OpenAI垂危“灭火”：暗示其业务“运行优良”，企业业务和告白业务在增长

文 | 字母 AIagent 在变得越来越能干，但它还有一个很狼狈的问题，那就是干着干着，就忘了自己要干什么了。长工作、跨会话、陆续执行，这些简直是 agent 的发展方向，可前提是它必须有一套靠得住的影象系统。不然，再强的模型也只能在一次次对话里反复 " 沉新意识世界 "。腾讯最近开源的 AgentDB，对准的正是这个问题。这一个是专门用来解决影象问题的独立组件，一共只有几 MB 的大幼，下载到电脑以来，在 OpenClaw 或者 Hermes Agent 里输入一个指令，AgentDB 就装置实现了。就是这么一个 " 幼玩意 "，在颁布的同时，腾讯专门为其开设了独立的 X 账号（ @TencentDBAbxo2），并由团队亲自由社交媒体上与开发者互动。AgentDB 性质上是一个分层渐进式的 Agent 影象管路系统。它选取 " 符号化短期影象 + 分层持久影象 " 的双轨架构，试图在 token 效能和信息齐全性之间找到平衡点。这套系统的设计理想蕴含三个维度。第一个维度，回绝暴力堆积，也拒绝不成逆压缩。AgentDB 设计了 L0 到 L3 四层影象金字塔。L0 是原始对话，齐全保留每一轮交互的原始纪录。L1 是提取的原子影象，由 LLM 自动从对话中提取结构化事实、用户偏好、工作约束和中央结论。L2 是场景聚合，按工作类型自动综合有关影象，形成场景块。L3 是用户画像，持续提炼信息，形成不变的持久用户档案。他举了一个黑客的例子，一个能 24/7 不间断搜索软件缝隙的 AI，性质上是在进建黑客的高阶直觉和步骤论，而非单一的搜索。这种 " 长周期进建 + 持续执行 " 的能力，才是下一阶段 AI 所必要的。而要实现长周期工作，唐杰指出了三大技术支柱，影象、持续进建、自我判断。其中，影象被他列为 " 通过奇妙工程伎俩最先被解决 " 的能力。这个判断和 AgentDB 的产品逻辑险些是沉合的。若是说唐卓越了一个 " 上联 "，" 长周期工作必要影象作为前提 "，那么腾讯用 AgentDB 对了一个 " 下联 "，" 分层影象让长周期工作成为可能 "。Agent 必要记住自己做了什么，为什么这么做，接下来该做什么。若是每执行几步就健忘之前的决策，那么长周期工作底子无法实现。更有意思的是，唐杰还在文中提到了 " 自我判断 " 能力，固然 AgentDB 体积很幼，但它的架构中也允许 AI 进行 " 自我判断 "。当 Agent 可能通过 Mermaid 图谱清澈地看到自己的工作进展、通过度层影象回溯汗青决策，它就具备了 " 元认知 " 的基础。知路自己做了什么、为什么这么做、接下来该做什么。这种结构化的自我认知，正是自我判断的前提。从这个角度看，AgentDB 不仅是一个影象系统，更是腾讯对 " 长周期工作时期 " 的一次技术押注。唐杰描述了愿景，腾讯拿出了工具。而在这场 " 长周期较量 " 中，影象系统就是 Agent 的燃料箱。容量决定续航，结构决定效能。AgentDB 的开源，意味着腾讯把这个燃料箱的设计图纸公开了，并且还是免费的。智谱在长周期工作上已经有了一些初步的成就。在 GLM-5.1 的白皮书中提到，GLM-5.1 在不必要任何人为过问的前提下，可能持续作业 8 幼时。但这只是一张成就单，要真正让企业安心，还得看它在更多场景里会不会掉链子，遇到没见过的问题时能不能靠自己的伎俩解决。长周期工作不是一个通用产品，它必要针对分歧业业、分歧场景做深度定造。这也是 AgentDB 的机遇地点。作为一个独立的影象组件，AgentDB 能够和任何模型、任何 Agent 框架集成。智谱能够用，字节能够用，阿里也能够用。这种盛开性让 AgentDB 有机遇成为长周期工作的基础设施。而长周期工作也不是某一家公司的专利，是整个行业的共同方向。谁能率先在这个方向上获得突破，谁就能鄙人一轮竞争中占据先机。而在这场较量中，影象治理能力将是决定性的成分之一。腾讯把这套规划开源出来，既是一种技术自负的展示，也是一种对生态建设的投资。若是 AgentDB 可能成为长周期工作的尺度影象组件，那么腾讯在这个领域的影响力就会远远超出一个开源项目自身。