别再把向量库当垃圾桶：扒开 Supermemory 源码，看它怎么给 AI 装上真外脑

现在的大模型，上下文窗口动不动就吹到上百万。

有用吗？有，但不多。

先不说每一次全量带进去的 Token 账单有多肉痛。聊得深了，哪怕是最强模型，也会在浩瀚的文本堆里“大海捞针”捞到走神。更恶心的是，每次只要点一下新建对话，AI 当场失忆。你又得像面对一个健忘症患者一样，把自己的项目背景、技术栈偏好、代码格式规矩，从头到尾再念叨一遍。

很多人以为，搭个向量数据库把历史对话全切成块塞进去，就叫给 AI 装上“长期记忆”了。

省省吧。那是垃圾桶，不是记忆。

没有版本回溯、没有时效淘汰、没有事实冲突解决，你的模型查出来的只会是半年前早就废弃掉的旧配置。

在本地代码库 supermemory 里，藏着一套斩获 LongMemEval、LoCoMo 和 ConvoMem 三大榜单冠军的技术实现。它不用你维护笨重的自建向量集群，而是把一套带有生物遗忘与进化特性的“记忆本体”，直接架在了 Cloudflare 边缘网络上。

今天我们把它的源码底牌翻开，看看工业级的 AI 记忆引擎到底长什么样。

1. 🧬 记忆不是文本块，它是有生命的“本体树”

打开它的核心数据校验层（packages/validation/schemas.ts），你会发现一件很有意思的事：它根本没把记忆当成普通的字符串。

普通 RAG 系统里，一条记录就是一个 Chunk。

而在 Supermemory 里，核心模型叫 MemoryEntry。它更像是一个在时间线里不断长出新枝丫的 Git 提交树：

记忆本体（Memory Ontology）
一种定义知识如何演进、继承和老化的结构化契约。在真实的记忆系统里，信息会过时、会自相矛盾。系统必须依靠父子指针（parentMemoryId）、版本号（version）以及关联标记（updates / extends / derives），把零散的聊天记录组织成可随时追溯脉络的知识树。

来看这段从它源码里扒出来的核心定义：

export const MemoryEntrySchema = z.object({
    id: z.string(),
    memory: z.string(),              // 提炼后的原子事实
    version: z.number().default(1),  // 递增版本号
    isLatest: z.boolean(),           // 标记是不是最新状态
    parentMemoryId: z.string().nullable(), // 上一版记忆的指针
    memoryRelations: z.record(MemoryRelationEnum), // "updates" | "extends" | "derives"
    sourceCount: z.number().default(1),    // 被不同信源验证过的次数
    isInference: z.boolean(),        // 是模型自己脑补推测的，还是用户亲口说的
    isStatic: z.boolean(),           // 静态铁律 (如姓名) 还是动态时效 (如本周排期)
    forgetAfter: z.coerce.date().nullable(), // 遗忘截止时间
    matryokshaEmbedding: z.array(z.number()).nullable(), // 俄罗斯套娃向量
});

看出门道了吗？

• 它不删历史：你上个月说喜欢 React，今天宣布倒戈 Svelte。系统不直接物理覆盖旧记录，而是生成版本 2，打上 updates 关系。过去的行为轨迹全在，审计和回滚毫无压力；
• 它区分事实来源：isInference 字段极精妙。如果 AI 从你的语气里偷偷推理出“这人性格急躁、喜欢精简回答”，它会先打上假说标签，扔进前端的审核队列（Review Queue）让你确认，不搞暗箱操作；
• 信源越多，权重越硬：sourceCount 字段在起作用。你在 Notion 笔记里提过一次，在聊天里又强调了一次，这个记忆的置信度就自动往上跳一档。

2. ⚡ 50 毫秒拼出你的画像：动静二元检索

很多团队抱怨 RAG 太慢，问个话要等两三秒才开始吐字。大部分时间全耗在向量检索的大海里捞针了。

Supermemory 的打法极其清爽：把记忆切成动静两半。

动静二元画像（Static vs. Dynamic Profiles）
用户的知识面天生存在两层形态：一层是静态根基（Static），比如职业、母语、编码风格偏好，几个月都不会变；另一层是动态情境（Dynamic），比如正在修的 Bug、刚看过的文档。调用接口时，静态层直接秒级读缓存，动态层结合本次提问走混合检索，几十毫秒就能组装完毕。

