Hy Memory 2.0 خدام

Hy Memory 2.0 هو إطار مفتوح المصدر لذاكرة الوكلاء الذكيين من Tencent Hunyuan، مبني على معمارية من 3 طبقات: موديل Hy-Memory-30A3B مخصص لتدريب الذاكرة، وSDK كيدعم 3 أنواع ديال الذاكرة: الدردشة والخدمة والكود، وتطبيق MemHub محلي لإدارة الذاكرة كيقدر يتاصل بـ 10 أدوات ديال الذكاء الاصطناعي. Hy Memory 2.0 كيقدر يراكم وينزامن الذاكرة الشخصية بين المحادثات والأدوات، باش يعطي للـAgent ذاكرة طويلة المدى مستمرة وكاملة، وراه مطبق فخدمات بحال Tencent Self-Selected Stocks وTencent News.

معمارية مفتوحة المصدر بالكامل من 3 طبقات: الموديل المتخصص، إطار الذاكرة، وتطبيق MemHub، وكل واحد يقدر يتستعمل بوحدو أو يتجمعو فحل كامل للذاكرة.
تدبير 3 أنواع ديال الذاكرة: تخزين وتحديث وتطوير ذاكرة الدردشة والخدمة والكود، والمطورين يقدرو يربطو الـAgent عبر SDK.
ذاكرة الدردشة: كتطور الحقائق المتفرقة لخط زمني كامل ديال الأحداث، وكتربط أوتوماتيكيا بين المحتوى اللي كاين عبر أوقات ومحادثات مختلفة وكتحل التعارضات.
ذاكرة الخدمة: كتسجل بأبعاد متعددة أهداف المهام، والطرق والنتائج والتجارب اللي يمكن يعاودو يستعملوها، وكتحكم فشروط الملاءمة قبل إعادة الاستعمال، باش تعاون فتنفيذ المهام الطويلة.
ذاكرة الكود: كتجمع سياق المشاريع فسيناريوهات البرمجة، وكتحسن دقة الإجابة على أسئلة الكود وحل المهام.
مزامنة الذاكرة عبر MemHub: تطبيق محلي كيربط Cursor وCodex و8 أدوات أخرى ديال الذكاء الاصطناعي، وكيستورد المحادثات القديمة وكيحقق مزامنة فورية للذاكرة بين الأدوات.

تابع WeChat وردّ بـ «开源» باش تنضم لمجموعة مشاريع الذكاء الاصطناعي مفتوحة المصدر
تنظيم الذاكرة على شكل أحداث: كيتنظمو الوقت والمكان والأشخاص والعناصر الأخرى حول الحدث، وكيترابطو مع التطورات اللاحقة؛ ومنين كيتجاوب على سؤال فيه خيوط متعددة، كيتجمعو المعلومات المكررة وكيتم فصل المتعارض منها، ومن بعد كتتعطى الذاكرة المنقاة للموديل.
إعادة استعمال التجارب حسب الشروط: ذاكرة الخدمة والكود كتتخزن بأبعاد متعددة حسب هدف المهمة، والطريقة المحددة، ونتيجة المرحلة، وشروط ملاءمة التجربة، وكتتراجع وكتتحدث مع الوقت؛ ومنين كتعاود تستعمل التجربة، كيتحقق الإطار واش السياق الحالي كيوفي بشروط الملاءمة، وكيستدعيها بدقة ملي كتكون مطابقة، باش يتفادى النقل الخاطئ.
استئناف المهام من نقطة التوقف: فكل إعادة تشغيل لمهمة طويلة، كيتحقق الإطار أولا من الأمر اللي كيتعالج دابا، ومن بعد كيرجع بدقة القرارات المرتبطة، والتجارب اللي مازال صالحة، ومسار الخدمة السابق، باستعمال أقل عدد ممكن من Token للحصول على الذاكرة الأكثر ارتباطا.
موديل صغير متخصص: Hy-Memory-30A3B تدرّب بشكل متخصص على تحديث الذاكرة وتدبيرها، وحقق نتائج أحسن من Opus5 فإطارات Hy Memory وMem0 وMemOS وغيرها.
تجميع الذاكرة العامة: MemHub فيه SDK ديال Hy Memory، كيجمع محادثات أدوات الذكاء الاصطناعي محليا فذاكرة شخصية موحدة، وكيزيد السياق للأدوات من جديد على شكل إضافات، وبهذا كتكون أصول الذاكرة مستقلة على الأدوات.

