腾讯云 Agent Memory 开源 80 天破 1.5 万 Star：用 Team Memory 给多 Agent 团队装一套共享大脑

Agent 进入真实研发流程后，团队普遍遇到三件重复劳动：

Team Memory 的定位很明确——它不是一个新的 Agent，而是位于 Agent 与大模型之间的「团队记忆层」。负责把对话、知识、代码和工作经验沉淀下来，并在下一次任务中把正确的记忆交给正确的 Agent。

这是 Team Memory 与「把聊天记录存下来」最本质的区别：不同来源的经验被加工成结构不同的资产。

记忆系统最劝退的一点是「要用很久才有用」。Team Memory 支持冷启动，把已有存量直接转成资产：

冷启动三件套（都可直接导入并自动生成资产）

  ① GitHub 代码仓库   ──→  自动生成 CodeGraph
  ② 项目文档          ──→  自动生成 LLM-Wiki
  ③ 历史 Agent Session ──→  整理为 Chat Memory

落地顺序建议：
  先导代码仓库（收益最直接、最不需要人工整理）
  再导文档（挑真正在维护的，别把过期文档灌进去）
  最后导历史 Session（挑排障和评审类，闲聊别导）

官方给出的两个典型装配示例，把思路说得很清楚：

实际使用流程：

  1. 创建 Team，并在 Team 下建立不同角色的 Agent
  2. 导入代码库 / 项目文档 / 历史 Agent Session
  3. 开启新会话时，选择：
       本次任务所属的 Team
       使用的 Agent
       具体 Task
  4. 系统自动把相关记忆、Skill、Wiki、代码知识注入上下文

本次同步上线了 Memory Hub 团队记忆控制台，可以创建 Team、Agent 和 Task，把散落在对话、文档、代码库中的记忆集中到一处，完成生成、审核、授权、分享和装配，并查看每项记忆的来源、版本和使用情况。

治理能力清单

  每项记忆支持：Owner / 版本 / 状态 / 使用记录
  权限维度：  按用户、按角色、按 Agent

  共享范围分级：
    个人私有
      └─ 团队共享
           └─ 指定用户或 Agent 授权

  典型用法：
    某开发者沉淀的排障 Skill  → 审核后共享给团队其他成员和 Agent
    一份架构 Wiki            → 统一提供给开发 / 测试 / 评审 Agent

Memory Hub 明确把「一人公司」列为适用场景：一个人 + 多个 Agent，分别扮演调研、开发、评审等角色，各自配置所需的文档、代码知识、历史记忆和 Skill。

OPC 最小配置（三个角色起步）

【调研 Agent】
  装配：LLM-Wiki + 历史调研 Chat Memory
  产出：方案对比、可行性结论
  产出回流：结论写入 Wiki

【开发 Agent】
  装配：CodeGraph + 编码规范 Skill + 排障经验
  产出：代码变更
  产出回流：新踩的坑沉淀为 Skill

【评审 Agent】
  装配：CodeGraph + 评审清单 Skill + 架构 Wiki
  产出：评审意见
  产出回流：反复出现的问题升级为规范

关键：三个角色共用同一套 Team 记忆，
      但各自只加载与自身职责相关的部分。