Tencent প্রকাশ করেছে hy-memory==2.0.1, চ্যাট, কাজ ও কোডিং সেশনের কনটেক্সট ধরে রাখা ও খুঁজে আনার একটি Python SDK। কোড প্রকাশ্য; সহযোগী MemHub অ্যাপটি এখনও সোর্স কোড পর্যায়ে রয়েছে, প্রকাশ্য রিলিজ ফাইলের অপেক্ষায়। শেয়ার করা মেমরি স্তর মূল্যায়ন করতে চাওয়া ডেভেলপাররা এখনই SDK ব্যবহার করতে পারেন, তবে তাঁদের মডেল ও এম্বেডিং এন্ডপয়েন্ট দিতে হবে এবং কোন এজেন্ট কোন সেশনের রেকর্ড পড়তে পারবে, তা নির্ধারণ করতে হবে।

প্রকল্পের পরিবর্তনের তালিকায় Hy Memory 2.0.1-এর তারিখ 16 অক্টোবর 2026 দেওয়া আছে। PyPI প্যাকেজ আপলোডের তারিখ 15 অক্টোবর দেখায়, আর সংশ্লিষ্ট মডেলের গবেষণাপত্রও সেদিন জমা পড়ে। এগুলো আলাদা প্রকাশনার রেকর্ড; ডেস্কটপ পণ্য বাজারে এসেছে, তার প্রমাণ নয়।

বড় পরিবর্তন

  • কী বদলেছে: প্রকাশিত SDK-তে চ্যাট, কাজ ও কোডিংয়ের জন্য আলাদা মেমরি পথ রয়েছে। এগুলো ব্যবহার করা হয় add() এবং search() দিয়ে; এর সোর্স ও ওয়ার্কস্পেস ফিল্টার ইন্টিগ্রেশনকারী অ্যাপ্লিকেশন ব্যবহার করতে পারে।
  • যেভাবে কাজ করে: চ্যাট কথোপকথনকে কয়েকটি মেমরি স্তরে সাজায়। কাজের পথটি টুল ট্রেস থেকে সেশনের একটি তথ্য এবং উপযুক্ত হলে পুনর্ব্যবহারযোগ্য অভিজ্ঞতা বের করে। কোডিংয়ের পথটি কোড পরিবর্তনের সংস্করণ-শৃঙ্খল যোগ করে। কলকারীকে সোর্স উপাদান, পরিচয়, স্টোরেজ কনফিগারেশন ও মডেল সেবা সরবরাহ করতে হয়।
  • কেন তা গুরুত্বপূর্ণ: এজেন্ট হোস্ট প্রতিটি নতুন সেশনে পুরো ইতিহাস পাঠানোর বদলে আগের কথোপকথন বা কাজের সিদ্ধান্তের সংক্ষিপ্ত রেকর্ড খুঁজে আনতে পারে। সেই রেকর্ড সঠিক, অনুমোদিত ও উপযোগী কি না, তা এখনও নির্ভর করে হোস্ট কী পাঠাচ্ছে এবং কোন স্মৃতি আবার প্রম্পটে ঢুকতে দিচ্ছে তার ওপর।

ইন্টিগ্রেশনের আগে কার্যপ্রবাহ বেছে নিন

SDK-এর README তিনটি মান বর্ণনা করেছে scene-এর জন্য। chat সাধারণ টেক্সট বা মেসেজ অ্যারে গ্রহণ করে, এরপর ফিরিয়ে দেয় profile, normal এবং proactive স্মৃতি পুনরুদ্ধার চ্যানেল। lite মোডে LLM দিয়ে তথ্য নিষ্কাশন না করে এম্বেডিং সার্চের জন্য মূল টেক্সট সংরক্ষণ করা হয়। pro তথ্য নিষ্কাশন ও মিলিয়ে সমন্বয় করার ধাপ যোগ করে; ultra আরও একটি বিবর্তন ধাপ চালাতে পারে evolve() দিয়ে।

