世界從未停止變化。RSS
BIG CHANGE.

Markdown 版本

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

# Hy Memory 2.0 為代理提供三種保留脈絡的方法

> Tencent 的 Hy Memory 2.0.1 SDK 將對話、工作與程式開發的記憶檢索分開。其 MemHub 應用程式已有原始碼，但尚無公開發行檔案；整合時仍須提供模型端點，並明確劃定存取範圍。

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 發布了 `hy-memory==2.0.1`，這是一套 Python SDK，用來保留與檢索對話、工作和程式開發工作階段的脈絡。程式碼已公開；搭配的 MemHub 應用程式仍處於原始碼階段，等待公開發行檔案。評估共用記憶層的開發者現在就能使用 SDK，但必須提供模型及嵌入向量端點，並決定每個代理可以讀取哪些工作階段紀錄。

專案的[變更紀錄](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md)將 Hy Memory 2.0.1 的日期列為 2026 年 10 月 16 日。[PyPI](https://pypi.org/project/hy-memory/2.0.1/) 記載套件於 10 月 15 日上傳，相關的[模型論文](https://arxiv.org/abs/2610.22196)也在當天提交。這些是不同的發布紀錄，不能據此證明桌面產品已經推出。

## 關鍵變化

- **改變了什麼：**已發布的 SDK 透過 `add()` 與 `search()` 提供分開的對話、工作與程式開發記憶路徑，並提供整合應用程式可使用的來源及工作區篩選條件。
- **如何運作：**對話流程將交談內容整理為記憶層。工作流程從工具追蹤紀錄擷取一項工作階段事實，並在適當時擷取可重複使用的經驗。程式開發流程則為程式碼變更加入版本鏈。呼叫端須提供來源材料、身分識別、儲存設定和模型服務。
- **為何重要：**代理主機可以檢索先前對話或工作決策的精簡紀錄，而不必在每次新工作階段中傳入全部歷史。這份紀錄是否準確、獲得授權且實用，仍取決於主機傳送的內容，以及它允許哪些記憶重新進入提示詞。

## 整合前先選擇工作流程

SDK 的 [README](https://github.com/Tencent-Hunyuan/Hy-Memory) 列出了 `scene` 的三種值。`chat` 接受純文字或訊息陣列，接著傳回 `profile`、`normal` 和 `proactive` 記憶檢索通道。在 `lite` 模式中，它儲存原始文字供嵌入向量搜尋使用，不透過 LLM 擷取資訊。`pro` 加入擷取與調和程序；`ultra` 則可透過 `evolve()` 再執行一輪演進。

使用 `working` 時，輸入必須包含工具呼叫追蹤紀錄。每個工作階段會產生一項有關工作、方法和結果的事實，以及零項或多項通過引擎價值門檻的可重複使用經驗。`coding` 使用相同的兩層結構，並為修改過的程式碼加入版本演進鏈。README 表示，若設定了 `MEMORY_CODING_CHAIN_REPO_ROOT`，這條鏈可以使用本機 Git 差異，或使用工具追蹤紀錄中的確定性取代操作。在 `lite` 模式中，SDK 會忽略工作與程式開發場景的區別，只儲存原始記憶。

這些輸出結構適用於不同的問題。對話中的偏好應放入 `chat`；含有工具結果的已完成工作應放入 `working`；先前修訂版本可能重要的程式碼變更則應放入 `coding`。這是文件記載的路由區分，並非 BIG CHANGE 的效能測試。

## 文件記載的 SDK 使用路徑

以下步驟依據[程式碼儲存庫快速入門](https://github.com/Tencent-Hunyuan/Hy-Memory)與 [MemHub 的 SDK 設定指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md)整理而成。BIG CHANGE 並未執行套件或呼叫模型。

使用 Python 3.9 或更新版本，並安裝固定版本的 SDK：

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

ChromaDB 與 Kuzu 屬於核心相依套件；Qdrant、FAISS、Neo4j、MySQL 快取及本機重新排序器則有獨立的額外套件。MemHub 原始碼的開發環境不同：它要求 Node.js 24、pnpm 11、Python 3.12 和 uv。

初始化用戶端前，先設定 LLM 端點和嵌入向量端點。README 列出 `MEMORY_LLM_API_KEY`、`MEMORY_LLM_BASE_URL`、`MEMORY_LLM_MODEL`，以及對應的 `MEMORY_EMBEDDER_*` 變數與 `MEMORY_EMBEDDING_DIMS`；也記載了 `OPENAI_API_KEY` 的預設用法。請提供自己的端點 URL、模型名稱、金鑰，以及相符的嵌入向量維度。這些是相容於 OpenAI 的介面，不代表必須使用 Tencent 另外推出的 Hy-Memory-30B 模型。請勿將憑證放入要儲存的追蹤紀錄。

以下對話範例使用文件中的 `MemoryConfig.from_env()`、`HyMemoryClient`、`add()` 與 `search()` API。呼叫的應用程式必須提供純文字或 OpenAI 格式訊息作為 `authorized_messages`，並提供穩定且已獲授權的 `user_id` 以及 `query`。範例僅顯示傳回值，沒有宣稱得到任何特定結果：

```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()
```

使用工作或程式開發流程時，請傳入包含工具呼叫或 `role="tool"` 項目的訊息追蹤紀錄，並明確設定 `scene`。設定 `workspace_id` 以隔離專案材料；`branch` 必須搭配此設定。當呼叫應用程式的範圍界線重要時，寫入時請設定 `source`，搜尋時請設定 `include_sources` 或 `exclude_sources`。對話搜尋會傳回記憶通道；工作／程式開發搜尋則傳回 `facts` 與 `experiences`，程式開發另有 `chain_block`。將傳回的紀錄交給代理主機前，請先檢查。`list_memories`、`get`、`update` 與 `delete` 可用於管理個別紀錄。

