Team Memory от Tencent: если агенты делят память, кто-то должен ею владеть

Самое очевидное прочтение последнего релиза с открытым исходным кодом Tencent сводится к данным. Китайский облачный провайдер выпускает систему, которая хранит коллективную память вашей команды, а продолжение заголовка можно дописать самостоятельно. Только это ещё и неверное прочтение. Чтобы от него избавиться, достаточно минут пяти с настоящим репозиторием.

13 августа Tencent Cloud объявила о Team Memory, крупном обновлении TencentDB Agent Memory, которое превращает память агентов из личного удобства в общую командную инфраструктуру. Я разобрал анонс и репозиторий, но сам систему не запускал, поэтому считайте это кабинетным разбором, а не полевым отчётом. Ниже о том, что это такое, почему слово «командная» здесь важнее всего остального и почему первая тревога, которая возникнет у большинства западных читателей, направлена не туда.

Ключевые выводы - Team Memory расширяет TencentDB Agent Memory от индивидуальной долговременной памяти до общих командных активов: истории чатов, документов в виде доступной для запросов вики, репозиториев кода в виде графа и выделенных из опыта повторно используемых навыков, всё это под контролем доступа. - Несмотря на название, это не база данных. Это ориентированный на локальное развёртывание набор сервисов на TypeScript поверх SQLite с векторным поиском, под лицензией MIT. К Claude Code он подключается, разговаривая на собственном API-протоколе Anthropic. - При развёртывании по умолчанию всё остаётся в вашей среде, поэтому рефлекторная тревога «мои данные уходят в Китай» по большей части не относится к делу. Остаются риски управления, преимущественно китайскоязычное сообщество и опциональный путь через Tencent Cloud VectorDB. - Общая память означает и общую поверхность атаки. Исследования отравления памяти показывают, что повреждённые записи распространяют своё влияние между сессиями, а здесь по самой конструкции они смогут влиять ещё и на агентов ваших коллег. - Заявления поставщика о результатах бенчмарков основаны на его собственных измерениях. Популярность на GitHub реальна, чуть больше 24 900 звёзд на 27 августа, но распространение среди западных разработчиков выглядит заметно скромнее, чем подсказывает эта цифра.

Что произошло

13 августа 2026 года Tencent Cloud объявила о Team Memory, втором крупном релизе TencentDB Agent Memory, который компания открыла в мае. Вот основные факты из анонса и репозитория:

• Командная память собирается из четырёх типов активов: Chat Memory, то есть истории разговоров с агентами; LLM-Wiki, то есть проектных документов, по которым можно задавать вопросы естественным языком; Code Graph, то есть структуры репозитория, символов и путей вызовов; и Skills, то есть завершённых сессий устранения проблем или ревью кода, сжатых в форму для повторного использования.

• Новая консоль Memory Hub управляет командами, агентами и задачами, а каждый элемент памяти имеет владельца, версию, статус и историю использования. Права задаются по пользователю, роли и агенту, от приватного уровня до уровня всей команды.

• Активы собираются по ролям: агент для исправления ошибок получает Code Graph и прошлые навыки устранения проблем, а агент по требованиям получает вики и бизнес-контекст.

• Система работает с несколькими агентными платформами, включая CodeBuddy от Tencent, OpenClaw и Claude Code. Релиз кода v2.0.0 вышел 3 августа, за десять дней до публикации новости.

Из заявлений стоит запомнить именно переносимость: «накопленный в Team Memory опыт остаётся полностью совместимым, даже если базовые модели или агентные фреймворки меняются». Tencent также утверждает, что проект набрал 20 000 звёзд GitHub за первые 90 дней и не раз возглавлял GitHub Trending. Текущее число звёзд проверить можно, 24 912, когда я смотрел 27 августа, против 7 200, зафиксированных сторонним трекером 4 июля, так что траектория выглядит правдоподобно. А вот утверждение про Trending восходит к собственной публикации Tencent и независимо не проверяется, поэтому я бы отнёс его к маркетингу.

Релиз Team Memory от Tencent Cloud расширяет проект с открытым исходным кодом TencentDB Agent Memory с индивидуального использования до командного, организуя разговоры, документы, код и выделенные навыки в управляемые активы памяти для платформ, включая Claude Code, согласно анонсу от 13 августа 2026 года. На 27 августа 2026 года у репозитория было 24 912 звёзд, согласно GitHub.

Что это на самом деле, если смотреть глазами практика

Сначала о названии. TencentDB Agent Memory не база данных, не построена на PostgreSQL и не использует технологии TencentDB в каком-либо содержательном смысле. Это набор сервисов на TypeScript, MemoryCore, MemoryKnowledge, MemoryPanel и MemoryProxy, которые сохраняют данные в локальной SQLite с sqlite-vec для векторного поиска. При необходимости масштабирования есть опциональный путь в Tencent Cloud VectorDB. Марка TencentDB здесь скорее соседство брендов. Команда баз данных Tencent действительно и раньше открывала инфраструктуру, например TBase, ныне OpenTenBase, ещё в 2019 году. Но этот проект создан той же организацией на прикладном уровне и ведёт себя именно как прикладной продукт.

