学而不厌，诲人不倦。——《论语》

Supermemory：给你的 AI 装上一颗“会记事”的心脏（而且跑得飞快）

Supermemory 走进来时，身上写着一句话——像自我介绍，也像宣言：

Memory engine and app that is extremely fast, scalable. The Memory API for the AI era.

它不爱绕弯子：
它就是来解决那件你早就烦透了的事——你的 AI 每次聊完就忘。

你刚把偏好、项目背景、关键约束说得明明白白，下一次对话它又像刚开机一样：“你是谁？你想要什么？”
Supermemory 把这件事当成了它的天职：把“每次对话都像第一次见面”的尴尬，变成“我一直都懂你”的默契。

它到底是什么：AI 时代的“记忆与上下文层”

Supermemory 不只是一个“存点笔记”的小工具。它更像一个上下文层（memory + context layer），把 AI 需要的“人设、长期事实、最近状态、知识库检索、外部数据源同步、文件解析”全塞进一个系统里。

它自己说得很清楚：

  • 你 AI 在会话之间会忘东西
  • Supermemory 自动从对话里学、抽取事实、维护用户画像
  • 处理知识更新与矛盾
  • 该忘的也会忘（过期信息自动失效）
  • 并在“正确的时机”把“正确的上下文”递给 AI

一句话：Full RAG + connectors + file processing —— 整套 context stack，一个系统。

它像一个什么性格的搭档？

它不是那种“你问我答”的被动型助手。
它更像一个安静但极其勤快的秘书：你在前台聊天，它在后台默默做三件事——

  1. 记住值得记住的
  2. 忘掉应该忘掉的
  3. 在你需要的时候把“你真正的你”递出来

它很懂分寸：不把噪音当记忆，不把临时当永久，不把新事实和旧事实硬挤在一起。

你能从它身上得到什么：五件大事

Supermemory 在 README 里把自己的能力摆成了表格，我把它“拟人化”翻译一下：

1）Memory：它会从对话里“提炼事实”

它不只保存全文，它会提炼“事实”，并且能处理：

  • 时间变化（你搬家了、换工作了、项目变了）
  • 矛盾更新（新信息覆盖旧信息）
  • 自动遗忘（临时事项过期就淡出）

2）User Profiles：它会维护你的“用户画像”，而且很快

它把“稳定事实 + 最近动态”分层维护。
然后你只要一通电话（一次 API call），它就能把画像塞回给 AI。

它甚至强调了速度：One call, ~50ms。

3）Hybrid Search：它把 RAG 和 Memory 合并成“一次查询”

很多系统是：你要么检索知识库，要么检索记忆。
Supermemory 是：你问一次，它把**知识库文档（RAG） + 个人化记忆（Memory）**一起给你。

4）Connectors：它不满足于你说的话，它还会同步你的世界

它支持把外部数据源自动同步进来（并且有实时 webhook）：

  • Google Drive
  • Gmail
  • Notion
  • OneDrive
  • GitHub
  • ……

5）Multi-modal Extractors：它不挑食，PDF、图片、视频、代码都能吃

它能处理：

  • PDFs
  • images（OCR）
  • videos（transcription）
  • code（AST-aware chunking）

你上传，它就开始干活。

两条路：给“自己用的 AI”装记忆，或给“产品里的 AI”装记忆

Supermemory 的 README 直接把使用方式分成两类：

A. “我用 AI 工具”：我想让我的 Claude / Cursor / VSCode 记住我

你可以用 Supermemory 的 app、浏览器扩展、插件、MCP server。

它的目标是：一键安装，你的 AI 就开始记住你。

B. “我在做 AI 产品”：我想给我的 Agent / App 加上记忆、RAG、画像、连接器

你可以直接用它的 API（并且有 npm/pypi 包）。

它的目标是：一个 API，整个 context stack 都给你。

给你的 AI 记忆：MCP 快速安装（命令行一把梭）

Supermemory 很懂现在的生态：你不一定想写代码，你可能只想“装上就能用”。
它给了 MCP 的一条命令：

1
npx -y install-mcp@latest https://mcp.supermemory.ai/mcp --client claude --oauth=yes

它还会提醒你：把 claude 换成你的客户端，比如：

  • cursor
  • windsurf
  • vscode
  • ……

装好之后，你的 AI 会得到三样“可调用的工具”（它们像三个性格不同的小伙伴）：

工具 它做什么
memory 存 / 忘 信息；你说出“值得记”的内容时，AI 会自动调用它
recall 按 query 搜记忆，返回相关记忆 + 你的画像摘要
context 在对话开始时把你的完整画像（偏好、最近状态）注入进去；在 Cursor / Claude Code 里直接输入 /context

MCP 手动配置（如果你喜欢亲手拧螺丝）

最简配置：

1
2
3
4
5
6
7
{
  "mcpServers": {
    "supermemory": {
      "url": "https://mcp.supermemory.ai/mcp"
    }
  }
}

如果你更想用 API key（不用 OAuth）：

1
2
3
4
5
6
7
8
9
10
{
  "mcpServers": {
    "supermemory": {
      "url": "https://mcp.supermemory.ai/mcp",
      "headers": {
        "Authorization": "Bearer sm_your_api_key_here"
      }
    }
  }
}

