" 第一周觉得这玩意儿真好用，第二周开始每天得花几分钟提醒它我们在做什么，第三周就只敢问查语法这种小事了。" 腾讯混元团队在研究 Agent 长期协作场景时，频繁收到用户类似的反馈。Openclaw 这类能写代码、能规划、能起草文档的智能助手，内核能力一直很强，但跨天、跨会话之后，那些更深的判断和决策记忆就开始漂移。

5 月 28 日，腾讯混元正式推出 Hy-Memory 记忆插件，专门解决长期协作型 Agent" 记不住、记不对 " 的问题。官方给出的定位很直接——让 Agent 的 " 第二大脑 " 真正运转起来。这个插件用 6 层记忆框架、System1/System2 双系统设计，再加一个演化链机制，试图把用户从 " 三周降级使用 " 的轨迹里拉出来，第一周怎么用，第三个月还能怎么用。

长期任务对记忆系统的挑战，远比普通对话来得狠。用户跟 Agent 聊一个跨季度项目，十几轮甚至几十轮对话里，不停在查资料、调工具、读文档、出方案、回退再改，中间还穿插着 " 为什么选这个、为什么否那个 " 的判断。记忆系统至少要扛住四种压力：历史因果不能丢、偏好变化要能演化、召回速度不能拖慢主链路、还得有深层认知迭代。任何一环崩了，体验就崩了。

Hy-Memory 团队定了三条硬标准：不能丢历史，那些 " 排除过什么、为什么排除 " 的因果链必须保留，否则下次 Agent 可能直接把用户否过的方案又推回来。要能演化，人对技术的偏好、生活习惯、长期目标都在变，记忆不能是简单覆盖或者全量堆积，得形成清晰的演化轨迹。要在主链路里不仅足够快，还要有认知迭代，搜索和召回不能成为响应瓶颈。

第一层底牌是 6 层记忆框架。传统记忆系统把所有信息揉成一堆向量，搜索时一锅端。Hy-Memory 把记忆拆成了六层：从具体事实、用户画像、行为模式，到更深层的心智模型和前瞻意图，每层各司其职。用户问 " 我做大决策有什么习惯 "，Agent 直接看心智模型那层就行，不用把过去几十轮对话原文全塞进来。分层之后，模型注意力不再被无关信息稀释，整个提示词也变得干净。

第二层是双系统设计，灵感来自人脑认知科学的 System1/System2 机制。System1 在用户回车那一秒实时处理写入，负责记录原始痕迹、抽取事实、更新画像、压缩会话摘要。System2 在后台跑，秒到分钟级，负责抽取心智模型、构建知识网络、预测意图。拆开的原因很简单：深度认知很慢，抽一套决策心智模型跑完大模型可能要 5 到 20 秒，让用户每次调用都等这么久根本行不通。现在两条通道独立运转，System1 保证下一句对话立刻能用上新信息，System2 在后台慢慢把两周的对话沉淀成 " 你是谁、你怎么想 " 的深层理解。

第三层底牌演化链，被团队称为真正的杀手锏。长期协作里最典型的坑，就是人的观点会反复调整。一个用户跟 Agent 聊了大半年健身计划，训练态度可能经历过四五次明显转折：春天信心满满跑有氧，夏天膝盖受伤被迫停训，秋天转纯力量训练结果心肺全废，上个月才找到 " 力量加慢跑加瑜伽 " 的混合方案。演化链让记忆能改写，但不丢因果，Agent 得知道每个转折是怎么发生的、为什么转向，而不是只记最新一条状态或者不分青红皂白全部留下。

在权威公开测试集上，Hy-Memory 的效果超过现有主流记忆框架。记忆碎片化问题得到解决，记忆数量降低 70% 以上，每条记忆的信息密度提高 45% 以上。处理超长上下文时，消耗的令牌量降低 35%，记忆更新速度快 20%。这意味着 Agent 不光记得更准，算力开销也更小。