टेनसेंट का Hy-Memory: AI एजेंटों के लिए एक क्रांतिकारी स्मृति तंत्र

कल्पना कीजिए कि आपका AI असिस्टेंट आपकी कही हर बात को बिखरे हुए पन्नों पर नोट करने के बजाय, एक सुव्यवस्थित डिजिटल डायरी में दर्ज कर रहा है, जहाँ पुरानी और नई जानकारियाँ आपस में जुड़ी रहती हैं और वह आपकी आदतों व पसंद को लगातार बेहतर ढंग से समझता जाता है। यही मूल विचार है टेनसेंट के Hy-Memory का, जिसे OpenClaw जैसे दीर्घकालिक सहयोगी AI एजेंटों को एक शक्तिशाली "दूसरा दिमाग़" देने के लिए डिज़ाइन किया गया है ।

OpenClaw का मूलभूत तरीका मेमोरी को साधारण Markdown फ़ाइलों में संजोना है । लेकिन Hy-Memory इसे एक क्रांतिकारी मोड़ देता है। यह एक 6-स्तरीय मेमोरी ढाँचा, System 1/System 2 नामक दोहरी प्रणाली और एक विकास-श्रृंखला तंत्र (evolutionary chain mechanism) पेश करता है, जो AI की याददाश्त को पहले से कहीं अधिक संरचित और सटीक बनाता है ।

संरचना: 6-स्तरीय ढाँचा × दोहरी प्रणाली × विकास-श्रृंखला

छह मेमोरी परतें (L1–L6) — Hy-Memory सभी स्मृतियों को एक ही जगह ढेर करने के बजाय, उन्हें उनकी प्रकृति के अनुसार छह अलग-अलग स्तरों में बाँटता है :

स्तर	नाम	इसमें क्या संग्रहित होता है
L1	कच्चे निशान (Raw Traces)	उपयोगकर्ता और एजेंट के बीच बातचीत के मूल निशान और संदर्भ
L2	बुनियादी तथ्य (Atomic Facts)	कच्ची बातचीत से निकाले गए तथ्य
L3	पहचान प्रोफ़ाइल (Identity Profile)	उपयोगकर्ता की दीर्घकालिक जानकारी और पसंद-नापसंद
L4	सत्र सारांश (Session Summaries)	हाल के वार्तालाप संदर्भ के संपीड़ित सारांश
L5–L6	मन और इरादा (Mind & Intent)	अतुल्यकालिक रूप से संसाधित मानसिक मॉडल, ज्ञान नेटवर्क और भविष्य की मंशा की संरचनाएँ

System 1 / System 2 दोहरी प्रक्रिया :

• System 1 (दिन की पाली): यह वास्तविक समय में काम करता है। जैसे ही उपयोगकर्ता "एंटर" दबाता है, यह L1 से L4 तक की परतों को संभालता है—कच्चे निशान लिखना, तथ्य निकालना, प्रोफ़ाइल अपडेट करना और सत्र सारांश संपीड़ित करना ।
• System 2 (रात की पाली): यह पृष्ठभूमि में सेकंड से लेकर मिनटों के समय-मान पर, अतुल्यकालिक रूप से चलता है। इसका काम है L5 और L6 को संभालना, यानी मानसिक मॉडल निकालना, ज्ञान नेटवर्क बनाना और भविष्य के इरादों का पूर्वानुमान लगाना ।

विकास-श्रृंखला तंत्र (Evolutionary chain mechanism): बिखरी हुई मेमोरी प्रविष्टियों को बस जमा करते जाने के बजाय, Hy-Memory एक supersedes (स्थानापन्न) पॉइंटर का उपयोग करता है। इसका मतलब है कि जब कोई नई मेमोरी लिखी जाती है, तो वह पुरानी मेमोरी की ओर इशारा करती है, जिसे वह बदल रही है या अपडेट कर रही है । यह विकास-श्रृंखला डिज़ाइन मेमोरी के बिखराव को कम करने और समय के साथ उसकी शुद्धता को बेहतर बनाने का मूल तंत्र है ।

मापा गया प्रदर्शन सुधार

लॉन्च कवरेज में बताए गए सार्वजनिक बेंचमार्क-शैली के मूल्यांकनों पर, परिणाम कुछ इस प्रकार रहे :

• मेमोरी प्रविष्टियों में 70% से अधिक की कमी, जो अधिक संहत मेमोरी संगठन के माध्यम से मेमोरी विखंडन को संबोधित करता है ।
• प्रति संग्रहीत मेमोरी प्रविष्टि पर सूचना घनत्व में 45% से अधिक की वृद्धि ।
• लंबे संदर्भ वाली जानकारी संसाधित करते समय टोकन खपत में 35% की कटौती ।
• मेमोरी अपडेट की गति में 20% का सुधार, रिपोर्ट किए गए परीक्षण परिणामों के अनुसार ।
• लेखन गति Graphiti से 8 गुना तेज़ बताई गई है, लॉन्च कवरेज के अनुसार ।

उपयोग एवं विन्यास

• Hy-Memory को सार्वजनिक रूप से OpenClaw-प्रकार के दीर्घकालिक सहयोगी एजेंटों के लिए एक प्लगइन के रूप में वर्णित किया गया है ।
• उपलब्ध सार्वजनिक रिपोर्टों में इसकी वास्तुकला पर ज़ोर दिया गया है, न कि विस्तृत डिप्लॉयमेंट पैकेजिंग पर। अतः Docker आवश्यकताओं, बाहरी डेटाबेस या सटीक इंस्टॉलेशन कमांड के दावों की पुष्टि दिए गए स्रोतों से नहीं होती।
• उपलब्ध रिपोर्टों में "तीन-स्तरीय" भाषा एक मुख्य डिज़ाइन को संदर्भित करती है जो विकास-श्रृंखलाओं पर केंद्रित है, न कि स्पष्ट रूप से Lite/Pro/Ultra जैसे उपयोग स्तरों पर ।

निष्कर्ष: Hy-Memory का लक्ष्य मेमोरी को प्रकार के आधार पर अलग-अलग परतों में बाँटकर, एक तेज़/धीमी दोहरी-प्रसंस्करण प्रणाली का उपयोग करके, और स्थानापन्न मेमोरी प्रविष्टियों को विकास-श्रृंखला के माध्यम से आपस में जोड़कर AI एजेंटों की दीर्घकालिक स्मरण शक्ति को बेहतर बनाना है । रिपोर्ट किए गए लाभों में कम मेमोरी मात्रा, उच्च सूचना घनत्व, कम टोकन खपत, तेज़ अद्यतन गति, और Graphiti से 8 गुना तेज़ लेखन गति शामिल है ।