它的底层检索综合打分，走的是这套混合方程：

• 既要向量语义相似度，又要 BM25 关键词精确匹配（防止特定函数名、人名被向量模糊吞掉）；
• 重复验证过多次的记忆（sourceCount）有对数加分；
• 随着时间推移未被强化的临时记忆，乘上一个自然半衰期系数（\(\gamma \cdot \Delta t\)）默默沉底。

套娃向量（Matryoshka Embedding）的降维加速

为了在边缘端压榨性能，它用上了 MRL（俄罗斯套娃表示学习）。

套娃向量嵌入（Matryoshka Embedding）
传统向量（比如 1536 维）必须全算完才能比对。套娃技术训练出来的向量，直接截取前 256 维或者 512 维，依然是一个高准确率的子空间。

海量数据初筛时，直接拿切碎的低维向量在毫秒级内框定前 50 个候选集；最后精排再用全维打分。算力开销省了数倍，精度却几乎一点没丢。

3. 🌐 架构不落俗套：没有笨重机器，全扔在边缘节点

看看它的工程目录结构（apps/ 和 packages/），你找不到那种满地都是 Docker Compose、Python 复杂环境配置的笨重后端。

它把后端全部用 Hono + TypeScript 撸穿，直接跑在 Cloudflare Workers 边缘网络上。

这样做的好处太直接了：

1. 冷启动约等于零：完全没有传统微服务容器拉起的迟钝感，离用户最近的边缘机房就近响应；
2. 多租户天然隔离：靠 Space（空间容器）和 containerTag 把不同项目、不同组织的数据彻底隔开；
3. 前端不是花架子：packages/memory-graph 模块里用 D3.js（力导向算法）直接在浏览器 Canvas 上画出数十万个记忆节点。你能亲眼看着你的知识体系如何像神经突触一样聚类成团。

4. 🔌 为什么它能无缝插进各种 Agent？

一套记忆系统写得再精妙，如果别的工具接不进来，那也是孤芳自赏。

Supermemory 的高明之处，在于它极早就深度押注了 MCP（Model Context Protocol）。

翻看 apps/mcp/src/server/tools/，它对外部暴露的工具刀法极其利落：

你在使用 Claude Desktop、Cursor 或者任意开源 Agent 时，只要在配置文件里配上这套 MCP 服务端，你的 AI 编程助手瞬间就有了跨项目、跨会话的持续记忆力。

5. 🚪 总结：AI 真正需要的外脑长什么样？

从狂热堆砌 Token，到冷静设计记忆架构，这是 Agent 从玩具走向成熟的必经之路。

Supermemory 给整个行业打了个样：

• 别再把用户的每句话都机械化地向量化；
• 别指望大模型能在无限拉长的上下文里保持理智；
• 真正的外脑，必须懂得关系的演进、事实的提炼、适时的遗忘，以及毫秒级的交付。

未来我们不需要 AI 每次都带着几百页聊天记录上阵。它只需要在开口的那一瞬间，知道你是谁，知道你想要什么，这就足够了。

📚 参考文献与基准凭据

1. Wu, C., et al. (2024). LongMemEval: Benchmarking Long-Term Memory of Large Language Models. arXiv preprint. (Supermemory 荣登榜首的长程记忆能力评测核心基准).
2. Snap Research Team (2024). LoCoMo: Long-Context Conversation Modeling and Continuous Memory Retrieval. (评估多轮会话持续记忆与抗遗忘性的基准体系).
3. Kusupati, A., et al. (2022). Matryoshka Representation Learning. In Advances in Neural Information Processing Systems (NeurIPS 2022). (俄罗斯套娃低维自适应向量截断算法原始论文).
4. Anthropic & Open Source Working Group (2024–2026). Model Context Protocol (MCP) Architectural Specification. https://modelcontextprotocol.io. (开源通用模型上下文协议标准规范).