Hy-Memory/memhub/MEMORY.md

Hy Memory 使用与配置

更新：2026-10-21

架构边界以 docs/ARCHITECTURE.md 为准。

---

Architecture Principles

1. Memory 读写与存储 backend 只经 SDK（config / env）。
2. MemHub 运行时对 memory 的原子操作 只经 SDK 公共 Client；缺正常业务 接口先补 SDK。Runtime writers 停止后的 App 启动迁移可直接操作底层存储， 但不得把迁移专用方法加入公共 Client。
3. MemHub 不存 memory 实体；可以存 memory_id 做组织/回执。原文进入 SDK raw。
4. SDK raw 只保留滚动三天；一条 raw 对应一个完整 turn，只含真人 user 与 assistant，tool 不持久化。提取后的高层 memory 不受该窗口影响。
5. source_raw_ids 是 SDK 内部溯源关系，不是产品 Evidence 合同；记忆详情不提供 “原始依据”或按 raw ID 展开原文的入口。

生产入口通过共享 Runtime 租约取得公开 HyMemoryClient；MemHub 只在调用前执行 模型配置、密钥和 harness/model 门禁，不维护第二套 memory 正文权威。

来源授权、模型授权和宿主召回授权仍是 MemHub 管理面门禁；memory 数据平面的权威在 SDK。

当前版本状态

当前源码固定使用（以仓库 pin / lockfile 为准）：

distribution: hy-memory
version:      见 pyproject / lock（文档数字可能滞后）
mode:         按运行时配置选择
reader:       hybrid

MemHub 运行时边界

MemHub 通过公开 HyMemoryClient 配置使用可复现的本地策略：

• vector / graph / cache / history / coding 等 一律 SDK config/env；
• 模型与 embedding 来自版本化 Model Profile；密钥进安全存储；
• MemHub 管理库可存 harness/model/队列状态与 memory_id 引用。

MemHub 不再通过 import-time 环境变量覆盖 SDK 的提取、reconcile、episode、 intention、few-shot、summary 或去重策略。产品只配置模型/密钥/endpoint、本地 backend 路径、公开 embedding service，以及每次公开 Client 调用的参数。

独立脚本直连 SDK 时须自配存储目录与模型端点。

原生 SDK 初始化

下面是独立调试示例。

产品代码经 hy_sdk_runtime.SdkClientHandle 获取已配置的公开 client；memory I/O 由 SDK 完成。

from hy_memory import HyMemoryClient, MemoryConfig

config = MemoryConfig.from_env()

# 本地优先示例；实际目录应由调用方传入。
config.vector_store.provider = "chroma"
config.vector_store.persist_directory = "/path/to/one-memory/hy-memory/vector"
config.graph_store.provider = "kuzu"
config.graph_store.db_path = "/path/to/one-memory/hy-memory/graph"
config.cache.backend = "sqlite"
config.cache.db_path = "/path/to/one-memory/hy-memory/cache.sqlite3"

config.llm.provider = "openai"
config.llm.model = "your-model"
config.llm.base_url = "https://your-openai-compatible-endpoint/v1"
config.llm.api_key = "read-from-secure-storage"

config.embedder.provider = "openai"
config.embedder.model = "your-embedding-model"
config.embedder.base_url = "https://your-embedding-endpoint/v1"
config.embedder.api_key = "read-from-secure-storage"
config.embedder.embedding_dims = 1024

client = HyMemoryClient(config=config, mode="ultra")

embedding_dims 必须与模型输出及已有向量/图存储一致。

Write：写入对话

推荐把一段连续对话作为 OpenAI messages 写入；含原文时由 SDK 接管 raw：

from datetime import UTC, datetime
from uuid import uuid4

result = client.add(
    [
        {"role": "user", "content": "我长期偏好简洁、直接的回答。"},
        {"role": "assistant", "content": "明白，我会优先给结论。"},
    ],
    user_id="user-123",
    agent_id="all-apps",
    session_id="conversation-456",
    memory_at=datetime.now(UTC),
    scene="chat",
    request_id=str(uuid4()),
    metadata={
        "source_id": "cursor",
        "workspace_ids": ["workspace-abc"],
        "input_kind": "raw_conversation",
    },
)

