---
title: "騰訊混元發佈 Hy-Memory"
type: "News"
locale: "zh-HK"
url: "https://longbridge.com/zh-HK/news/288032606.md"
description: "騰訊混元於 5 月 28 日正式推出 Hy-Memory，這是為長期協作型 Agent 設計的記憶插件，旨在解決記憶碎片化問題。Hy-Memory 採用 6 層記憶框架和雙系統設計，顯著提高記憶信息的密度和更新速度，處理超長上下文時 token 消耗降低 35%。該插件能更好地滿足 Agent 對長期記憶的需求，提升用户體驗。"
datetime: "2026-05-29T08:13:03.000Z"
locales:
  - [zh-CN](https://longbridge.com/zh-CN/news/288032606.md)
  - [en](https://longbridge.com/en/news/288032606.md)
  - [zh-HK](https://longbridge.com/zh-HK/news/288032606.md)
---

# 騰訊混元發佈 Hy-Memory

智通財經 APP 獲悉，5 月 28 日，騰訊混元宣佈正式推出 Hy-Memory。據介紹，這是一個專門為 Openclaw 這類長期協作型 Agent 設計的記憶插件，能真正成為 Agent 的 “第二大腦”。官方稱，Hy-Memory 用 6 層記憶框架×System1/System2 雙系統×演化鏈三層底牌，讓 Agent 在長期使用中真正"記得住、記得對、記得輕、更懂你"。

在權威公開測試集上，Hy-Memory 效果超過現有主流 memory 框架，可以解決記憶碎片化問題，記憶數量低 70%+，每條記憶信息密度高 45%+。在處理超長上下文方面，Hy-Memory 消耗的 token 量降低 35%，記憶更新速度快 20%。

## Agent 任務對長期記憶的要求遠超 Chat

使用 Agent 和 Openclaw 深度用户，常常描述過一種常見的 “三週軌跡”。

第一週: 蜜月期，把自己當下正在忙的事情，比如一個項目的來龍去脈、最近的決定和取捨、未來想做的方向一股腦都告訴 Openclaw。，能回答問題、能查資料、能幫你規劃、能寫代碼、能起草文檔。“這玩意兒真好用”——這是大多數人第一週的真實感受。

第二週: 開始不安。人們注意到每天打開 Openclaw 都得先花 3 到 5 分鐘提醒它我們在做什麼。它好像不太記得幾天前討論過的判斷。當你對它説 “按之前那個方案”，它會反問"哪個方案"，説 “那個我們排除掉的選項”，它卻想不起來排除的是什麼、為什麼排除。不是完全不記得。Openclaw 默認的記憶機制能記住一些最近的對話原文，但跨天、跨 Session、那些更深的判斷，它就漂移了。

第三週: 主動降級使用，開始下意識地縮短跟它討論的深度。不再問"這個方向我該不該走"，因為知道明天它就忘了。變成只問最具體、最即時的小問題：搜個資料、查個語法、改一段文字。

最常見的結局是，Openclaw 在使用者眼裏，慢慢從"能陪你思考的夥伴"，降級成了"一個查詢工具"。這不是 Openclaw 的問題——它的內核能力一直很強。問題在於：長期協作類任務對長期記憶的要求，遠超過普通 Chat。

Hy-Memory 這個 Openclaw 記憶插件的初衷，就是為了把這三週軌跡的後兩週抹掉——讓用户第一週怎麼用 Openclaw，第三個月還能怎麼用，而且越用越懂。

**1、長期任務對記憶的挑戰比想象中難**

長期任務跟普通 Chat 完全是兩種工作。不管你拿 Openclaw 調研一個複雜決策、寫一本書、規劃一次大旅行、跟進一個跨季度的項目，一次對話可能 30 輪 50 輪 100 輪，中間不停地查資料、調工具、讀文檔、出方案、回退、再改、再走，一個 Session 可能持續幾個小時，任務可能跨越數週。

記憶系統至少要扛住 4 件事：

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/101a3475d2ad535b15a77b8788e9fa62.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

