Hy Memory 2.0 운영 중

Hy Memory 2.0은 Tencent Hunyuan이 오픈 소스로 공개한 에이전트 메모리 프레임워크로, 모델 + 프레임워크 + 애플리케이션의 3계층 아키텍처를 채택합니다. 메모리 학습에 특화된 Hy-Memory-30A3B 모델, 채팅/업무/코드 메모리를 지원하는 SDK, 그리고 10종의 AI 도구에 연결할 수 있는 로컬 메모리 관리 애플리케이션 MemHub로 구성됩니다. Hy Memory 2.0은 대화와 도구를 넘나들며 개인 메모리를 축적하고 동기화하여 Agent가 연속적이고 완전한 장기 기억을 갖도록 하며, 이미 Tencent 자산선정, Tencent 뉴스 등 서비스에 적용되었습니다.

3계층 완전 오픈 소스 아키텍처: 전용 모델, 메모리 프레임워크, MemHub 애플리케이션을 독립적으로 사용할 수 있으며, 조합하여 완전한 Memory 솔루션을 구성할 수 있습니다.
3종 메모리 관리: 채팅, 업무, 코드 메모리의 저장·업데이트·진화를 담당하며, 개발자는 SDK를 통해 Agent에 연동할 수 있습니다.
채팅 메모리: 단편적인 사실을 완전한 사건 흐름으로 발전시키고, 시간과 대화를 넘나드는 내용을 자동으로 연결하며 충돌을 해소합니다.
업무 메모리: 작업 목표, 수행 방법, 재사용 가능한 경험을 여러 차원으로 기록하고, 재사용 전에 적용 조건을 판단하여 장기 작업 실행을 지원합니다.
코드 메모리: 코드 관련 상황에 맞춰 프로젝트 컨텍스트를 축적하여 코드 질의응답과 작업 해결의 정확도를 높입니다.
MemHub 메모리 동기화: 로컬 애플리케이션이 Cursor, Codex 등 10종의 AI 도구에 연결되어 과거 대화를 가져오고 도구 간 실시간 메모리 동기화를 구현합니다.

WeChat에서 팔로우 후 “오픈 소스”라고 답장하여 AI 오픈 소스 프로젝트交流群에 참여하세요
이벤트 기반 메모리 구성: 이벤트를 중심으로 시간, 장소, 인물 등의 요소를 정리하고 이후 전개와 연결합니다. 여러 단서가 있는 질문에 답할 때는 먼저 중복 정보를 통합하고 충돌하는 내용을 분리한 다음, 정제된 메모리를 모델에 전달합니다.
조건 기반 경험 재사용: 업무 및 코드 메모리를 작업 목표, 확정된 수행 방법, 단계별 결과, 경험 적용 조건의 여러 차원으로 저장하고 시간에 따라 정리·업데이트합니다. 경험을 재사용할 때는 먼저 현재 상황이 적용 조건을 충족하는지 확인한 뒤 일치할 때 정확하게 호출하여 잘못된 전이를 방지합니다.
작업 중단 지점 재개: 장기 작업을 재시작할 때마다 프레임워크가 현재 처리 중인 항목을 먼저 판단한 후 관련 결정, 여전히 적용 가능한 경험, 과거 작업 과정을 정확하게 불러옵니다. 최소한의 Token으로 가장 관련성 높은 메모리를 확보할 수 있습니다.
전용 소형 모델: Hy-Memory-30A3B는 메모리 업데이트와 관리를 위해 전문적으로 학습되었으며, Hy Memory, Mem0, MemOS 등 프레임워크에서 Opus5를 모두 능가하는 성능을 보입니다.
전역 메모리 통합: MemHub에는 Hy Memory SDK가 내장되어 각 AI 도구의 대화를 로컬에서 통합된 개인 메모리로 축적합니다. 또한 플러그인 방식으로 도구에 컨텍스트를 역으로 보완하여 메모리 자산과 도구를 분리합니다.

