架構拆解：六層分級 × 雙系統分工 × 演化鏈

六層記憶框架（L1–L6）

Hy-Memory唔會好似傳統系統咁將所有記憶撈埋一堆向量，而係將記憶拆成六層，每層各司其職：

System 1 / System 2 雙系統設計

呢個設計靈感嚟自人類認知科學，將記憶加工分成兩班制：

• System 1（白班）：用戶一撳Enter嗰一秒即刻開工，即時處理L1到L4嘅記憶，包括寫入原始痕跡、抽出事實、更新用戶畫像、壓縮會話摘要。
• System 2（夜班）：喺背景以秒至分鐘級別異步運作，專責處理L5到L6嘅深度加工，包括抽取心智模型、建構知識網絡、預測用戶意圖。

演化鏈機制

Hy-Memory唔係單純累積碎片化記憶，而係用一個supersedes（取代）指標將新舊記憶串聯起嚟。技術上做到兩件事：

1. 寫入新記憶嗰陣，透過supersedes指標指返去舊記憶，形成一條鏈
2. 當搜尋命中鏈上面任何一個節點，就會自動展開成條鏈

最新嘅判斷會排喺鏈頭（最前面），而被否定過、被取代、被廢棄嘅舊版本唔會無咗——只係褪到鏈身後面，有需要嘅時候隨時可以展開。官方形容呢個係最適合Agent長期陪伴用戶嘅「長期記憶」形態。

實際性能表現

喺權威公開測試集上，Hy-Memory嘅表現如下：

• 記憶條數減少超過70%，有效解決記憶碎片化問題
• 每條記憶嘅資訊密度提升超過45%
• 處理超長上下文時，Token消耗降低35%
• 記憶更新速度快20%
• 寫入速度係Graphiti嘅8倍，同Mem0同級，唔會拖慢OpenClaw嘅對話主鏈路

用家實際感受到嘅係：記憶儲存數量只有Mem0嘅三分之一、Graphiti嘅四分之一到五分之一，單條記憶嘅資訊密度係Mem0嘅3至4倍，而且採用本地嵌入式儲存，唔需要外部服務，記憶體佔用好低。

部署方式

Hy-Memory以OpenClaw插件形式發佈，透過插件市場一行指令就可以安裝，插件啟動時會拉起一個本地Python進程，負責記憶讀寫服務，OpenClaw經由呢個進程完成自動召回同自動寫入。

總結嚟講，Hy-Memory透過將記憶按類型分層、用快慢雙系統分工處理、以及演化鏈將新舊記憶串聯，令AI Agent真正實現「記得住、記得啱、記得輕、仲愈來愈識你」。實際數據顯示記憶量銳減、資訊密度提升、Token成本下降，寫入速度仲拋離對手幾條街。

架構拆解：六層分級 × 雙系統分工 × 演化鏈

六層記憶框架（L1–L6）

Hy-Memory唔會好似傳統系統咁將所有記憶撈埋一堆向量，而係將記憶拆成六層，每層各司其職：

System 1 / System 2 雙系統設計

呢個設計靈感嚟自人類認知科學，將記憶加工分成兩班制：

• System 1（白班）：用戶一撳Enter嗰一秒即刻開工，即時處理L1到L4嘅記憶，包括寫入原始痕跡、抽出事實、更新用戶畫像、壓縮會話摘要。
• System 2（夜班）：喺背景以秒至分鐘級別異步運作，專責處理L5到L6嘅深度加工，包括抽取心智模型、建構知識網絡、預測用戶意圖。

演化鏈機制

Hy-Memory唔係單純累積碎片化記憶，而係用一個supersedes（取代）指標將新舊記憶串聯起嚟。技術上做到兩件事：

1. 寫入新記憶嗰陣，透過supersedes指標指返去舊記憶，形成一條鏈
2. 當搜尋命中鏈上面任何一個節點，就會自動展開成條鏈

最新嘅判斷會排喺鏈頭（最前面），而被否定過、被取代、被廢棄嘅舊版本唔會無咗——只係褪到鏈身後面，有需要嘅時候隨時可以展開。官方形容呢個係最適合Agent長期陪伴用戶嘅「長期記憶」形態。

實際性能表現

喺權威公開測試集上，Hy-Memory嘅表現如下：

• 記憶條數減少超過70%，有效解決記憶碎片化問題
• 每條記憶嘅資訊密度提升超過45%
• 處理超長上下文時，Token消耗降低35%
• 記憶更新速度快20%
• 寫入速度係Graphiti嘅8倍，同Mem0同級，唔會拖慢OpenClaw嘅對話主鏈路

用家實際感受到嘅係：記憶儲存數量只有Mem0嘅三分之一、Graphiti嘅四分之一到五分之一，單條記憶嘅資訊密度係Mem0嘅3至4倍，而且採用本地嵌入式儲存，唔需要外部服務，記憶體佔用好低。

部署方式

Hy-Memory以OpenClaw插件形式發佈，透過插件市場一行指令就可以安裝，插件啟動時會拉起一個本地Python進程，負責記憶讀寫服務，OpenClaw經由呢個進程完成自動召回同自動寫入。

總結嚟講，Hy-Memory透過將記憶按類型分層、用快慢雙系統分工處理、以及演化鏈將新舊記憶串聯，令AI Agent真正實現「記得住、記得啱、記得輕、仲愈來愈識你」。實際數據顯示記憶量銳減、資訊密度提升、Token成本下降，寫入速度仲拋離對手幾條街。