SuperMemory：面向AI时代的极速可扩展内存引擎与应用

这是什么

Supermemory 是一个基于 TypeScript 构建的开源 AI 记忆与上下文引擎（Memory and Context Engine）。它旨在为 AI 应用提供持久化的记忆层，解决大语言模型（LLM）在对话间“失忆”的问题。

该项目在 GitHub 上拥有超过 23,000 颗 Star，并在 LongMemEval、LoCoMo 和 ConvoMem 三大主流 AI 记忆基准测试中均排名第一。Supermemory 不仅仅是一个简单的向量数据库，它被定位为公司的或个人 AI 的“大脑”，提供从事实提取、用户画像构建到知识更新和冲突处理的全栈上下文管理能力。

解决的问题

传统 AI 助手面临的核心痛点是上下文断裂与状态丢失：

1. 对话间无记忆：LLM 默认是无状态的，每次新对话开始时，之前的交互历史、用户偏好和项目背景都会丢失。
2. RAG 的局限性：传统的检索增强生成（RAG）仅基于文档片段检索，是“无状态”的，无法理解用户随时间变化的个人状态（例如：用户上周说住在纽约，这周搬到了旧金山，传统 RAG 可能仍返回纽约的信息）。
3. 配置复杂：构建记忆系统通常需要自行搭建嵌入管道、向量数据库、分块策略以及复杂的去重和更新逻辑。

Supermemory 通过单一的结构化和本体论系统，自动处理这些复杂性，让 AI 能够像人类一样“记住”用户，并区分长期事实与短期上下文。

核心功能

Supermemory 提供了一套完整的上下文栈，主要包含以下核心模块：

• 自动记忆提取与存储：

  • 自动从对话中提取关键事实、偏好和项目背景。
  • 区分 static（长期静态事实，如职业、技术栈偏好）和 dynamic（动态近期上下文，如当前正在调试的问题）。
  • 支持按项目（Container Tags）隔离记忆，实现工作、个人、不同客户或代码库的上下文分离。

• 智能用户画像（User Profiles）：

  • 为每个用户自动生成并维护动态画像。
  • 单次 API 调用（约 50ms）即可返回用户画像及相关记忆，可直接注入 System Prompt 中，让 Agent 瞬间了解对话对象。

• 混合搜索（Hybrid Search）：

  • 将 RAG（文档检索）与 Memory（个人记忆）结合在单次查询中。
  • 既能检索外部知识库（如部署文档），又能召回用户的个人偏好（如部署方式偏好），实现更精准的上下文供给。

• 自动遗忘与冲突解决：

  • 自动过期：临时性信息（如“明天有考试”）在特定时间后自动失效，避免噪声污染长期记忆。
  • 冲突处理：自动识别并解决事实矛盾（例如用最新地址覆盖旧地址）。

• 外部数据同步（Connectors）：

  • 内置连接器支持 Google Drive、Gmail、Notion、OneDrive、GitHub 等平台的实时同步。
  • 支持文件处理（PDF、图片、视频、代码），自动进行分块和索引。

• 多语言 SDK 与框架集成：

  • 提供 npm install supermemory (TypeScript) 和 pip install supermemory (Python) 官方 SDK。
  • 提供 Vercel AI SDK、Mastra、LangChain、LangGraph、OpenAI Agents SDK 等主流框架的封装插件。

亮点 / 与同类相比

• 基准测试领先：在 LongMemEval、LoCoMo 和 ConvoMem 三大权威基准测试中均位列第一，证明了其在记忆准确性和上下文理解上的 SOTA（State-of-the-art）水平。
• Memory vs RAG 的清晰界定：
  • 传统 RAG 是“无状态”的，对所有人返回相同结果。
  • Supermemory 强调“记忆”是对用户随时间变化的事实追踪。它默认同时运行 RAG 和 Memory，既提供知识库检索，又提供个性化上下文。
• 开箱即用的 Agent 集成：
  • 提供 Nova 内置 Agent。
  • 支持 MCP (Model Context Protocol) 协议，可无缝接入 Claude Desktop、Cursor、Windsurf、VS Code 等主流 AI 客户端。
  • 提供针对 Claude Code、OpenCode、OpenClaw 和 Hermes 的专用插件。
• MemoryBench 基准框架：
  • 项目开源了 MemoryBench 框架，允许开发者公平对比 Supermemory 与 Mem0、Zep 等竞品的表现。
• 极简 API 设计：
  • 开发者无需配置嵌入模型或向量数据库，通过简单的 client.add() 和 client.profile() 即可完成记忆存储与检索。

适合谁用 / 上手

适合人群：

• AI 应用开发者：希望为 Chatbot、Agent 或 Copilot 添加持久化记忆功能的工程师。
• 个人用户：希望拥有能记住自己偏好、项目背景和个人知识的 AI 助手。
• 企业团队：需要管理多用户、多项目上下文，并集成内部知识库（如 Notion、GitHub）的场景。

上手方式：

1. 零代码使用（消费者版）：

   • 直接访问 app.supermemory.ai 使用免费的应用程序。
   • 安装浏览器扩展或桌面应用，即可让任何兼容的 AI 助手获得记忆能力。

2. 开发者集成（SDK/API）：

   • 安装：

     npm install supermemory
     # 或
     pip install supermemory
     

   • 基础代码示例 (TypeScript)：

     import Supermemory from "supermemory";
     const client = new Supermemory();
     
     // 存储记忆
     await client.add({
       content: "User loves TypeScript and prefers functional patterns",
       containerTag: "user_123",
     });
     
     // 获取画像与相关记忆
     const { profile, searchResults } = await client.profile({
       containerTag: "user_123",
       q: "What programming style does the user prefer?",
     });
     

3. 通过 MCP 协议接入客户端：

   • 在 Claude Desktop、Cursor 等支持 MCP 的客户端配置中添加 Supermemory 服务器：

     {
       "mcpServers": {
         "supermemory": {
           "url": "https://mcp.supermemory.ai/mcp"
         }
       }
     }
     

   • 或使用 OAuth 安装：

     npx -y install-mcp@latest https://mcp.supermemory.ai/mcp --client claude --oauth=yes
     

4. 基准测试：

   • 使用 MemoryBench 框架评估自身或竞品的记忆能力：

     bun run src/index.ts run -p supermemory -b longmemeval -j gpt-4o -r my-run
     

更多文档和快速入门指南请参考官方文档：supermemory.ai/docs