الحصول على الموارد مفتوحة المصدر: حمّل الإطار والتطبيق وأوزان الموديل من GitHub (Tencent-Hunyuan/Hy-Memory وTencent-Hunyuan/MemHub) ومن HuggingFace (Hy-Memory-30B-A3B).
ربط SDK ديال المطورين: دمج Hy Memory SDK فـAgent ديالك واستعمل قدراتو فالتخزين والتحديث واسترجاع الذاكرة.
تثبيت MemHub للمستخدمين العاديين: حمّل CLI ديال MemHub أو تطبيق Mac، وخليه مركز محلي لتدبير الذاكرة.
التصريح وربط أدوات الذكاء الاصطناعي: صرّح فـMemHub لـ WorkBuddy وCursor وCodex و7 أدوات أخرى مدعومة.
استيراد المحادثات القديمة: من بعد التصريح، استورد بنقرة وحدة المحادثات القديمة ديال الأدوات، وغادي يحولها Hy Memory SDK المدمج لذاكرة شخصية محلية.
تفعيل المزامنة الفورية: المحادثات الجديدة اللي كتنتجها الأدوات كتدخل أوتوماتيكيا لنفس الذاكرة العامة، بلا حاجة لأي تدخل يدوي.
الاستعمال عبر الإضافات: منين كتطلق مهمة فشي أداة مربوطة، MemHub كيزيد الذاكرة المرتبطة أوتوماتيكيا فالسياق ديال الأداة الحالية.

3 طبقات مفتوحة المصدر بالكامل: الموديل والإطار والتطبيق كاملين مفتوحي المصدر، ويقدرو يتستعملو بشكل مستقل أو مجموعين، بمرونة رائدة فالمجال.
الأول فالتقييمات الشاملة: جا الأول بين إطارات الذاكرة مفتوحة المصدر فـ 4 Benchmarks ديال 3 سيناريوهات: الدردشة والخدمة والكود.
ابتكار رائد فالمجال: أول إطار ذاكرة كيقدم ذاكرة الخدمة وذاكرة الكود، وكيغطي سيناريوهات الذاكرة بشكل أكمل.
موديل صغير كيتفوق على موديل كبير: موديل متخصص بحوالي 3B من المعاملات المفعلة، كيتفوق ففعالية الذاكرة على Opus5، وبتكلفة قليلة وقابلية نشر قوية.
استهلاك قليل بزاف للتخزين: مع تحقيق أفضل النتائج فـ 3 سيناريوهات، كيبقى استعمال مساحة تخزين الذاكرة قليل، وهادشي مناسب للاستعمال الطويل.
كفاءة بارزة فـToken: فـLoCoMo نقص استهلاك Token بنسبة 39.3%، مع دقة أعلى بسياق أقل.
تحويل الذاكرة لأصل قابل للاستعمال: MemHub كيربط 10 أدوات ديال الذكاء الاصطناعي، وكيخلي الذاكرة الشخصية مستمرة بين الأدوات وماشي مرتبطة بمنتوج واحد.

مستودع GitHub: https://github.com/Tencent-Hunyuan/MemHub
https://github.com/Tencent-Hunyuan/Hy-Memory
مستودع الموديل فـHuggingFace: https://huggingface.co/tencent/Hy-Memory-30B-A3B

مساعد البحث والاستثمار المالي: كيتذكر عبر الأيام والمحادثات القطاعات اللي كيهتم بها المستخدم وعادات التحليل ديالو، وارتفع معدل الاسترجاع متعدد القفزات فـTencent Self-Selected Stocks من 50% لـ90%.
اقتراح المحتوى الإخباري: كيتذكر المواضيع اللي كيهتم بها المستخدم وطريقة النداء المفضلة عندو، وحقق تقييم التفضيلات طويلة المدى فـ«智声» و«新闻妹» ديال Tencent News معدل 91.68.
سؤال وجواب لتدبير المعرفة: iWiki كيجاوب غير بالاعتماد على الذاكرة المسترجعة، وارتفعت الدقة النسبية بـ48.6% مقارنة بتزويده بجميع المحادثات الأصلية.
المساعدة فالتطوير البرمجي: كيتذكر معايير المشروع وتفضيلات البرمجة الشخصية بين الأدوات، وكيعاود يستعمل ذاكرة الكود بسلاسة بين Cursor وCodex وأدوات أخرى.
الخدمة المكتبية والمهام الطويلة: كيسجل أهداف المهام ونتائج المراحل والتجارب القابلة لإعادة الاستعمال، وكيعاون Agent ديال الخدمة المكتبية يستأنف المهام من نقطة التوقف بين محادثات متعددة.