텐센트, AI 에이전트 장기 기억 혁신 위한 ‘Hy-Memory’ 플러그인 공개

System 1 / System 2 이중 처리 설계

인간 심리학의 이중 처리 이론을 AI에 접목한 이 설계는 Hy-Memory의 핵심입니다. 마치 우리가 반사적으로 반응할 때와 깊이 생각할 때 뇌 영역을 달리 사용하듯, 기억의 종류에 따라 처리 시간과 방식을 구분합니다 .

• System 1 (주간 근무): 사용자가 ‘엔터 키’를 누르는 순간 실시간으로 작동합니다. 주로 원시 기록 쓰기, 사실 추출, 프로필 업데이트, 세션 요약 압축 등 L1~L4 계층의 기억을 처리합니다 .
• System 2 (야간 근무): 대화의 흐름을 방해하지 않도록 백그라운드에서 비동기적으로 실행됩니다. 심적 모델 구축, 지식 네트워크 형성, 사용자 의도 예측 등 더 깊은 처리가 필요한 L5~L6 계층의 작업을 수 초에서 수 분의 시간 범위 내에서 수행합니다 .

진화 사슬: 기억의 파편화를 막는 핵심 비결

Hy-Memory가 가장 큰 주목을 받는 이유 중 하나는 바로 이 ‘진화 사슬(Evolutionary Chain)’ 메커니즘 때문입니다.

기존 기억 시스템은 새로운 정보가 들어오면 단순히 누적하여 저장하기 때문에, 시간이 지나면 서로 충돌하거나 낡은 정보가 남아 파편화됩니다. Hy-Memory는 이 문제를 해결하기 위해 마치 깃(Git) 버전 관리처럼 supersedes 포인터를 도입했습니다. 새로운 기억이 저장될 때, 이것이 대체하는 이전 기억을 포인터로 연결하여 하나의 ‘진화 사슬’을 만드는 것입니다 .

가령 “사용자가 이탈리안 음식을 좋아함” → “사용자가 베네치아식 해산물을 더 선호함” → “현재는 글루텐 프리 식단 중”으로 기억이 변해도, 최신 판단만 앞세우고 과거 정보는 사슬 뒤로 물러나 필요할 때만 펼쳐집니다. 이 덕분에 불필요한 기억은 사라지고 오래된 맥락도 사라지지 않는, 장기 에이전트에 가장 적합한 저장 형태가 완성됩니다 .

수치로 입증된 성능 개선

공개된 벤치마크 평가에서 Hy-Memory는 기존의 주요 메모리 프레임워크를 압도하는 성과를 보여주었습니다 .

• 기억 항목 수 70% 이상 감소: 파편화된 기억을 압축하여 저장소 효율을 극대화했습니다 .
• 정보 밀도 45% 이상 증가: 저장된 기억 하나하나가 담고 있는 유의미한 정보량이 크게 늘어났습니다 .
• 토큰 소비량 35% 절감: 장문의 맥락을 처리할 때 발생하는 연산 비용을 효과적으로 줄였습니다 .
• 기억 업데이트 속도 20% 향상: 빠른 피드백이 필요한 환경에서 더 민첩하게 작동합니다 .
• 쓰기 속도 Graphiti 대비 8배 향상: OpenClaw 대화의 주 연결 경로를 방해하지 않을 만큼 빠르게 작동하며, 이는 Mem0과 동급 수준입니다 .

요약하면, Hy-Memory는 AI 에이전트가 사용자와 오랜 시간 협업하며 겪는 ‘건망증’ 문제를 근본적으로 해결하기 위해 탄생했습니다. 기억을 유형별 계층으로 분리하고, 빠르고 느린 이중 처리 시스템으로 효율을 높였으며, 깃 버전 관리와 유사한 진화 사슬을 통해 정보의 정확성과 밀도를 동시에 잡아낸 것입니다. 단순히 ‘더 많이 기억하는 것’을 넘어, ‘더 똑똑하게, 더 가볍게, 그리고 더 오래 사용자를 이해하는’ 차세대 AI 기억 기술의 표준을 제시하고 있습니다 .