Hy Memory 2.0 – 騰訊混元開源的智能體記憶框架

0 0 0

Hy Memory 2.0是什麼

Hy Memory 2.0 是騰訊混元開源的智能體記憶框架，採用模型 + 框架 + 應用三層架構：專爲記憶訓練的 Hy-Memory-30A3B 模型、支持聊天/工作/代碼三類記憶的 SDK，以及可連接 10 種 AI 工具的本地記憶管理應用 MemHub。Hy Memory 2.0 能跨對話、跨工具沉澱和同步個人記憶，讓 Agent 擁有連續、完整的長期記憶，已在騰訊自選股、騰訊新聞等業務落地。

Hy Memory 2.0的主要功能

三層全開源架構：專用模型、記憶框架、MemHub 應用可獨立使用，可組合成完整 Memory 解決方案。
三類記憶管理：負責聊天、工作、代碼記憶的存儲、更新與進化，開發者可通過 SDK 接入 Agent。
聊天記憶：從零散事實升級爲完整事件脈絡，自動關聯跨時間、跨對話的內容並消解衝突。
工作記憶：多維度記錄任務目標、做法與可複用經驗，複用前先判斷適用條件，輔助長程任務執行。
代碼記憶：針對代碼場景沉澱項目上下文，提升代碼問答與任務解決的準確率。
MemHub 記憶同步：本地應用連接 Cursor、Codex 等 10 種 AI 工具，導入歷史會話並實現跨工具實時記憶同步。

Hy Memory 2.0的技術原理

事件化記憶組織：以事件爲主體梳理時間、地點、人物等要素並關聯後續發展；回答多線索問題時，先合併重複信息、剝離衝突內容，再將乾淨記憶交給模型。
條件化經驗複用：工作和代碼記憶按任務目標、已確定做法、階段結果及經驗適用條件多維度存儲，並隨時間規整更新；複用經驗時先校驗當前場景是否滿足適用條件，在匹配時精準調用，避免錯誤遷移。
任務斷點續接：長程任務每次重啓時，框架先判斷當前處理的事項，再精準召回相關決策、仍適用的經驗和歷史工作過程，用最少 Token 獲取最相關記憶。
專用小模型：Hy-Memory-30A3B 針對記憶更新、管理專門訓練，在 Hy Memory、Mem0、MemOS 等框架上效果均超過 Opus5。
全局記憶匯聚：MemHub 內置 Hy Memory SDK，將各 AI 工具的會話在本地沉澱爲統一個人記憶，並用插件形式向工具反向補充上下文，實現記憶資產與工具的解耦。

Hy Memory 2.0 – 騰訊混元開源的智能體記憶框架

微信關注回覆“開源”，加入AI開源項目交流羣

如何使用Hy Memory 2.0

獲取開源資源：從 GitHub（Tencent-Hunyuan/Hy-Memory、Tencent-Hunyuan/MemHub）和 HuggingFace（Hy-Memory-30B-A3B）下載框架、應用與模型權重。
開發者接入 SDK：將 Hy Memory SDK 集成到自己的 Agent 中，調用其存儲、更新、召回記憶的能力。
普通用戶安裝 MemHub：下載 MemHub 的 CLI 或 Mac 端 APP，作爲本地記憶管理中心。
授權關聯 AI 工具：在 MemHub 中授權 WorkBuddy、Cursor、Codex 等 10 種已支持的 AI 工具。
導入歷史會話：授權後一鍵導入各工具的歷史對話，由內置 Hy Memory SDK 沉澱爲本地個人記憶。
開啓實時同步：各工具產生的新會話自動匯入同一份全局記憶，無需手動操作。
用插件方式調用：在任一已關聯工具中發起任務時，MemHub 自動將相關記憶作爲上下文補充給當前工具。

Hy Memory 2.0的核心優勢

三層全開源：模型、框架、應用全部開源，可獨立使用也可組合，靈活度業界領先。
評測全面第一：在聊天、工作、代碼三類場景的 4 個 Benchmark 上均爲開源記憶框架第一。
業界首創：首個提出工作記憶與代碼記憶的記憶框架，覆蓋更完整的記憶場景。
小模型超大模型：約 3B 激活參數的專用模型，記憶效果超過 Opus5，成本低、可部署性強。
存儲佔用極小：三類場景效果第一的同時，記憶存儲空間佔用均很小，適合長期使用。
Token 效率突出：LoCoMo 上 Token 消耗減少 39.3%，以更少的上下文取得更高準確率。
記憶資產化：MemHub 打通 10 種 AI 工具，讓個人記憶跨工具連續、不被單一產品綁定。

Hy Memory 2.0的項目地址

GitHub倉庫：
- https://github.com/Tencent-Hunyuan/MemHub
- https://github.com/Tencent-Hunyuan/Hy-Memory
HuggingFace模型庫：https://huggingface.co/tencent/Hy-Memory-30B-A3B

Hy Memory 2.0的同類競品對比

對比維度	Hy Memory 2.0	Mem0
開源程度	模型、框架、應用三層全開源	框架開源，模型部分閉源
記憶類型	聊天、工作、代碼三類記憶	主要面向通用對話記憶
專用模型	Hy-Memory-30A3B（約 3B 激活，專爲記憶訓練）	無自研專用記憶模型
代碼記憶	CodeMemoryBench 任務解決率 35.6%，框架第一	SWE-ContextBench 解決率 25.3%，低於 Hy Memory 的 28.3%
工作記憶	MemoryArena 均分 55.31%，領先次優 10.2 個百分點	未覆蓋該維度評測
聊天記憶	LoCoMo 準確率 72.6%，Token 減少 39.3%	LoCoMo 表現低於 Hy Memory
模型效果	接入自家框架得分 55.49，超過 Opus5	無同等專用模型評測數據
應用層產品	MemHub 本地應用，打通 10 種 AI 工具實時同步	無類似的跨工具本地記憶管理應用
業務驗證	騰訊自選股、騰訊新聞、iWiki 等多個業務落地	主要面向開發者生態，大型業務落地案例較少