Tencent வெளியிட்டுள்ள hy-memory==2.0.1 என்பது அரட்டை, வேலை, நிரலாக்க அமர்வுகளின் சூழலைச் சேமித்து மீட்டெடுப்பதற்கான Python SDK. இதன் குறியீடு பொதுவெளியில் உள்ளது; துணைச் செயலியான MemHub இன்னும் பொதுவெளி வெளியீட்டுக் கோப்புகளுக்காகக் காத்திருக்கும் மூலக் குறியீட்டு நிலையில் உள்ளது. பகிரப்பட்ட நினைவக அடுக்கை மதிப்பிடும் உருவாக்குநர்கள் SDK-ஐ இப்போதே பயன்படுத்தலாம். ஆனால் மாதிரி மற்றும் எம்பெடிங் முனையங்களை வழங்குவதுடன், ஒவ்வொரு ஏஜென்ட்டும் எந்த அமர்வுப் பதிவுகளைப் படிக்கலாம் என்பதையும் அவர்கள் தீர்மானிக்க வேண்டும்.

திட்டத்தின் மாற்றப் பதிவு Hy Memory 2.0.1-க்கு 2026 அக்டோபர் 16 என்ற தேதியைக் குறிப்பிடுகிறது. PyPI தொகுப்பு பதிவேற்றத்தை அக்டோபர் 15 எனப் பதிவு செய்கிறது; தொடர்புடைய மாதிரி ஆய்வுக் கட்டுரையும் அன்றே சமர்ப்பிக்கப்பட்டது. இவை தனித்தனி வெளியீட்டுப் பதிவுகள்; டெஸ்க்டாப் தயாரிப்பு வெளியிடப்பட்டதற்கான சான்றல்ல.

பெரிய மாற்றம்

  • மாறியது என்ன: வெளியிடப்பட்ட SDK, அரட்டை, வேலை, நிரலாக்கம் ஆகியவற்றுக்கான தனித்தனி நினைவகப் பாதைகளை வழங்குகிறது. அவற்றைப் பயன்படுத்தும் API-கள் add() மற்றும் search(); ஒருங்கிணைக்கும் பயன்பாடு பயன்படுத்தக்கூடிய மூலம் மற்றும் பணிவெளி வடிகட்டிகளும் உள்ளன.
  • செயல்படும் விதம்: அரட்டைச் செயல்முறை உரையாடல்களை நினைவக அடுக்குகளாக ஒழுங்குபடுத்துகிறது. வேலைச் செயல்முறை கருவித் தடத்திலிருந்து அமர்வைப் பற்றிய ஒரு தகவலையும், பொருத்தமாக இருந்தால் மீண்டும் பயன்படுத்தக்கூடிய அனுபவங்களையும் பிரித்தெடுக்கிறது. நிரலாக்கச் செயல்முறை குறியீட்டு மாற்றங்களுக்கான பதிப்புச் சங்கிலியைச் சேர்க்கிறது. அழைக்கும் தரப்பு மூலப் பொருள், அடையாளங்கள், சேமிப்பக அமைப்பு, மாதிரிச் சேவைகள் ஆகியவற்றை வழங்குகிறது.
  • இது ஏன் முக்கியம்: ஒவ்வொரு புதிய அமர்வுக்கும் முழு வரலாற்றையும் அனுப்புவதற்குப் பதிலாக, முந்தைய உரையாடல்கள் அல்லது பணித் தீர்மானங்களின் சுருக்கமான பதிவை ஏஜென்ட் இயங்கும் ஹோஸ்ட் மீட்டெடுக்க முடியும். அந்தப் பதிவு துல்லியமானதா, அனுமதிக்கப்பட்டதா, பயனுள்ளதா என்பது ஹோஸ்ட் எதை அனுப்புகிறது, எந்த நினைவுகளை மீண்டும் ப்ராம்ப்டுக்குள் அனுமதிக்கிறது என்பதையே இன்னும் சார்ந்திருக்கிறது.

ஒருங்கிணைப்புக்கு முன் செயல்முறையைத் தேர்ந்தெடுக்கவும்

SDK-இன் README மூன்று மதிப்புகளை விவரிக்கிறது; அவை scene அளவுரிக்கானவை. chat சாதாரண உரை அல்லது செய்தி வரிசைகளை ஏற்று, நினைவக மீட்டெடுப்புச் சேனல்களான profile, normal மற்றும் proactive ஆகியவற்றைத் திருப்பித் தருகிறது. lite முறையில், LLM பிரித்தெடுப்பு இல்லாமல் எம்பெடிங் தேடலுக்காக மூல உரையைச் சேமிக்கிறது. pro பிரித்தெடுத்தலையும் ஒத்திசைத்தலையும் சேர்க்கிறது; ultra மேலும் ஒரு பரிணாமச் சுற்றை இயக்க முடியும்; அதற்கான API evolve().

