编者摘要：Supermemory 是面向 AI 的 SOTA 记忆与上下文引擎，在 LongMemEval、Locomo、ConvoMem 三大 AI 记忆基准评测均排名第一，Recall@15 召回率 95%，可实现 99.4% 上下文压缩，用户画像查询仅约 50ms。它区别于传统 RAG：RAG 检索静态文档片段，Supermemory 可提取用户事实、处理时序变更与信息冲突、自动遗忘过期内容，内置混合检索，同时支持知识库 RAG + 个性化记忆查询。核心模块包含记忆引擎、自动维护的用户画像、多模态文件解析、第三方平台连接器（Notion/GitHub/ 网盘等）。支持三种使用场景：AI 终端用户通过 MCP / 插件给 Cursor、Claude Code 等代码助手增加跨对话持久记忆；开发者调用统一 API 构建 AI 智能体，无需自行搭建向量库与分块逻辑；技术人员可本地一键部署，单二进制零配置，支持完全离线搭配 Ollama。配套提供开源 Memorybench 评测框架，可横向对比 Mem0、Zep 等同类记忆产品。

10 个关键问题 Q&A

1. Supermemory 是什么？
   面向 AI 的记忆与上下文层引擎，给大模型提供跨对话持久记忆，集成 RAG、用户画像、文件处理全套上下文能力。
2. 它和普通 RAG 最大区别？
   RAG 只检索静态文档片段；Supermemory 会理解用户事实、处理信息更新与矛盾，自动淘汰过期记忆，具备时序推理能力。
3. 性能指标有哪些？
   三大 AI 记忆基准第一；Recall@15 召回率 95%，上下文缩减 99.4%；用户画像单次调用约 50ms。
4. 哪些 AI 客户端可以直接接入？
   Claude Desktop、Cursor、Windsurf、VS Code、Claude Code、OpenCode、Hermes 等，通过 MCP 或插件接入。
5. 本地部署难度高吗？
   一键脚本安装，单二进制文件，零基础配置，支持搭配 Ollama 完全离线，数据保存在本地目录。
6. 开发接入是否需要维护向量数据库？
   不需要，API 封装嵌入、分块、向量检索底层逻辑，开发者直接调用接口即可。
7. containerTag 容器标签作用？
   用于记忆空间隔离，可按项目、客户区分上下文，分开存储工作、私人记忆。
8. 支持哪些外部数据源同步？
   Google Drive、Gmail、Notion、OneDrive、GitHub，支持 webhook 实时同步文档。
9. 支持哪些文件类型？
   PDF、图片（OCR）、视频（字幕转写）、代码（AST 感知智能分块）。
10. Memorybench 是什么？
    Supermemory 开源评测框架，标准化测试 AI 记忆方案，可横向对比 Supermemory、Mem0、Zep 等竞品。
    

附录 Supermemory ：面向 AI 的顶尖记忆与上下文引擎

官网文档：https://supermemory.ai/docs・快速入门：https://supermemory.ai/docs/quickstart・本地部署概览：https://supermemory.ai/docs/self-hosting/overview・控制台：https://console.supermemory.ai/・Discord 社区：https://supermemory.link/discord

NPM 包：https://www.npmjs.com/package/supermemoryPyPI 包：https://pypi.org/project/supermemory/文档主页：https://supermemory.ai/docs

英文原版・中文 README：https://github.com/supermemoryai/supermemory/blob/main/README.zh-CN.md

在所有主流 AI 记忆评测基准上排名第一 —— 评测项目包括 LongMemEval、Locomo（Snap 研究院）、ConvoMem（Salesforce）。Recall@15 召回率 95%，上下文缩减率 99.4%；用户资料查询耗时约 50 毫秒。研究报告：https://supermemory.ai/research

Supermemory 是 AI 的记忆与上下文层。在三大主流 AI 记忆基准 LongMemEval、Locomo、Salesforce ConvoMem 中均取得第一名。

我们是一家研究实验室，致力于打造这套引擎，以及配套插件与工具。

你的 AI 在对话间隙会遗忘一切。Supermemory 解决这个痛点。它能自动从对话中学习、提取事实、构建用户画像，处理知识更新与信息冲突，自动淘汰过期信息，在恰当的时机返回所需上下文。内置完整检索增强生成（RAG）、数据连接器、文件处理能力 —— 一整套上下文栈，集成在同一个系统内。