Архитектура продуманнее, чем можно подумать по гонке за звёздами. Воспоминания проходят несколько уровней дистилляции, от сырого разговора до устойчивых фактов уровня персоны, а поиск сочетает BM25 по ключевым словам с векторным поиском в рамках лимитов на число элементов и время. Так объём подмешиваемого контекста остаётся небольшим. Самая интересная часть это Memory Proxy: он встаёт между агентом и моделью, поддерживает API-протоколы Anthropic и OpenAI и добавляет релевантную память в системный промпт. Для Claude Code это означает отсутствие плагина, хука и MCP-сервера. Клиент вообще не знает, что прокси там есть.

И это реальное ПО, а не README со списком намерений. Есть развёртывание Docker одной командой, SDK для TypeScript и Python, документация OpenAPI и двуязычные руководства, а коммиты появляются ежедневно. Ветка по умолчанию называется feat/server_team, а не main, и это довольно хорошо показывает, насколько быстро проект всё ещё меняется.

TencentDB Agent Memory представляет собой ориентированный на локальное развёртывание набор сервисов на TypeScript, который хранит данные в SQLite с sqlite-vec, использует многоуровневую дистилляцию памяти и гибридный поиск BM25 плюс векторы. Memory Proxy поддерживает API-протоколы Anthropic и OpenAI, поэтому Claude Code получает долговременную память без плагина или MCP-сервера, согласно README проекта, полученному 28 августа 2026 года.

Почему главное здесь именно «командная»

До сих пор память агентов как категория была в основном одиночной игрой. Mem0, самый хорошо профинансированный участник, привлёк $24 млн в октябре 2025 года и стал поставщиком памяти для агентного SDK AWS. Graphiti от Zep строит временной граф знаний, где факты не удаляются, а помечаются как утратившие силу. Letta даёт каждому агенту многоуровневую память, которой тот управляет сам. Все три решения посвящены одному агенту, помнящему собственное прошлое.

Звёзды GitHub у четырёх наиболее отслеживаемых проектов памяти агентов с открытым исходным кодом памяти агентов, проверено 27-28 августа 2026 года: Mem0, Graphiti, TencentDB Agent Memory, Letta. Проект Tencent моложе остальных на несколько лет.

Ставка Team Memory в том, что единицей памяти скоро станет команда, а не агент. Любой, кто использует агентов в реальной работе, узнает проблему: предыстория проекта, которую приходится объяснять заново в каждой сессии; исправление, найденное в прошлом месяце, которое никто теперь не может восстановить; рабочий метод, застрявший в истории Claude Code одного человека. Ответ Tencent состоит в том, чтобы превратить всё это в управляемые активы с владельцами, версиями и правами, а затем собирать разные их наборы для разных ролей агентов.

И вот эта последняя часть действительно новая. Модель контроля доступа, в которой «личный» означает, что элемент не могут прочитать даже администраторы команды, а выделенный из опыта одного разработчика навык устранения неполадок можно проверить и только потом поделиться им с конкретными агентами или людьми, это уже память как командная инфраструктура. Ни один из западных проектов не делает это своим ядром. Они продают вам более удобную записную книжку, а этот хочет быть общим архивным шкафом с правилами, кто каким замком пользуется.

Mem0, Zep и Letta сосредоточены на том, чтобы один агент помнил собственную историю. Team Memory вместо этого превращает разговоры, документы, графы кода и выделенные навыки в управляемые командные активы с правами по пользователю, роли и агенту, которые собираются под конкретную задачу, согласно анонсу Tencent Cloud и документации репозитория.

Общий мозг означает и общую цель

Вот о чём в анонсе говорят меньше. Память понадобилась потому, что большие контекстные окна не решили проблему удержания информации: исследование деградации контекста от Chroma показало, что качество у 18 передовых моделей ухудшается по мере роста входа задолго до заполнения окна. Поэтому память строят все, а исследования безопасности уже объяснили, почему это тонкое место. Рекомендации OWASP по угрозам агентных систем прямо называют отравление памяти: достаточно один раз испортить долговременное хранилище, и каждую будущую сессию наследует это искажение.

Теперь сделайте хранилище общим. Отравленный навык устранения проблем не просто введёт вашего агента в заблуждение на следующей неделе. По самой конструкции он введёт в заблуждение каждого агента и коллегу, с которыми им поделились. Один репозиторий, где лежат разговоры команды, документы, структура кода и рабочие методы, с точки зрения внешнего атакующего ещё и аккуратный каталог всего самого интересного. Меры Tencent реальны, но процедурны: модель ACL ограничивает, кто что может читать, а навыки предполагается проверять перед публикацией, то есть человек остаётся в контуре проверки машинно дистиллированного содержания. Сила этого контроля ровно такая, как привычка людей действительно проводить ревью.