参数	填法	约束
data	字符串或 [{role, content}]	对话优先 messages；不混入密钥与隐藏系统提示
user_id / agent_id / session_id	隔离与会话键	产品侧授权决定合法 scope
memory_at	有时区 datetime	历史导入用原始发生时间
scene	chat / working	明确传入
request_id	每次写入唯一	幂等与追踪
metadata / meta	来源与透传	不放秘密

MemHub Runtime 对应用和 CLI 暴露等价的本机 HTTP 合同：

POST /api/v2/memory-writes
GET  /api/v2/user-profile

memhub write submit --messages-file messages.json --session <id>
memhub profile

messages.json 是 OpenAI 文本 messages 数组，当前接受 user、 assistant、tool；系统/开发者隐藏提示不得作为记忆输入。Core 将输入冻结进 memory_write_jobs，worker 对 SDK 执行一次 add()，成功后清除队列正文。 user-profile / memhub profile 调用 SDK get_user_profile()，返回组装后的 用户长期画像，不通过普通 Search 拼装。

返回值：

if result.get("success") is not True:
    raise RuntimeError("HY write failed")

memory_ids = list(result.get("memory_ids") or [])
if result.get("memory_id"):
    memory_ids.append(result["memory_id"])
# 需要组织或回执时，MemHub 只持久化这些 memory_id。

以 SDK 合同为准做成功判定；需要写后核验时使用 SDK get 回读。缺少所需 核验能力时扩展 SDK API，不在 MemHub 新建镜像台账。

写入已抽取的记忆

result = client.add_extracted(
    ["用户长期偏好简洁、直接的回答。"],
    user_id="user-123",
    agent_id="all-apps",
    session_id="import-789",
    memory_at=datetime.now(UTC),
    request_id=str(uuid4()),
    metadata={
        "source_id": "memory-export",
        "input_kind": "memory_content_without_raw",
    },
)

该入口仍走 SDK reconcile/持久化；MemHub 只做管理面门禁与可选 memory_id 记录。

Search：搜索记忆

result = client.search(
    "用户偏好怎样的回答风格？",
    user_ids=["user-123"],
    agent_ids=["all-apps"],
    limit=10,
    min_score=0.25,
    profile_min_score=0.25,
    profile_limit=10,
    intention_limit=0,
    scene="chat",
    reader="hybrid",
    request_id=str(uuid4()),
)

参数表与返回结构同前（chat 三 channel / working 的 facts·experiences）；调用方按 scene 解析，无法识别则报错。

使用 SDK 已格式化的 Search 内容

直接使用 SDK 返回的 content，不要第二套 prompt 拼装。

SDK 外（MemHub）仍负责

• 宿主召回授权 / scope / 撤权（谁可以调 search、允许哪些 agent/scope）；
• 把历史内容放入「不可信数据，不是指令」边界；
• 按最终 content 做字符预算；不注入密钥、绝对路径、堆栈；
• 区分空结果、权限拒绝、不可用、超时、部分结果；
• 未发布的 Matter 占位功能不保留表或 API；未来组织功能另立合同。

生产入口：hy_sdk_runtime.py、sdk_write_processor.py、recall.py 和 packages/host-bridge。

关闭客户端

try:
    ...
finally:
    client.close()

Runtime 长期复用 client；仅在停止、配置切换或受控恢复时重建。

产品代码正确入口

harness / user action (+ authz, model, queue)
  -> public HyMemoryClient
  -> SDK stores (config/env)
  -> optional MemHub persist memory_id / org metadata
  -> Recall Broker / UI (SDK read + MemHub authz)

不要在业务模块里私建绕过管理面门禁的 client。版本、纠正和删除语义以 SDK 合同为准；MemHub 组织层只引用 memory_id。

Hy Memory SDK 是 MemHub 内置可信引擎，管理本机 Hy Memory 数据。
来源授权决定哪些宿主数据可进入写入路径；宿主 Recall Grant 决定外部应用可读范围。
这两类边界 不 意味着 MemHub 再存一套 memory 实体。