Supermemory：AI记忆与上下文引擎开源实现

State-of-the-art memory and context engine for AI.

文档 · 快速开始 · 私有部署 · 控制台 · Discord

在所有主要 AI memory 基准测试中排名第一 — LongMemEval、LoCoMo 和 ConvoMem。95% Recall@15，上下文压缩率 99.4%。用户画像查询约 50ms。阅读论文 →

Supermemory 是 AI 的记忆层和上下文层。在 LongMemEval、LoCoMo 和 ConvoMem 三大 AI memory 主流基准上均排名第一。

我们是一个研究实验室，围绕这套引擎构建插件和工具。

你的 AI 在每次对话之间会遗忘一切。Supermemory 解决了这个问题。

它自动从对话中学习、提取事实、构建用户画像、处理知识更新与矛盾、遗忘过期信息，并在恰当时机交付正确上下文。完整 RAG、连接器、文件处理 — 整个上下文技术栈，一套系统搞定。

所有这些都建立在同一个记忆结构和本体论之上。

为 Claude Code、Muse Code、Cursor、Codex 和 OpenCode 提供跨对话的持久记忆，只需安装插件或 MCP server。

你的 AI 会记住你的偏好、项目、过往讨论 — 并且随着时间推移越来越聪明。

🔧 我在构建 AI 产品

用单次 API 调用为你的 agents 和应用加入记忆、RAG、用户画像和连接器。

无需配置向量数据库、无需搭建 embedding 管线、无需设计分块策略。

→ 跳转至开发者快速开始

🖥️ 我想自己运行

最先进的记忆系统，跑在你自己的机器上。一个二进制文件。零配置。支持任意模型 — 或配合 Ollama 完全离线运行。

curl -fsSL https://supermemory.ai/install | bash

→ 跳转至 Supermemory local

插件和 MCP server 为任何兼容的 AI 助手提供持久记忆。安装一次，你的 AI 就会记住你。

Supermemory 随附面向 Claude Code、Muse Code、Cursor、Codex、OpenCode、OpenClaw 和 Hermes 的插件。

这些插件是对 supermemory API 的实现，全部开源！

你可以在以下地址找到它们：

Claude Code 插件：https://github.com/supermemoryai/claude-supermemory

Muse Code 插件：https://github.com/supermemoryai/muse-supermemory

Cursor 插件：https://github.com/supermemoryai/cursor-supermemory

Codex 插件：https://github.com/supermemoryai/codex-supermemory

OpenClaw 插件：https://github.com/supermemoryai/openclaw-supermemory

OpenCode 插件：https://github.com/supermemoryai/opencode-supermemory

Hermes agent（Supermemory 记忆提供方）：https://github.com/NousResearch/hermes-agent

https://mcp.supermemory.ai/mcp

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

了解更多关于 MCP 的信息：https://supermemory.ai/docs/supermemory-mcp/mcp

安装完成后，Supermemory 在后台运行：

你像平常一样和 AI 对话。分享偏好、提及项目、讨论问题。

Supermemory 提取并存储重要的内容。事实、偏好、项目上下文 — 而非噪音。

下一轮对话时，你的 AI 已经了解你。它记得你在做什么项目、你喜欢什么样的方式、以及你们之前讨论过什么。

记忆按项目（容器标签）隔离，你可以将工作和个人上下文分开，或按客户、代码仓库或任意维度组织。

Claude Desktop · Cursor · Windsurf · VS Code · Claude Code · OpenCode · OpenClaw · Hermes

MCP server 是开源的 — 查看源码。

将以下配置添加到你的 MCP 客户端：

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

用 Supermemory 构建（API）

如果你在构建 AI agents 或应用，Supermemory 通过单一 API 提供完整上下文技术栈 — 记忆、RAG、用户画像、连接器和文件处理。

npm install supermemory    # 或：pip install supermemory

import Supermemory from "supermemory";

const client = new Supermemory();

// 存储一段对话
await client.add({
  content: "User loves TypeScript and prefers functional patterns",
  containerTag: "user_123",
});

// 单次调用获取用户画像 + 相关记忆
const { profile, searchResults } = await client.profile({
  containerTag: "user_123",
  q: "What programming style does the user prefer?",
});

// profile.static  → ["Loves TypeScript", "Prefers functional patterns"]
// profile.dynamic → ["Working on API integration"]
// searchResults   → 按相似度排序的相关记忆

from supermemory import Supermemory

client = Supermemory()

client.add(
    content="User loves TypeScript and prefers functional patterns",
    container_tag="user_123"
)

result = client.profile(container_tag="user_123", q="programming style")

print(result.profile.static)   # 长期事实
print(result.profile.dynamic)  # 近期上下文

Supermemory 自动提取记忆、构建用户画像，并返回相关上下文。无需 embedding 管线、无需配置向量数据库、无需分块策略。

框架集成

面向所有主流 AI 框架的插入式包装器：

// Vercel AI SDK
import { withSupermemory } from "@supermemory/tools/ai-sdk";
const model = withSupermemory(openai("gpt-4o"), { containerTag: "user_123", customId: "conv-1" });

