Hy-Memory de Tencent: el “segundo cerebro” que hace 8 veces más rápidos a los agentes de IA
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8]. Su arquitectura divide la memoria en seis capas especializadas (L1–L6) en lugar del típico almacenamiento plano, y aplica un proce...
Publicado porEditado con DeepSeek-V4-ProImágenes generadas con GPT Image 1.5
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8].
Su arquitectura divide la memoria en seis capas especializadas (L1–L6) en lugar del típico almacenamiento plano, y aplica un procesamiento de doble sistema (System 1 en tiempo real, System 2 en segundo plano) [5][8].
Un mecanismo de “cadena evolutiva” con punteros supersedes evita la fragmentación: cada memoria actualizada apunta a la anterior, formando una cadena que conserva el historial de cambios sin perder las versiones antig...
En pruebas públicas, Hy Memory redujo el número de entradas de memoria en más del 70%, aumentó la densidad de información por entrada un 45%+ y recortó el consumo de tokens un 35% [5][6][7].
What is Tencent's Hy-Memory plugin, and how does its three-tier, six-level, System 1/System 2 memory architecture (including the evolutionarHy-Memory gives AI agents a 'second brain' by structuring memory into layers and processing it through a cognitive dual-system design.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: What is Tencent's Hy-Memory plugin, and how does its three-tier, six-level, System 1/System 2 memory architecture (including the evolutionar. Article summary: Here is the full answer:. Topic tags: general, academic, documentation, general web. Reference image context from search candidates: Reference image 1: visual subject "# Tencent Open-Sources TencentDB Agent Memory: A 4-Tier Local Memory Pipeline for AI Agents. Tencent has released TencentDB Agent Memory, an open-source memory system for AI agents" source context "Tencent Open-Sources TencentDB Agent Memory: A 4-Tier Local ..." Reference image 2: visual subject "# Tencent Open-Sources TencentDB Agent Memory: A 4-Tier Local Memory Pipeline for AI Agents. Tencent has released TencentDB Agent Memory, an open-source memory system for AI agents" source context "Tence
openai.com
Hy-Memory es el nuevo plugin de memoria que Tencent Hunyuan ha desarrollado para agentes colaborativos de largo plazo del tipo OpenClaw. La compañía lo define como un “segundo cerebro” que permite a estos agentes recordar de forma más estructurada, eficiente y ligera a lo largo del tiempo .
A diferencia del enfoque por defecto de OpenClaw —que almacena la memoria en archivos Markdown planos —, Hy-Memory introduce un esquema mucho más ambicioso: .
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
¿Cuál es la respuesta corta a "Hy-Memory de Tencent: el “segundo cerebro” que hace 8 veces más rápidos a los agentes de IA"?
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8].
¿Cuáles son los puntos clave a validar primero?
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8]. Su arquitectura divide la memoria en seis capas especializadas (L1–L6) en lugar del típico almacenamiento plano, y aplica un procesamiento de doble sistema (System 1 en tiempo real, System 2 en segundo plano) [5][8].
¿Qué debo hacer a continuación en la práctica?
Un mecanismo de “cadena evolutiva” con punteros supersedes evita la fragmentación: cada memoria actualizada apunta a la anterior, formando una cadena que conserva el historial de cambios sin perder las versiones antig...
Hy-Memory de Tencent: el “segundo cerebro” que hace 8 veces más rápidos a los agentes de IA
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8]. Su arquitectura divide la memoria en seis capas especializadas (L1–L6) en lugar del típico almacenamiento plano, y aplica un proce...
Publicado porEditado con DeepSeek-V4-ProImágenes generadas con GPT Image 1.5
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8].
Su arquitectura divide la memoria en seis capas especializadas (L1–L6) en lugar del típico almacenamiento plano, y aplica un procesamiento de doble sistema (System 1 en tiempo real, System 2 en segundo plano) [5][8].
Un mecanismo de “cadena evolutiva” con punteros supersedes evita la fragmentación: cada memoria actualizada apunta a la anterior, formando una cadena que conserva el historial de cambios sin perder las versiones antig...
En pruebas públicas, Hy Memory redujo el número de entradas de memoria en más del 70%, aumentó la densidad de información por entrada un 45%+ y recortó el consumo de tokens un 35% [5][6][7].
What is Tencent's Hy-Memory plugin, and how does its three-tier, six-level, System 1/System 2 memory architecture (including the evolutionarHy-Memory gives AI agents a 'second brain' by structuring memory into layers and processing it through a cognitive dual-system design.