Ничто из этого не означает, что систему не стоит использовать. Это означает, что функции управления и контроля здесь и есть продукт, а вопрос «какому агенту разрешено читать какую память» заслуживает той же серьёзности, что и любая другая политика доступа в вашем стеке, как и управление агентами в целом.

Исследования безопасности агентов, включая рекомендации OWASP по угрозам агентных систем, выделяют отравление памяти в отдельный класс атак, при котором повреждённая долговременная память направляет будущие сессии в неверную сторону. Общее командное хранилище по конструкции распространяет этот риск на коллег и агентов, поэтому проверка перед публикацией и контроль доступа становятся несущими элементами системы.

Вопрос Китая без ухода от ответа

Сначала зафиксирую предположение о развёртывании, потому что ответ полностью от него зависит. Если вы самостоятельно размещаете релиз с открытым исходным кодом, который распространяется по MIT и ориентирован на локальное использование, ваши данные остаются в вашей среде. Хранилище это локальная SQLite, конечные точки LLM настраиваете вы, аккаунт Tencent Cloud не требуется. На этом пути рефлекторная тревога о китайском поставщике, который держит память вашей команды, просто не относится к делу. Стоит сказать прямо: для развёртывания по умолчанию это не тот риск, о котором нужно беспокоиться.

Настоящие остаточные риски тише. Опциональный путь через Tencent Cloud VectorDB действительно привязывает вас к облаку Tencent, если вы его выбираете, поэтому относитесь к этому как к отдельному решению. В репозитории есть инструментирование OpenTelemetry, которую нормально проверять перед развёртыванием любой подобной системы. Это обычная гигиена, а не обвинение. Сообщество в первую очередь китайское: обсуждения, руководства, большая часть динамики. А если когда-нибудь понадобится корпоративная поддержка, покупать вы её будете у китайского поставщика, со всеми закупочными разговорами, которые это вызывает в некоторых организациях.

Есть одна цифра, которая лучше звёзд показывает форму сообщества. У проекта чуть меньше 25 000 звёзд GitHub, а его публикация на Hacker News в начале месяца получила два балла и ни одного комментария. Звёзды настоящие, но центр тяжести явно внутри Китая. Для западных команд это оговорка о том, откуда придёт помощь. Для китайских команд, выходящих на глобальный рынок, это намёк, что инструмент создавался под то, как здесь действительно работают команды, а это уже отдельный фактор в выборе строить или покупать.

При самостоятельном размещении TencentDB Agent Memory под лицензией MIT данные остаются в вашей среде в локальной SQLite, конечные точки моделей задаёт пользователь, а аккаунт Tencent Cloud не нужен, согласно документации репозитория. Остаточные вопросы связаны с опциональным Tencent Cloud VectorDB, обычным аудитом зависимостей и преимущественно китайским сообществом и каналом поддержки.

Что делать сейчас

Если память агентов уже попала на ваш радар, я бы шёл в таком порядке.

1. Сегодня: прочитайте репозиторий, а не только анонс. Реальная конструкция находится в архитектурной документации и модели ACL, а развёртывание Docker занимает одну команду, если хочется просто посмотреть систему вживую.

2. На этой неделе: поднимите её на одном некритичном репозитории и одном агенте и посмотрите, что именно сохраняют уровни дистилляции. Бенчмарки поставщика, Tencent сообщает рост PersonaMem с 48% до 76%, который никто независимо не воспроизводил, не заменяют проверку на вашем корпусе.

3. В этом месяце: прежде чем импортировать что-либо настоящее, напишите политику доступа. Какие воспоминания приватны, какие доступны всей команде, кто проверяет дистиллированный навык до публикации. Инструмент даёт средства контроля, политика остаётся вашей.

И две вещи, которых делать не стоит. Не загружайте закрытый код или разговоры с клиентами в общее хранилище до появления такой политики, потому что раздавать права задним числом хуже, чем вообще не иметь памяти. И не принимайте число звёзд за показатель готовности для западного рынка. Сообщество, вместе с которым вы будете отлаживать проблемы, в основном пишет по-китайски. Если вы пока на более ранней стадии и только решаете, где агентам вообще место, начните с материала об агентной архитектуре.

Частые вопросы

TencentDB Agent Memory действительно база данных?

Нет. Несмотря на название, это набор сервисов на TypeScript, которые хранят данные локально в SQLite с векторным поиском и находятся между вашими агентами и вызываемыми ими моделями. Марка TencentDB отражает команду, которая создала проект, а не используемую технологию. Для масштабирования есть опциональная интеграция с Tencent Cloud VectorDB, но при развёртывании по умолчанию отдельный сервер базы данных вообще не нужен.

