كيف تمنح تقنية Hy-Memory الجديدة من تينسنت وكلاء الذكاء الاصطناعي ذاكرة خارقة؟

Hy-Memory من تينسنت هي إضافة ذاكرة أطلقتها شركة تينسنت هونيوان (Tencent Hunyuan) لوكلاء الذكاء الاصطناعي التعاونيين طويلي الأمد من نوع OpenClaw، وتُوصف بأنها تمنح الوكلاء "عقلاً ثانياً" أقوى للاستدعاء والتعاون طويل الأمد .

في حين يعتمد OpenClaw افتراضياً على تخزين الذاكرة في ملفات Markdown نصية عادية، تُضيف Hy-Memory إطار ذاكرة من ست طبقات، وتصميم ثنائي النظام (System 1/System 2)، وآلية سلسلة تطورية لمعالجة أكثر تنظيماً .

البنية: إطار من ست طبقات × نظام مزدوج × سلسلة تطورية

طبقات الذاكرة الست (L1–L6) — لا تتعامل Hy-Memory مع الذاكرة ككتلة واحدة غير متمايزة، بل تُقسّمها إلى ست طبقات، لكل منها وظيفتها :

الطبقة	الاسم	ما تُخزّنه
L1	الآثار الخام	آثار التفاعل الأصلية والسياق الخام من جلسات المستخدم والوكيل
L2	الحقائق الذرية	حقائق مُستخلصة من تيار التفاعل الخام
L3	الملف الشخصي	معلومات طويلة الأمد عن المستخدم وتفضيلاته
L4	ملخصات الجلسات	ملخصات مُكثّفة لسياق الجلسات الأخيرة
L5–L6	العقل والنية	نماذج ذهنية، وشبكات معرفية، وهياكل نوايا مستقبلية تُعالج بشكل غير متزامن

المعالجة المزدوجة: النظام الأول (System 1) والنظام الثاني (System 2) :

• النظام الأول (النهاري): يعمل لحظياً عند إرسال المستخدم. يتولى الطبقات L1 إلى L4، بما في ذلك كتابة الآثار الخام، استخلاص الحقائق، تحديث الملف الشخصي، وضغط ملخصات الجلسات .
• النظام الثاني (الليلي): يعمل بشكل غير متزامن في الخلفية خلال ثوانٍ إلى دقائق. يتولى الطبقتين L5 وL6، بما في ذلك استخلاص النماذج الذهنية، بناء شبكات المعرفة، والتنبؤ بالنوايا .

آلية السلسلة التطورية: بدلاً من تراكم مدخلات ذاكرة متجزئة، تستخدم Hy-Memory مؤشر supersedes (يحل محل) لتربط كل ذاكرة جديدة بالذاكرة الأقدم التي تستبدلها أو تُحدّثها . يُقدّم هذا التصميم كإحدى الآليات الأساسية لتقليل تجزئة الذاكرة وتحسين دقتها مع مرور الوقت .

ببساطة، تقوم السلسلة التطورية بأمرين :

1. عند كتابة ذاكرة جديدة، يُشير مؤشر supersedes إلى الذاكرة القديمة لتتشكل سلسلة.
2. عند البحث والوصول إلى أي عقدة في السلسلة، تُعرض السلسلة كاملة تلقائياً. تبقى أحدث معلومة في المقدمة، بينما تتراجع النسخ القديمة أو الملغاة إلى الخلف، مع بقائها متاحة عند الحاجة.

تحسينات أداء مُقاسة

بحسب التغطية الإعلامية للإطلاق ونتائج الاختبارات المعلنة على مجموعات بيانات معيارية عامة، جاءت النتائج كما يلي :

• تقليل عدد مدخلات الذاكرة بأكثر من 70%، مما يعالج مشكلة تجزئة الذاكرة .
• زيادة كثافة المعلومات بأكثر من 45% لكل مدخلة ذاكرة مُخزّنة .
• خفض استهلاك الرموز (tokens) بنسبة 35% عند معالجة سياقات طويلة جداً .
• تحسين سرعة تحديث الذاكرة بنسبة 20% .
• سرعة كتابة أسرع بثماني مرات مقارنةً بـ Graphiti، كما ورد في تغطية الإطلاق .

النشر والتكوين

• تُوصف Hy-Memory علناً كإضافة لوكلاء OpenClaw التعاونيين طويلي الأمد .
• تُركّز التقارير العامة المذكورة على التصميم المعماري بدلاً من تفاصيل حزم النشر، لذا لا تُدعّم المصادر المقدمة أي ادعاءات حول متطلبات Docker، أو قواعد البيانات الخارجية، أو إعدادات Chroma الافتراضية، أو أوامر تثبيت محددة.
• تشير لغة "الطبقات الثلاث" في التقارير المتاحة إلى تصميم أساسي يرتكز على السلاسل التطورية، وليس بالضرورة إلى فئات نشر مثل Lite/Pro/Ultra .

الخلاصة: تهدف Hy-Memory إلى تحسين الاستدعاء طويل الأمد للوكلاء عبر فصل الذاكرة إلى طبقات متخصصة، واستخدام نظام معالجة مزدوج (سريع/بطيء)، وربط مدخلات الذاكرة المتعاقبة معاً عبر روابط تطورية . تشمل التحسينات المُعلنة تقليل حجم الذاكرة، وزيادة كثافة المعلومات، وخفض استهلاك الرموز، وزيادة سرعة التحديث، وسرعة كتابة أسرع بكثير مقارنة بحلول أخرى .