它怎么工作：像一只在后台值班的“记忆管家”

安装完成后，Supermemory 会在后台持续做事。它的工作流很朴素，但很有效：

  1. 你照常和 AI 聊天：说偏好、说项目、说问题
  2. Supermemory 抽取并存储重要信息：事实、偏好、项目上下文（不是噪音）
  3. 下一次对话：AI 已经“认识你”，知道你在做什么、喜欢什么、之前聊过什么

它还专门强调了“项目隔离”的概念：记忆带 container tag，你可以按项目、按客户、按仓库、按任何你想要的维度把记忆分隔开。

支持哪些客户端？它很社交，朋友很多

README 里列了它支持的客户端：

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

并且 MCP server 也是开源的（有 source 链接）。

如果你要做产品：Supermemory API（npm / pip）就位

它对开发者很友好：安装命令简单粗暴。

1
npm install supermemory    # or: pip install supermemory

然后它会用一段 TypeScript quickstart 把你领进门：

TypeScript：把一段对话变成记忆，再一把拿回画像 + 相关记忆

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
import Supermemory from "supermemory";

const client = new Supermemory();

// Store a conversation
await client.add({
  content: "User loves TypeScript and prefers functional patterns",
  containerTag: "user_123",
});

// Get user profile + relevant memories in one call
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   -> Relevant memories ranked by similarity

它话里话外都在强调一件事：
你不需要自己折腾 embedding pipeline，不需要自己选向量库，不需要自己发明 chunking 策略。

它像在拍着胸口说：
“这些我都给你包了，你只管用。”

Python：同样的动作，一样的气质

1
2
3
4
5
6
7
8
9
10
11
12
13
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)    # Long-term facts
print(result.profile.dynamic)   # Recent context

它还准备了“即插即用”的框架集成

如果你不想从零接 API，它也准备了 drop-in wrappers（README 里列的生态很全）：

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

示例：Vercel AI SDK / Mastra（README 原样给了代码）

1
2
3
4
5
6
7
// 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" }));

它像是在说：
“你在用谁都行，我能跟得上。”

搜索模式：它会挑合适的方式“把你需要的东西端上来”

它支持 searchMode：

  • hybrid（默认）：RAG + Memory 一次给你
  • memories：只在记忆里找（更偏个人化）

README 的示例很直观：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
// Hybrid (default) — RAG + Memory in one query
const results = await client.search.memories({
  q: "how do I deploy?",
  containerTag: "user_123",
  searchMode: "hybrid",
});
// Returns deployment docs (RAG) + user's deploy preferences (Memory)

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

用户画像：一次调用，AI 就知道“自己在跟谁说话”

它把用户画像分成：

  • profile.static：长期稳定事实
  • profile.dynamic：近期动态上下文
1
2
3
4
const { profile } = await client.profile({ containerTag: "user_123" });

// profile.static  -> ["Senior engineer at Acme", "Prefers dark mode", "Uses Vim"]
// profile.dynamic -> ["Working on auth migration", "Debugging rate limits"]

这段设计很“像人”：
你不会每次见朋友都背一遍简历，但你也不会忘掉他是谁；
你会在“长期印象”和“最近状态”之间自然切换。
Supermemory 把这种自然做成了 API。

Connectors：让你的知识库不再靠“手动复制粘贴续命”

它支持把外部数据同步进来：

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

并强调：

  • 实时 webhook
  • 文档自动处理
  • 自动 chunk
  • 可搜索

它像在说：
“你别再当搬运工了，把接口插上，我自己去搬。”

Benchmarks：它不只自夸，还拿成绩单说话

README 写得很硬核：Supermemory 在多个 AI memory benchmark 上表现 state-of-the-art，并且标注：

  • LongMemEval：81.6% — #1
  • LoCoMo：#1
  • ConvoMem：#1

它还做了一个开源框架 MemoryBench，用于标准化评测，并且给了命令行示例：

1
bun run src/index.ts run -p supermemory -b longmemeval -j gpt-4o -r my-run

甚至还准备了一个“让公司评测自己方案”的 Agent skill：

1
npx skills add supermemoryai/memorybench

记忆 vs RAG：它把这句话写得很清楚

它强调了一件经常被混淆的事：Memory 不是 RAG。

  • RAG：检索文档 chunk，偏“无状态”，对每个人一样
  • Memory：抽取并维护“关于用户的事实”，会随时间更新

它举了一个很“人类”的例子：

  • “我刚搬到 SF” 应该覆盖 “我住在 NYC”

并且它默认两者一起跑：你既拿到知识库，也拿到个性化上下文。

自动遗忘：它不会把噪音当永恒真理

它特别写了“Automatic forgetting”：

临时事实会过期，比如：

  • “我明天有考试”

日期过去了，就不该继续占据你的画像。
矛盾会自动解决，噪音不会变成永久记忆。

它像一个很成熟的成年人：
“我记得你，但我不会死记硬背所有废话。”

Links：它给你所有入口（它很开门见山）

��后它又收回那句有点像告白的话：

Give your AI a memory. It’s about time.