hy memory这个记忆框架怎么样

Hy-Memory 是腾讯混元做的（不是那种个人小项目），2026 年 10 月 16 日发的 2.0，模型、框架、应用三层全开源，权重在 HuggingFace、框架包已经上 PyPI，GitHub 仓库 memory.hunyuan.tencent.com 上有入口。 它的定位和你上次问的那些不太一样：主打三类记忆场景——聊天记忆、工作记忆、代码记忆。2.0 新增的工作记忆和代码记忆是它的差异化，官方说是业界第一个同时提出这两种的记忆框架。这东西跟你的“个人助理管学习生活”其实挺对口：工作记忆就是记任务目标、已确定的做法、阶段结果、可复用的经验加适用条件，复用前先判断当前是否还满足条件。这基本就是你上次说的 event 那层要干的事。 机制上有几点值得注意： 一是记忆流转链路比较完整：写入时把非结构化对话提炼成原子化事实，然后动态更新与遗忘——用户改主意时旧记忆被标记降权或覆盖（不是直接删），再是多路检索（语义向量 + 关键词 + 关系图谱）注入 prompt。冲突消解和时序衰减这块，正好能对上你之前问的 UIUC 那篇讲的“记账问题”。 二是架构是异步提炼、在线轻读取。记忆的提取、去重、建图都放在会话结束之后的异步管道里，在线只做轻量过滤。这对聊天入口的 agent 很关键，不然首字延迟会很难看。 三是它带了个专用记忆模型 Hy-Memory-30B-A3B，30B 总参数，每 token 激活约 3B，专做信息抽取和实体关系更新。这个对你未必用得上——它是个 30B 的模型，自建成本不低，而且它自己宣称能接 Mem0、MemOS 等其他记忆系统，说明模型和框架是解耦的，你可以只用框架。 数据方面：LoCoMo 72.6%（聊天记忆准确率），MemoryArena 55.31%，CodeMemoryBench 问答 64.2%、解决率 35.6%，SWE-ContextBench 28.3%，官方称在 4 个 benchmark 上对比 Mem0、MemOS、EverOS 等是开源框架第一。LoCoMo 单题 token 从 1159 降到 703，降 39.3%。腾讯内部自选股和 iWiki 有实测：自选股多跳召回 50%→90%，iWiki 只用记忆作答正确率比喂完整原文高 48.6%。 看这些数要打个折扣：benchmark 是自家跑的，对比对象也是自家选的。而且 LoCoMo 72.6% 这个数放进你之前看的那批里不算最高——LeanMem 报到 84.87%，但是不同底座不可直接比。另外它在“存储占用小”上确实有优势，官方给的图里横轴就是存储占用。 现在说回你的场景，我的看法： 值得看的是框架层的工作记忆设计，特别是“经验带适用条件，复用前先判断是否满足”这个做法，个人助理很吃这套。你的学习计划、错题、方法总结，本质都是有适用条件的过程性经验，直接当事实存进去反而会被误用。 但别急着整套换。如果你上次说的只是想给自己的 personal agent 加记忆，你现在最缺的是把写入侧的三分法和 supersession 做对，而不是换一个更重的框架。Hy-Memory 的价值在于它把“动态更新与遗忘”做成了默认路径，你可以照着它的写入流程设计自己的：提炼成原子事实 → 冲突检测 → 旧记忆降权或标记被取代而不是删 → 加时序权重 → 会话结束异步处理。 要实装的话我建议先看 MemHub（CLI + Mac App），它能把 Cursor、Codex、Claude Code、OpenCode、Pi 这 10 种工具的历史会话导进来沉成一份本地记忆，正好能用来观察自己真实的查询模式——这跟上次说的“先跑通链路收集一周查询模式”是同一件事，而且比 agentmemory 更贴你多工具并用的习惯。缺点是目前只覆盖 Mac 和 CLI，Windows 得等。 要不要我帮你翻一下它的 GitHub 仓库，看看 SDK 的接入方式和记忆结构具体是怎么设计的？那个比官网的宣传页信息量大。