任何一個環節崩了，體驗就崩了。

**2、一個合格的 Openclaw 記憶插件要滿足的 3 條標準**

我們在設計 Hy-Memory 的時候圍繞 “什麼樣的記憶插件才配得上 Openclaw 這種長期協作場景”，定了 3 條硬標準。

標準一：不能丟歷史。

用户跟 Agent 聊過的所有 “為什麼選這個、為什麼否那個”——這些判斷和因果不能丟。否則下次它推薦方案，可能直接推薦回用户已經否過的那個，白費時間。

標準二：要能演化。

人不是一個靜態的存在。技術偏好、生活習慣、長期目標都會隨時間變，對某件事的看法也會反覆調整，這些都得被記住。不是覆蓋式的 “只記最新”，也不是堆積式的 “全都留下”，而是要有一個清晰的演化軌跡。

標準三：要在主鏈路裏不僅足夠快，還要有認知迭代，進化。

記憶插件不能拖慢用户當下打字、調用工具、等結果的速度。每次搜索要在毫秒級，召回也不能成為響應瓶頸。同時還要有深層次的語義和事實理解。

接下來，我們把 Hy-Memory 滿足這 3 條標準的三層底牌分別講清楚。

## Hy-Memory 的三層核心

**第一層：6 層記憶框架——給每種記憶找到正確位置**

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/61b16c16a6922218143cd957943225d3.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

Hy-Memory 做的第一件事，是沒有把所有記憶塞進同一張表。

想一下——用户跟 Openclaw 聊到最近在準備出國留學，這段話裏其實混着好幾種東西：

“我在準備出國留學”——這是事實

“我偏好北歐那種慢節奏的項目”——這是畫像

“我做大決策前會先列利弊清單”——這是心智模型

“我下週大概率會問推薦信怎麼找教授”——這是前瞻意圖

這些東西信息形態完全不一樣，但傳統記憶系統會把它們全揉成一堆向量，搜索時一鍋撈。Hy-Memory 把記憶分成 6 層，每層一種職責。下面用一組多領域混合的例子，讓你感受 Agent “記的是什麼”：

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/f0705a52656f43da08d5ec8a610e9b77.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

用户問 Openclaw “我做大決策有什麼習慣”，它應該優先看 L5 心智模型，而不是把過去 100 輪對話原文一鍋塞過來。用户問"我現在住在哪",L2 一條事實就夠了。問什麼、走哪層、用什麼樣的檢索權重——分層讓這些都變得可能。

整個 prompt 會變乾淨。模型的注意力不再被無關原文稀釋。

**第二層：雙系統設計，既保障速度又具備認知迭代**

Hy-Memory 把來自人腦認知科學的 System1 / System2 機制直接復刻到了 Agent 的記憶加工上——就像給 Openclaw 裝了一顆符合認知科學的"大腦"。

Hy-Memory 把記憶加工拆成兩套。

System1(白班)：用户回車那一秒，實時地處理寫入的記憶。負責寫原始痕跡、抽事實、更新畫像、壓會話摘要——也就是 L1–L4

System2(夜班)：秒到分鐘級，在後台跑。負責抽心智模型、構建知識網絡、預測意圖——也就是 L5–L6

為什麼要拆？因為深度認知很慢。抽你的"決策心智模型"、構建你的"知識網絡"——做完一遍 LLM 可能要 5 到 20 秒。如果讓你每次調用 Openclaw 都等 20 秒才能收到回覆，誰都用不下去。

但你要的也不僅是"快"——你要的是 Agent 越用越懂你。Hy-Memory 的拆分把這兩件互相打架的事變成兩條獨立通道：

1、發送消息後 System1 已經把"立即可用的記憶"寫好了——下一句對話能立刻用上

2、 System2 在後台慢慢做更深的認知——把你兩週的對話沉澱成"你的決策心智"

