Tencent نے hy-memory==2.0.1 شائع کیا ہے، جو چیٹ، کام اور کوڈنگ کے سیشنز کا سیاق محفوظ رکھنے اور واپس حاصل کرنے کے لیے Python SDK ہے۔ کوڈ عوامی ہے؛ اس کی ساتھی MemHub ایپ ابھی سورس کوڈ کی صورت میں ہے اور عوامی ریلیز کی فائلوں کی منتظر ہے۔ مشترک یادداشت کی تہہ کا جائزہ لینے والے ڈویلپرز ابھی SDK استعمال کر سکتے ہیں، مگر انہیں ماڈل اور ایمبیڈنگ کے اینڈپوائنٹس فراہم کرنے اور یہ طے کرنے کی ضرورت ہے کہ ہر ایجنٹ کن سیشنز کے ریکارڈ پڑھ سکتا ہے۔

پروجیکٹ کا تبدیلیوں کا اندراج Hy Memory 2.0.1 کی تاریخ 16 اکتوبر 2026 بتاتا ہے۔ PyPI پر پیکیج اپ لوڈ ہونے کی تاریخ 15 اکتوبر ہے، اور متعلقہ ماڈل کا تحقیقی مقالہ بھی اسی روز جمع ہوا تھا۔ یہ اشاعت کے الگ الگ ریکارڈ ہیں، اس بات کا ثبوت نہیں کہ ڈیسک ٹاپ پروڈکٹ جاری ہو چکی ہے۔

بڑی تبدیلی

  • کیا بدلا: شائع شدہ SDK چیٹ، کام اور کوڈنگ کے لیے یادداشت کے الگ راستے فراہم کرتا ہے، جنہیں استعمال کیا جاتا ہے add() اور search() کے ذریعے۔ اس میں ماخذ اور ورک اسپیس کے فلٹرز بھی ہیں جنہیں انضمام کرنے والی ایپلی کیشن استعمال کر سکتی ہے۔
  • یہ کیسے کام کرتا ہے: چیٹ گفتگوؤں کو یادداشت کی تہوں میں منظم کرتا ہے۔ کام والا طریقہ ٹول ٹریس سے سیشن کے بارے میں ایک حقیقت اور، مناسب ہونے پر، دوبارہ استعمال کے قابل تجربات اخذ کرتا ہے۔ کوڈنگ کوڈ کی تبدیلیوں کے لیے ورژنز کی زنجیر شامل کرتی ہے۔ کال کرنے والا ماخذ کا مواد، شناختیں، اسٹوریج کی ترتیب اور ماڈل سروسز فراہم کرتا ہے۔
  • یہ کیوں اہم ہے: ایجنٹ کا میزبان نظام ہر نئے سیشن میں پوری تاریخ بھیجنے کے بجائے پچھلی گفتگوؤں یا کام کے فیصلوں کا مختصر ریکارڈ حاصل کر سکتا ہے۔ یہ ریکارڈ درست، مجاز اور مفید ہے یا نہیں، اس کا انحصار اب بھی اس بات پر ہے کہ میزبان کیا بھیجتا ہے اور کن یادداشتوں کو دوبارہ پرامپٹ میں داخل ہونے دیتا ہے۔

انضمام سے پہلے طریقۂ کار منتخب کریں

SDK کا README تین قدریں بیان کرتا ہے، پیرامیٹر scene کے لیے۔ chat سادہ متن یا پیغامات کی ارے قبول کرتا ہے، پھر یادداشت کی بازیافت کے چینلز profile، normal اور proactive واپس کرتا ہے۔ lite موڈ میں یہ LLM کے ذریعے اخذ کیے بغیر خام متن کو ایمبیڈنگ سرچ کے لیے محفوظ کرتا ہے۔ pro اخذ کرنے اور مطابقت قائم کرنے کے مراحل شامل کرتا ہے؛ ultra ارتقا کا ایک اضافی مرحلہ چلا سکتا ہے، بذریعہ evolve()۔

جب طریقہ working ہو، تو ان پٹ میں ٹول کالز کا ٹریس ہونا لازم ہے۔ ایک سیشن سے کام، انداز اور نتیجے کے بارے میں ایک حقیقت بنتی ہے، نیز صفر یا اس سے زیادہ دوبارہ استعمال کے قابل تجربات جو انجن کی قدر کی حد پار کریں۔ coding یہی دو تہیں استعمال کرتا ہے اور بدلے گئے کوڈ کے لیے ورژن کے ارتقا کی زنجیر شامل کرتا ہے۔ README کے مطابق یہ زنجیر مقامی Git diffs استعمال کر سکتی ہے، اگر MEMORY_CODING_CHAIN_REPO_ROOT سیٹ ہو، یا ٹول ٹریس میں متعین قواعد کے مطابق بدلنے کے اقدامات استعمال کر سکتی ہے۔ lite موڈ میں SDK کام اور کوڈنگ کے طریقوں کا فرق نظرانداز کرکے خام یادداشت محفوظ کرتا ہے۔