TencentDB Agent Memory отправляет данные в Tencent Cloud?

Не в стандартной конфигурации с самостоятельным размещением. Проект распространяется по лицензии MIT, хранит данные локально в SQLite и обращается к той конечной точке LLM, которую настроите вы. Аккаунт Tencent Cloud не требуется. Исключение составляет опциональная интеграция с Tencent Cloud VectorDB, но это осознанный выбор, а не поведение по умолчанию.

Это работает с Claude Code?

Да, и механизм довольно изящный. Memory Proxy поддерживает API-протоколы Anthropic и OpenAI, поэтому Claude Code, а также CodeBuddy от Tencent и OpenClaw, получает подмешанную память через системный промпт без установки плагина, хука или MCP-сервера. Вы просто направляете агента на прокси вместо прямого обращения к конечной точке модели.

Чем TencentDB Agent Memory отличается от Mem0?

Mem0 более зрелый западный вариант: проект старше, лучше профинансирован, $24 млн привлечено в октябре 2025 года, и интегрирован в агентный SDK AWS. TencentDB Agent Memory моложе и по умолчанию ориентирован на локальное развёртывание, а его отличительная черта это управление на уровне команды: владельцы, версии, права и сборка по ролям. Если задача в том, чтобы один агент что-то помнил, подойдёт любой из них. Если задача в том, чтобы команда безопасно делилась памятью, проект Tencent изначально строится вокруг этого.

Итог

Team Memory молодой и быстро меняющийся проект от команды, которую лучше знают по базам данных, поэтому и бенчмаркам поставщика, и заявлениям про Trending стоит делать обычную скидку. Но базовая инженерная интуиция верна: когда агенты начинают выполнять настоящую командную работу, память перестаёт быть личным удобством и становится общей инфраструктурой, которой нужны владельцы, права и ревью. Среди проектов с открытым исходным кодом Tencent пришла к этому первой и сделала систему, которую можно запускать на своём оборудовании, не отправляя данные кому-либо ещё. Я буду следить не за тем, продолжит ли расти число звёзд. Гораздо интереснее, переживёт ли дисциплина «проверить перед публикацией» столкновение с командами, которые постоянно спешат. Именно там эта идея либо сработает, либо тихо превратится в проблему.

Если вы пытаетесь понять, где общей памяти агентов место в вашем стеке, я регулярно обсуждаю такие вопросы с клиентами. Свяжитесь со мной.

Источники

• Tencent Cloud, «TencentDB Agent Memory выпускает Team Memory»: https://www.tencentcloud.com/dynamic/news-details/101465 (опубликовано 13.08.2026, получено 28.08.2026)

• TencentCloud, репозиторий TencentDB-Agent-Memory: https://github.com/TencentCloud/TencentDB-Agent-Memory (получено 28.08.2026; число звёзд и форков проверено 27.08.2026)

• MarkTechPost, «Tencent Cloud открывает исходный код TencentDB Agent Memory v2.0»: https://www.marktechpost.com/2026/08/07/tencent-cloud-open-sources-tencentdb-agent-memory-v2-0/ (опубликовано 07.08.2026, получено 28.08.2026)

• Open Source For You, «Tencent Cloud Agent Memory v2»: https://www.opensourceforu.com/2026/08/tencent-cloud-agent-memory-v2/ (опубликовано 08.2026, получено 28.08.2026)

• PR Newswire через Morningstar, «Mem0 привлекает $24 млн»: https://www.morningstar.com/news/pr-newswire/20251028sf07039/mem0-raises-24m-series-a-to-build-memory-layer-for-ai-agents (опубликовано 28.10.2025, получено 28.08.2026)

• Репозиторий Mem0: https://github.com/mem0ai/mem0 (получено 28.08.2026)

• Zep, репозиторий Graphiti: https://github.com/getzep/graphiti (получено 28.08.2026)

• Репозиторий Letta: https://github.com/letta-ai/letta (получено 28.08.2026)

• Chroma, «Context Rot: как увеличение числа входных токенов влияет на производительность LLM»: https://research.trychroma.com/context-rot (опубликовано 07.2025, получено 28.08.2026)

• OWASP, «Угрозы агентного ИИ и меры защиты»: https://genai.owasp.org/resource/agentic-ai-threats-and-mitigations/ (получено 28.08.2026)

• OpenTenBase (ранее TBase): https://www.opentenbase.org/en/ (получено 28.08.2026)

• Wikimedia Commons, изображение обложки «African Bush Elephant» (GFDL 1.2, Muhammad Mahdi Karim): https://commons.wikimedia.org/wiki/File:African_Bush_Elephant.jpg (получено 28.08.2026)