OpenClaw などの AI Agent を深く使ったことがあれば、こんな「3週間の軌跡」を高確率で経験しているでしょう：

• 第1週（蜜月期）：プロジェクトの経緯、決定事項とトレードオフをひとまとめに Agent に伝えると、何でも手伝ってくれる
• 第2週（不安期）：開くたびに3-5分かけて何をしているのか思い出させなければならず、日をまたぐ深い判断はすべて失われる
• 第3週（降級期）：深い質問はしなくなり、資料検索や文章修正にだけ使う。「一緒に考えてくれるパートナー」から「検索ツール」へ格下がりする

これはモデル能力の問題ではなく、記憶システムの欠陥です。Hy-Memory はまさにこの問題を解決するためにあります。

• プロジェクトページ：https://memory.hunyuan.tencent.com/
• 利用ドキュメント：https://memory.hunyuan.tencent.com/openclaw/

Hy-Memory とは何か

Hy-Memory は Tencent が発表した OpenClaw 用メモリプラグインで、3層の核心アーキテクチャによって、Agent が長期利用の中で「記憶できる、正しく記憶する、軽く記憶する、よりあなたを理解する」ことを実現します。

権威ある公開テストセットでの結果：

• 記憶フラグメント数を70%以上削減、各記憶の情報密度を45%以上向上
• 超長コンテキスト処理のトークン消費を**35%**削減
• 記憶更新速度が**20%**高速

3層の核心アーキテクチャ

第1層：6層の記憶フレームワーク

Hy-Memory はすべての記憶を同じ1枚のテーブルに詰め込んだりしません。記憶を6層に分け、各層に1つの役割を持たせます：

「私が大きな決定を下すときの癖は？」と聞けば Agent は L5 のメンタルモデルを優先的に見ます。「私はどこに住んでいる？」と聞けば L2 の1条の事実で十分。何を聞くかでどの層を辿るかが決まり、検索効率と正確度がどちらも大幅に向上します。

第2層：System1 / System2 デュアルシステム

人間の脳の認知科学を参考に、記憶処理を2つのシステムに分割します：

• System1（日勤）：メッセージ送信後にリアルタイム処理。生の痕跡の書き込み、事実の抽出、プロフィールの更新、要約の圧縮を担当——L1からL4の高速操作
• System2（夜勤）：バックグラウンドで動作し、秒から分単位。メンタルモデルの抽出、知識ネットワークの構築、意図の予測を担当——L5からL6の深い認知

なぜ分割するのか？深い認知は遅いからです。「決定メンタルモデル」を1条抽出するのに5-20秒かかることもあります。毎回の対話で20秒待つのは誰にも耐えられません。分割することで、すぐに使える記憶は System1 が秒単位で書き込み、深層の理解は System2 がバックグラウンドでゆっくり沈殿します。

第3層：進化チェーン

これが Hy-Memory の最も核心的な設計であり、最も落とし穴にはまりやすい部分でもあります。

Agent と半年近くにわたって筋トレ計画について話し、態度が4回転換したとします：ランニング -> HIIT（膝を負傷）-> 純粋な筋力（心肺を落とす）-> ミックスプラン。今日あなたが「来月新しいトレーニング方式を増やしたいが、何をお勧め？」と聞きます。

3種類の記憶システムは3つの答えを出します：

上書き派（最新のみ記憶）：CrossFit を推奨。しかしあなたの膝が怪我をしたことを知らないため、再び怪我をさせる可能性が高いです。

堆積派（すべて保持）：HIIT を推奨。「ランニングは効果的」と「混合トレーニングは安定」がベクトル類似度で最も上位に来るため、間の「HIIT は膝を傷める」が埋もれてしまうからです。

Hy-Memory の進化チェーン：supersedes ポインタで4条の記憶を1本のチェーンにつなげます。検索が最新の1条にヒットすると、チェーン全体が自動的に展開されます。Agent は態度の変遷経路を完全に入手し、高衝撃の爆発系トレーニングを避け、水泳やサイクリングを検討するよう助言するでしょう。

性能

LongMemEval（500問で6つの能力次元をカバー）と PersonaMem（6000+件のメッセージ / 589問の実際の長期対話評価）において、Hy-Memory の成績は同種のフレームワークすべてを上回り、偏好（+21.11pp）、時系列推論（+9.63pp）、知識更新（+21.37pp）の3項目でリードしています。

書き込み速度は mem0 と同水準で、Graphiti の8倍。記憶条数は mem0 の1/3、Graphiti の1/4から1/5のみ。1条あたりの記憶情報密度は mem0 の3-4倍です。

インストールと設定

1行コマンドでインストール：

npm config set registry https://mirrors.tencent.com/npm/ && \
openclaw plugins install @tencent/hy-agent-memory --dangerously-force-unsafe-install --force && \
openclaw hy-memory init

既定では Chroma をローカルの組み込み型ベクトルストアとして使用し、データは自動でローカルに永続化されます。Qdrant のインストールも Docker も不要で、LLM / Embedding の API Key を設定するだけで使えます。

インストールの確認：

openclaw hy-memory status

3段階の設定を必要に応じて選択

初回インストールでは Pro を直接お勧めします。アップグレードはスイッチ1つの変更で済み、再接入は不要です。

向いている人

• OpenClaw のヘビーユーザーで、「毎日 Agent に教え直す」ことにうんざりしている人
• Agent をプロジェクト管理や知識管理に長期的に使っている人
• Agent に自分の偏好や意思決定パターンを本当に理解してほしいチーム