آؤٹ پٹ کی یہ شکلیں الگ سوالات کے لیے ہیں۔ گفتگو میں ظاہر ہونے والی ترجیح کا تعلق ہے chat سے؛ ٹول کے نتائج سمیت مکمل کام کا تعلق ہے working سے؛ اور کوڈ کی ایسی تبدیلی، جس کا پچھلا ورژن اہم ہو سکتا ہے، اس کا تعلق ہے coding سے۔ یہ دستاویز میں درج روٹنگ کا فرق ہے، BIG CHANGE کا کارکردگی کا ٹیسٹ نہیں۔

دستاویز میں درج SDK استعمال کرنے کا راستہ

درج ذیل ترتیب ریپوزٹری کی فوری آغاز کی رہنمائی اور MemHub کی SDK ترتیب دینے کی گائیڈ کی بنیاد پر ہے۔ BIG CHANGE نے پیکیج نہیں چلایا اور نہ ماڈلز کو کالز کیں۔

Python 3.9 یا جدید تر ورژن استعمال کریں اور SDK کا مقررہ ورژن انسٹال کریں:

Terminal
pip install hy-memory==2.0.1

ChromaDB اور Kuzu بنیادی انحصارات میں شامل ہیں؛ Qdrant، FAISS، Neo4j، MySQL cache اور مقامی reranker کے الگ اضافی پیکیجز ہیں۔ MemHub کے سورس کی ڈویلپمنٹ کا ماحول مختلف ہے: اس کے لیے Node.js 24، pnpm 11، Python 3.12 اور uv درکار ہیں۔

کلائنٹ شروع کرنے سے پہلے LLM اینڈپوائنٹ اور ایمبیڈنگ اینڈپوائنٹ دونوں ترتیب دیں۔ README میں درج ہیں MEMORY_LLM_API_KEY، MEMORY_LLM_BASE_URL، MEMORY_LLM_MODEL، اور متعلقہ MEMORY_EMBEDDER_* ویری ایبلز، نیز MEMORY_EMBEDDING_DIMS؛ اس میں طے شدہ متبادل کے طور پر OPENAI_API_KEY کا استعمال بھی درج ہے۔ اپنے اینڈپوائنٹ URLs، ماڈلز کے نام، کیز اور باہم موافق ایمبیڈنگ ابعاد فراہم کریں۔ یہ OpenAI کے موافق انٹرفیسز ہیں، Tencent کا الگ Hy-Memory-30B ماڈل استعمال کرنے کی شرط نہیں۔ محفوظ کیے جانے والے ٹریسز میں اسناد شامل نہ کریں۔

چیٹ کی درج ذیل مثال میں دستاویز میں دیے گئے MemoryConfig.from_env()، HyMemoryClient، add() اور search() APIs استعمال ہوتے ہیں۔ کال کرنے والی ایپلی کیشن کو authorized_messages سادہ متن یا OpenAI فارمیٹ کے پیغامات کی صورت میں دینا ہوگا، ایک مستقل، مجاز user_id اور query بھی فراہم کرنا ہوں گے۔ اس میں واپس آنے والی قدر دکھائی گئی ہے، کسی خاص نتیجے کا دعویٰ نہیں کیا گیا:

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()

کام یا کوڈنگ کے لیے ایسا میسج ٹریس دیں جس میں ٹول کال یا role="tool" کی انٹری ہو، اور scene واضح طور پر سیٹ کریں۔ پروجیکٹ کا مواد الگ رکھنے کے لیے سیٹ کریں workspace_id؛ اس کے بغیر branch استعمال نہیں ہو سکتا۔ لکھتے وقت سیٹ کریں source اور تلاش کرتے وقت include_sources یا exclude_sources، جب کال کرنے والی ایپلی کیشن کی حدود اہم ہوں۔ چیٹ سرچ یادداشت کے چینلز واپس کرتی ہے؛ کام/کوڈنگ کی سرچ واپس کرتی ہے facts اور experiences، اور کوڈنگ کے لیے chain_block بھی ملتا ہے۔ ریکارڈز ایجنٹ کے میزبان نظام کو دینے سے پہلے ان کا جائزہ لیں۔ list_memories، get، update اور delete انفرادی ریکارڈز کے انتظام کی سہولت دیتے ہیں۔

