TencentDB Agent Memory 适配 JEV 决策模型：让 Agent 按需调用团队经验

https://github.com/TencentCloud/TencentDB-Agent-Memory

TencentDB Agent Memory 引入可插拔决策服务，将“是否召回、选择哪些候选资产、是否触发记忆更新”等判断抽象为独立接口，并提供 

在 Skill 召回实测中，接入 JEV 后，

主模型因未命中而重复注入的输入 token 从 24.96M 降到 15.04M，减少近四成

我们希望减少团队经验复用中的两类浪费：已有经验未被调用，任务不得不重复探索；不相关的经验被带入上下文，增加调用开销。其中一个关键环节，是判断经验何时应该参与任务、记忆何时需要更新。这次更新把这些范围明确的判断独立出来，由决策服务处理，让主模型继续承担任务分析与执行。

JEV 在 Skill 召回与记忆更新环节中，只处理范围明确的问题，

确定需要使用候选资产后，系统再进入召回与加载流程；确定需要更新记忆后，再触发相应的生成流程。通过这样的分工，主 

 可以将更多注意力留给任务分析与执行，减少在“要不要查一下”这类高频、小粒度判断上的消耗。

具体而言，JEV 在两个在线决策点上工作：

● 召回侧——选不选、选哪条。

在权限允许的候选范围内，将候选编号和说明交给 JEV，通过一次结构化判断完成选择；确定需要使用后，再读取和加载相应内容。

每次场景记忆（L2）更新后，系统需要判断是否重新生成长期画像与稳定规则摘要（L3）。JEV 比较当前 L3 与新增 L2 信息，按冲突、适用边界变化、新规则、信息强化、无变化的优先级分类：前三类触发立即更新，信息强化延迟处理，无变化则跳过本次 L3 生成。

决策服务返回结构化判断与置信度；判断异常时，可按配置回退到原有策略。

召回判断服务于当前任务，生成判断服务于记忆维护。独立判断环节负责选择与触发，后续流程负责内容加载、生成和任务执行。接入其他模型时，也需要分别评估这两个环节的效果。

为评估独立判断环节对调用开销和任务结果的影响，我们做了两组测试。

——为了验证"JEV 取代主模型做选择"能带来什么，我们在 72 道同源任务上对比了主模型判断和 JEV 判断：

● 主模型因未命中而重复注入的输入从 24.96M token 降到 15.04M，减少约 9.9M——少了近千万 token 的冗余上下文，直接对应成本和延迟；

● 任务成功率几乎持平（66.7% → 65.3%，相差 1 题），选取部分SWE-bench Pro 长难题进行测试，通过数则由 

——这表明召回更准并没有牺牲任务质量。

——为了验证"JEV 判断是否触发 L3 重新生成"的效果，我们在 10 题 × 3 臂 × 3 次重复下对比了每次都生成的策略：

● 完整 14 轮用户对话的总成本

——生成侧少调用带来的直接节省；

——大量本不必重新生成的场景被正确跳过；

（100%为理想数据）——少调用并没有牺牲记忆的同步质量，跟当前方案数据（86.7%）对比有明显提升；

，立即更新召回率 93.3%，二分类准确率 85.1%——判断本身几乎免费，漏判率也很低。

两组测试围绕同一个设计思路展开：把范围明确的选择与触发判断独立出来，让主模型继续承担任务分析与执行。对团队资产管理而言，快慢分工的价值在于：快路径管时机，慢路径管内容——先判断经验是否需要调用、记忆是否需要更新，再进入相应的加载与生成流程，让相关经验更有机会参与任务，同时减少不必要的调用和上下文占用。

不过，判断“什么时候用”只是经验复用的一环。要让决策服务做出有效选择，候选资产本身还需要有清楚的适用条件、验证依据和共享边界。

假设团队完成了一次数据库变更：执行记录已经留下，处理步骤也整理成了文档。一段时间后，另一位成员带着新的 Agent 接手类似任务。如果这些经验没有进入当前上下文，Agent 仍会重新查找资料、梳理步骤，成员也需要再次解释背景。

团队已经为这次工作投入了时间，下一次任务却仍要承担一部分重复成本。任务交接、成员变化、多 Agent 协同，都会放大这种重复。

要让经验真正被复用，首先要把它组织成便于查找和使用的资产。TencentDB Agent Memory 把 Chat Memory、Skill、Wiki 和 CodeGraph 统一纳入 Memory Assets 管理——分别承载事实与偏好、操作方法、结构化文档、代码关系四类资产。

