supermemoryai/supermemory

面向 AI 的最先进记忆与上下文引擎。

English · 简体中文

在所有主流 AI 记忆基准测试上均排名第一 —— LongMemEval、LoCoMo 和 ConvoMem。

在上下文缩减 99.4% 的情况下，Recall@15 达到 95% · 用户画像耗时约 50 毫秒。

阅读研究 →

Supermemory 是面向 AI 的记忆与上下文层。在 AI 记忆领域的三大基准测试 LongMemEval、LoCoMo 和 ConvoMem 上均排名第一。

我们是一支研究实验室团队，围绕该引擎构建相关插件与工具。

你的 AI 在每次对话之间都会遗忘一切。Supermemory 能够解决这一问题。

它可以自动从对话中学习、抽取事实、构建用户画像、处理知识更新与冲突、遗忘已过期的信息，并在恰当的时机交付恰当的上下文。涵盖完整的 RAG（检索增强生成）、连接器与文件处理能力 —— 整个上下文栈，统统一套系统搞定。


🧠 记忆（Memory）	从对话中抽取事实。处理时间变化、冲突，以及自动遗忘。
👤 用户画像（User Profiles）	自动维护的用户上下文 —— 稳定的事实 + 最近的活动。一次调用，约 50 毫秒。
🔍 混合检索（Hybrid Search）	在同一次查询中同时完成 RAG 与记忆检索，把知识库文档与个性化上下文整合在一起。
🔌 连接器（Connectors）	Google Drive · Gmail · Notion · OneDrive · GitHub —— 通过实时 Webhook 自动同步。
📄 多模态抽取器	PDF、图像（OCR）、视频（转写）、代码（基于 AST 的分块）。上传即可用。

以上所有能力都构建在统一的记忆结构与本体之上。

使用 Supermemory

🧑‍💻 我使用 AI 工具

通过插件或 MCP（Model Context Protocol，模型上下文协议）服务器，为 Claude Code、Muse Code、Cursor、Codex 和 OpenCode 提供跨每次对话的持久记忆能力。

你的 AI 会记住你的偏好、项目以及过往讨论，并随着时间推移变得更聪明。

→ 跳转到用户配置

🔧 我正在构建 AI 产品

通过一套 API，即可为你的智能体和应用加入记忆、RAG、用户画像以及连接器能力。

无需配置向量数据库。无需搭建嵌入流水线。无需考虑分块策略。

→ 跳转到开发者快速上手

🖥️ 我想自己运行它

在你的本机上运行最先进级别的记忆能力。一个二进制文件，零配置。 接入任意模型即可使用 —— 也可以配合 Ollama 完全离线运行。

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

→ 跳转到 Supermemory 本地版

为你的 AI 赋予记忆

插件与 MCP 服务器能为任何兼容的 AI 助手提供持久记忆能力。一次安装，你的 AI 便会记住你。

Supermemory 插件

Supermemory 内置了面向 Claude Code、Muse Code、Cursor、Codex、OpenCode、OpenClaw 和 Hermes 的插件。

这些插件都是 Supermemory API 的实现，并且全部开源！

你可以在这里找到它们：

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

MCP

服务器地址：

https://mcp.supermemory.ai/mcp

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

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

你的 AI 获得的能力

工具	作用
`memory`	保存或遗忘信息。当你分享值得记住的内容时，AI 会自动调用此工具。
`recall`	按查询搜索记忆。返回相关记忆以及你的用户画像摘要。
`context`	在对话开始时将你的完整画像（偏好、最近活动）注入到对话中。在 Cursor 和 Claude Code 中，只需输入 `/context`。

工作原理

安装完成后，Supermemory 会在后台运行：

你像往常一样与 AI 对话。 分享偏好、提及项目、讨论问题。
Supermemory 会抽取并存储重要内容。 包括事实、偏好、项目上下文 —— 而非噪声信息。
下一次对话时，你的 AI 已经了解你。 它会回忆起你正在做的事情、你的偏好，以及之前讨论过的内容。

记忆通过 项目（containerTag，容器标签） 进行作用域划分，便于你将工作与个人上下文分开，或按客户、代码仓库或任意维度进行组织。

支持的客户端

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

MCP 服务器已开源 —— 查看源码。

手动配置

将以下内容添加到你的 MCP 客户端配置中：

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

使用 Supermemory API 进行开发

如果你正在构建 AI 智能体或应用，Supermemory 通过一套 API 即可为你提供完整的上下文栈 —— 包含记忆、RAG、用户画像、连接器以及文件处理能力。

安装

npm install supermemory    # 或：pip install supermemory

快速上手

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",
});

// 一次调用即可获取用户画像 + 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)  # 最近上下文

Supermemory 会自动抽取记忆、构建用户画像，并返回相关的上下文。无需嵌入流水线，无需向量数据库配置，无需考虑分块策略。

框架集成

为各大主流 AI 框架提供即插即用的封装：

// 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

检索模式

// 混合模式（默认）—— 在同一次查询中同时完成 RAG 与记忆检索
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（记忆）

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

用户画像

传统的记忆机制依赖检索 —— 你必须知道该询问什么。Supermemory 会自动为每个用户维护一份画像：

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"]

一次调用，约 50 毫秒。注入到你的系统提示中，你的智能体即可立即了解对话对象。

连接器

将外部数据自动同步到你的知识库：

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

实时 Webhook。文档自动处理、自动分块，并可被检索。

API 一览

方法	用途
`client.add()`	存储内容 —— 文本、对话、URL、HTML
`client.profile()`	一次调用即可获得用户画像，并可选地进行检索
`client.search()`	在记忆与文档之间进行混合检索（通过 `searchMode` 控制）
`client.search.documents()`	带元数据过滤的文档检索（沿用旧版 v3 响应结构）
`client.documents.uploadFile()`	上传 PDF、图像、视频、代码
`client.documents.list()`	列出并过滤文档
`client.settings.update()`	配置记忆抽取与分块行为

完整 API 参考 → supermemory.ai/docs

Supermemory 本地版——自己动手运行

在你自己的机器上运行最先进级别的记忆能力。一个二进制文件，零配置。

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