大家好，我是何三，独立开发者

你有没有遇到过这种情况：跟 ChatGPT 聊了一上午的项目细节，关掉窗口，下午重新打开，它什么都不记得了。

这不是bug，这就是AI的默认状态——无记忆。

每次对话都是一张白纸。你跟它说"我用 TypeScript"、"我喜欢函数式编程"、"我住在上海"，下一轮对话，它又问你"请问你用的是什么语言"。

真的很烦。

最近在 GitHub 上刷到一个项目，20.9k Star，专门解决这个问题。叫 Supermemory，来自 supermemoryai 团队。

它做的事情说起来很简单：给 AI 一层持久化的记忆。但仔细看下去，你会发现它的野心远不止于此。

Memory ≠ RAG，这是两个东西

聊 Supermemory 之前，先得搞清楚一个容易混淆的概念。

很多人觉得"给 AI 加记忆"就是搞个向量数据库，存一些文档切片，需要的时候 RAG 检索出来。没错，这是知识检索，但这不是记忆。

RAG 是无状态的。同样一个问题，不管谁问，返回的结果都一样。它检索的是文档片段，不关心你是谁。

Memory 是有状态的。它追踪的是关于用户的事实，而且这些事实会随时间变化。比如"我住在 NYC"和三个月后的"我刚搬到 SF"，记忆系统得知道后者覆盖了前者。

Supermemory 把这两件事做了明确的区分，然后在底层统一处理。

架构全景

它到底能干什么

直接看核心能力：

🧠 记忆引擎 — 从对话中自动提取事实，处理时间线上的变化、矛盾信息，还能自动遗忘过期的内容。比如你说"明天有个考试"，过了明天，这条记忆就该失效。

👤 用户画像 — 每个用户自动维护一份 profile，包含长期稳定的事实（职位、偏好）和近期的动态上下文（当前在做什么项目）。一次调用，大约 50ms 就能拿到。

🔍 混合搜索 — RAG + Memory 放在一次查询里。查"怎么部署"的时候，既能返回文档里的部署指南，也能返回你之前的部署偏好。

🔌 连接器 — Google Drive、Gmail、Notion、OneDrive、GitHub，全部支持实时同步。文档变了，知识库自动更新。

📄 多模态处理 — PDF、图片（OCR）、视频（转录）、代码（AST 感知的分块），扔进去就能搜。

所有这些跑在同一个记忆结构和本体论上。

Benchmark 全榜第一

AI 记忆这个方向，学术界有三个主要 benchmark：

Benchmark 衡量什么 Supermemory 成绩
LongMemEval 跨会话长期记忆 + 知识更新 81.6% — #1
LoCoMo 扩展对话中的事实召回（单跳/多跳/时序/对抗） #1
ConvoMem 个性化偏好学习 #1

三个榜单，全部第一。

Benchmark

而且他们还开源了一个叫 MemoryBench 的评测框架，方便大家拿 Supermemory 和 Mem0、Zep 这些竞品做对比。这份自信，有点东西。

怎么用：两条路线

Supermemory 提供了两种使用方式，取决于你是 AI 用户还是开发者。

路线一：给日常用的 AI 加记忆

如果你只是想让 Claude、Cursor 这些工具记住你，不需要写代码。

直接装他们的 MCP Server：

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

把 claude 换成你的客户端就行——cursor、windsurf、vscode 都支持。

装完之后，你的 AI 就多了三个能力：

  • memory — 保存或遗忘信息。AI 会在对话中自动调用，把值得记住的东西存下来
  • recall — 按查询搜索记忆，返回相关记忆 + 用户画像摘要
  • context — 在对话开始时注入你的完整画像（偏好、近期活动）

也可以手动配置，在你的 MCP 客户端配置里加上：

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

路线二：给自家的 AI 产品加记忆

如果你在开发 AI Agent 或者应用，Supermemory 提供了一套完整的 API。

安装：

npm install supermemory
# 或者
pip install supermemory

核心用法就几行代码：

import Supermemory from "supermemory";

const client = new Supermemory();