其中，Skill 是本次更新的重点，因为重复任务中的操作方法是团队经验的重要组成部分。Skill 将适用条件、执行步骤、验证方式及所需资源组织在一起，帮助接手者判断是否采用。

不过，提炼出 Skill 之后，团队还需要知道它经过了什么验证、可以在什么范围内使用。否则，过去成功的一次操作，也可能在不同环境下被直接照搬。从组织提效的角度看，"整理—复核—共享"这条链路，正是把个人经验转化为团队资产的关键一步。

为明确资产的适用范围，并支持后续复核与维护，建议至少补齐五类信息：

哪些顺序可复用、哪些参数需填写、如何验证结果

来源、维护者、更新与复查条件

这些信息既帮助团队判断经验是否适用，也为决策服务提供更清楚的候选描述，并为后续修订留下依据。

Agent 使用 Skill 执行任务后，会留下新的执行记录与结果。这些反馈可用于修订已有资产，让一次任务与下一次任务连接起来。

● 任务执行（让经验参与行动）：

根据目标和当前工作状态判断是否需要召回，在权限允许的范围内筛选资料与方法，再结合规则、工具结果等信息组装上下文。执行结果更新工作状态，任务继续推进。

● 经验积累与维护（让任务留下可复用资产）：

从执行记录、结果反馈、文档和人工经验中

整理候选内容，保留适用条件和依据；根据需要合并、处理冲突、维护版本并验证改动。

结果反馈为继续改进提供依据，将任务反馈整理成反思文本供下一轮使用，通过更新外部记忆调整 Agent 行为，无需修改模型权重。对团队记忆系统而言，当前更具体的工作是保留结果、修订资产，并通过代表性任务验证改动。

判断策略本身也可以继续迭代。未来，团队可以根据执行反馈调整判断提示词与规则，检验哪些场景应该召回、哪些更新可以延后。经验资产与调用、维护这些资产的机制，都可以纳入持续评估与修订。

这类迭代需要以可追溯的执行反馈和持续维护的经验资产为基础。在 TencentDB Agent Memory 中，经验资产以 Memory Assets 的形式统一管理：团队通过 Memory Hub 复核内容、维护版本，并将修订后的记忆与 Skill 共享、绑定给相关 Agent，让执行反馈转化为后续任务可用的经验，也为判断策略的调整提供依据。

我们关注的变化，是 Memory 从保存历史，进一步走向连接经验积累、上下文组装与能力改进。记忆层提供持久的信息与方法资产，召回和上下文调度机制决定它们何时参与任务，评估再检验这些经验是否带来了改善。

以前做 Agent 记忆，思路很直接：把聊天记录抽成事实、写进向量库，需要时再按相似度找回来——记忆就是存历史、查历史。但现在不一样了：从执行过程出发，沉淀出经验、记忆和 Skill，再经过整理、去冲突、版本管理，按任务把该用的内容路由出来，组装进上下文交给 Agent 执行，最后把结果反馈回去继续更新。

这条链路最关键的变化，是 Memory 从"翻历史"变成了 Agent 能力演进和上下文调度之间的一层中间层。一个人沉淀的经验，能真正被下一个人、下一个 Agent 复用，而不是换了人就从头解释一遍。

——人定义目标和边界、决定哪些经验值得推广，记忆层负责让这些经验在需要时精准出现。

欢迎在项目中分享 Skill 召回的使用体验、提供真实任务案例，以及你希望接入的

决策模型的接入已经抽象，希望使用其他决策模型的开发者，可以基于这层接口自行实现适配；团队可结合任务特点、部署环境和评估结果选择模型。

项目地址：https://github.com/TencentCloud/TencentDB-Agent-Memory

TencentDB Agent Memory 引入可插拔决策服务，将“是否召回、选择哪些候选资产、是否触发记忆更新”等判断抽象为独立接口，并提供 JEV 接入示例。

产品运营

人工智能

TencentDB-Agent-Memory通过JEV决策模型优化Agent记忆调用，将召回与更新判断独立化。实测输入token减少39.6%，SWE-bench Pro通过率提升至40%，L3生成调用减少39.7%，成本降低13.8%。经验资产化提升团队复用效率，构建可追溯的智能记忆闭环。

数据库

路由

GitHub

Agent

2026上云采购 | AI焕新·智启新局

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

EdgeOne AI 安全实战专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

TencentDB Agent Memory 适配 JEV 决策模型：让 Agent 按需调用团队经验

TencentDB Agent Memory 适配 JEV 决策模型：让 Agent 按需调用团队经验

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