結果在對話最直接的影響：你每次説完的信息它能立馬記住；而它對你的理解還在後台不斷變深。

**第三層：演化鏈——記憶能改寫但不丟因果**

第三層是 Hy-Memory 真正的殺手鐧，也是我們覺得用户長期跟 Agent 協作時最容易踩坑、也最值得做對的一件事。

一個典型的長期場景：假設一位用户跟 Openclaw 聊了大半年自己的健身計劃。過去半年裏他的訓練方式發生過 4 次明顯的態度轉折：

去年春 — 開始跑步訓練有氧，效果不錯，體重和精神狀態都改善了，對跑步充滿信心

去年夏 — 跟練 HIIT，強度太大，膝蓋出了問題，被迫停訓兩週

去年秋 — 轉向純力量訓練，只練大重量、放棄了心肺，結果跑兩公里都喘，挫敗

上月 — 形成「力量 + 慢跑 + 瑜伽」混合方案，身體狀態終於穩定下來

今天他打開 Openclaw 問它：“我下個月想再加一種新的訓練方式，你建議什麼？”

**三種記憶系統會給出三種答案。**

**答案 1：覆蓋派 (只記最新)**

很多默認記憶系統是"用新覆蓋舊"。庫裏只剩"用户當前用混合訓練效果好"。

Agent 的回答：“你現在的力量 + 慢跑 + 瑜伽組合挺好，可以再加一個 CrossFit 試試，效率高。”

不算錯，但很淺。它不知道用户為什麼走到混合訓練——錯過了"HIIT 傷過膝蓋"、"純力量丟了心肺"這條完整的踩坑路徑。直接推薦 CrossFit 很可能讓用户再傷一次膝蓋。

**答案 2：堆積派 (全部保留)**

另一些系統是"什麼都留下，搜索時按向量相似度召回"。庫裏 4 條事實都在，但搜索 “新訓練方式” 時，最近的、最相似的先被召回——大概率是"跑步起步效果不錯"和"混合訓練穩定"。

中間的"HIIT 膝蓋受傷"、"純力量丟心肺"在語義空間裏距離稍遠，可能根本召不回。

Agent 的回答：“你跑步效果不錯、混合訓練也穩定，可以加一個 HIIT 試試，提升心肺效率高。”

踩雷了。它沒意識到用户已經在 HIIT 上受過傷——重新推薦 HIIT 等於讓用户再走一次老路、再傷一次膝蓋。

**答案 3：Hy-Memory 演化鏈**

Hy-Memory 在寫入第 2 條記憶時，會用 supersedes 指針指向第 1 條；第 3 條指向第 2 條；第 4 條指向第 3 條。4 條記憶通過指針串成一條鏈。D (混合訓練，鏈頭) ↓ supersedes C (純力量，丟心肺) ↓ supersedes B (HIIT，膝蓋受傷) ↓ supersedes A (跑步起步) 用户問 “新訓練方式選什麼” 時，搜索命中鏈頭 D，整條鏈自動展開——A、B、C、D 一起返回給 Agent。

## Hy-Memory： 超過同類框架

Hy-Memory 在 LongMemEval 和 PersonaMem 這兩個權威的長期記憶評測上跑過。

1、LongMemEval：得分達 85.2，遠超其他框架。LongMemEval 是公認很難的長期記憶評測，500 道題覆蓋 6 個能力維度。

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/41cee9c84c4a53c3991614c81eb58314.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

Hy-Memory 不僅打贏所有同類系統，在 6 個維度中的 4 個維度取得最高分——尤其在最考驗"演化能力"的偏好 (+21.11pp)、時序推理 (+9.63pp)、知識更新 (+21.37pp) 三項上領先同類產品。

2、 PersonaMem：打贏所有同類產品，PersonaMem 是 6000+ 條消息 / 589 道題的真實長期對話評測，更貼近"用户用了好幾個月"的真實場景。

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/2a899e6674d9de7d0de84a3cb488f409.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/c311b44800a163cc238df69e5a97fd7c.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

3、性能：有更高的記憶密度同時，更有 8 倍寫入速度

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/f9827c2d867b369bab94285c52218134.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