🧠 记忆模块从对话提取事实，处理时间变化、信息矛盾，并自动遗忘失效内容。

👤 用户画像自动维护用户上下文：长期稳定事实 + 近期活动记录。单次调用，耗时约 50 毫秒。

🔍 混合检索单次查询同时支持 RAG 检索 + 记忆检索。知识库文档与个性化上下文一并返回。

🔌 连接器谷歌云盘、Gmail、Notion、OneDrive、GitHub，支持通过 Webhook 实时自动同步。

📄 多模态提取器支持 PDF、图片（OCR 文字识别）、视频（语音转文字）、代码（基于抽象语法树 AST 智能分块）。上传即可直接使用。

以上所有能力，统一基于一套记忆结构与本体模型。

使用 Supermemory

https://github.com/supermemoryai/supermemory#use-supermemory

🧑‍💻 我使用 AI 工具https://github.com/supermemoryai/supermemory#%E2%80%8D-i-use-ai-tools

通过插件或 MCP 服务，为 Claude Code、Muse Code、Cursor、Codex、OpenCode 在所有对话中提供持久记忆。你的 AI 可以记住你的偏好、项目、过往讨论，并随着使用持续变聪明。https://github.com/supermemoryai/supermemory#give-your-ai-memory

🔧 我正在开发 AI 产品https://github.com/supermemoryai/supermemory#-im-building-ai-products

只需调用一套 API，即可为你的智能体与应用增加记忆、RAG、用户画像、外部数据连接器能力。无需配置向量数据库，不用搭建嵌入向量流水线，不用手动设计文本分块策略。https://github.com/supermemoryai/supermemory#build-with-supermemory-api

🖥️ 我想本地自行部署https://github.com/supermemoryai/supermemory#%EF%B8%8F-i-want-to-run-it-myself

在本地设备上运行顶尖记忆引擎。单二进制文件，零配置。可接入任意大模型；搭配 Ollama 可实现完全离线运行。

bash

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


https://github.com/supermemoryai/supermemory#supermemory-local--run-it-yourself

赋予 AI 记忆

https://github.com/supermemoryai/supermemory#give-your-ai-memory插件与 MCP 服务可为所有兼容的 AI 助手提供持久记忆。安装一次，AI 就能记住你。

Supermemory 插件

https://github.com/supermemoryai/supermemory#supermemory-plugins内置适配 Claude Code、Muse Code、Cursor、Codex、OpenCode、OpenClaw、Hermes 的插件。

这些插件均基于 Supermemory API 实现，开源免费！插件仓库地址：

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

MCP（模型上下文协议）

https://github.com/supermemoryai/supermemory#mcp服务地址：https://mcp.supermemory.ai/mcp

json

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


MCP 详细文档：https://supermemory.ai/docs/supermemory-mcp/mcp

AI 将获得哪些能力

https://github.com/supermemoryai/supermemory#what-your-ai-gets

工具	功能说明
memory	保存或遗忘信息。当你输入值得记录的内容时，AI 会自动调用。
recall	根据查询检索记忆，返回相关记忆内容 + 用户画像摘要。
context	对话开始时注入完整用户画像（偏好、近期动态）。在 Cursor、Claude Code 中，直接输入 /context即可调用。

工作原理

https://github.com/supermemoryai/supermemory#how-it-works安装完成后，Supermemory 在后台运行：

1. 你照常和 AI 对话，告知偏好、提及项目、讨论问题；
2. Supermemory 提取并存储关键信息：事实、偏好、项目上下文，过滤无效噪音；
3. 开启新一轮对话时，AI 已经了解你：记得你正在做的工作、你的习惯偏好、过往讨论内容。

记忆按项目容器标签隔离。你可以区分工作 / 私人上下文，也可以按客户、代码仓库等维度分组管理。

支持客户端

https://github.com/supermemoryai/supermemory#supported-clientsClaude 桌面端、Cursor、Windsurf、VS Code、Claude Code、OpenCode、OpenClaw、Hermes

