supermemoryai/supermemory

TL;DR

Supermemory 是一个旨在解决 AI Agent "短期记忆缺失"问题的全栈上下文引擎。它通过统一的 API 将对话事实提取、用户画像维护（User Profiles）、混合搜索（Hybrid Search）及多模态文档处理整合在一起，并在 LongMemEval 等主流基准测试中取得第一的成绩。

它解决什么问题

LLM 的核心痛点在于会话间的状态丢失。传统的 RAG（检索增强生成）仅能解决静态知识库的检索问题，无法处理随时间变化的用户偏好、事实冲突或临时性记忆。Supermemory 的出现旨在填补这一空白，通过自动从对话中提取事实、维护用户画像并处理信息的时效性（如过期遗忘和矛盾解决），让 AI 具备类似人类的长期记忆能力。

核心做法

Supermemory 并非简单的向量数据库封装，而是一个包含 Memory Engine、User Profiles 和 Hybrid Search 的完整系统。 1. 记忆引擎：自动从对话流中提取事实，处理时间维度的变化（如“我刚搬到旧金山”覆盖旧的纽约地址），并具备自动遗忘过期信息的能力。 2. 用户画像：将记忆分为 static（长期稳定事实）和 dynamic（近期活动），通过单次 API 调用即可在 ~50ms 内返回完整上下文。 3. 混合搜索：默认模式下同时检索知识库文档（RAG）和个人化记忆，无需分别配置 Embedding 管道或分块策略。 4. 多模态处理：内置 PDF、OCR 图像、视频转录及代码 AST-aware chunking，统一接入 Connectors（如 Notion, GitHub）实现实时同步。

作者

项目由 supermemoryai 组织维护。从 README 中的 "We are a research lab" 描述及发布的 MemoryBench 基准测试框架来看，该团队具有强烈的研究导向背景。目前 README 未明确列出核心开发者的个人履历或过往知名项目，但其在 AI Memory 领域的基准测试排名表明其技术实力处于行业前沿。

社区反应

项目自 2024 年 2 月发布以来，Stars 已突破 30,287，Forks 达 2,640，显示出极高的开发者关注度。作为 TypeScript/Python 双端支持的工具库，其 npm/pypi 版本更新频繁（Open Issues: 107），表明社区活跃且迭代迅速。在 AI Agent 基础设施领域，它已迅速成为记忆层的首选方案之一。

怎么上手

依赖：Node.js (npm) 或 Python (pip)。本地运行需支持 Docker 或直接执行二进制文件。
快速开始： bash npm install supermemory # 或 pip install supermemory
本地部署：支持一键安装，完全离线运行。 bash curl -fsSL https://supermemory.ai/install | bash # 或 npx supermemory local
集成：提供 Vercel AI SDK、LangChain、Mastra 等主流框架的 withSupermemory 包装器，以及 Claude Code/Cursor 的插件和 MCP Server。

争议与局限

闭源核心 vs. 开源接口：虽然提供了 SDK、插件和 MCP Server，但核心的 Memory Engine（尤其是云端版本的具体算法细节）并未完全开源。本地版虽可运行，但高级功能可能依赖云端 API。
上下文长度限制：尽管声称减少 99.4% 的 Token 消耗，但对于超长会话或极大规模知识库，其自动遗忘策略可能导致关键细节丢失（README 未提及具体的最大上下文窗口限制）。
模型依赖：本地版默认使用 Xenova/bge-base-en-v1.5 进行 Embedding，若需更高精度或特定语言支持，仍需配置外部模型（如 Ollama 或 OpenAI），增加了部署复杂度。