முறை working ஆக இருந்தால், உள்ளீட்டில் கருவி அழைப்புத் தடம் இருக்க வேண்டும். ஒரு அமர்வு, பணி, அணுகுமுறை, முடிவு ஆகியவை பற்றிய ஒரு தகவலையும், இயந்திரத்தின் மதிப்புத் தகுதி வரம்பைக் கடக்கும் பூஜ்ஜியம் அல்லது அதற்கு மேற்பட்ட மறுபயன்பாட்டு அனுபவங்களையும் உருவாக்குகிறது. coding அதே இரண்டு அடுக்குகளைப் பயன்படுத்தி, மாற்றப்பட்ட குறியீட்டுக்கான பதிப்பு-பரிணாமச் சங்கிலியைச் சேர்க்கிறது. README-இன்படி, MEMORY_CODING_CHAIN_REPO_ROOT அமைக்கப்பட்டிருந்தால் உள்ளூர் Git diff-களைச் சங்கிலி பயன்படுத்தலாம்; அல்லது கருவித் தடத்தில் நிர்ணயிக்கப்பட்ட விதிகளின்படி மாற்றீடு செய்யும் செயல்களைப் பயன்படுத்தலாம். lite முறையில் SDK வேலை/நிரலாக்கச் சூழல் வேறுபாட்டைப் புறக்கணித்து, செயலாக்கப்படாத நினைவகத்தைச் சேமிக்கிறது.

இந்த வெளியீட்டு வடிவங்கள் வெவ்வேறு கேள்விகளுக்குப் பயன்படுகின்றன. உரையாடலில் தெரிவிக்கப்பட்ட விருப்பம் இடம்பெற வேண்டியது chat முறையில்; கருவி முடிவுகளுடன் நிறைவடைந்த பணி இடம்பெற வேண்டியது working முறையில்; முந்தைய திருத்தம் முக்கியமாக இருக்கக்கூடிய குறியீட்டு மாற்றம் இடம்பெற வேண்டியது coding முறையில். இது ஆவணப்படுத்தப்பட்ட வழிச்செலுத்தல் வேறுபாடு; BIG CHANGE நடத்திய செயல்திறன் சோதனை அல்ல.

ஆவணப்படுத்தப்பட்ட SDK பயன்பாட்டு வழி

பின்வரும் வரிசை களஞ்சியத்தின் விரைவுத் தொடக்க வழிகாட்டி மற்றும் MemHub-இன் SDK அமைப்பு வழிகாட்டி ஆகியவற்றை அடிப்படையாகக் கொண்டது. BIG CHANGE இந்தத் தொகுப்பை இயக்கவோ மாதிரிகளுக்கு அழைப்புகள் அனுப்பவோ இல்லை.

Python 3.9 அல்லது அதற்குப் பிந்தைய பதிப்பைப் பயன்படுத்தி, குறிப்பிட்ட பதிப்பிலான SDK-ஐ நிறுவவும்:

Terminal
pip install hy-memory==2.0.1

ChromaDB மற்றும் Kuzu அடிப்படைச் சார்புத் தொகுப்பில் உள்ளன; Qdrant, FAISS, Neo4j, MySQL cache, உள்ளூர் மறுதரவரிசையாக்கி ஆகியவற்றுக்குத் தனித்தனி கூடுதல் சார்புகள் உள்ளன. MemHub மூலக் குறியீட்டு உருவாக்கச் சூழல் வேறுபட்டது: அதற்கு Node.js 24, pnpm 11, Python 3.12, uv தேவை.

கிளையன்ட்டைத் தொடக்குவதற்கு முன் LLM முனையத்தையும் எம்பெடிங் முனையத்தையும் அமைக்கவும். README பட்டியலிடுபவை MEMORY_LLM_API_KEY, MEMORY_LLM_BASE_URL, MEMORY_LLM_MODEL, அவற்றுடன் தொடர்புடைய MEMORY_EMBEDDER_* மாறிகள் மற்றும் MEMORY_EMBEDDING_DIMS; இயல்புநிலை மாற்றாக OPENAI_API_KEY பயன்படுத்தப்படுவதையும் ஆவணப்படுத்துகிறது. உங்கள் சொந்த முனைய URL-கள், மாதிரிப் பெயர்கள், விசைகள், பொருந்தும் எம்பெடிங் பரிமாணங்களை வழங்கவும். இவை OpenAI-இணக்கமான இடைமுகங்கள்; Tencent-இன் தனி Hy-Memory-30B மாதிரியைப் பயன்படுத்த வேண்டும் என்ற கட்டாயம் இல்லை. சேமிக்கப்படும் தடங்களில் அணுகல் சான்றுகள் இடம்பெறாமல் பார்த்துக்கொள்ளவும்.

