5 月底看到了腾讯发布 openclaw hy memory 的新闻，我第一时间就安装上了，用了两个月又把它弃用了。
用它的主要原因是它的新闻稿写的特别好，跟别的 Memory 的插件全方位的领先：
85.20% — LongMemEval 同类记忆框架最高分。
在 LongMemEval 与 PersonaMem 两大公开记忆评测上， Hy-Memory 全面领先 mem0、Graphiti、某云平台记忆框架；其中 LongMemEval 总分达到 85.20%， PersonaMem 总分 76.91%，均位列同类框架第一。
https://memory.hunyuan.tencent.com/
用起来也很方便，直接安装后，再把 OpenClaw 配置文件里面的 Memory slot 从 Memory core 改成 Hy memory 即可。
{ "plugins": { "slots": { "memory": "openclaw-hy-memory" } }}
当然也得配置一些相关的参数，比如说
- 需要大文本模型用来归纳记忆，比如提取事实、归纳偏好等多层记忆信息。这只是单纯语义分析，最基础的 Deepseek v4 Flash 足够用，每天也就一两毛钱。
- 它还需要一个 Embedding 模型，就是用来将文本向量化。这样召回记忆时可以用向量化的语义搜索。这方面在硅基动力上找一个即可。这上面其实是有免费的，但我用了那个免费的 BAAI/bge-m3 ，发现不太稳定，最后用的收费的 Qwen/Qwen3-Embedding-8B。但非常便宜，每天也就几分钱。
但实际用起来根本就不是一回事，而且 bug 特别多，总感觉 OpenClaw 的生态随着被 Hermes 替代之后， OpenClaw 的生态圈的更新也不是很及时了。
比如说 HY Memory 所有的记忆都只能在 main agent。无法区分多个 Agent。
记忆导入时灵时不灵。有时候昨天刚聊过的东西一点都不记得了，一问就发现又哪里差距错了。这第三方插件流程过长，只要哪里出现一点小问题就导致系统不按预期执行。
但最关键的问题是，后来我查看 HY Memory 的 log 的时候，我发现它召回的记忆很散乱，很奇怪。这些记忆插在事件回复的上下文里面，不光是没有作用，而且还把上下文给撑大了。
最后还是返璞归真，又用回 OpenClaw 默认的 Memory Core。
个人助手最重要的是保留聊天的原始信息。至于这一些归纳的记忆，随时都可以用更新的模型来根据历史记忆随时生成，所以根本就不着急用这些不稳定的半成品。
所以 Memory Core 再加上 Session Memory 这两个 OpenClaw 自带的 Memory 系统就是可以了。Memory Core 解决记忆召回的问题， Session Memory 解决记忆保存的问题。
Q. E. D.
