Tencent cria memória para agentes e chega a 13.812 estrelas

O projeto organiza esse conteúdo em quatro tipos de ativos. O Chat Memory extrai registros brutos, fatos, situações e conhecimento de longo prazo em níveis L0 a L3, preservando preferências, decisões e histórico entre sessões. O Skill transforma tarefas concluídas em procedimentos com versão, arquivos, limites de acionamento, etapas e regras de validação. O Wiki estrutura documentos como páginas ligadas por um grafo, enquanto o CodeGraph indexa símbolos, arquivos, chamadas e caminhos de impacto do código.

A arquitetura separa memória, painel e acesso dos agentes

O sistema divide o trabalho entre memory-core, memory-hub e proxy. O Memory Hub oferece o painel de gestão para criar times e agentes, definir proprietário, versão, estado e visibilidade, além de escolher os ativos que cada agente pode carregar. A v2.0.0 acrescentou gestão de ativos para administradores, troca de idioma entre chinês e inglês e uma interface com listas e paginação revisadas.

O painel aplica três níveis de visibilidade: private, team e restricted. O último usa ACLs para usuário, função ou agente, e a equipe pode direcionar ativos para agentes específicos. O Hub também constrói Wiki e CodeGraph a partir de documentos e repositórios importados. A nova versão sincroniza o CodeGraph em intervalos definidos, sem exigir um acionamento manual após cada alteração no código.

O Memory Proxy liga agentes de programação ao acervo da equipe. Ele aceita os protocolos da Anthropic e da OpenAI pelas rotas /claude-code/ /v1/messages e /v1/chat/completions, injeta memórias L2 e L3, Skills compatíveis, Wiki e CodeGraph no prompt de sistema e encaminha a solicitação ao LLM upstream. Na primeira interação, sessionInit usa AskUserQuestion para pedir time, agente e tarefa; depois, o proxy mantém esse vínculo. A autenticação usa x-tdai-user-key para consultar user_id no serviço /v3/meta/auth/verify e aplicar a visibilidade por usuário.

A instalação levanta três serviços e exige parâmetros de LLM

O caminho indicado começa com o clone do repositório e a entrada em deploy/global-images. O usuário copia .env.example para .env e preenche dois conjuntos de parâmetros de LLM: um para o grupo de memória e outro para o proxy. Em seguida, start-all.sh inicia os três serviços com imagens Docker. A primeira execução roda init-admin, gera .admin-key e imprime um comando de inicialização para o Claude.

O painel fica disponível em http://localhost:8125. As imagens atendem linux/amd64 e linux/arm64, e o projeto também permite rodar pelo código-fonte. O sistema não funciona apenas com os arquivos locais: o proxy precisa dos parâmetros de LLM e encaminha as requisições para um LLM upstream. A documentação inclui ainda integração com Claude Code e CodeBuddy, implantação isolada do Memory Hub e limpeza de volumes com stop-all.sh --purge.

O repositório tem 119 dias de vida, 504 issues abertas e recebeu seu último commit em 2026-08-03. A versão mais recente é a v2.0.0, publicada na mesma data. As 13.812 estrelas em pouco mais de três meses mostram adoção rápida, mas não comprovam estabilidade para uso crítico.

A licença aparece como NOASSERTION. Isso não informa permissões claras para copiar, modificar ou distribuir o código. Empresas que precisam de uma licença permissiva confirmada, regras jurídicas explícitas ou suporte formal não devem adotar a ferramenta sem revisar os arquivos de licença e obter autorização. O projeto também não serve para quem quer apenas memória pessoal simples: ele exige três serviços, configuração de LLM e administração de ativos por equipe.