অন্যদিকে working-এর ইনপুটে টুল-কল ট্রেস থাকতে হবে। একটি সেশন থেকে কাজ, পদ্ধতি ও ফলাফল নিয়ে একটি তথ্য তৈরি হয়, সঙ্গে শূন্য বা তার বেশি পুনর্ব্যবহারযোগ্য অভিজ্ঞতা, যেগুলো ইঞ্জিনের উপযোগিতার ন্যূনতম মান পার করে। coding একই দুটি স্তর ব্যবহার করে এবং পরিবর্তিত কোডের জন্য সংস্করণ-বিবর্তনের শৃঙ্খল যোগ করে। README অনুযায়ী, MEMORY_CODING_CHAIN_REPO_ROOT সেট করা থাকলে শৃঙ্খলটি স্থানীয় Git diff ব্যবহার করতে পারে; বিকল্প হলো টুল ট্রেসে নির্ধারিত নিয়মমাফিক প্রতিস্থাপন পদক্ষেপ। lite মোডে SDK কাজ/কোডিংয়ের দৃশ্যভেদ উপেক্ষা করে মূল মেমরি সংরক্ষণ করে।

এই আউটপুট কাঠামোগুলো ভিন্ন প্রশ্নের জন্য। কথোপকথনে প্রকাশিত পছন্দের জন্য উপযুক্ত পথ chat; টুলের ফলাফলসহ শেষ হওয়া কাজের জন্য working; আর এমন কোড পরিবর্তন, যার আগের সংস্করণ গুরুত্বপূর্ণ হতে পারে, তার জন্য coding। এই রাউটিং পার্থক্য নথিতে বর্ণিত; এটি BIG CHANGE-এর করা পারফরম্যান্স পরীক্ষা নয়।

নথিতে বর্ণিত SDK ব্যবহারের পথ

নিচের ধাপগুলো নেওয়া হয়েছে রিপোজিটরির দ্রুত শুরুর নির্দেশিকা এবং MemHub-এর SDK কনফিগারেশন নির্দেশিকা থেকে। BIG CHANGE প্যাকেজটি চালায়নি বা মডেলে কোনো কল করেনি।

Python 3.9 বা নতুন সংস্করণ ব্যবহার করুন এবং নির্দিষ্ট সংস্করণের SDK ইনস্টল করুন:

Terminal
pip install hy-memory==2.0.1

ChromaDB ও Kuzu মূল ডিপেনডেন্সির মধ্যে আছে; Qdrant, FAISS, Neo4j, MySQL cache এবং স্থানীয় reranker আলাদা অতিরিক্ত প্যাকেজ হিসেবে পাওয়া যায়। MemHub-এর সোর্স ডেভেলপমেন্ট পরিবেশ আলাদা: এর জন্য Node.js 24, pnpm 11, Python 3.12 ও uv দরকার।

ক্লায়েন্ট ইনিশিয়ালাইজ করার আগে LLM ও এম্বেডিং—দুটিরই এন্ডপয়েন্ট কনফিগার করুন। README-তে আছে MEMORY_LLM_API_KEY, MEMORY_LLM_BASE_URL, MEMORY_LLM_MODEL, সংশ্লিষ্ট MEMORY_EMBEDDER_* ভেরিয়েবলগুলো এবং MEMORY_EMBEDDING_DIMS; ডিফল্ট হিসেবে OPENAI_API_KEY ব্যবহারের কথাও নথিতে আছে। নিজের এন্ডপয়েন্ট URL, মডেলের নাম, কী এবং সামঞ্জস্যপূর্ণ এম্বেডিং ডাইমেনশন দিন। এগুলো OpenAI-সামঞ্জস্যপূর্ণ ইন্টারফেস; Tencent-এর আলাদা Hy-Memory-30B মডেল ব্যবহার করার শর্ত নয়। সংরক্ষণ করা ট্রেসে ক্রেডেনশিয়াল রাখবেন না।