MCP 服务开源：https://supermemory.ai/docs/supermemory-mcp/mcp

手动配置

https://github.com/supermemoryai/supermemory#manual-configuration将下面配置添加到你的 MCP 客户端配置文件：

json

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


通过 Supermemory API 进行开发

https://github.com/supermemoryai/supermemory#build-with-supermemory-api如果你正在开发 AI 智能体或应用，Supermemory 通过单一 API 提供整套上下文栈：记忆、RAG、用户画像、连接器、文件处理。

安装

bash

npminstall supermemory
# 或者
pip install supermemory


https://github.com/supermemoryai/supermemory#install

快速上手

javascript

importSupermemoryfrom"supermemory";
const client =newSupermemory();

// 存储一段对话内容
await client.add({
content:"用户喜欢TypeScript，偏好函数式编程范式",
containerTag:"user_123",
});

// 一次调用获取用户画像 + 相关记忆
const{ profile, searchResults }=await client.profile({
containerTag:"user_123",
q:"用户偏好哪种编程风格？",
});
// profile.static → ["喜欢TypeScript", "偏好函数式编程"]
// profile.dynamic → ["正在做API集成开发"]
// searchResults → 根据相似度排序的相关记忆


python

from supermemory import Supermemory
client = Supermemory()

client.add(
    content="用户喜欢TypeScript，偏好函数式编程范式",
    container_tag="user_123"
)

result = client.profile(container_tag="user_123", q="编程风格")
print(result.profile.static)# 长期不变事实
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。无需搭建向量嵌入流水线，不用配置向量数据库，无需设计文本分块策略。

框架集成

https://github.com/supermemoryai/supermemory#framework-integrations提供主流 AI 框架开箱即用封装：

javascript、

// 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 =newAgent(withSupermemory(config,"user-123",{mode:"full"}));


支持：Vercel AI SDK、LangChain、LangGraph、OpenAI Agents SDK、Mastra、Agno、Claude Memory Tool、n8n

检索模式

javascript

// 混合检索（默认）：单次查询同时检索RAG文档 + 记忆
const results =await client.search({
q:"如何部署？",
containerTag:"user_123",
searchMode:"hybrid",
});
// 返回部署文档(RAG) + 用户的部署偏好(记忆)

// 仅检索记忆
const results =await client.search({
q:"用户偏好设置",
containerTag:"user_123",
searchMode:"memories",
});


https://github.com/supermemoryai/supermemory#search-modes

用户画像

https://github.com/supermemoryai/supermemory#user-profiles传统记忆方案依赖检索，你必须明确知道要查询什么。Supermemory 为每位用户自动维护画像：

javascript

const{ profile }=await client.profile({containerTag:"user_123"});
// profile.static → ["Acme公司高级工程师", "偏好暗色模式", "使用Vim编辑器"]
// profile.dynamic → ["正在做身份认证迁移", "调试限流问题"]


单次调用，约 50 毫秒。直接注入系统提示词，智能体立刻了解对话对象。

外部连接器

https://github.com/supermemoryai/supermemory#connectors将外部数据自动同步到知识库：谷歌云盘、Gmail、Notion、OneDrive、GitHub、网页爬虫支持实时 Webhook，文档自动处理、分块，随时可检索。

API 总览

https://github.com/supermemoryai/supermemory#api-at-a-glance

接口方法	作用
client.add()	存储文本、对话、链接、HTML 内容
client.profile()	一次性获取用户画像 + 可选记忆检索
client.search()	跨记忆与文档混合检索（支持检索模式切换）
client.search.documents()	文档检索，支持元数据筛选（v3 旧版返回格式）
client.documents.uploadFile()	上传 PDF、图片、视频、代码文件
client.documents.list()	文档列表与筛选
client.settings.update()	配置记忆提取、文本分块规则

完整 API 参考文档 → https://supermemory.ai/docs

Supermemory Local：本地部署

https://github.com/supermemoryai/supermemory#supermemory-local--run-it-yourself本地设备上运行顶尖记忆引擎。单二进制程序，零配置。

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


首次启动会初始化内置的 Supermemory 图引擎、本地向量嵌入、凭证信息，并输出 API 密钥。完整记忆 API（文档、记忆、用户画像、混合检索）在 http://localhost:6767提供服务。

javascript

const client =newSupermemory({
apiKey:"sm_...",
baseURL:"http://localhost:6767",// 仅需修改这一行
});


