O MUNDO NÃO ESTÁ PARADO.RSS
BIG CHANGE.

Edição em Markdown

AI-translated from English; not yet reviewed by a fluent editor.

# Hy Memory 2.0 dá aos agentes três formas de manter contexto

> O SDK Hy Memory 2.0.1, da Tencent, separa a recuperação de memórias de conversas, trabalho e programação. O app MemHub tem código-fonte, mas ainda não tem artefatos de lançamento públicos; as integrações ainda precisam de endpoints de modelos e limites explícitos de acesso.

By BIG CHANGE Editorial

Published: 2026-10-16T14:13:14.740Z
Updated: 2026-10-16T14:13:14.740Z
Canonical: https://bigchange.ai/blog/hy-memory-2-sdk-chat-work-coding-context

![Conceptual charcoal illustration of a three-drawer cabinet: blank conversation slips, tool tokens and layered revision strips sit in separate drawers.](https://bigchange.ai/api/media/file/hy-memory-three-scopes-v1.png)
AI-generated conceptual illustration by BIG CHANGE; not a Hy Memory product interface or tested result.

A Tencent publicou o `hy-memory==2.0.1`, um SDK Python para reter e recuperar contexto de sessões de conversa, trabalho e programação. O código é público; o aplicativo complementar MemHub ainda é código-fonte à espera de artefatos de lançamento públicos. Desenvolvedores que avaliam uma camada de memória compartilhada já podem usar o SDK, mas precisam fornecer endpoints de modelos e embeddings e decidir quais registros de sessão cada agente poderá ler.

O [histórico de alterações do projeto](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) atribui ao Hy Memory 2.0.1 a data de 16 de outubro de 2026. O [PyPI](https://pypi.org/project/hy-memory/2.0.1/) registra o envio do pacote em 15 de outubro, e o [artigo sobre o modelo](https://arxiv.org/abs/2610.22196) relacionado foi submetido naquele dia. São registros de publicação distintos, e não prova de que o produto para desktop foi lançado.

## A grande mudança

- **O que mudou:** O SDK publicado oferece caminhos separados de memória de conversas, trabalho e programação por meio de `add()` e `search()`, com filtros de origem e espaço de trabalho que a aplicação responsável pela integração pode usar.
- **Como funciona:** O fluxo de conversas organiza diálogos em camadas de memória. O de trabalho extrai um fato da sessão e, quando cabível, experiências reutilizáveis de um rastro de ferramentas. O de programação acrescenta uma cadeia de versões para as alterações de código. Quem faz a chamada fornece o material de origem, as identidades, a configuração de armazenamento e os serviços de modelos.
- **Por que importa:** O ambiente que hospeda um agente pode recuperar um registro compacto de conversas ou decisões sobre tarefas anteriores, em vez de passar todo o histórico a cada nova sessão. A precisão, a autorização e a utilidade desse registro ainda dependem do que o ambiente envia e de quais memórias ele permite reinserir no prompt.

## Escolha o fluxo antes de integrar

O [README do SDK](https://github.com/Tencent-Hunyuan/Hy-Memory) descreve três valores de `scene`. O `chat` aceita texto simples ou arrays de mensagens e retorna os canais de recuperação `profile`, `normal` e `proactive`. No modo `lite`, armazena texto bruto para busca por embeddings, sem extração por LLM. O `pro` acrescenta extração e reconciliação; o `ultra` pode executar uma etapa adicional de evolução por meio de `evolve()`.

Para `working`, a entrada precisa conter um rastro de chamadas de ferramentas. Uma sessão produz um fato sobre a tarefa, a abordagem e o resultado, além de zero ou mais experiências reutilizáveis que superem o limiar de valor do mecanismo. O `coding` usa as mesmas duas camadas e acrescenta uma cadeia de evolução de versões para o código alterado. O README informa que essa cadeia pode usar diffs locais do Git se `MEMORY_CODING_CHAIN_REPO_ROOT` estiver definido, ou ações determinísticas de substituição no rastro de ferramentas. No modo `lite`, o SDK ignora a distinção entre os cenários de trabalho e programação e armazena memória bruta.

Essas estruturas de saída atendem a perguntas diferentes. Uma preferência expressa em conversa pertence a `chat`; uma tarefa concluída com resultados de ferramentas pertence a `working`; uma alteração de código cuja revisão anterior possa importar pertence a `coding`. É uma distinção de roteamento documentada, não um teste de desempenho feito pelo BIG CHANGE.