নিচের চ্যাট উদাহরণে নথিবদ্ধ MemoryConfig.from_env(), HyMemoryClient, add() ও search() API ব্যবহার করা হয়েছে। কলকারী অ্যাপ্লিকেশনকে authorized_messages দিতে হবে সাধারণ টেক্সট বা OpenAI ফরম্যাটের মেসেজ হিসেবে, সঙ্গে একটি স্থিতিশীল, অনুমোদিত user_id এবং query। এখানে রিটার্ন ভ্যালু দেখানো হয়েছে; নির্দিষ্ট কোনো ফলাফল দাবি করা হয়নি:

Python
from hy_memory import HyMemoryClient, MemoryConfig

def write_and_recall(authorized_messages, user_id, query):
    config = MemoryConfig.from_env()  # Caller supplies LLM and embedding settings.
    client = HyMemoryClient(config=config, mode="pro")
    try:
        client.add(authorized_messages, user_id=user_id)
        return client.search(query, user_ids=[user_id], limit=10)
    finally:
        client.close()

কাজ বা কোডিংয়ের জন্য টুল কল বা role="tool" এন্ট্রিসহ মেসেজ ট্রেস পাঠান এবং scene স্পষ্টভাবে সেট করুন। প্রকল্পের উপাদান আলাদা রাখতে সেট করুন workspace_id; এটি ছাড়া branch ব্যবহার করা যায় না। লেখার সময় সেট করুন source এবং সার্চের সময় include_sources বা exclude_sources, যদি কলকারী অ্যাপ্লিকেশনের সীমানা গুরুত্বপূর্ণ হয়। চ্যাট সার্চ মেমরি চ্যানেল ফেরত দেয়; কাজ/কোডিংয়ের সার্চ ফেরত দেয় facts ও experiences; কোডিংয়ে অতিরিক্তভাবে chain_block ফেরত আসে। এজেন্ট হোস্টের হাতে দেওয়ার আগে ফেরত আসা রেকর্ডগুলো পরীক্ষা করুন। list_memories, get, update ও delete দিয়ে পৃথক রেকর্ড পরিচালনা করা যায়।

সফল ইন্টিগ্রেশনে অনুমোদিত ইনপুট থেকে সংরক্ষিত একটি রেকর্ড এবং নির্ধারিত স্মৃতি-অনুসন্ধানের প্রশ্নের উত্তর দেয় এমন সীমাবদ্ধ সার্চ ফলাফল থাকার কথা। README রিটার্ন ফিল্ডগুলো বর্ণনা করেছে, তবে তথ্য নিষ্কাশন বা স্মৃতি পুনরুদ্ধার সফল হয়েছে দাবি করার মতো কোনো চালনা আমরা পর্যবেক্ষণ করিনি। কাজ/কোডিংয়ের সার্চ খালি হলে আগে নিশ্চিত করুন যে লেখার ইনপুটে টুলের ফলাফল ছিল এবং ব্যবহৃত মোড ছিল pro বা ultra; এরপর একই user_id, workspace_id, branch ও সোর্স ফিল্টার ব্যবহার করা হয়েছে কি না যাচাই করুন। এম্বেডিং মডেল বা ডাইমেনশন বদলানোর ক্ষেত্রে MemHub-এর কনফিগারেশন নির্দেশিকা সতর্ক করেছে: ভিন্ন ভেক্টর প্রস্থের সঙ্গে বিদ্যমান কালেকশন সরাসরি পুনর্ব্যবহার করা যায় না।

MemHub ও মডেল বেছে নেওয়ার সিদ্ধান্ত আলাদা

MemHub হলো SDK-এর ওপর তৈরি প্রস্তাবিত ডেস্কটপ ও CLI পণ্য। এর README-তে পরিচালিত স্থানীয় রানটাইম, সোর্স কানেক্টর ও হোস্ট ইন্টিগ্রেশনের বর্ণনা আছে। এর পরিবর্তনের তালিকা প্রাপ্যতা নিয়ে আরও নির্দিষ্ট: সোর্স সংস্করণ 1.0.0 build 4 আছে, কিন্তু npm-এ প্রকাশ এবং GitHub রিলিজ ফাইল এখনও বাকি। ইনস্টলেশন নির্দেশিকা Linux ও macOS-কে রিলিজের লক্ষ্য হিসেবে উল্লেখ করে এবং জানায় যে Windows সমর্থিত নয়; npm দিয়ে ইনস্টল করার ধাপগুলো সেই রিলিজ ফাইল প্রকাশিত হওয়ার শর্তে প্রযোজ্য। আপাতত এটিকে পরিকল্পিত ইনস্টলেশনের পথ হিসেবে ধরুন।