// Mastra
import { withSupermemory } from "@supermemory/tools/mastra";
const agent = new Agent(withSupermemory(config, "user-123", { mode: "full" }));

Vercel AI SDK · LangChain · LangGraph · OpenAI Agents SDK · Mastra · Agno · Claude Memory Tool · n8n

// 混合模式（默认）— 一次查询同时包含 RAG + Memory
const results = await client.search({
  q: "how do I deploy?",
  containerTag: "user_123",
  searchMode: "hybrid",
});
// 返回部署文档（RAG）+ 用户的部署偏好（Memory）

// 仅记忆
const results = await client.search({
  q: "user preferences",
  containerTag: "user_123",
  searchMode: "memories",
});

传统记忆依赖搜索 — 你需要知道该问什么。Supermemory 自动为每个用户维护一份画像：

const { profile } = await client.profile({ containerTag: "user_123" });

// profile.static  → ["Acme 高级工程师", "偏好深色模式", "使用 Vim"]
// profile.dynamic → ["正在做认证迁移", "调试频率限制问题"]

一次调用。约 50ms。注入到系统 prompt，你的 agent 立刻知道它在和谁对话。

自动将外部数据同步到知识库：

Google Drive · Gmail · Notion · OneDrive · GitHub · Web Crawler

实时 webhook。文档自动处理、分块、可搜索。

完整 API 参考 → supermemory.ai/docs

Supermemory local — 自己运行

最先进的记忆系统，跑在你自己的机器上。一个二进制文件。零配置。

curl -fsSL https://supermemory.ai/install | bash
# 或
npx supermemory local

supermemory-server

首次启动时会初始化内置的 Supermemory 图引擎、本地 embedding 和你的凭证，然后打印出一个 API key。完整 Memory API — 文档、记忆、用户画像、混合搜索 — 运行在 http://localhost:6767。

const client = new Supermemory({
  apiKey: "sm_...",
  baseURL: "http://localhost:6767", // 只需要改这一处
});

支持任意模型 — OpenAI、Anthropic、Gemini、Groq 或任何 OpenAI 兼容端点。首次启动时会有一个交互式向导引导你完成配置。

Embedding — 默认使用本地 Xenova/bge-base-en-v1.5（无需 API key）；也可选 OpenAI、Gemini 或 Ollama。和你配置 cloud 时用同一套 provider。

如果你愿意可以完全离线 — 指向 Ollama（gpt-oss:20b 效果很好），所有数据都不会离开你的机器。

你的数据在一个目录里 — 所有内容都存在 ./.supermemory，易于备份或迁移。

和平台版使用同一套 API — 本地原型开发，生产环境切到托管平台只需改 baseURL。

阅读私有部署文档 — 快速开始、配置、embedding 以及 local vs. Enterprise。

Supermemory 在所有主流 AI memory 基准上均达到业界领先水平：

在 LongMemEval 上，supermemory 达到 95% Recall@15，同时仅增加约 720 个 token 的上下文 — 上下文压缩率 99.4%（@10 为 99.6%，@5 为 99.8%）。各类别召回率：知识更新 99%、Assistant 回忆 100%、用户回忆 97%、多会话 93%、时序推理 91%、偏好 90%。

我们还构建了 Supermemory Filesystem（SMFS），在 Claude 上 token 用量减少 3.0 倍（24M vs 72M），在 Codex 上减少 1.75 倍，xAFS 基准 110 题测试。详见研究页面。

我们还构建了 MemoryBench — 一个开源框架，用于对记忆 providers 进行标准化、可复现的基准测试。将 Supermemory、Mem0、Zep 等方案头对头比较：

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

为你的记忆方案做基准测试

我们为各企业提供了一个 Agent skill，用于将自身的上下文和记忆方案与 supermemory 进行基准对比。

npx skills add supermemoryai/memorybench

直接运行 /benchmark-context 即可 — Supermemory 会自动完成所有工作！

记忆系统底层原理

你的应用 / AI 工具
        ↓
   Supermemory
        │
        ├── Memory Engine     提取事实、追踪更新、解决矛盾、
        │                     自动遗忘过期信息
        ├── User Profiles     由引擎构建的静态事实 + 动态上下文，始终保持新鲜
        ├── Hybrid Search     一次查询同时包含 RAG + Memory
        ├── Connectors        实时同步来自 Google Drive、Gmail、Notion、GitHub...
        └── File Processing   PDF、图片、视频、代码 → 可搜索的分块

Memory 不是 RAG。RAG 检索文档块 — 无状态的，所有人结果相同。Memory 则随时间推移提取并追踪关于用户的事实。它理解「我刚搬到 SF」会覆盖「我住在 NYC」。Supermemory 默认同时运行两者，所以你每次查询都能同时获得知识库检索和个性化上下文。了解更多：https://supermemory.ai/docs/concepts/memory-vs-rag

自动遗忘。Supermemory 知道记忆何时变得无关紧要。临时事实（「我明天有考试」）在日期过后自动过期。矛盾自动解决。噪音永远不会变成永久记忆。

🖥️ 私有部署（Supermemory local）

给你的 AI 记忆能力。是时候了。