Версия Markdown

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

# Hy Memory 2.0 даёт агентам три способа сохранять контекст

> SDK Hy Memory 2.0.1 от Tencent разделяет поиск воспоминаний из чатов, рабочих и программных сессий. У приложения MemHub есть исходный код, но нет публичных файлов релиза; для интеграции по-прежнему нужны конечные точки моделей и явные границы доступа.

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.

Tencent опубликовала `hy-memory==2.0.1` — Python SDK для сохранения и поиска контекста из сессий чата, работы и программирования. Код открыт; сопутствующее приложение MemHub пока представляет собой исходный код, ожидающий публичных файлов релиза. Разработчики, оценивающие общий слой памяти, уже могут использовать SDK, но должны предоставить конечные точки моделей и эмбеддингов и решить, какие записи сессий разрешено читать каждому агенту.

В [журнале изменений проекта](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) Hy Memory 2.0.1 датирован 16 октября 2026 года. [PyPI](https://pypi.org/project/hy-memory/2.0.1/) фиксирует загрузку пакета 15 октября; связанная [статья о модели](https://arxiv.org/abs/2610.22196) была подана в тот же день. Это отдельные записи о публикации, а не доказательство выхода настольного продукта.

## Главное изменение

- **Что изменилось:** Опубликованный SDK предоставляет отдельные пути памяти для чата, работы и программирования через `add()` и `search()`, а также фильтры источников и рабочих пространств, которыми может пользоваться интегрирующее приложение.
- **Как это работает:** Сценарий чата организует разговоры в слои памяти. Рабочий сценарий извлекает из трассы инструментов один факт о сессии и, если это оправданно, опыт для повторного использования. Сценарий программирования добавляет цепочку версий изменений кода. Вызывающая сторона предоставляет исходные материалы, идентификаторы, настройки хранилища и сервисы моделей.
- **Почему это важно:** Среда, в которой работает агент, может извлекать компактную запись предыдущих разговоров или решений по задачам вместо передачи всей истории в каждую новую сессию. Точность, разрешённость доступа и полезность такой записи по-прежнему зависят от того, что отправляет среда и какие воспоминания допускает обратно в промпт.

## Выберите сценарий до интеграции

В [README SDK](https://github.com/Tencent-Hunyuan/Hy-Memory) описаны три значения `scene`. Режим `chat` принимает обычный текст или массивы сообщений, а затем возвращает каналы воспоминаний `profile`, `normal` и `proactive`. В режиме `lite` сохраняется исходный текст для поиска по эмбеддингам без извлечения с помощью LLM. Режим `pro` добавляет извлечение и согласование; `ultra` может выполнить дополнительный проход эволюции через `evolve()`.

Для `working` вход должен содержать трассу вызовов инструментов. Сессия создаёт один факт о задаче, подходе и результате, а также ноль или более единиц повторно используемого опыта, которые проходят порог ценности движка. Режим `coding` использует те же два слоя и добавляет цепочку эволюции версий затронутого кода. Согласно README, цепочка может использовать локальные Git diff, если задан `MEMORY_CODING_CHAIN_REPO_ROOT`, либо детерминированные действия замены в трассе инструментов. В режиме `lite` SDK игнорирует различие между рабочим сценарием и программированием и сохраняет необработанную память.

Такие структуры вывода отвечают на разные вопросы. Предпочтение из разговора относится к `chat`; завершённая задача с результатами инструментов — к `working`; изменение кода, для которого может быть важна предыдущая редакция, — к `coding`. Это описанное в документации различие маршрутизации, а не тест производительности BIG CHANGE.

## Документированный путь использования SDK

Следующая последовательность основана на [кратком руководстве репозитория](https://github.com/Tencent-Hunyuan/Hy-Memory) и [руководстве по настройке SDK MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md). BIG CHANGE не запускало пакет и не обращалось к моделям.

