Membedah Hy-Memory Tencent: Arsitektur Memori 6 Lapis, Sistem Ganda System 1/System 2, dan Rantai Evolusi

Pemrosesan ganda System 1 / System 2 :

• System 1 (shift siang): Menangani L1–L4 secara real-time begitu pengguna mengirimkan input. Tugasnya meliputi menulis jejak mentah, mengekstrak fakta, memperbarui profil, dan mengompresi ringkasan sesi .
• System 2 (shift malam): Berjalan asinkron di latar belakang dalam skala detik hingga menit untuk L5–L6, termasuk ekstraksi model mental, konstruksi jaringan pengetahuan, dan prediksi intensi .

Mekanisme rantai evolusi (evolutionary chain): Alih-alih menumpuk entri memori yang terfragmentasi begitu saja, Hy-Memory dilaporkan menggunakan pointer supersedes sehingga memori yang baru ditulis dapat menunjuk kembali ke memori lama yang digantikan atau diperbarui . Desain rantai evolusi ini dihadirkan sebagai mekanisme inti Hy-Memory untuk mengurangi fragmentasi memori dan meningkatkan akurasi memori dari waktu ke waktu .

Peningkatan Kinerja yang Terukur

Berdasarkan evaluasi ala benchmark publik yang dijelaskan dalam liputan peluncuran, berikut hasil yang dinyatakan :

• Entri memori berkurang lebih dari 70%, mengatasi fragmentasi memori melalui pengaturan memori yang lebih padat .
• Kepadatan informasi meningkat lebih dari 45% per entri memori yang tersimpan .
• Konsumsi token terpangkas 35% saat memproses informasi konteks panjang .
• Kecepatan pembaruan memori meningkat 20%, menurut hasil pengujian yang dilaporkan .
• Kecepatan tulis 8 kali lebih cepat dari Graphiti, sebuah framework memori lain, sebagaimana dilansir dalam liputan peluncuran .

Penerapan & Tingkatan Konfigurasi

• Hy-Memory digambarkan secara publik sebagai plugin untuk agen kolaboratif jangka panjang tipe OpenClaw .
• Laporan publik yang dirujuk lebih menitikberatkan desain arsitekturnya ketimbang kemasan penerapan yang rinci, sehingga klaim tentang persyaratan Docker, basis data eksternal, Chroma default, atau perintah instalasi persis tidak didukung oleh sumber yang ada.
• Bahasa "tiga tingkatan" (three-tier) dalam laporan yang tersedia merujuk pada desain inti yang berpusat pada rantai evolusi, bukan pada tingkat penerapan seperti Lite/Pro/Ultra .

Intinya: Hy-Memory bertujuan meningkatkan daya ingat agen jangka panjang dengan memisahkan memori ke dalam lapisan-lapisan bertipe, menggunakan sistem pemrosesan ganda cepat/lambat, dan merantai entri-entri memori yang saling menggantikan melalui tautan evolusi . Manfaat yang dilaporkan mencakup volume memori lebih rendah, kepadatan informasi lebih tinggi, konsumsi token lebih rendah, kecepatan pembaruan lebih cepat, dan kecepatan tulis yang diklaim 8 kali lebih cepat dari Graphiti .