Tencent présente Hy Memory 2.0, une mémoire persistante pour les agents IA et les assistants de programmation

Tencent dévoile Hy Memory 2.0, un système open source permettant aux agents IA de conserver leurs connaissances, décisions et modifications entre plusieurs sessions.

Un assistant de programmation qui retrouve les raisons d'une ancienne modification, un agent qui conserve les préférences d'un utilisateur ou plusieurs outils d'intelligence artificielle qui consultent un même historique de travail. Avec Hy Memory 2.0, Tencent Hunyuan propose une infrastructure de mémoire persistante destinée aux agents IA. La nouvelle version distingue trois environnements, les conversations, les tâches professionnelles et le développement logiciel, avec des méthodes de stockage adaptées à chacun. Elle s'accompagne de MemHub, une application locale pour réunir les historiques de plusieurs assistants, ainsi que de Hy-Memory-30B-A3B, un modèle spécialisé dans la sélection et l'actualisation des informations à mémoriser. Une mémoire qui ne dépend pas uniquement de la conversation

Les agents IA peuvent traiter de longues conversations et consulter des documents, mais retrouver une information plusieurs semaines après son apparition reste un problème distinct.

Conserver intégralement un historique ne suffit pas toujours. Une décision peut avoir été modifiée, une préférence peut ne plus être valable et une solution technique peut dépendre d'une ancienne version du code.

Les systèmes classiques de recherche documentaire permettent de retrouver des passages pertinents, mais ne déterminent pas nécessairement quelles informations doivent être conservées durablement, comment elles évoluent ou quand elles deviennent obsolètes.

Hy Memory aborde ce problème à travers une architecture de mémoire structurée.

Plutôt que de stocker toutes les informations dans un seul ensemble, le système organise la mémoire selon la nature des activités réalisées.

La version 2.0 introduit ainsi trois catégories principales : Chat, Working et Coding.

L'objectif est de permettre aux agents de retrouver non seulement ce qui a été dit, mais aussi ce qui a été fait, les solutions retenues et les modifications apportées au fil du temps. Trois mémoires adaptées aux usages des agents

La première catégorie, Chat, concerne les conversations et les informations personnelles utiles sur la durée.

Elle permet de conserver des faits, des préférences, des résumés et des relations entre différentes informations.

La deuxième, Working, s'adresse aux activités professionnelles : rédaction de documents, recherche, analyse de données, création de contenus ou utilisation d'applications.

Elle distingue les faits propres à une session des expériences susceptibles d'être réutilisées dans une tâche similaire.

Par exemple, un agent peut mémoriser qu'un rapport a été produit avec une certaine méthode, puis conserver séparément les étapes qui ont permis de résoudre un problème récurrent.

La troisième, Coding, reprend cette organisation en l'adaptant au développement logiciel.

Elle conserve notamment les décisions de programmation, les fichiers concernés et l'évolution des modifications successives.

Ces trois environnements disposent de mécanismes spécifiques, afin d'éviter qu'un souvenir conversationnel, une méthode professionnelle et un changement de code soient traités comme des informations interchangeables. Huit niveaux pour organiser la mémoire conversationnelle

Pour les conversations, Hy Memory utilise une architecture hiérarchique comprenant huit niveaux, de L0 à L7.

Les premiers conservent les informations générales, les échanges bruts, les faits atomiques et les résumés de sessions.

Des niveaux supplémentaires sont prévus pour les représentations plus abstraites, notamment les schémas de connaissance et les intentions futures.

Les faits atomiques permettent de stocker séparément des informations précises plutôt que de les enfermer dans un résumé général.

Le système peut aussi tenir compte des changements entre plusieurs versions d'une information, afin de ne pas traiter une ancienne affirmation comme nécessairement actuelle.

La mémoire des intentions possède une particularité : elle peut être associée à une date d'expiration.

Une intention qui n'est plus à venir peut ensuite être reclassée parmi les faits ordinaires.

Deux mécanismes complémentaires interviennent dans cette organisation. Le premier concerne l'extraction et la récupération des informations, tandis que le second cherche à établir des relations plus générales entre les connaissances accumulées.

Tencent présente cette approche comme une architecture cognitive à deux processus, inspirée de la distinction entre traitement rapide et réflexion plus élaborée.

Certains niveaux de la hiérarchie restent toutefois réservés dans l'implémentation actuelle et ne doivent pas être interprétés comme huit systèmes entièrement opérationnels. Des expériences réutilisables pour les tâches professionnelles

La mémoire Working introduit une séparation entre faits de session et expériences réutilisables.

Pour chaque session contenant des interactions avec des outils, Hy Memory peut enregistrer un fait retraçant la tâche, l'approche retenue et son résultat.

Le système peut également extraire plusieurs expériences décrivant des solutions susceptibles de servir ultérieurement.

Contrairement aux faits de session, ces expériences doivent satisfaire des critères de valeur avant d'être conservées.

Elles peuvent inclure le problème traité, les éléments permettant de retrouver la solution, les conditions dans lesquelles elle s'applique et une estimation de confiance.

Les deux niveaux sont liés, ce qui permet de retrouver l'activité à l'origine d'une méthode conservée.

Hy Memory prévoit également une chaîne de suivi pour les faits remplacés ou dépassés.

Cette organisation vise à donner aux agents une mémoire de leurs procédures, sans limiter la recherche à des résumés de conversations. Retrouver l'historique des modifications de code

Dans le développement logiciel, la difficulté ne consiste pas uniquement à mémoriser qu'un fichier a été modifié.

Il faut parfois comprendre pourquoi une fonction a changé, quelle solution avait été envisagée auparavant ou quelle version a finalement été abandonnée.

Hy Memory 2.0 ajoute pour cela