AgentenOpen Source 🇺🇸 08.08.2026 01:01

Tencent Cloud veröffentlicht TencentDB Agent Memory v2.0 als Open Source, einen Team-Memory-Hub für KI-Coding-Agenten

TencentTencent
Tencent Cloud hat TencentDB Agent Memory v2.0 als Open Source veröffentlicht, einen selbst gehosteten Memory-Hub für KI-Agenten unter der MIT-Lizenz. Er wandelt Gespräche, Dokumente und Code in vier wiederverwendbare Memory-Assets um – Chat Memory, Skill, LLM-Wiki und CodeGraph – mit Governance und ACL-basierter Freigabe. Die stabile Version ist vom 3. August 2026 datiert.
Tencent Cloud hat TencentDB Agent Memory v2.0 als Open Source veröffentlicht, einen speicherorientierten Hub auf Teamebene für KI-Agenten, der dazu dient, Projektkontext nicht in jeder Sitzung erneut eingeben zu müssen. Das System verwandelt Konversationen, Dokumente und Code in vier wiederverwendbare Speicherressourcen – Chat Memory, Skill, LLM-Wiki und CodeGraph – die versioniert, mit Berechtigungen versehen und an bestimmte Agenten gebunden sind. Neu ist die Governance-Ebene, die es Team-Agenten ermöglicht, erlernten Kontext zu teilen, während private Elemente sicher bleiben. Das stabile Release 2.0.0 wurde am 3. August 2026 veröffentlicht. Es ist unter der MIT-Lizenz lizenziert und selbst gehostet, mit Docker-Images auf Docker Hub für Linux/amd64 und Linux/arm64. Das Projekt richtet sich an Einzelentwickler und kleine Entwicklungsteams; mittelgroße Organisationen können es als gemeinsame Infrastruktur betreiben, während große regulierte Unternehmen es zunächst testen sollten. Chat Memory wird in Schichten L0, L1, L2 und L3 destilliert, wobei der Abruf BM25, Vektorsuche und RRF unter Budgetgrenzen verwendet. Die Governance nutzt Sichtbarkeitsstufen (privat, Team, eingeschränkt) sowie feste Bindung und ACL. Der Memory Proxy unterstützt die Protokolle von Anthropic und OpenAI, und offizielle SDKs sind für TypeScript und Python verfügbar. Unterstützte Integrationen umfassen OpenClaw, Hermes, Claude Code, CodeBuddy und die direkte SDK-Nutzung. Die berichteten Ergebnisse beanspruchen eine Genauigkeitssteigerung von PersonaMem von 48 % auf 76 %, eine relative Verbesserung von 59 %, aber diese Angaben sind selbst berichtet und nicht unabhängig reproduziert.
Quelle: MarkTechPost — Original
Unsere früheren Beiträge zu diesem Thema ↓
Aktuelle Nachrichten