Используйте Python 3.9 или новее и установите зафиксированную версию SDK:

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

ChromaDB и Kuzu входят в основной набор зависимостей; Qdrant, FAISS, Neo4j, кеш MySQL и локальный переранжировщик доступны как отдельные дополнения. Среда разработки исходного кода MemHub отличается: ей нужны Node.js 24, pnpm 11, Python 3.12 и uv.

До инициализации клиента настройте конечную точку LLM и конечную точку эмбеддингов. В README перечислены `MEMORY_LLM_API_KEY`, `MEMORY_LLM_BASE_URL`, `MEMORY_LLM_MODEL`, соответствующие переменные `MEMORY_EMBEDDER_*` и `MEMORY_EMBEDDING_DIMS`; также описано использование по умолчанию `OPENAI_API_KEY`. Предоставьте собственные URL конечных точек, названия моделей, ключи и согласованные размерности эмбеддингов. Это интерфейсы, совместимые с OpenAI, а не требование использовать отдельную модель Tencent Hy-Memory-30B. Не включайте учётные данные в сохраняемые трассы.

Следующий пример чата использует документированные API `MemoryConfig.from_env()`, `HyMemoryClient`, `add()` и `search()`. Вызывающее приложение должно предоставить `authorized_messages` как обычный текст или сообщения в формате OpenAI, стабильный авторизованный идентификатор `user_id` и `query`. Пример показывает возвращаемое значение, не заявляя о конкретном результате:

```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()
```

Для рабочего сценария или программирования передайте трассу сообщений с вызовом инструмента либо записью `role="tool"` и явно задайте `scene`. Задайте `workspace_id` для изоляции материалов проекта; он необходим для `branch`. Задавайте `source` при записи и `include_sources` либо `exclude_sources` при поиске, если важны границы вызывающего приложения. Поиск по чатам возвращает каналы памяти; поиск по рабочим или программным сессиям возвращает `facts` и `experiences`, а для программирования — ещё и `chain_block`. Проверяйте возвращённые записи, прежде чем передавать их среде агента. Функции `list_memories`, `get`, `update` и `delete` обеспечивают управление отдельными записями.

Успешная интеграция имела бы сохранённую запись из разрешённого входа и результат поиска в заданных границах, отвечающий на нужный вопрос о прошлом контексте. README описывает возвращаемые поля, но у нас нет наблюдаемого запуска, позволяющего утверждать, что извлечение или поиск прошли успешно. Если поиск по рабочим или программным сессиям пуст, сначала убедитесь, что запись включала результаты инструментов и использовала `pro` или `ultra`, затем проверьте совпадение `user_id`, `workspace_id`, `branch` и фильтров источников. Если меняете модель эмбеддингов или размерности, [руководство по настройке MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) предупреждает: существующую коллекцию нельзя просто повторно использовать с другой шириной вектора.

## MemHub и модель — отдельные решения

MemHub — предлагаемый настольный продукт и CLI на основе SDK. Его [README](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md) описывает управляемую локальную среду выполнения, коннекторы источников и интеграции со средами агентов. В [журнале изменений](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) доступность описана точнее: существует исходная версия 1.0.0, сборка 4, но публикация в npm и файлы релиза на GitHub пока ожидаются. В [руководстве по установке](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) целевыми платформами названы Linux и macOS, а Windows не поддерживается; последовательность установки через npm применима только после публикации этих файлов. Пока считайте её планируемым путём установки.

Локальное хранение также не означает, что каждый этап обработки остаётся локальным. [Документ о конфиденциальности](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) MemHub разделяет разрешение читать источник разговора, разрешение передавать разрешённые материалы выбранному стороннему сервису моделей и разрешение среде агента извлекать память. В нём говорится, что исходные необработанные свидетельства хранятся в локальном каталоге данных, а выбранный внешний сервис моделей получает разрешённое содержимое, необходимое для выбранной задачи. Интегратор, напрямую использующий SDK, должен сам реализовать согласие на доступ к источникам, доступ к моделям и контроль извлечения памяти средой агента; [руководство по интеграции](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) MemHub поясняет, что продуктовый мост добавляет эти этапы управления, а не просто вызывает SDK.

