换个 AI 就要重新交代背景？腾讯让多个工具共用一份记忆

所谓跨工具记忆，本质是给新来的AI递一份交接说明

换个工具就得把自己的习惯从头念叨一遍，核心原因很简单：没有打通记忆的工具，不会自动知道你在另一个工具里交代过什么。

腾讯混元在 2026 年 10 月 16 日发布的 Hy Memory 2.0，面向普通使用者拿出来的核心组件叫 MemHub。它的逻辑不是让所有软件直接互相翻看聊天记录，而是把授权工具里的历史对话导出来，整理成一份保存在本地的记忆，再按需分给关联的工具使用。

官方目前列出的接入工具覆盖了 10 种，包括 WorkBuddy、Cursor、Codex、Pi、Qwen Code、Hermes、DeepSeek Harness 以及 OpenCode。

这里共享的不是未经筛选的完整聊天长卷。框架在底层把记忆拆成了不同类别：日常聊天主要梳理事件的前后脉络；工作内容记录目标、具体做法、阶段成果与适用条件；代码则追加版本演进。这就好比换同事时交一份经过整理的交接说明，只摘关键信息，不把所有的聊天水群记录都甩给对方。

腾讯的一项测试里，筛过的记忆比完整旧对话更管用

“记住所有事”能不能让回答更准，可以先看腾讯的一项专项测试。

腾讯自己在内部 iWiki 做过一组包含 251 道题的对比测试：在模型和提示词完全一致的前提下，只给模型喂经过检索挑选的相关记忆，答题正确率是 36.7%；而把完整的原始对话一股脑塞进去，正确率反而只有 24.7%。在这项测试里，完整旧对话并没有带来更准确的回答。哪怕是挑选过的 36.7%，也说明它依然有相当一部分内容会答错，记忆框架并不能给模型的理解能力兜底。

更麻烦的是偏好冲突。如果你上个月重点关注消费类股票，这个月把精力转到了半导体，工具要是死记着旧设定不放，就会继续按旧习惯给你答复。

在腾讯自选股场景的专项评测里，展示的做法是当用户的关注方向变更后，系统把旧方向归档存为历史，但保留追溯路径。这样助手在处理新提问时，就不会被过期偏好误导。能把旧信息准确压下去、让新习惯占上风，这比单纯把字存下来要复杂得多。

本地保存不等于绝不出电脑，开源也不等于免费调用

官方宣传里重点提了本地记忆，但在安全和费用边界上，这几个概念不能混为一谈。

翻看 MemHub 的说明和隐私声明，它的权限其实卡了三道关口：读取来源对话、调用模型处理、以及允许某个工具读取记忆，这三项是各自独立授权的，并非勾选一次就等于把全部家底向所有接入的 AI 敞开。

在数据流向方面，官方声明原始内容确实保存在本地设备里。可整理记忆这道工序本身需要模型来算，如果你配置了第三方模型服务，完成任务所必需且经过你授权的内容，依然会发送给对应的服务提供方。在开启这些选项前，系统会展示服务方、发送范围和具体用途。本地存储说明底稿存在哪里，并不能保证处理过程完全离线。

调用成本同样需要算清楚。项目本身开源，指的是这套框架和代码免费公开，但不等于调用外部商业模型不用付费。MemHub 需要配置模型和处理接口，如果你挂载了按量收费的第三方模型服务来清洗和提炼记忆，处理这些文本依然会产生调用费用。

Windows暂不支持，单应用用户没必要为了新概念折腾

落到日常使用上，这套方案目前有相当明确的门槛。

根据官方仓库的说明，MemHub 当前不支持 Windows 系统。虽然放出了 Mac 应用和命令行工具，相关的运行组件也放出了 macOS 和 Linux 对应的发行包，但并非所有系统架构的用户都能直接一键下好开箱即用。

它的适用人群其实划分得很清楚：

如果你每天的绝大部分操作都在同一个聊天应用里完成，现在的用法完全够用，不需要为了尝鲜新功能特意折腾一套本地服务和接口配置。

只有当你经常在 Cursor、Codex、WorkBuddy 这类已被支持的工具之间来回倒手，反复填写相同开发规范或工作背景成了实质负担时，给它们建立一份受控的中间记忆才有省事的意义。

换工具不再从零自我介绍，这套方案给出了一个可尝试的路径；但它依靠的是有限范围的格式化整理和明确的权限勾选，既不是全自动同步的万能管家，也不是完全不花计算成本的免费午餐。