随着 Agent 在研发与办公中的应用不断深入，团队协作对知识复用提出了更高要求：项目背景需要反复说明，设计约束容易在交接中遗漏，同类问题仍在不同任务中重复出现。团队需要建立可跨任务复用的知识与经验体系，为 Agent 提供持续、一致的执行依据。
2026 年 10 月 31 日，在 Agentic AICon 深圳站，腾讯云高级研发工程师丛广林以「别再让团队失忆：从团队资产设计到 AI Native 基础设施落地」为题，分享了 TencentDB Agent Memory 的产品设计与落地实践。
从个人记忆到团队记忆，产品的服务范围由个体交互扩展至团队协作。个人记忆保存用户偏好、延续对话理解；团队记忆进一步组织项目知识与协作约束，为多个成员、多个 Agent 提供共享的执行依据。
在一次内部项目迭代中，开发阶段耗时 2 周，系统测试耗时 8 周。这反映出，单点执行效率提升后，团队仍需完善约束交接、系统边界识别与历史经验复用，将执行提效落实到整体交付。
图 2 从个人记忆走向团队记忆，为 Agent 执行提供组织级上下文
针对这些缺口，TencentDB Agent Memory 提供了对应的产品能力。
这些能力形成覆盖任务全流程的经验复用机制：执行前获取团队知识与约束，执行中产生新的结果与证据，执行后将其沉淀为资产，供后续任务使用。Agent 因而能够持续复用团队积累的知识与方法。
团队知识分布在对话、文档、代码和工作流程中。TencentDB Agent Memory 将其组织为四类资产，满足背景理解、决策参考与任务执行等不同需求。
四类资产共用统一元数据层，记录归属团队、适用范围、来源证据、有效版本和使用情况。成员与 Agent 在权限范围内共享资产，团队能够追溯资产来源及其在具体任务中的使用记录。
产品架构明确划分各组件的职责：Memory Core 管理资产、权限和版本；Memory Proxy 根据当前任务组织上下文，并记录模型用量与执行轨迹；Memory Panel 提供配置、查看和审批入口。各组件共同支撑资产管理与任务执行。
随着知识资产持续积累，按任务选择相关内容成为上下文管理的关键。TencentDB Agent Memory 根据团队、仓库、任务和角色形成需求清单，再召回对应资产。
修复问题时，产品优先召回历史约束、调用关系与修复检查项；编写方案时，优先补充需求背景、否决理由与评审方法。同一资产池根据任务生成相应上下文，使执行依据与当前目标保持一致。
在预算管理上，产品优先保留任务约束与关键决策，其次是代码结构、影响面和执行方法，一般背景知识通过工具按需查询。资产按完整条目选择，保留结论所依赖的适用条件，将上下文预算优先分配给直接影响任务结果的信息。
JEV 判定模型用于进一步筛选资产：请求侧判断候选 Skill、Memory 是否需要注入，生成侧判断记忆是否需要更新。按需选择能够减少无关上下文与重复生成的开销。
每次注入还会保留资产 ID、版本、命中原因、预算占用与使用记录，为后续优化提供依据。可选记忆超时可降级为不注入，权限校验与强制约束则持续生效，兼顾任务响应和访问控制。
任务完成后，TencentDB Agent Memory 从真实执行记录中提炼经验，将任务成果转化为可复用的团队资产。
经验抽取重点保留最终决定与否决理由、边界约束、定位结论、复现路径，以及已验证的方法和检查项。其中，方案否决理由记录了决策所依据的条件，为后续设计提供参考。
产品在主请求中同步记录事实，通过异步流程完成经验抽取。抽取结果先形成结构化候选资产，记录会话与事件来源，经审批后纳入共享资产管理。重复确认、临时输出等过程信息在这一阶段被筛选，个人偏好保留在个人记忆中。
共享资产的权限、版本、有效期和使用反馈统一纳入生命周期管理。事件去重与版本校验支持任务恢复，归档和回滚支持资产维护，保障知识持续更新与使用记录可追溯。
产品支持跨 Agent 客户端共享资产。依托统一资产元数据层与 Memory Hub，成员切换客户端、模型或调用方式时，已有资产的身份、权限、版本和来源信息得以保留，减少重复建设。
产品价值体现在具体工作流程中：减少重复的背景说明，支持任务调用成熟方法，控制上下文与记忆生成成本，并实现经验在多个成员、多个 Agent 之间的持续复用。
分享中的评测数据展示了按需使用资产带来的成本收益。在跟数据库运维相关的评测中，主模型未命中的输入 token 量从 24.96M 降至 15.04M，减少 39.7%。在记忆生成实验中，JEV 按需生成策略相较每次都生成，任务总费用下降 13.8%，已包含 JEV 判断费用。对 Top 50 超长会话的分析中，成本下降约 19%。
团队还将 10,000 多个内部真实 Session 用于校正产品设计，结合代码版本、测试用例与执行轨迹，围绕任务质量、成本和交付指标开展评估。这些反馈持续进入资产选择与治理策略，推动产品迭代。
基于落地实践，团队明确了产品设计原则：按需求与预算选择资产，异步完成知识抽取，共享前审核候选资产，并保留来源追踪与版本回滚能力。这些机制支持团队在明确的权限和版本管理下，持续积累、复用经验资产。
下一阶段，团队将继续围绕经验抽取、跨项目复用与召回评测优化产品，并结合测试左移、设计与后续执行协同，推动知识资产更深入地参与交付流程。
成员能够直接获取团队积累的方法与判断，Agent 则获得任务执行所需的背景、约束和检查项。任务产生的事实与证据持续回流，为组织的经验积累和流程优化提供依据。
团队记忆的长期价值，在于将分散在个人与任务中的经验，转化为组织能够持续积累、共同复用的能力。让每一次实践沉淀为团队资产，让每一次交付成为组织能力持续生长的起点。
TencentDB Agent Memory 已开源。 欢迎点击全文阅读 访问 GitHub 仓库首页，查看部署指南与 Agent 接入方式，了解并部署团队记忆服务。