کامیاب انضمام میں مجاز ان پٹ سے محفوظ کیا گیا ریکارڈ اور مقررہ دائرے کا ایسا تلاش کا نتیجہ ہونا چاہیے جو مطلوبہ یادداشت کے سوال کا جواب دے۔ README واپس آنے والے فیلڈز بیان کرتا ہے، مگر ہمارے پاس دیکھا ہوا کوئی عمل نہیں جس کی بنیاد پر اخذ کرنے یا بازیافت کی کامیابی کا دعویٰ کریں۔ اگر کام/کوڈنگ کی سرچ خالی ہو، تو پہلے دیکھیں کہ لکھنے کے ان پٹ میں ٹول کے نتائج شامل تھے اور اس نے استعمال کیا تھا pro یا ultra، پھر تصدیق کریں کہ یکساں user_id، workspace_id، branch اور ماخذ کے فلٹرز استعمال ہوئے ہیں۔ اگر ایمبیڈنگ ماڈل یا ابعاد بدل رہے ہوں، تو MemHub کی ترتیب دینے کی گائیڈ خبردار کرتی ہے کہ موجودہ کلیکشن کو ویکٹر کی مختلف چوڑائی کے ساتھ بس دوبارہ استعمال نہیں کیا جا سکتا۔

MemHub اور ماڈل کا انتخاب الگ الگ ہے

MemHub، SDK پر مبنی مجوزہ ڈیسک ٹاپ اور CLI پروڈکٹ ہے۔ اس کا README منظم مقامی رن ٹائم، ماخذ کے کنیکٹرز اور میزبان نظاموں کے ساتھ انضمام بیان کرتا ہے۔ اس کا تبدیلیوں کا اندراج دستیابی کے بارے میں زیادہ واضح ہے: سورس ورژن 1.0.0 build 4 موجود ہے، مگر npm پر اشاعت اور GitHub ریلیز کی فائلیں ابھی باقی ہیں۔ انسٹالیشن گائیڈ میں Linux اور macOS ریلیز کے ہدف ہیں اور Windows کو غیر معاون بتایا گیا ہے؛ npm کی انسٹالیشن ترتیب ان فائلوں کی اشاعت سے مشروط ہے۔ فی الحال اسے انسٹالیشن کا منصوبہ بند راستہ سمجھیں۔

مقامی اسٹوریج کا یہ مطلب بھی نہیں کہ پروسیسنگ کا ہر مرحلہ مقامی رہتا ہے۔ MemHub کی رازداری کی دستاویز گفتگو کا ماخذ پڑھنے کی اجازت، مجاز مواد منتخب کردہ تیسرے فریق کی ماڈل سروس کو بھیجنے کی اجازت، اور ایجنٹ کے میزبان نظام کو یادداشت حاصل کرنے کی اجازت الگ رکھتی ہے۔ اس کے مطابق ماخذ کے خام شواہد مقامی ڈیٹا ڈائریکٹری میں محفوظ ہوتے ہیں، جبکہ بیرونی ماڈل سروس منتخب ہونے پر اسے منتخب کام کے لیے درکار مجاز مواد ملتا ہے۔ براہِ راست SDK استعمال کرنے والے کو ماخذ کی رضامندی، ماڈل تک رسائی اور میزبان کی یادداشت بازیافت کے اپنے کنٹرولز نافذ کرنا ہوں گے؛ MemHub کی انضمام کی گائیڈ کے مطابق اس کا پروڈکٹ برج صرف SDK کال کرنے کے بجائے نظم و ضبط کے یہ مراحل بھی شامل کرتا ہے۔

Tencent نے Hy-Memory-30B-A3B بھی جاری کیا، جو یادداشت لکھنے کے لیے تربیت یافتہ ماڈل ہے، اور اس کی تکنیکی رپورٹ 15 اکتوبر کو جمع ہوئی۔ رپورٹ بینچ مارکس کے مقررہ ذیلی نمونوں پر تقابلی نظاموں سے آگے ہونے کا دعویٰ کرتی ہے۔ یہ فراہم کنندہ کی بتائی ہوئی ماڈل کی جانچ ہے، اس بات کا آزاد ثبوت نہیں کہ یہ SDK یا MemHub عملی طور پر چلتے ایجنٹ کے جوابات بہتر کرتے ہیں۔ SDK دوسری موافق ماڈل سروسز بھی قبول کرتا ہے۔

ریپوزٹری کی موجودہ لائسنس فائل اور پروجیکٹ کا میٹاڈیٹا Apache-2.0 بتاتے ہیں۔ تبدیلیوں کے اندراج کے مطابق اسے 2.0.1 اپ لوڈ ہونے کے بعد اپنایا گیا تھا، جس کا ناقابلِ تبدیلی PyPI میٹاڈیٹا اب بھی MIT بتاتا ہے۔ پیکیج مفت ڈاؤن لوڈ کیا جا سکتا ہے، مگر منتخب ماڈل یا ایمبیڈنگ سروس درخواستوں کی فیس لے سکتی ہے؛ ریلیز میں سب کے لیے یکساں عملی لاگت درج نہیں۔ اس لیے عملی فیصلہ یہ ہے کہ یادداشت کا کون سا راستہ اور اجازت کی کون سی حد انضمام میں استعمال کرنی ہے، جبکہ فراہم کنندہ کی لاگت اور بازیافت کا معیار ڈویلپر کے اپنے ماحول میں ناپا جائے۔

ماخذ اور مزید مطالعہ