Openclaw 用户能感受到的是：

寫入快：跟 mem0 同檔，是 Graphiti 的 8 倍快，不會卡 Openclaw 的對話主鏈路

存得少：記憶條數只有 mem0 的 1/3、Graphiti 的 1/4–1/5，本地嵌入式存儲，不需要外部服務，內存佔用低

密度高：單條記憶是 mem0 的 3–4 倍信息密度，每次召回的記憶更管用，prompt 不被噪聲污染

最後這條對長期任務特別重要：當一次 Session 跑到 80 輪對話，召回的每一條記憶都得是高密度的，否則 prompt 一下就被噪聲塞爆，模型注意力被稀釋。

Hy-Memory 的高密度意味着同樣的 Token 預算下 Openclaw 能看到比別的記憶系統多 3-4 倍的有效信息。

快速裝上 Hy-Memory：從決定到能用，大概 5 分鐘

1、一行命令安裝

npm config set registry https://mirrors.tencent.com/npm/ &；&； openclaw plugins install @tencent/hy-agent-memory --dangerously-force-unsafe-install --force &；&； openclaw hy-memory init

默認配置下 Hy-Memory 使用 Chroma 作為本地嵌入式向量庫，數據自動持久化到本地目錄，不需要先安裝 Qdrant、不需要啓動任何外部服務、不需要部署 Docker，只要配置好 LLM / Embedding 的 API Key，就可以直接用。可以用下面命令驗證安裝情況，以及 LLM，Embedding 服務是否連通：

openclaw hy-memory status \[plugins\] openclaw-hy-memory: registered (user: tom001, server: http://127.0.0.1:19527, autoRecall: true, autoCapture: true) OpenClaw 2026.5.26 (10ad3aa) — Built by lobsters, for humans. Don't question the hierarchy.HY Memory Server: http://127.0.0.1:19527 Status: ✓ healthy User ID: tom001 VDB: ok \[chroma\] (collection: agent\_memories\_1024, points: 0) Embed: ok (dims: 1024) LLM: ok SDK Version: 1.2.5

2、Lite / Pro / Ultra：不一定需要"全開"

Hy-Memory 把同一個內核拆成三檔，按需啓用：

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/3ac781ab071d8f939a5dc889ea9bf008.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

建議：第一次裝，直接上 Pro。開 MemAgent 但不開 System2 後台。開發機基本扛得住。真正高頻用可以升級 Ultra，把 System2 打開，L5 / L6 都沉澱。三檔共用同一份 SDK，升級只改一個開關，不需要重新接入。

![圖片](https://imageproxy.pbkrs.com/http://img.zhitongcaijing.com/images/contentformat/bbde7bc5bf6250179b1b4a7fa7128152.jpg?x-oss-process=image/auto-orient,1/interlace,1/resize,w_1440,h_1440/quality,q_95/format,jpg)

如果你是 Openclaw 現有用户：把 Hy-Memory 裝上，你會感覺這個 Agent 可能接觸過的 AI 裏第一個真的認識你的。

### 相關股票

- [00700.HK](https://longbridge.com/zh-HK/quote/00700.HK.md)
- [TCEHY.US](https://longbridge.com/zh-HK/quote/TCEHY.US.md)
- [TCTZF.US](https://longbridge.com/zh-HK/quote/TCTZF.US.md)
- [80700.HK](https://longbridge.com/zh-HK/quote/80700.HK.md)
- [HTCD.SG](https://longbridge.com/zh-HK/quote/HTCD.SG.md)

## 相關資訊與研究

- [騰訊混元發布 Hy-Memory](https://longbridge.com/zh-HK/news/287944046.md)
- [騰訊丨自研晶片滄海 V2 進入量產週期 擬下半年全面推出](https://longbridge.com/zh-HK/news/287756159.md)
- [【AI】字節跳動據報向 Seed 團隊提供特殊股票，以防止競爭對手挖角](https://longbridge.com/zh-HK/news/287694192.md)
- [反內捲丨市監總局部署整治內捲式競爭 聚焦直播帶貨外賣等](https://longbridge.com/zh-HK/news/287742013.md)
- [【AI】騰訊會議推出「AI 同傳」功能，時延低於 3 秒，發言與翻譯接近同步](https://longbridge.com/zh-HK/news/287189408.md)