腾讯混元开源Hy-Memory 2.0:给AI智能体装上三层记忆

流云 2026-10-20 4861 0条评论
摘要: 10月16日,腾讯混元推出Hy-Memory 2.0,一套面向AI智能体的三层记忆框架,由专用记忆模型、记忆框架与MemHub本地应用组成,Apache-2.0开源。它把记忆按场景...

10月16日,腾讯混元推出Hy-Memory 2.0,一套面向AI智能体的三层记忆框架,由专用记忆模型、记忆框架与MemHub本地应用组成,Apache-2.0开源。它把记忆按场景拆成三条流水线——聊天、工作、代码,写入与检索先经场景路由再进入对应管线。对关注AI工具导航的开发者来说,记忆框架正在成为智能体从“一次性对话”走向“长期协作”的关键组件。

聊天记忆按八层组织

聊天记忆从原始对话逐层抽象:L0基础信息、L1原始对话(只追加)、L2原子事实(带版本、不可改)、L3会话摘要、L6心智模型与L7前瞻意图。原子事实独立版本化后新旧说法不会互相覆盖;前瞻意图带过期时间,过期即降级为普通事实。多跳问答时,框架先合并重复信息、剥离前后冲突,再把整理后的记忆交给模型。

工作记忆拆成事实与经验两层

工作场景按会话产出两层记忆:事实层每次会话固定写1条,记录任务、做法与结果;经验层写0到N条,只有通过价值阈值的方法才留下。两层双向关联,被推翻的旧事实经fact_chain_summary保留可追溯记录。复用经验前会先判断当前环境是否落在适用条件内。

代码记忆附带版本演进链

代码场景与工作场景共用双层管线,差别有三处:抽取规范换成软件工程口径,记录文件、函数、分支等坐标而不粘贴代码;数据写入独立的coding_memory_cv.db,与工作记忆隔离;额外挂一条版本演进链,把每个版本的diff原样存下且不消耗大模型调用。某次改动被回滚后,该版本既不在事实里,也不在工作树上,演进链补的正是这块信息。

三种运行模式与多后端存储

lite只做原始向量的写入与检索,不调用大模型,等价于常规RAG;pro增加抽取与冲突合并,为默认档;ultra再加schema归纳与跨领域扫描。存储可替换:向量库默认ChromaDB,另支持Qdrant与FAISS;图存储默认Kuzu,可换Neo4j。接入只需一个兼容OpenAI协议的模型端点与一个embedding端点。在AI办公软件推荐的选型逻辑中,这种可替换后端、可切换模式的方案,意味着团队可以根据已有基础设施灵活选型,而不必绑定单一存储栈。

与Mem0、MemOS的差异

Mem0与MemOS都是可嵌入的记忆层组件,Hy-Memory 2.0是含模型、框架与桌面端的三层方案。多出的MemHub本地应用让不写代码的用户也能直接使用,另两家需要自行搭服务端。代码任务解决率28.3%,对比两家均为25.3%。接入方式上,三者都以SDK起步,Hy-Memory 2.0额外提供一个跨工具的桌面入口。

使用与成本

MemHub桌面端支持macOS签名版与Linux命令行运行时,执行memhub install下载运行时,memhub start启动,逐个授权AI工具后历史会话导入为本地记忆。开发者通过pip安装hy-memory==2.0.3,设置MEMORY_LLM_BASE_URL与embedding变量,创建HyMemoryClient(mode="pro")即可写入与检索。软件与模型权重均不收费,支出集中在抽取调用的大模型与embedding服务,成本敏感时切到lite模式即可。

编辑判断

Hy-Memory 2.0的看点不在“又一个记忆框架”,而在它把聊天、工作、代码三类记忆拆成独立管线,并让代码记忆保留可追溯的版本演进链。对于需要为自研Agent补长期记忆的开发者,它提供了一个可自托管、可审计的起点;对于希望统一管理多个AI工具会话记忆的重度用户,MemHub降低了使用门槛。但记忆框架的价值最终取决于检索准确率与冲突处理能力,官方评测之外,还需要用自己的任务流实测。


文章版权及转载声明:

作者:流云本文地址:https://www.sanwenge.com/post/1512.html发布于 2026-10-20
文章转载或复制请以超链接形式并注明出处三文阁