স্থানীয় স্টোরেজ মানেই প্রক্রিয়াকরণের সব ধাপ স্থানীয়ভাবে হয়, এমনও নয়। MemHub-এর গোপনীয়তা নথি কথোপকথনের সোর্স পড়ার অনুমতি, অনুমোদিত উপাদান বাছাই করা তৃতীয় পক্ষের মডেল সেবায় পাঠানোর অনুমতি এবং এজেন্ট হোস্টের মেমরি পুনরুদ্ধারের অনুমতিকে আলাদা করে। এতে বলা হয়েছে, মূল সোর্সের প্রমাণ স্থানীয় ডেটা ডিরেক্টরিতে থাকে; বাইরের মডেল সেবা বাছাই করা হলে নির্ধারিত কাজের জন্য প্রয়োজনীয় অনুমোদিত কনটেন্ট সেই সেবায় যায়। সরাসরি SDK ব্যবহারকারীকে সোর্স ব্যবহারের সম্মতি, মডেল অ্যাক্সেস এবং হোস্টের স্মৃতি পুনরুদ্ধারের নিয়ন্ত্রণ নিজেই বাস্তবায়ন করতে হবে; MemHub-এর ইন্টিগ্রেশন নির্দেশিকা জানায়, এর প্রোডাক্ট ব্রিজ শুধু SDK কল করার বদলে এই নিয়ন্ত্রণধাপগুলোও যোগ করে।

Tencent আরও প্রকাশ করেছে Hy-Memory-30B-A3B, মেমরি লেখার জন্য প্রশিক্ষিত একটি মডেল, যার প্রযুক্তিগত প্রতিবেদন 15 অক্টোবর জমা পড়েছে। প্রতিবেদনে বেঞ্চমার্কের নির্দিষ্ট উপনমুনায় তুলনামূলক সিস্টেমগুলোর চেয়ে এগিয়ে থাকার দাবি করা হয়েছে। এটি বিক্রেতার জানানো মডেল মূল্যায়ন; এই SDK বা MemHub বাস্তবে চালু এজেন্টের উত্তর উন্নত করে, তার স্বাধীন প্রমাণ নয়। SDK অন্য সামঞ্জস্যপূর্ণ মডেল সেবাও গ্রহণ করে।

রিপোজিটরির বর্তমান লাইসেন্স ফাইল ও প্রকল্পের মেটাডেটায় Apache-2.0 লেখা আছে। পরিবর্তনের তালিকা অনুযায়ী, 2.0.1 আপলোডের পরে এই লাইসেন্স নেওয়া হয়েছে; সেই আপলোডের অপরিবর্তনীয় PyPI মেটাডেটায় এখনও MIT লেখা আছে। প্যাকেজ ডাউনলোড করা বিনা মূল্যে, কিন্তু বাছাই করা মডেল বা এম্বেডিং সেবা প্রতিটি অনুরোধের জন্য টাকা নিতে পারে; রিলিজে সবার জন্য প্রযোজ্য কোনো পরিচালনমূল্য নথিবদ্ধ নেই। তাই বাস্তব সিদ্ধান্ত হলো কোন মেমরি পথ ও অনুমোদনের সীমানা ইন্টিগ্রেট করা হবে, আর সেবাদাতার খরচ ও স্মৃতি পুনরুদ্ধারের মান মাপতে হবে ডেভেলপারের নিজের পরিবেশে।

সোর্স ও আরও পড়ুন