騰訊開源 Hy-Memory 2.0：讓不同 AI Agent 共享記憶

Hy-Memory 2.0 是騰訊開源的一套 AI 記憶系統，包含框架本體、專用記憶模型以及配套應用 MemHub。它的核心目的很簡單：讓你在 Cursor、Codex、WorkBuddy 或者 Hermes 之間換著使用 AI 時，不必每換一個工具就把專案背景和規則重新交代一遍。

這套方案覆蓋了模型、框架與應用三層，程式碼和模型權重已經分別放到了 GitHub 和 Hugging Face 上。

它能做什麼

很多人用 AI 最大的痛點，就是換了視窗或換了客戶端，AI 瞬間變成陌生人。Hy-Memory 2.0 的應用層工具叫 MemHub，支援關聯 10 種 AI 工具。它能把你在各個工具裡的歷史對話匯出來，通過本地 SDK 沉澱為統一的記憶，並在新對話產生時即時同步。

這意味著你在 Cursor 裡定好的業務邏輯和改動偏好，切到 Codex 或 WorkBuddy 寫後端時，新 Agent 能夠直接拉取這部分上下文繼續幹活。

在底層機制上，它把記憶拆成了三套針對性設計。Chat Memory 負責記住對話與人，能自動合併重複資訊並處理前後事實衝突。Working Memory 負責記錄任務事實與經驗，把「做過了什麼」和「哪種方法在什麼條件下有效」分開存，遇到類似任務時先看條件是否吻合再精準複用。Coding Memory 則把程式碼 Diff、修改上下文與版本演進鏈做成追蹤鏈條，讓 AI 知道某段程式碼當初為什麼這麼改。

專為記性訓練的模型與實測表現

除了記憶框架，騰訊還開源了一個專門用來篩選、組織和更新長期記憶的模型：Hy-Memory-30B-A3B。這個 30B 引數的模型專門做記憶讀寫訓練，既能配合自家的框架，也能接入 Mem0 或 MemOS 等外部記憶系統。

在基準測試上，官方公佈的資料顯示，在跨越 LoCoMo、LongMemEval、PersonaMem v2 等六項任務的綜合評測中，接入四套系統後該模型拿下 55.49 分，高於 Opus5 的 54.62 分、DeepSeek V4.1 Flash 的 53.64 分以及 Qwen3-30B-A3B 的 44.37 分。

在記憶框架本身的對比上，它在 MemoryArena 的旅行規劃與組合購物任務中拿到了 55.31% 的平均分，比次優的 EverOS 高出 10.2 個百分點。同時在儲存開銷上，它在保持高召回的前提下把 Memory Bank 佔用的 token 比例壓得比較低。

如果你想試試，可以直接去 GitHub 下載 MemHub 本地執行並關聯已有工具，模型權重則託管在 Hugging Face。

為什麼重要

對於每天在 Cursor、終端和各種網頁 Agent 之間來回切換的開發者來說，Hy-Memory 2.0 解決了最煩人的重複解釋問題。把程式碼演進和任務經驗拆開沉澱的做法相當聰明，避免了傳統 RAG 把整個歷史對話塞進上下文導致的幻覺和超長 token 浪費。

我們認為，當前各種專有 Agent 割裂嚴重的現狀下，這種把記憶獨立在單個工具之外的開源中介軟體，很可能成為本地工作流的關鍵拼圖。不過它的實際體驗很大程度上取決於 MemHub 對第三方工具會話的抓取與即時召回精度，多工具併發同步時是否會出現記憶混亂，仍值得在日常專案中持續觀察。