Prompt de IA
Create a landscape editorial hero image for this Studio Global article: What is Tencent's Hy-Memory plugin, and how does its three-tier, six-level, System 1/System 2 memory architecture (including the evolutionar. Article summary: Here is the full answer:. Topic tags: general, academic, documentation, general web. Reference image context from search candidates: Reference image 1: visual subject "# Tencent Open-Sources TencentDB Agent Memory: A 4-Tier Local Memory Pipeline for AI Agents. Tencent has released TencentDB Agent Memory, an open-source memory system for AI agents" source context "Tencent Open-Sources TencentDB Agent Memory: A 4-Tier Local ..." Reference image 2: visual subject "# Tencent Open-Sources TencentDB Agent Memory: A 4-Tier Local Memory Pipeline for AI Agents. Tencent has released TencentDB Agent Memory, an open-source memory system for AI agents" source context "Tence
openai.com
Hy-Memory es el nuevo plugin de memoria que Tencent Hunyuan ha desarrollado para agentes colaborativos de largo plazo del tipo OpenClaw. La compañía lo define como un “segundo cerebro” que permite a estos agentes recordar de forma más estructurada, eficiente y ligera a lo largo del tiempo .
A diferencia del enfoque por defecto de OpenClaw —que almacena la memoria en archivos Markdown planos —, Hy-Memory introduce un esquema mucho más ambicioso: .
Studio Global AI
Continúe su investigación
Esta página incluye una respuesta respaldada por fuentes que puede continuar dentro de Studio Global.
¿Cuál es la respuesta corta a "Hy-Memory de Tencent: el “segundo cerebro” que hace 8 veces más rápidos a los agentes de IA"?
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8].
¿Cuáles son los puntos clave a validar primero?
Hy Memory es un plugin de memoria lanzado por Tencent Hunyuan que dota a los agentes colaborativos de largo plazo (como los basados en OpenClaw) de un auténtico “segundo cerebro” [7][8]. Su arquitectura divide la memoria en seis capas especializadas (L1–L6) en lugar del típico almacenamiento plano, y aplica un procesamiento de doble sistema (System 1 en tiempo real, System 2 en segundo plano) [5][8].
¿Qué debo hacer a continuación en la práctica?
Un mecanismo de “cadena evolutiva” con punteros supersedes evita la fragmentación: cada memoria actualizada apunta a la anterior, formando una cadena que conserva el historial de cambios sin perder las versiones antig...
seis capas de memoria, un diseño de doble sistema (System 1/System 2) y un mecanismo de cadena evolutiva
Una arquitectura de memoria con seis capas
Hy-Memory no vuelca toda la información en un único almacén, sino que la organiza en seis niveles con funciones muy definidas :
Capa
Nombre
Qué almacena
L1
Trazas brutas
Registro original de las interacciones y el contexto sin procesar
L2
Hechos atómicos
Datos concretos extraídos del flujo de conversación
L3
Perfil de identidad
Preferencias e información del usuario a largo plazo
L4
Resúmenes de sesión
Versiones comprimidas del contexto reciente
L5–L6
Mente e intención
Modelos mentales, redes de conocimiento y estructuras de intención procesadas en segundo plano
Sistema 1 y Sistema 2: velocidad inmediata y reflexión de fondo
Inspirándose en la psicología cognitiva, Hy-Memory divide el procesamiento en dos modos complementarios :
System 1 (“turno de día”): Se ejecuta en tiempo real en cuanto el usuario envía un mensaje. Se encarga de las capas L1 a L4: guarda las trazas, extrae hechos, actualiza el perfil y comprime los resúmenes de sesión .
System 2 (“turno de noche”): Funciona de manera asíncrona en segundo plano, en una escala de segundos a minutos. Procesa las capas L5 y L6: extrae modelos mentales, construye redes de conocimiento y predice intenciones .
Cadenas evolutivas: adiós a la fragmentación
Uno de los puntos débiles de los sistemas de memoria tradicionales es que acumulan recuerdos sueltos sin relación entre sí. Hy-Memory lo resuelve con cadenas evolutivas basadas en un puntero supersedes: cada nueva memoria apunta a la versión anterior que reemplaza, y esta a su vez a la anterior, formando una cadena .
Cuando el sistema busca en la cadena y encuentra un eslabón, automáticamente despliega el historial completo. La información más reciente queda en cabeza, pero las versiones antiguas —aunque desactualizadas— no se borran, sino que quedan accesibles como parte del contexto histórico . Esta estructura está pensada para que los agentes que acompañan al usuario durante largos periodos mantengan una “memoria a largo plazo” más fiel y coherente.
Resultados de rendimiento: menos memoria, más densidad, más velocidad
En las evaluaciones públicas citadas durante el lanzamiento, Hy-Memory muestra mejoras notables frente a otros frameworks :
Reducción de entradas de memoria en más de un 70%, atacando de raíz el problema de la fragmentación .
Aumento de la densidad de información superior al 45% por cada entrada almacenada .