可接入任意模型：OpenAI、Anthropic、Gemini、Groq，或是任意兼容 OpenAI 接口的端点。首次启动有交互式向导引导配置。

向量嵌入：默认使用本地 Xenova/bge-base-en-v1.5，无需额外 API 密钥；也可选择 OpenAI、Gemini、Ollama。云端与本地使用同一套嵌入服务商体系。

可完全离线运行：对接 Ollama（gpt-oss:20b效果很好），所有数据不会流出本机。

数据统一存放：全部数据保存在 ./.supermemory目录，方便备份与迁移。

本地与云端 API 完全一致：本地原型开发完成后，只需修改 baseURL 即可切换到托管平台上线。

本地部署文档：概览 https://supermemory.ai/docs/self-hosting/overview；快速入门 https://supermemory.ai/docs/self-hosting/configuration；嵌入模型 https://supermemory.ai/docs/self-hosting/embeddings；本地版 vs 企业版 https://supermemory.ai/docs/self-hosting/local-vs-enterprise

评测基准

https://github.com/supermemoryai/supermemory#benchmarksSupermemory 在全部主流 AI 记忆评测基准上达到 SOTA 顶尖水平：

评测项目	评测目标	结果
LongMemEval	跨会话长期记忆、知识更新能力	第一名
Locomo（Snap 研究院）	长对话事实召回：单跳、多跳、时序、对抗场景	第一名
ConvoMem（Salesforce）	个性化理解、用户偏好学习	第一名

LongMemEval 测试中，Supermemory 在 Recall@15 达到 95% 召回率，仅增加约 720 个上下文 token，上下文缩减率 99.4%（Recall@10 缩减率 99.6%，Recall@5 缩减率 99.8%）。分项召回率：知识更新 99%，助手记忆 100%，用户信息 97%，跨会话记忆 93%，时序推理 91%，用户偏好 90%。

项目还自研了 Supermemory 文件系统（SMFS）。在 xAFS 基准（110 道问题）中，Claude 场景下 token 用量减少至原来 1/3（24M 对比 72M）；Codex 场景 token 减少 1.75 倍。完整研究论文：https://supermemory.ai/research

同时开源了 Memorybench 框架，用于标准化、可复现地评测记忆服务。可横向对比 Supermemory、Mem0、Zep 等产品：

bash

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


文档：https://supermemory.ai/docs/memorybench/overview

评测自研记忆方案

https://github.com/supermemoryai/supermemory#benchmarking-your-own-memory-solution提供 Agent 技能包，企业可将自研上下文 / 记忆方案和 Supermemory 做对比测试。

bash

npx skills add supermemoryai/memorybench


执行后输入 /benchmark-context，Supermemory 会自动完成评测。

底层原理：记忆如何工作

你的应用/AI工具
        ↓
Supermemory
│   ├── 记忆引擎：提取事实、跟踪更新、消解信息冲突，自动遗忘过期信息
│   ├── 用户画像：由记忆引擎持续构建，包含静态事实 + 动态上下文，始终保持最新
│   ├── 混合检索：单次查询同时执行RAG检索 + 记忆检索
│   ├── 连接器：谷歌云盘、Gmail、Notion、GitHub等实时同步
│   └── 文件处理：PDF、图片、视频、代码 → 可检索文本块


记忆 ≠ RAGRAG 返回文档片段，是无状态的，所有人检索得到相同结果。记忆是持续追踪用户相关事实：理解 “我刚搬到旧金山” 会覆盖旧信息 “我住在纽约”。Supermemory 默认同时提供两种能力，每次查询既检索知识库文档，也调取个性化上下文。详细文档：https://supermemory.ai/docs/concepts/memory-vs-rag

自动遗忘机制Supermemory 可以识别失效记忆。临时信息（例如 “我明天有一场考试”）会随时间到期自动失效；信息冲突自动消解；无效噪音不会永久保存。

相关链接

📖 https://supermemory.ai/docs🚀 https://supermemory.ai/docs/quickstart🖥️ https://supermemory.ai/docs/self-hosting/overview🧪 https://supermemory.ai/docs/memorybench/overview🔌 https://supermemory.ai/docs/integrations💬 https://supermemory.link/discord𝕏 https://twitter.com/supermemory