腾讯开源 Hy-Memory 2.0：让不同 AI Agent 共享记忆

Hy-Memory 2.0 是腾讯开源的一套 AI 记忆系统，包含框架本体、专用记忆模型以及配套应用 MemHub。它的核心目的很简单：让你在 Cursor、Codex、WorkBuddy 或者 Hermes 之间换着使用 AI 时，不必每换一个工具就把项目背景和规则重新交代一遍。

这套方案覆盖了模型、框架与应用三层，代码和模型权重已经分别放到了 GitHub 和 Hugging Face 上。

它能做什么

很多人用 AI 最大的痛点，就是换了窗口或换了客户端，AI 瞬间变成陌生人。Hy-Memory 2.0 的应用层工具叫 MemHub，支持关联 10 种 AI 工具。它能把你在各个工具里的历史对话导出来，通过本地 SDK 沉淀为统一的记忆，并在新对话产生时实时同步。

这意味着你在 Cursor 里定好的业务逻辑和改动偏好，切到 Codex 或 WorkBuddy 写后端时，新 Agent 能够直接拉取这部分上下文继续干活。

在底层机制上，它把记忆拆成了三套针对性设计。Chat Memory 负责记住对话与人，能自动合并重复信息并处理前后事实冲突。Working Memory 负责记录任务事实与经验，把「做过了什么」和「哪种方法在什么条件下有效」分开存，遇到类似任务时先看条件是否吻合再精准复用。Coding Memory 则把代码 Diff、修改上下文与版本演进链做成追踪链条，让 AI 知道某段代码当初为什么这么改。

专为记性训练的模型与实测表现

除了记忆框架，腾讯还开源了一个专门用来筛选、组织和更新长期记忆的模型：Hy-Memory-30B-A3B。这个 30B 参数的模型专门做记忆读写训练，既能配合自家的框架，也能接入 Mem0 或 MemOS 等外部记忆系统。

在基准测试上，官方公布的数据显示，在跨越 LoCoMo、LongMemEval、PersonaMem v2 等六项任务的综合评测中，接入四套系统后该模型拿下 55.49 分，高于 Opus5 的 54.62 分、DeepSeek V4.1 Flash 的 53.64 分以及 Qwen3-30B-A3B 的 44.37 分。

在记忆框架本身的对比上，它在 MemoryArena 的旅行规划与组合购物任务中拿到了 55.31% 的平均分，比次优的 EverOS 高出 10.2 个百分点。同时在存储开销上，它在保持高召回的前提下把 Memory Bank 占用的 token 比例压得比较低。

如果你想试试，可以直接去 GitHub 下载 MemHub 本地运行并关联已有工具，模型权重则托管在 Hugging Face。

为什么重要

对于每天在 Cursor、终端和各种网页 Agent 之间来回切换的开发者来说，Hy-Memory 2.0 解决了最烦人的重复解释问题。把代码演进和任务经验拆开沉淀的做法相当聪明，避免了传统 RAG 把整个历史对话塞进上下文导致的幻觉和超长 token 浪费。

我们认为，当前各种专有 Agent 割裂严重的现状下，这种把记忆独立在单个工具之外的开源中间件，很可能成为本地工作流的关键拼图。不过它的实际体验很大程度上取决于 MemHub 对第三方工具会话的抓取与实时召回精度，多工具并发同步时是否会出现记忆混乱，仍值得在日常项目中持续观察。