## Um caminho documentado para usar o SDK

A sequência a seguir se baseia no [guia de início rápido do repositório](https://github.com/Tencent-Hunyuan/Hy-Memory) e no [guia de configuração do SDK do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md). O BIG CHANGE não executou o pacote nem fez chamadas a modelos.

Use Python 3.9 ou posterior e instale a versão fixada do SDK:

```bash
pip install hy-memory==2.0.1
```

ChromaDB e Kuzu fazem parte das dependências principais; Qdrant, FAISS, Neo4j, cache MySQL e um reclassificador local têm extras separados. O ambiente de desenvolvimento do código-fonte do MemHub é diferente: exige Node.js 24, pnpm 11, Python 3.12 e uv.

Configure um endpoint de LLM e um de embeddings antes de inicializar o cliente. O README lista `MEMORY_LLM_API_KEY`, `MEMORY_LLM_BASE_URL`, `MEMORY_LLM_MODEL` e as variáveis correspondentes `MEMORY_EMBEDDER_*`, além de `MEMORY_EMBEDDING_DIMS`; também documenta um valor padrão de `OPENAI_API_KEY`. Forneça seus próprios URLs de endpoints, nomes de modelos, chaves e dimensões de embeddings compatíveis. São interfaces compatíveis com OpenAI, e não uma exigência de usar o modelo separado Hy-Memory-30B, da Tencent. Mantenha credenciais fora dos rastros armazenados.

O exemplo de conversa a seguir usa as APIs documentadas `MemoryConfig.from_env()`, `HyMemoryClient`, `add()` e `search()`. A aplicação que faz a chamada precisa fornecer `authorized_messages` como texto simples ou mensagens no formato OpenAI, um identificador `user_id` estável e autorizado, além de `query`. O exemplo mostra o valor retornado sem alegar um resultado específico:

```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()
```

Para trabalho ou programação, passe um rastro de mensagens que contenha uma chamada de ferramenta ou uma entrada `role="tool"` e defina `scene` explicitamente. Defina `workspace_id` para isolar o material do projeto; `branch` depende dele. Defina `source` nas gravações e `include_sources` ou `exclude_sources` nas buscas quando os limites da aplicação que faz a chamada forem importantes. A busca de conversas retorna canais de memória; a busca de trabalho ou programação retorna `facts` e `experiences`, com `chain_block` para programação. Inspecione os registros retornados antes de entregá-los ao ambiente que hospeda o agente. As funções `list_memories`, `get`, `update` e `delete` permitem gerenciar registros individualmente.

Uma integração bem-sucedida teria um registro salvo a partir de uma entrada autorizada e um resultado de busca com escopo definido que respondesse à pergunta de recuperação pretendida. O README documenta os campos de retorno, mas não observamos uma execução que nos permita afirmar que a extração ou a recuperação funcionou. Se uma busca de trabalho ou programação estiver vazia, primeiro confirme que a gravação incluiu resultados de ferramentas e usou `pro` ou `ultra`; depois, confira os mesmos valores de `user_id`, `workspace_id`, `branch` e os filtros de origem. Ao mudar o modelo ou as dimensões dos embeddings, o [guia de configuração do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) alerta que uma coleção existente não pode simplesmente ser reutilizada com uma largura de vetor diferente.

## MemHub e o modelo são escolhas separadas

O MemHub é o produto proposto para desktop e CLI construído sobre o SDK. Seu [README](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md) descreve um ambiente de execução local gerenciado, conectores de origem e integrações com ambientes hospedeiros. Seu [histórico de alterações](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) é mais específico sobre a disponibilidade: existe a versão de código-fonte 1.0.0, build 4, mas a publicação no npm e os artefatos de lançamento no GitHub continuam pendentes. O [guia de instalação](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) indica Linux e macOS como alvos de lançamento e diz que Windows não é suportado; sua sequência de instalação via npm depende da publicação desses artefatos. Por enquanto, trate essa sequência como um caminho de instalação planejado.