பின்வரும் அரட்டை எடுத்துக்காட்டு ஆவணப்படுத்தப்பட்ட API-களைப் பயன்படுத்துகிறது: MemoryConfig.from_env(), HyMemoryClient, add() மற்றும் search(). அழைக்கும் பயன்பாடு authorized_messages என்பதைச் சாதாரண உரையாகவோ OpenAI வடிவிலான செய்திகளாகவோ வழங்க வேண்டும்; அத்துடன் நிலையான, அனுமதிக்கப்பட்ட user_id மற்றும் query ஆகியவற்றையும் வழங்க வேண்டும். குறிப்பிட்ட முடிவு கிடைத்ததாகக் கூறாமல், திரும்பப் பெறும் மதிப்பை இது காட்டுகிறது:

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()

வேலை அல்லது நிரலாக்கத்திற்காக, கருவி அழைப்பு அல்லது role="tool" பதிவைக் கொண்ட செய்தித் தடத்தை அனுப்பி, scene என்பதை வெளிப்படையாக அமைக்கவும். திட்டப் பொருளைத் தனிமைப்படுத்த அமைக்க வேண்டியது workspace_id; இது இல்லாமல் branch பயன்படுத்த முடியாது. எழுதும்போது அமைக்க வேண்டியது source; அழைக்கும் பயன்பாட்டின் எல்லைகள் முக்கியமாக இருக்கும்போது தேடல்களில் அமைக்க வேண்டியவை include_sources அல்லது exclude_sources. அரட்டைத் தேடல் நினைவகச் சேனல்களைத் தருகிறது; வேலை/நிரலாக்கத் தேடல் தருபவை facts மற்றும் experiences; நிரலாக்கத்தில் கூடுதலாக chain_block என்பதும் கிடைக்கும். திரும்பிய பதிவுகளை ஏஜென்ட் ஹோஸ்ட்டிடம் கொடுப்பதற்கு முன் சரிபார்க்கவும். list_memories, get, update மற்றும் delete தனிப்பதிவு அளவிலான நிர்வாகத்தை வழங்குகின்றன.

வெற்றிகரமான ஒருங்கிணைப்பில், அனுமதிக்கப்பட்ட உள்ளீட்டிலிருந்து சேமிக்கப்பட்ட பதிவும், நோக்கமிட்ட நினைவக மீட்டெடுப்புக் கேள்விக்குப் பதிலளிக்கும் வரம்புக்குட்பட்ட தேடல் முடிவும் இருக்கும். README திரும்பப் பெறும் புலங்களை ஆவணப்படுத்துகிறது; ஆனால் பிரித்தெடுப்போ மீட்டெடுப்போ வெற்றி பெற்றதாகக் கூறும் வகையில் ஓர் இயக்கத்தை நாங்கள் கவனிக்கவில்லை. வேலை/நிரலாக்கத் தேடல் காலியாக இருந்தால், எழுதப்பட்ட உள்ளீட்டில் கருவி முடிவுகள் இருந்தனவா, பயன்படுத்தப்பட்ட முறை pro அல்லது ultra தானா என்பதை முதலில் உறுதிசெய்யவும். பிறகு அதே user_id, workspace_id, branch மற்றும் மூல வடிகட்டிகள் பயன்படுத்தப்பட்டனவா என்பதைச் சரிபார்க்கவும். எம்பெடிங் மாதிரி அல்லது பரிமாணங்களை மாற்றும்போது, MemHub-இன் அமைப்பு வழிகாட்டி ஏற்கெனவே உள்ள தொகுப்பை வேறொரு திசையன் அகலத்துடன் அப்படியே மீண்டும் பயன்படுத்த முடியாது என்று எச்சரிக்கிறது.

MemHub மற்றும் மாதிரி தனித்தனி தேர்வுகள்

MemHub என்பது SDK மீது உருவாக்கப்படும், முன்மொழியப்பட்ட டெஸ்க்டாப் மற்றும் CLI தயாரிப்பு. அதன் README நிர்வகிக்கப்பட்ட உள்ளூர் இயக்கச்சூழல், மூல இணைப்பான்கள், ஹோஸ்ட் ஒருங்கிணைப்புகளை விவரிக்கிறது. அதன் மாற்றப் பதிவு கிடைக்கும் நிலையை இன்னும் குறிப்பாக விளக்குகிறது: மூலப் பதிப்பு 1.0.0 build 4 உள்ளது, ஆனால் npm வெளியீடும் GitHub வெளியீட்டுக் கோப்புகளும் நிலுவையில் உள்ளன. நிறுவல் வழிகாட்டி Linux மற்றும் macOS-ஐ வெளியீட்டு இலக்குகளாகக் கூறி, Windows ஆதரிக்கப்படவில்லை என்கிறது; அதன் npm நிறுவல் வரிசை, அந்தக் கோப்புகள் வெளியிடப்படுவதைச் சார்ந்தது. இப்போதைக்கு அதைத் திட்டமிடப்பட்ட நிறுவல் வழியாகக் கருதவும்.

