Hy-Memory โดย Tencent: สถาปนิกสมองที่สองให้ AI Agent จดจำระยะยาว ลดข้อมูลกระจัดกระจายกว่า 70%

แกนที่ 2: ระบบประมวลผลคู่ System 1 / System 2

Hy-Memory จำลองระบบการคิดสองแบบจากวิทยาศาสตร์สมองมนุษย์มาใช้กับ Agent โดยแบ่งเป็น :

• System 1 (ทำงานรอบกลางวัน): จัดการชั้นข้อมูล L1–L4 แบบเรียลไทม์ในวินาทีที่ผู้ใช้ส่งคำสั่งเข้ามา หน้าที่หลักคือการบันทึกร่องรอยดิบ, การสกัดข้อเท็จจริง, การอัปเดตโปรไฟล์ และการสรุปเซสชัน
• System 2 (ทำงานรอบกลางคืน): ทำงานแบบอะซิงโครนัสในเบื้องหลัง ใช้เวลาตั้งแต่วินาทีจนถึงหลายนาที จัดการกับชั้นข้อมูล L5–L6 ซึ่งเป็นงานที่ซับซ้อนกว่า เช่น การสร้างโมเดลความคิด, การสานต่อเครือข่ายความรู้ และการคาดเดาเจตนาของผู้ใช้

การออกแบบนี้ช่วยให้ Agent สามารถตอบสนองได้อย่างรวดเร็วในระหว่างการสนทนา แต่ขณะเดียวกันก็สามารถใช้เวลาคิดวิเคราะห์ข้อมูลในเชิงลึกเพื่อความเข้าใจผู้ใช้ที่แม่นยำยิ่งขึ้นได้ด้วย

แกนที่ 3: กลไกห่วงโซ่วิวัฒนาการ (Evolutionary Chain)

นี่คือหัวใจสำคัญในการแก้ปัญหา "ความจำกระจัดกระจาย" แทนที่ Agent จะสร้างความจำใหม่ ๆ ทับถมไปเรื่อย ๆ โดยไม่เป็นระเบียบ Hy-Memory จะใช้ตัวชี้ supersedes (ตัวบ่งชี้การแทนที่) เพื่อบอกว่าความจำที่เขียนใหม่เข้าไปนี้ไปลบล้างหรืออัปเดตข้อมูลจากหน่วยความจำเก่าอันไหน

ลองนึกภาพว่า ข้อมูลทั้ง 4 ชิ้น ถูกคล้องกันเป็นสร้อยเส้นเดียว โดยที่ชิ้นที่ 4 ชี้ไปที่ชิ้นที่ 3, ชิ้นที่ 3 ชี้ไปที่ชิ้นที่ 2 และชิ้นที่ 2 ชี้ไปที่ชิ้นที่ 1 ข้อมูลที่เก่าที่สุดอาจไม่ได้ถูกลบหายไป แต่มันถูกดันให้ไปอยู่หลังสุดของห่วงโซ่ และสามารถถูกดึงกลับมาใช้งานได้เสมอเมื่อจำเป็น

สรุปผลลัพธ์ด้านประสิทธิภาพที่วัดได้

จากรายงานการทดสอบบนมาตรฐานชุดข้อมูลสาธารณะที่น่าเชื่อถือ Hy-Memory ได้แสดงผลลัพธ์ที่น่าสนใจดังนี้ :

• ปริมาณหน่วยความจำลดลงกว่า 70%: แก้ปัญหา 'ความจำขยะ' หรือ 'ข้อมูลกระจัดกระจาย' ได้อย่างชัดเจน ด้วยการจัดระเบียบความจำที่กะทัดรัดและเชื่อมโยงกันมากขึ้น
• ความหนาแน่นของข้อมูลเพิ่มขึ้นกว่า 45% ต่อหนึ่งรายการความจำ: ทำให้แต่ละ 'ชิ้น' ของความจำ มีเนื้อหาที่มีประโยชน์และเข้มข้นมากขึ้น
• ลดการบริโภค Token (ทรัพยากรในการประมวลผลภาษา) ได้ 35%: เมื่อต้องจัดการกับข้อมูลบริบทที่มีความยาวมาก ทำให้ประหยัดต้นทุนและเพิ่มความเร็วในการทำงาน
• ความเร็วในการอัปเดตความจำดีขึ้น 20% เมื่อเทียบกับโซลูชันอื่นในตลาด
• ความเร็วในการเขียนข้อมูลเร็วกว่า Graphiti ถึง 8 เท่า: โดยมีความเร็วอยู่ในระดับเดียวกับ Mem0 ซึ่งถือว่าไม่ส่งผลกระทบต่อความเร็วในการสนทนาหลักของ OpenClaw เลย

บทสรุป

Hy-Memory คือคำตอบของ Tencent ต่อปัญหา 'ความจำสั้น' ของ AI Agent ในปัจจุบัน ด้วยการสร้างสถาปัตยกรรมการจดจำที่ซับซ้อนแต่มีประสิทธิภาพ โดยเลียนแบบระบบการคิดของมนุษย์ แบ่งโครงสร้างข้อมูลออกเป็นชั้นๆ และร้อยเรียงความทรงจำให้เป็นวิวัฒนาการที่เป็นระเบียบ

ผลลัพธ์ไม่เพียงแค่ทำให้ Agent จำอะไรได้มากขึ้น แต่มันยัง "จำถูก", "จำกระชับขึ้น", และ "เข้าใจคุณ" ได้ดีขึ้นในระยะยาว โดยมีผลทดสอบรองรับอย่างชัดเจน ไม่ว่าจะเป็นการลดความจำขยะ ปริมาณ Token ที่ใช้ และการใช้ความจำที่คุ้มค่าในทุกๆ ชิ้นข้อมูล