Armazenamento local também não significa que todas as etapas de processamento permanecem locais. O [documento de privacidade](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) do MemHub separa a permissão para ler uma fonte de conversa, a permissão para enviar material autorizado a um serviço de modelos de terceiros escolhido e a permissão para o ambiente que hospeda um agente recuperar memória. Ele informa que as evidências brutas de origem ficam no diretório de dados local e que, quando um serviço externo de modelos é escolhido, ele recebe o conteúdo autorizado necessário à tarefa selecionada. Quem integra diretamente o SDK precisa implementar seus próprios controles de consentimento de origem, acesso a modelos e recuperação pelo ambiente hospedeiro; o [guia de integração](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) do MemHub informa que a ponte do produto acrescenta essas etapas de governança, em vez de apenas chamar o SDK.

A Tencent também lançou o [Hy-Memory-30B-A3B](https://huggingface.co/tencent/Hy-Memory-30B-A3B), modelo treinado para escrever memórias, com um [relatório técnico](https://arxiv.org/abs/2610.22196) submetido em 15 de outubro. O relatório alega vantagem sobre os sistemas de comparação em subamostras fixas de benchmarks. É uma avaliação do modelo relatada pelo fornecedor, não evidência independente de que esse SDK ou o MemHub melhorem as respostas de um agente em produção. O SDK aceita outros serviços de modelos compatíveis.

O atual [arquivo de licença](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/LICENSE) do repositório e os metadados do projeto indicam Apache-2.0. O histórico de alterações informa que essa licença foi adotada depois do envio da versão 2.0.1, cujos [metadados imutáveis do PyPI](https://pypi.org/project/hy-memory/2.0.1/) ainda indicam MIT. O pacote pode ser baixado gratuitamente, mas o serviço de modelos ou embeddings escolhido pode cobrar pelas requisições; o lançamento não documenta um preço operacional universal. A decisão prática é, portanto, qual caminho de memória e qual limite de autorização integrar, medindo os custos do fornecedor e a qualidade da recuperação no próprio ambiente do desenvolvedor.

## Fontes e leituras complementares

- [Repositório e início rápido do Hy-Memory](https://github.com/Tencent-Hunyuan/Hy-Memory) — cenários atuais do SDK, exemplos de API, modos, opções de armazenamento e filtros de origem.
- [Histórico de alterações de lançamento](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) e [PyPI 2.0.1](https://pypi.org/project/hy-memory/2.0.1/) — datas distintas de lançamento do SDK, requisitos do pacote, situação do MemHub e divergência nos metadados de licença.
- [README do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md), [guia de integração do SDK](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) e [documento de privacidade](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) — arquitetura do produto em estágio de código-fonte, configuração e limites de autorização.
- [Guia de instalação do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) — plataformas pretendidas e caminho condicional dos artefatos de lançamento.
- [Relatório do Hy-Memory-30B-A3B](https://arxiv.org/abs/2610.22196) — preprint e avaliação do modelo relatada pelos autores; não valida essa integração em uso real.

## Sources

- [Repositório e README do Hy-Memory](https://github.com/Tencent-Hunyuan/Hy-Memory) — Cenários do SDK, modos, exemplos de API, armazenamento e filtros; o aviso de lançamento do README informa apenas o mês.
- [Histórico de alterações do Hy-Memory](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) — Data o SDK 2.0.1 e informa que o MemHub não tem artefatos de lançamento públicos; explica os metadados imutáveis de licença do PyPI.
- [hy-memory 2.0.1 no PyPI](https://pypi.org/project/hy-memory/2.0.1/) — Pacote publicado, requisito de Python, datas dos arquivos de lançamento e metadados MIT do envio.
- [README do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md) — Arquitetura do código-fonte do produto e pré-requisitos de desenvolvimento, não prova de lançamento público do aplicativo.
- [Guia de integração de memória do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) — Configuração do SDK, largura dos embeddings e limites da ponte do produto.
- [Documento de privacidade do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) — Permissões separadas para origem, processamento por modelos e recuperação pelo ambiente hospedeiro.
- [Guia de instalação do MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) — Caminho condicional de instalação do pacote e plataformas-alvo.
- [Preprint do Hy-Memory-30B-A3B](https://arxiv.org/abs/2610.22196) — Modelo separado, abordagem de treinamento e benchmark relatado pelo fornecedor; sem validação independente.
- [LICENSE atual do repositório](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/LICENSE) — Texto-fonte atual Apache-2.0; o PyPI 2.0.1 mantém os metadados MIT.