உள்ளூர் சேமிப்பகம் இருப்பதால் செயலாக்கத்தின் ஒவ்வொரு படியும் உள்ளூரிலேயே நடக்கும் என்றும் அர்த்தமில்லை. MemHub-இன் தனியுரிமை ஆவணம் உரையாடலின் மூலத்தைப் படிக்கும் அனுமதி, அனுமதிக்கப்பட்ட பொருளைத் தேர்ந்தெடுக்கப்பட்ட மூன்றாம் தரப்பு மாதிரிச் சேவைக்கு அனுப்பும் அனுமதி, ஏஜென்ட் ஹோஸ்ட் நினைவகத்தை மீட்டெடுக்கும் அனுமதி ஆகியவற்றைப் பிரிக்கிறது. மூலத்தின் செயலாக்கப்படாத சான்றுகள் உள்ளூர் தரவு அடைவில் சேமிக்கப்படுவதாகவும், வெளிப்புற மாதிரிச் சேவை தேர்ந்தெடுக்கப்பட்டால் தேர்ந்தெடுத்த பணிக்குத் தேவையான அனுமதிக்கப்பட்ட உள்ளடக்கம் அதற்குச் செல்வதாகவும் அது கூறுகிறது. SDK-ஐ நேரடியாகப் பயன்படுத்தி ஒருங்கிணைப்பவர், மூலத்திற்கான ஒப்புதல், மாதிரி அணுகல், ஹோஸ்ட்டின் நினைவக மீட்டெடுப்பு ஆகியவற்றுக்கான சொந்தக் கட்டுப்பாடுகளைச் செயல்படுத்த வேண்டும்; MemHub-இன் ஒருங்கிணைப்பு வழிகாட்டி அதன் தயாரிப்பு இணைப்புப் பாலம் SDK-ஐ மட்டும் அழைப்பதற்குப் பதிலாக அந்த நிர்வாகப் படிகளையும் சேர்க்கிறது என்கிறது.

Tencent மேலும் வெளியிட்டுள்ள Hy-Memory-30B-A3B நினைவகத்தை எழுதுவதற்குப் பயிற்றுவிக்கப்பட்ட மாதிரி; அதற்கான தொழில்நுட்ப அறிக்கை அக்டோபர் 15 அன்று சமர்ப்பிக்கப்பட்டது. நிர்ணயிக்கப்பட்ட மதிப்பீட்டுத் துணைமாதிரிகளில் ஒப்பிடப்பட்ட அமைப்புகளைவிட முன்னிலை இருப்பதாக அறிக்கை கூறுகிறது. இது விற்பனையாளர் தெரிவித்த மாதிரி மதிப்பீடு; இந்த SDK அல்லது MemHub நடைமுறையில் இயங்கும் ஏஜென்ட்டின் பதில்களை மேம்படுத்துகிறது என்பதற்கான சுயாதீனச் சான்றல்ல. SDK மற்ற இணக்கமான மாதிரிச் சேவைகளையும் ஏற்கிறது.

களஞ்சியத்தின் தற்போதைய உரிமக் கோப்பு மற்றும் திட்ட மெட்டாடேட்டா Apache-2.0 எனக் கூறுகின்றன. 2.0.1 பதிவேற்றத்திற்குப் பிறகு இது ஏற்கப்பட்டதாக மாற்றப் பதிவு கூறுகிறது; அந்தப் பதிவேற்றத்தின் மாற்ற முடியாத PyPI மெட்டாடேட்டா இன்னும் MIT என்றே கூறுகிறது. தொகுப்பை இலவசமாகப் பதிவிறக்கலாம்; ஆனால் தேர்ந்தெடுக்கப்படும் மாதிரி அல்லது எம்பெடிங் சேவை கோரிக்கைகளுக்குக் கட்டணம் வசூலிக்கலாம். எல்லோருக்கும் பொருந்தும் இயக்கச் செலவை இந்த வெளியீடு ஆவணப்படுத்தவில்லை. எனவே எந்த நினைவகப் பாதையையும் அனுமதி எல்லையையும் ஒருங்கிணைப்பது என்பதே நடைமுறைத் தீர்மானம்; வழங்குநரின் கட்டணங்களையும் மீட்டெடுப்பின் தரத்தையும் உருவாக்குநரின் சொந்த அமைப்பில் அளவிட வேண்டும்.

ஆதாரங்களும் கூடுதல் வாசிப்பும்