对比openviking和Hy Memory

回复 贝尔 这两个虽然都叫 memory，但方向几乎相反：OpenViking 是让 agent 自己管理上下文的一套系统，Hy Memory 是让系统自动替 agent 记住信息的引擎。 OpenViking（火山引擎，40.7k star，AGPLv3）：核心是一个虚拟文件系统 viking://，其中 resources、memories、skills 统一挂在目录树下，agent 用 ls、tree、read、grep、find 像翻文件一样翻自己的记忆。检索时按目录范围做语义检索，而不是对整个扁平索引做暴力检索；每个目录带有 L0 一句话摘要、L1 概览、L2 原文三层，agent 先看摘要再决定读不读原文。会话提交后会被归档成 Markdown 记忆，可查看、可编辑、可 merge。官方数据：LoCoMo 上各家 agent 集成后准确率 80-83%（原生的 24-57%），输入 token 降 34-91%，延迟降 58-66%；tau2-bench 上经验记忆带来 +6.87pp（retail）/ +11.87pp（airline）。有 VLDB 和 ICDE 的论文作为基础。 Hy Memory（腾讯混元，1.3k star，Apache-2.0）：核心是双系统认知记忆引擎 + Python SDK，还有 MemHub 这个本地优先的桌面端。它按场景分成三类记忆：chat 用 L0-L7 的分层（原始对话→原子事实→摘要→schema→前瞻性意图，带过期降级），working 做事实层加可复用经验层的双层，coding 在双层之上再加一条代码版本演化 diff 链，专门补上“某版代码后来被回滚了”这种摘要必然会丢掉的信息。三档模式 lite/pro/ultra，lite 是零 LLM 调用的纯向量 RAG。他们还专门训了个 Hy-Memory-30B-A3B 的 MoE 写记忆模型（带属性强化学习），EMNLP 2026 录了一篇。 真正的区别在三个地方。 一是谁做决策。OpenViking 把上下文管理权交回 agent，agent 会先查目录、看摘要，再一层层深入查找，可解释、可手工改，代价是 agent 必须会用它。Hy Memory 是后台自动抽取和整合，agent 什么都不用管，代价是黑箱，而且写记忆的质量靠模型。 二是管什么。OpenViking 把知识/RAG、用户记忆、skill 都塞进同一棵树，本质是上下文数据库，覆盖面比 memory 大一圈。Hy Memory 更聚焦“记住用户和做过的事”，但 coding 那条 diff 链做得很实在，是别人没做的点。 三是开放性。Hy Memory Apache-2.0，SDK 一行 pip 就能用，接任意 OpenAI 兼容端点；OpenViking 主项目 AGPLv3，还明确禁止整份重写后重新开源，商用要买 SaaS 或 BYOC。想嵌进商业产品，Hy Memory 省事得多。 如果只是想给自己的 ca 加个跨会话记忆，Hy Memory 装完就能跑；如果想要一个能统一管理知识库、记忆和 skill 并让 agent 自己导航的上下文系统，OpenViking 更对路，但要先接受 AGPL 和一套服务器部署。两个都不算轻，选之前先想清楚你是要“agent 自己翻档案”还是“系统自动记笔记”。