// 存一条记忆
await client.add({
  content: "用户喜欢 TypeScript，偏好函数式编程",
  containerTag: "user_123",
});

// 获取用户画像 + 相关记忆，一次调用
const { profile, searchResults } = await client.profile({
  containerTag: "user_123",
  q: "用户偏好什么编程风格？",
});

// profile.static → ["喜欢 TypeScript", "偏好函数式编程"]
// profile.dynamic → ["正在做 API 集成"]

Python 版本也差不多：

from supermemory import Supermemory

client = Supermemory()
client.add(
    content="用户喜欢 TypeScript，偏好函数式编程",
    container_tag="user_123"
)
result = client.profile(container_tag="user_123", q="编程风格")
print(result.profile.static)  # 长期事实
print(result.profile.dynamic)  # 近期上下文

不需要配向量数据库，不需要搭 embedding 流水线，不需要纠结分块策略。它全帮你处理了。

搜索模式

搜索支持三种模式：

// 混合搜索（默认）— RAG + Memory 一起查
const results = await client.search.memories({
  q: "怎么部署？",
  containerTag: "user_123",
  searchMode: "hybrid",
});
// 返回部署文档（RAG）+ 用户部署偏好（Memory）

// 只搜记忆
const results = await client.search.memories({
  q: "用户偏好",
  containerTag: "user_123",
  searchMode: "memories",
});

框架集成

主流 AI 框架都有现成的封装：

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

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

支持 Vercel AI SDK、LangChain、LangGraph、OpenAI Agents SDK、Mastra、Agno、n8n 等等。

自动遗忘：这才是真正的记忆

我觉得 Supermemory 最有意思的一个设计是自动遗忘。

很多记忆系统只管存不管忘。但真实的人类记忆不是这样的。"我明天有个面试"这种信息，过了明天就没意义了。"我住在 NYC"在你说出"我刚搬到 SF"的那一刻就应该被覆盖。

Supermemory 在引擎层处理了这些问题：

  • 临时事实按时间自动过期
  • 矛盾信息自动解决（新的覆盖旧的）
  • 噪音不会变成永久记忆

这个能力在现有的开源方案里，做得相当完善。

Supermemory

项目信息

  • GitHub：https://github.com/supermemoryai/supermemory
  • Star：20.9k
  • 协议：MIT
  • 语言：TypeScript（61.8%）+ MDX（31.1%）+ Python（6.4%）
  • 技术栈：Postgres、Cloudflare Workers、Remix、Drizzle ORM

开源，MIT 协议，可以自由使用和二次开发。

说说我的看法

AI 记忆这个赛道今年越来越热了。Mem0 之前也火过一阵，但 Supermemory 的差异化很明显——它不只是在做"向量存储 + 检索"，而是真正在构建一个有状态的记忆引擎。

能处理矛盾、能自动遗忘、能维护用户画像，这些才是"记忆"区别于"检索"的关键。

不过也有几点需要注意：

  • 核心的记忆引擎虽然开源，但托管服务是走他们自己的平台的，API 调用依赖他们的后端
  • 如果你需要完全本地化、私有化部署，可能需要自己跑一套完整的后端服务
  • 作为研究型团队的产品，API 稳定性和企业级支持还需要时间验证

但不管怎么说，20.9k Star，三大 Benchmark 全部第一，MIT 开源。对于正在做 AI Agent 的开发者来说，这个项目值得认真看一下。

有时候我就在想，AI 的能力已经这么强了，差的就是这一层"记忆"。等 AI 真的能记住你的一切——你的偏好、你的项目、你说过的话——那交互体验会完全不同。

或许那一天，很快就会来。

本文使用 MGO 编辑并发布
关注"何三笔记"，回复"mgo" 免费下载使用