Supermemory

项目简介

Supermemory 是一个面向 AI 智能体的记忆基础设施，帮助 AI Agent 在长期对话和跨会话场景中保持上下文记忆。它将非结构化的聊天记录、文档、网页、文件等内容转化为可检索的知识网络，让 AI 能够真正记住关键信息并在需要时调用。目前 GitHub 星标数超过 3 万，受到 AI 开发者社区的广泛关注。

核心功能

多模态内容摄取：支持摄入对话记录、文本、Markdown、HTML、PDF、图片、音视频、代码文件等多种格式的内容。无需手动预处理，Supermemory 自动完成文本提取、OCR 识别和语音转写。

智能分块与向量化：内容进入系统后，自动进行上下文感知分块（Contextual Chunking），生成向量嵌入用于语义相似度搜索。同时保留原始结构，便于精确检索。

时序向量图数据库：内置自定义学习模型和图数据库，记录内容之间的时间关系和语义关联。不同于简单的向量数据库，Supermemory 还会对摄入内容进行二次处理（称为 dreaming 阶段），生成记忆事实并纳入知识图谱。

语义搜索与精确查询：通过自然语言描述即可在记忆库中检索相关内容，支持语义相似度搜索和全文搜索两种模式。检索结果可按时间、相关性等多维度排序。

开发者友好的 SDK：提供 TypeScript、Python SDK 和 REST API，支持 Node.js、Python、curl 等多种调用方式。接入成本低，几行代码即可为 AI 添加记忆能力。

技术实现

Supermemory 的核心技术架构分为三层：

学习模型层：负责判断内容的优先级，决定哪些信息值得记住、什么时候应该遗忘，以及如何建立不同记忆之间的关联关系。这是 Supermemory 与通用向量数据库的本质区别。

时序向量图引擎：底层存储采用专门构建的图数据库，融合了向量检索（Vector Search）、全文搜索（FTS）和图关系查询三种能力。时间戳信息完整保留，支持按时间线回溯记忆。

摄取管道：文档进入系统后经历六个阶段——排队、提取、分块、嵌入、索引、完成。完成后触发 dreaming 阶段，模型对内容进行深度理解，生成结构化的记忆事实并写入图数据库。

整体架构部署在 Cloudflare Workers 和 Cloudflare KV 上，支持零配置自托管，数据完全私有。

快速上手

第一步：获取 API Key 访问 console.supermemory.ai，注册账号后在 API Keys 页面创建密钥。

第二步：安装 SDK（TypeScript） npm install supermemory

第三步：添加记忆 import Supermemory from "supermemory"; const client = new Supermemory({ apiKey: "sm_..." }); await client.add({ content: "用户喜欢巴黎。", containerTag: "user_123" });

第四步：搜索记忆 const { results } = await client.search({ q: "用户想去哪里旅行？", containerTag: "user_123", });

第五步：接入 MCP（可选） Supermemory 提供 MCP 服务器，可直接接入 Claude Code 等 AI 编程工具，让 AI 在编码过程中主动查询项目记忆。

适用人群

AI 应用开发者、智能体构建者、需要 AI 在长期任务中保持记忆的产品经理和技术团队。个人用户可用它打造私人 AI 助理，开发团队可用它构建具备企业知识库能力的 AI 产品。

官方链接

官方文档：https://supermemory.ai/docs GitHub 仓库：https://github.com/supermemoryai/supermemory 开发者控制台：https://console.supermemory.ai