成功的整合應有來自已授權輸入的儲存紀錄，以及範圍受限、能回答預期記憶檢索問題的搜尋結果。README 記載了傳回欄位，但我們並未觀察實際執行，因此無法宣稱擷取或檢索成功。若工作／程式開發搜尋結果為空，先確認寫入內容包含工具結果，且使用了 `pro` 或 `ultra`，接著檢查是否使用相同的 `user_id`、`workspace_id`、`branch` 與來源篩選條件。若要更換嵌入向量模型或維度，[MemHub 設定指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md)提醒，現有集合不能直接改用不同的向量寬度。

## MemHub 與模型是分開的選擇

MemHub 是規劃中以 SDK 為基礎的桌面與 CLI 產品。其 [README](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md) 描述了受管理的本機執行環境、來源連接器和主機整合。其[變更紀錄](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md)更明確說明了可用狀態：原始碼版本 1.0.0 build 4 已存在，但 npm 發布與 GitHub 發行檔案仍待完成。[安裝指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md)列出 Linux 與 macOS 為發行目標，並表示不支援 Windows；其中的 npm 安裝步驟以相關檔案已發布為前提。目前應將其視為規劃中的安裝路徑。

本機儲存也不代表每個處理步驟都留在本機。MemHub 的[隱私文件](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md)將讀取對話來源的許可、把已授權材料傳送至所選第三方模型服務的許可，以及代理主機檢索記憶的許可分開。文件指出，來源的原始證據存於本機資料目錄；若選用外部模型服務，該服務會收到所選工作需要的已授權內容。直接使用 SDK 的整合者必須自行實作來源同意、模型存取及主機記憶檢索控制；MemHub 的[整合指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md)表示，產品橋接層會加入這些治理步驟，而非只呼叫 SDK。

Tencent 也發布了 [Hy-Memory-30B-A3B](https://huggingface.co/tencent/Hy-Memory-30B-A3B)，這是一個為記憶寫入而訓練的模型，其[技術報告](https://arxiv.org/abs/2610.22196)於 10 月 15 日提交。報告宣稱，模型在固定的基準測試子樣本上領先比較系統。這是供應商自行報告的模型評估，並非證明這套 SDK 或 MemHub 能改善已部署代理回答的獨立證據。SDK 也接受其他相容的模型服務。

儲存庫目前的[授權條款檔案](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/LICENSE)與專案中繼資料都標示 Apache-2.0。變更紀錄表示，這是在 2.0.1 上傳後採用的；該次上傳不可變更的 [PyPI 中繼資料](https://pypi.org/project/hy-memory/2.0.1/)仍標示 MIT。套件可免費下載，但所選模型或嵌入向量服務可能按請求收費；發行文件並未記載通用的運作價格。因此，實際決策在於整合哪種記憶路徑及授權範圍，並在開發者自己的環境中衡量供應商費用與檢索品質。

## 來源與延伸閱讀

- [Hy-Memory 儲存庫與快速入門](https://github.com/Tencent-Hunyuan/Hy-Memory) — 目前 SDK 場景、API 範例、模式、儲存選項與來源篩選條件。
- [發行變更紀錄](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md)與 [PyPI 2.0.1](https://pypi.org/project/hy-memory/2.0.1/) — SDK 不同的發布日期、套件需求、MemHub 狀態及授權中繼資料差異。
- [MemHub README](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md)、[SDK 整合指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md)與[隱私文件](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) — 原始碼階段的產品架構、設定及授權範圍。
- [MemHub 安裝指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) — 預定平台及有條件的發行檔案安裝路徑。
- [Hy-Memory-30B-A3B 報告](https://arxiv.org/abs/2610.22196) — 預印本及作者自行報告的模型評估；並未驗證這項整合在實際環境中的效果。

## Sources

- [Hy-Memory 儲存庫與 README](https://github.com/Tencent-Hunyuan/Hy-Memory) — SDK 場景、模式、API 範例、儲存與篩選條件；README 的發行公告僅列月份。
- [Hy-Memory 變更紀錄](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/CHANGELOG.md) — 列出 SDK 2.0.1 的日期，說明 MemHub 尚無公開發行檔案，並解釋不可變更的 PyPI 授權中繼資料。
- [PyPI 上的 hy-memory 2.0.1](https://pypi.org/project/hy-memory/2.0.1/) — 已發布套件、Python 需求、發行檔案日期及上傳時的 MIT 中繼資料。
- [MemHub README](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/README.md) — 產品原始碼架構與開發先決條件，不能證明應用程式已公開發行。
- [MemHub 記憶整合指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/MEMORY.md) — SDK 設定、嵌入向量寬度與產品橋接層的範圍界線。
- [MemHub 隱私文件](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/PRIVACY.md) — 將來源、模型處理與主機記憶檢索的許可分開。
- [MemHub 安裝指南](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/memhub/docs/INSTALLATION.md) — 有條件的套件安裝路徑與目標平台。
- [Hy-Memory-30B-A3B 預印本](https://arxiv.org/abs/2610.22196) — 獨立的模型、訓練方法及供應商報告的基準測試；未經獨立驗證。
- [儲存庫目前的 LICENSE](https://github.com/Tencent-Hunyuan/Hy-Memory/blob/main/LICENSE) — 目前的 Apache-2.0 原始條文；PyPI 2.0.1 仍保留 MIT 中繼資料。