断过程。腾讯TencentDB Agent Memory团队据此构建团队记忆系统并已在GitHub开源，把任务轨迹、项目知识、代码结构和工作方法转化为Chat Memory、Wiki、CodeGraph、Skill四类可治理资产：Chat Memory采用L0到L3渐进式提炼；装配时先按团队、成员、任务与权限过滤候选池，再叠加人工绑定的固定资产与浮动召回，BM25与向量检索经RRF融合，最后按角色、优先级、版本和Token预算生成Memory Pack，Skill等大资产先暴露入口、按需展开。资产策略经内部数据校正：从2600个会话切出5081个任务，模型容易判断相关却难以判定可复用，48114个候选关系经严格核验仅231条成为强关系；2203个卡点中逻辑返工1350个远多于缺少上下文的269个，说明记忆要保存决策理由与失败路径，不能只做资料检索。验证采用前序Case学习、后序Case验证：SWE-bench相关任务加入团队记忆后完成率从60%升至80%；最难的50个超长任务通过率由17%升至20%，成本从887.64美元降至717.78美元，工具调用轮数降低近19%。团队强调结果取决于Case筛选、基线Agent与模型版本等条件，该项目仍处实验探索阶段，尚未形成生产环境的长期验证。