Tencent также выпустила [Hy-Memory-30B-A3B](https://huggingface.co/tencent/Hy-Memory-30B-A3B) — модель, обученную записи памяти, с [техническим отчётом](https://arxiv.org/abs/2610.22196), поданным 15 октября. В отчёте заявлено преимущество над сравниваемыми системами на фиксированных подвыборках бенчмарков. Это оценка модели, сообщённая поставщиком, а не независимое свидетельство того, что SDK или MemHub улучшают ответы агента в эксплуатации. SDK принимает и другие совместимые сервисы моделей.

Текущий [файл лицензии репозитория](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/LICENSE) и метаданные проекта указывают Apache-2.0. Журнал изменений сообщает, что эта лицензия была принята после загрузки 2.0.1, чьи неизменяемые [метаданные PyPI](https://pypi.org/project/hy-memory/2.0.1/) по-прежнему указывают MIT. Пакет можно скачать бесплатно, но выбранный сервис моделей или эмбеддингов может взимать плату за запросы; универсальная стоимость работы в релизе не указана. Поэтому практическое решение — выбрать путь памяти и границы авторизации для интеграции, измеряя расходы на провайдера и качество поиска в собственной среде разработчика.

## Источники и дополнительные материалы

- [Репозиторий Hy-Memory и краткое руководство](https://github.com/Tencent-Hunyuan/Hy-Memory) — текущие сценарии SDK, примеры API, режимы, варианты хранения и фильтры источников.
- [Журнал изменений релизов](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) и [PyPI 2.0.1](https://pypi.org/project/hy-memory/2.0.1/) — разные даты выпуска SDK, требования пакета, состояние MemHub и расхождение в метаданных лицензии.
- [README MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md), [руководство по интеграции SDK](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) и [документ о конфиденциальности](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) — архитектура продукта на стадии исходного кода, настройка и границы авторизации.
- [Руководство по установке MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) — намеченные платформы и условный путь к файлам релиза.
- [Отчёт Hy-Memory-30B-A3B](https://arxiv.org/abs/2610.22196) — препринт и оценка модели, сообщённая авторами; он не подтверждает эту интеграцию в реальных условиях.

## Sources

- [Репозиторий Hy-Memory и README](https://github.com/Tencent-Hunyuan/Hy-Memory) — Сценарии SDK, режимы, примеры API, хранение и фильтры; уведомление о выпуске в README указывает только месяц.
- [Журнал изменений Hy-Memory](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) — Датирует SDK 2.0.1 и указывает отсутствие публичных файлов релиза MemHub; объясняет неизменяемые метаданные лицензии PyPI.
- [hy-memory 2.0.1 на PyPI](https://pypi.org/project/hy-memory/2.0.1/) — Опубликованный пакет, требование к Python, даты файлов релиза и метаданные MIT при загрузке.
- [README MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md) — Архитектура исходного кода продукта и предпосылки разработки, а не доказательство публичного выхода приложения.
- [Руководство по интеграции памяти MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) — Настройка SDK, ширина эмбеддингов и границы продуктового моста.
- [Документ о конфиденциальности MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) — Отдельные разрешения для источников, обработки моделью и извлечения памяти средой агента.
- [Руководство по установке MemHub](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) — Условный путь установки пакета и целевые платформы.
- [Препринт Hy-Memory-30B-A3B](https://arxiv.org/abs/2610.22196) — Отдельная модель, подход к обучению и бенчмарк, сообщённый поставщиком; независимой проверки нет.
- [Текущий LICENSE репозитория](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/LICENSE) — Текущий исходный текст Apache-2.0; PyPI 2.0.1 сохраняет метаданные MIT.