오픈 소스 리소스 확보: GitHub(Tencent-Hunyuan/Hy-Memory, Tencent-Hunyuan/MemHub)와 HuggingFace(Hy-Memory-30B-A3B)에서 프레임워크, 애플리케이션 및 모델 가중치를 다운로드합니다.
개발자 SDK 연동: Hy Memory SDK를 자체 Agent에 통합하여 메모리 저장, 업데이트, 호출 기능을 사용합니다.
일반 사용자 MemHub 설치: MemHub CLI 또는 Mac용 APP을 다운로드하여 로컬 메모리 관리 센터로 사용합니다.
AI 도구 권한 부여 및 연결: MemHub에서 WorkBuddy, Cursor, Codex 등 지원되는 10종의 AI 도구를 승인합니다.
과거 대화 가져오기: 승인 후 각 도구의 과거 대화를 한 번에 가져오면, 내장된 Hy Memory SDK가 이를 로컬 개인 메모리로 축적합니다.
실시간 동기화 활성화: 각 도구에서 생성된 새 대화가 자동으로 동일한 전역 메모리에 통합되므로 수동 조작이 필요하지 않습니다.
플러그인 방식으로 호출: 연결된 도구에서 작업을 시작하면 MemHub가 관련 메모리를 현재 도구에 컨텍스트로 자동 보완합니다.

3계층 완전 오픈 소스: 모델, 프레임워크, 애플리케이션이 모두 오픈 소스로 공개되어 독립적으로 사용하거나 조합할 수 있으며, 유연성이 업계 최고 수준입니다.
종합 평가 1위: 채팅, 업무, 코드 3가지 시나리오의 4개 Benchmark에서 모두 오픈 소스 메모리 프레임워크 1위를 차지했습니다.
업계 최초: 업무 메모리와 코드 메모리를 제안한 최초의 메모리 프레임워크로, 더욱 완전한 메모리 시나리오를 지원합니다.
소형 모델이 대형 모델을 능가: 약 3B 활성 파라미터의 전용 모델로, 메모리 성능은 Opus5를 능가하며 비용이 낮고 배포성이 뛰어납니다.
매우 작은 저장 공간: 3가지 시나리오에서 최고의 성능을 보이는 동시에 메모리 저장 공간 사용량이 매우 적어 장기 사용에 적합합니다.
뛰어난 Token 효율: LoCoMo에서 Token 소비를 39.3% 줄이면서 더 적은 컨텍스트로 더 높은 정확도를 달성합니다.
메모리 자산화: MemHub가 10종의 AI 도구를 연결하여 개인 메모리가 도구 간에 연속적으로 유지되고 특정 제품에 종속되지 않도록 합니다.

GitHub 저장소: https://github.com/Tencent-Hunyuan/MemHub
https://github.com/Tencent-Hunyuan/Hy-Memory
HuggingFace 모델 저장소: https://huggingface.co/tencent/Hy-Memory-30B-A3B

금융 투자 리서치 도우미: 여러 날과 대화에 걸쳐 사용자가 관심을 보인 분야와 분석 습관을 기억하며, 자산선정의 다중 홉 호출률을 50%에서 90%로 높였습니다.
뉴스 콘텐츠 추천: 사용자가 관심을 보인 주제와 선호하는 호칭을 기억하며, Tencent 뉴스의 「智声」와 「新闻妹」에서 장기 선호도 평가 평균 91.68을 달성했습니다.
지식 관리 질의응답: iWiki는 호출된 메모리만으로 답변하여 모든 원본 대화를 제공하는 방식보다 정확도가 48.6% 향상되었습니다.
프로그래밍 개발 지원: 도구를 넘나들며 프로젝트 규칙과 개인 코딩 선호도를 기억하고, Cursor, Codex 등 도구 간에 코드 메모리를 원활하게 재사용합니다.
사무 및 장기 작업: 작업 목표, 단계별 결과, 재사용 가능한 경험을 기록하여 사무용 Agent가 여러 대화에 걸쳐 중단된 지점부터 작업을 재개할 수 있도록 지원합니다.