Hy-Memory是什么
Hy-Memory 是腾讯混元推出的专为 OpenClaw 等长期协作型 Agent 设计的记忆插件，通过 6 层记忆框架 × System1/System2 双系统 × 演化链三层架构，让 Agent 真正记得住、记得对、记得轻、更懂你。在 LongMemEval 和 PersonaMem 两大权威评测中均位列同类框架第一，记忆数量降低 70%+，信息密度提升 45%，写入速度达同类 8 倍。
Hy-Memory的主要功能
- 六层记忆框架：将记忆分为原始痕迹、原子事实、身份画像、会话摘要、心智模型、前瞻意图六层，每层独立职责与检索权重。
- System1/System2 双系统：System1 毫秒级实时处理 L1-L4 记忆写入，System2 后台异步沉淀 L5-L6 高阶认知。
- 演化链机制：通过 supersedes 指针将记忆串成因果链，命中任意节点自动展开完整态度演变。
- 记忆合并去重：同类事实自动归并，冲突偏好自动刷新，避免新旧并存形成噪声库。
- 跨 Session 连续记忆：支持昨天关闭今天继续，Agent 能无缝接续长期任务上下文。
Hy-Memory的技术原理
- 分层存储架构：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、L6 前瞻意图，每层采用不同加工策略。
- System1 快路径：用户发送消息时实时写入原始痕迹、抽取事实、更新画像、压缩会话摘要，毫秒级闭环。
- System2 慢路径：后台异步运行，从行为中抽象心智模型、预测前瞻意图，秒到分钟级沉淀。
- 演化链指针结构：新记忆写入时通过 supersedes 指针指向旧记忆，形成双向可遍历的因果链。
- 注意力闸门机制：System1 中设置注意力判断，决定哪些信息值得加工写入深层记忆。
如何使用Hy-Memory
- 接入方式：通过 OpenClaw 一键接入 Hy-Memory，原生记忆能力升级为专业级长期记忆。
- Lite 模式：只做写入和检索，零 LLM 成本，最快接入，适合想立刻有记得住但暂不需要理解。
- Pro 模式：MemAgent 同步做抽取、摘要、反思，但不带后台 worker，适合希望记忆能整理自己。
- Ultra 模式：完整运行 System1 + System2 内核，异步慢路径持续回放归纳，适合希望系统越用越像用户。
Hy-Memory的核心优势
- 记忆密度更高：单条信息密度达 130.5 token/条，是 mem0 的 2.5 倍、Graphiti 的 1.5 倍。
- 记忆数量更少：平均 82.3 条/用户，仅为 mem0 和 Graphiti 的约 1/4，解决记忆碎片化问题。
- 写入速度更快：12.3 s/k tokens，是 Graphiti 的 1/8，不拖慢主链路响应速度。
- 评测成绩领先：LongMemEval 85.20%、PersonaMem 76.91%，均位列同类框架第一。
- 因果演化完整：演化链保留完整态度演变路径，避免覆盖派只记最新或堆积派召回不全的问题。
Hy-Memory的项目地址
- 项目官网：https://memory.hunyuan.tencent.com/
Hy-Memory的同类竞品对比
| 维度 | Hy-Memory | mem0 | Graphiti |
|---|---|---|---|
| LongMemEval 总分 | 85.20% | 47.00% | 68.32% |
| PersonaMem 总分 | 76.91% | 65.82% | 64.86% |
| 写入耗时 (s/k tokens) | 12.3 | 15.6 | 97.8 |
| 记忆条数/用户 | 82.3 | 309.8 | 362.3 |
| 单条信息密度 (token/条) | 130.5 | 52 | 89.2 |
| 记忆架构 | 6层分层 + 演化链 | 单层向量 | 图结构 |
| 双系统处理 | System1 + System2 | 无 | 无 |
Hy-Memory的应用场景
- 长期项目协作：跨数周跟进复杂项目，Agent 能记住每次决策原因和排除方案。
- 个人知识管理：沉淀用户的工作习惯、决策心智模型，越用越懂用户偏好。
- 健身/健康规划：记录训练方式的态度演变，避免推荐用户已踩过坑的方案。
- 创作辅助：追踪创作者对发行渠道的态度变化，给出符合其价值观的建议。
- 学习辅导：记住学生的学习进度、知识薄弱点和理解方式，提供连续性指导。