Consumo de tokens recortado en un 35% al procesar contextos muy largos .
Velocidad de actualización de memoria un 20% más rápida.
Velocidad de escritura 8 veces superior a la de Graphiti, equiparable a la de frameworks ligeros como mem0, sin bloquear la conversación principal del agente OpenClaw .
¿Cómo se despliega?
Hy-Memory se distribuye como plugin para agentes colaborativos de largo plazo del ecosistema OpenClaw. Al instalarlo, levanta un proceso local en Python que proporciona los servicios de lectura y escritura de memoria; OpenClaw se comunica con este proceso para la recuperación automática de contexto y el almacenamiento de nuevos recuerdos .
En resumen: Hy-Memory aspira a mejorar la memoria a largo plazo de los agentes de IA clasificando la información en capas especializadas, aplicando un procesamiento cognitivo dual y encadenando los recuerdos mediante enlaces evolutivos. El resultado, según las cifras presentadas, es un sistema que almacena mucha menos memoria, pero más densa y útil, consume menos tokens y escribe hasta 8 veces más rápido que alternativas como Graphiti .
seis capas de memoria, un diseño de doble sistema (System 1/System 2) y un mecanismo de cadena evolutiva
Una arquitectura de memoria con seis capas
Hy-Memory no vuelca toda la información en un único almacén, sino que la organiza en seis niveles con funciones muy definidas :
Capa
Nombre
Qué almacena
L1
Trazas brutas
Registro original de las interacciones y el contexto sin procesar
L2
Hechos atómicos
Datos concretos extraídos del flujo de conversación
L3
Perfil de identidad
Preferencias e información del usuario a largo plazo
L4
Resúmenes de sesión
Versiones comprimidas del contexto reciente
L5–L6
Mente e intención
Modelos mentales, redes de conocimiento y estructuras de intención procesadas en segundo plano
Sistema 1 y Sistema 2: velocidad inmediata y reflexión de fondo
Inspirándose en la psicología cognitiva, Hy-Memory divide el procesamiento en dos modos complementarios :
System 1 (“turno de día”): Se ejecuta en tiempo real en cuanto el usuario envía un mensaje. Se encarga de las capas L1 a L4: guarda las trazas, extrae hechos, actualiza el perfil y comprime los resúmenes de sesión .
System 2 (“turno de noche”): Funciona de manera asíncrona en segundo plano, en una escala de segundos a minutos. Procesa las capas L5 y L6: extrae modelos mentales, construye redes de conocimiento y predice intenciones .
Cadenas evolutivas: adiós a la fragmentación
Uno de los puntos débiles de los sistemas de memoria tradicionales es que acumulan recuerdos sueltos sin relación entre sí. Hy-Memory lo resuelve con cadenas evolutivas basadas en un puntero supersedes: cada nueva memoria apunta a la versión anterior que reemplaza, y esta a su vez a la anterior, formando una cadena .
Cuando el sistema busca en la cadena y encuentra un eslabón, automáticamente despliega el historial completo. La información más reciente queda en cabeza, pero las versiones antiguas —aunque desactualizadas— no se borran, sino que quedan accesibles como parte del contexto histórico . Esta estructura está pensada para que los agentes que acompañan al usuario durante largos periodos mantengan una “memoria a largo plazo” más fiel y coherente.
Resultados de rendimiento: menos memoria, más densidad, más velocidad
En las evaluaciones públicas citadas durante el lanzamiento, Hy-Memory muestra mejoras notables frente a otros frameworks :
Reducción de entradas de memoria en más de un 70%, atacando de raíz el problema de la fragmentación .
Aumento de la densidad de información superior al 45% por cada entrada almacenada .
Consumo de tokens recortado en un 35% al procesar contextos muy largos .
Velocidad de actualización de memoria un 20% más rápida.
Velocidad de escritura 8 veces superior a la de Graphiti, equiparable a la de frameworks ligeros como mem0, sin bloquear la conversación principal del agente OpenClaw .
¿Cómo se despliega?
Hy-Memory se distribuye como plugin para agentes colaborativos de largo plazo del ecosistema OpenClaw. Al instalarlo, levanta un proceso local en Python que proporciona los servicios de lectura y escritura de memoria; OpenClaw se comunica con este proceso para la recuperación automática de contexto y el almacenamiento de nuevos recuerdos .
En resumen: Hy-Memory aspira a mejorar la memoria a largo plazo de los agentes de IA clasificando la información en capas especializadas, aplicando un procesamiento cognitivo dual y encadenando los recuerdos mediante enlaces evolutivos. El resultado, según las cifras presentadas, es un sistema que almacena mucha menos memoria, pero más densa y útil, consume menos tokens y escribe hasta 8 veces más rápido que alternativas como Graphiti .
