拆解騰訊混元 Hy-Memory：為 OpenClaw AI 特工裝上不會失憶的第二大腦

騰訊混元旗下的 Hy-Memory 是一款專門為 OpenClaw 這類長期協作型 AI 特工（Agent）設計的記憶插件，被官方形容為能讓特工具備更強大長期記憶與協作能力的「第二大腦」。有別於 OpenClaw 預設僅將記憶儲存為純文字 Markdown 檔案的簡易做法，Hy-Memory 引入了六層記憶框架、System 1／System 2 雙系統設計，以及獨特的演化鏈機制，從根本重新定義了機器人的記憶結構 。

核心架構：六層記憶 × 雙系統 × 演化鏈

L1 至 L6 六層記憶框架

Hy-Memory 不使用單一表格來存放所有記憶，而是將記憶拆分為六個功能明確的層級（L1 至 L6），讓每一種資訊都落在最適合它的位置 ：

層級	名稱	存放內容
L1	原始痕跡	使用者與特工互動的原始對話紀錄，包含完整原始情境
L2	原子事實	從原始互動中提取出來的離散事實
L3	身份畫像	長期累積的使用者偏好、屬性與個人檔案
L4	會話摘要	關於近期對話情境的壓縮式摘要
L5–L6	心智與意圖	非同步處理建構的心智模型、知識網絡及前瞻性意圖結構

System 1／System 2 雙系統處理

Hy-Memory 將認知科學中知名的雙系統理論搬進記憶加工的流程，猶如為 OpenClaw 裝上符合人類思考習慣的「大腦」，並將作業拆成兩班制 ：

• System 1（白班）：在使用者按下 Enter 的瞬間即時啟動。負責處理 L1 至 L4 的記憶寫入，包含紀錄原始痕跡、提取事實、更新用戶畫像、壓縮會話摘要，全部採即時運算。
• System 2（夜班）：在背景以秒到分鐘為單位進行非同步運作。負責 L5 至 L6 的深度加工，包括心智模型抽取、知識網絡建構及意圖預測。這套設計兼顧了互動當下的回應速度，也實現了深層的認知迭代 。

演化鏈機制：讓記憶「有條有理」

過去傳統記憶系統常見的致命傷，就是大量零碎記憶各自獨立存在，形成嚴重的碎片化問題。Hy-Memory 的演化鏈技術只做兩件事，卻從此改變局面 ：

1. 寫入時自動串鏈：每當第 2 條記憶被寫入，它就會攜帶一個 supersedes 指標指向第 1 條；第 3 條指向第 2 條；第 4 條指向第 3 條，形成一條連續的演化鏈。
2. 搜尋時全鏈展開：只要搜尋命中鏈上任何一個節點，系統就會自動展開整條鏈。鏈頭永遠是最新判斷，被否決、取代或廢棄的舊版本也不會丟失，只是退到鏈身後方，有需要時可隨時調閱。

這正是團隊口中「最適合長期陪伴用戶的特工長期記憶型態」，也是 Hy-Memory 能大幅降低碎片化、提升記憶正確性的核心秘訣 。

實測效能：不卡頓、存得少、用得準

在權威公開測試集上，Hy-Memory 壓倒性優於現有主流記憶框架，呈現的數據相當亮眼 ：

• 記憶條數減少逾 70%：透過結構化組織與演化鏈整合，有效終結記憶碎片化。
• 每條記憶資訊密度提升逾 45%：同樣一條記憶，召回時帶來的決策價值更高，Prompt 不再被雜訊污染。
• Token 消耗降低 35%：處理超長上下文時，能幫使用者省下可觀的運算成本。
• 記憶更新速度加快 20%：在資訊持續更新的場景下更顯實用。
• 寫入速度達 Graphiti 的 8 倍：與 mem0 位處同等級，遠遠快過 Graphiti，不會拖慢 OpenClaw 的對話主鏈路 。

OpenClaw 使用者實際體驗到的效益，就是寫入飛快、記憶儲存體積極小（僅 mem0 的 1/3、Graphiti 的 1/4 至 1/5），且全是本地端嵌入式儲存，無須外接服務，系統資源佔用更低 。

部署與定位

從現有公開報告來看：

• Hy-Memory 定位為 OpenClaw 的共享記憶插件，可讓多位特工即時查詢同一份集中化記憶核心 。
• 報導中著重其架構設計與效能突破，並未明確證實三層 Lite/Pro/Ultra 的部署版本；所謂的「三層核心」更精確地說，是指以演化鏈為中心的設計思想 。

總結一句：Hy-Memory 之所以能讓 AI 特工真正「記得牢、記得對、記得輕」，靠的是將記憶分層分類、導入快慢雙系統處理，並用演化鏈把新舊記憶串起來。最終帶來的，不只是碎片化降低、儲存精簡，更是使用者在每一次互動中都能感受到更懂你的陪伴體驗 。

---

本文整理自騰訊混元官方發布與產業媒體報導，實測數據皆源自權威公開測試集。