Hy-Memory

Hy-Memory – 腾讯混元推出的 Agent 记忆插件

Hy-Memory：腾讯混元重塑 AI 协作的长期记忆能力

Hy-Memory，由腾讯混元倾力打造，是一款专为 OpenClaw 等需要深度、长期协作的智能体（Agent）量身定制的记忆增强插件。它凭借其创新的 6 层记忆框架、System1/System2 双系统处理模式以及演化链三层架构，赋予了 AI 真正意义上的“记忆力”——不仅能记住信息，更能做到记忆准确、精炼且深刻理解用户意图。在 LongMemEval 和 PersonaMem 两项权威评测中，Hy-Memory 均拔得头筹，在记忆容量上实现了 70% 以上的削减，信息密度却提升了 45%，写入速度更是达到了同类方案的 8 倍之多。

Hy-Memory 的核心功能亮点

六层级记忆体系：Hy-Memory 将记忆精细划分为六个层级：原始痕迹、原子事实、身份画像、会话摘要、心智模型以及前瞻意图。每一层都拥有的职责划分和检索权重，确保信息处理的专业性和高效性。
System1/System2 协同运作：System1 系统负责毫秒级的实时响应，处理从 L1 到 L4 的记忆写入。而 System2 则在后台异步运作，专注于 L5 和 L6 的高阶认知沉淀，实现快速响应与深度理解的完美结合。
演化链机制赋能因果追溯：通过“supersedes”指针，Hy-Memory 将零散的记忆片段编织成一条条因果关联的链条。当触发链条中的任一节点时，整个态度演变的过程将得以完整呈现，避免了信息孤岛的产生。
智能记忆合并与去重：对于同类事实，Hy-Memory 能够智能地进行归并，消除冗余。对于偏好和决策的冲突，则能自动进行刷新，确保记忆库的纯净，避免了因新旧信息混杂而产生的“噪声”。
跨会话的连续记忆能力：Hy-Memory 打破了会话边界的限制，支持 Agent 在不同时间点无缝接续之前的任务上下文，实现真正的长期任务连贯性。

Hy-Memory 的技术基石

分层存储与处理架构：Hy-Memory 采用了精细的分层存储架构，涵盖 L1 原始对话、L2 原子事实、L3 身份画像、L4 会话摘要、L5 心智模型和 L6 前瞻意图。每一层都根据其特性采用了不同的信息加工策略。
System1 极速响应路径：当用户发送消息时，System1 系统会以毫秒级的速度完成原始痕迹的记录、事实的抽取、用户画像的更新以及会话摘要的压缩，形成一个高效的闭环。
System2 深度沉淀路径：System2 系统则以秒级到分钟级的异步方式运行，从 Agent 的行为中抽象出心智模型，并预测其前瞻意图，实现对高阶认知的深度挖掘和沉淀。
演化链指针结构设计：在写入新记忆时，Hy-Memory 利用“supersedes”指针指向旧记忆，构建出可双向遍历的因果链，为理解信息演变过程提供了清晰的脉络。
注意力闸门机制的运用：System1 系统内置了注意力判断机制，能够智能筛选出值得加工并写入深层记忆的关键信息，优化了记忆的质量和效率。

Hy-Memory 的多种使用模式

接入便捷：通过 OpenClaw 平台，用户可以一键集成 Hy-Memory，轻松将 Agent 的原生记忆能力升级至专业级长期记忆水平。
Lite 模式：此模式专注于记忆的写入与检索，无需调用 LLM，能够实现最快速的接入。它非常适合那些希望 Agent 能够“记住”信息，但暂时不需要其进行深度理解的场景。
Pro 模式：在此模式下，MemAgent 会同步执行信息的抽取、摘要和反思，但不会启动后台 worker。这适用于希望 Agent 能够主动整理自身记忆的场景。
Ultra 模式：这是 Hy-Memory 的完整形态，同时运行 System1 和 System2 内核。后台慢路径会持续进行信息的复盘和归纳，旨在让 Agent 随着使用时间的推移，越来越贴近用户的行为模式和偏好。

Hy-Memory 的卓越优势

信息密度显著提升：Hy-Memory 单条信息的密度高达 130.5 token/条，远超 mem0（52 token/条）和 Graphiti（89.2 token/条），是 mem0 的 2.5 倍，Graphiti 的 1.5 倍。
记忆数量大幅精简：平均每位用户仅需 82.3 条记忆，仅为 mem0（309.8 条/用户）和 Graphiti（362.3 条/用户）的约四分之一，有效解决了记忆碎片化的问题。
写入速度疾速提升：Hy-Memory 的写入速度为 12.3 s/k tokens，仅为 Graphiti（97.8 s/k tokens）的八分之一，极大地提升了主链路的响应速度，避免了性能瓶颈。
评测成绩遥遥领先：在 LongMemEval 和 PersonaMem 两项权威评测中，Hy-Memory 分别取得了 85.20% 和 76.91% 的优异成绩，均位居同类框架之首。
完整的因果演化追踪：演化链机制能够完整保留态度的演变路径，有效避免了“覆盖派”（只记最新）和“堆积派”（召回不全）的弊端。