Supermemory 深度研究

Supermemory 深度研究（代码库级）· 2026-09-07

Deep Research · 代码库级

Supermemory 深度研究

github.com/supermemoryai/supermemory — 给 AI 的记忆与上下文引擎。开源的是什么，闭源的是什么，基准水分有多少。

⭐ 29,246 stars
🍴 2,556 forks
📅 建库 2024-02-27
🌱 种子轮 $2.6M（2025-10）
🏔️ Cursor / Cognition / Klarna 在用
🔍 main @ 4d8a4ebf · 2026-09-02

一句话总评
开源的是"外围"（MCP server、SDK、消费端 App、文档），闭源的是"引擎"（记忆提取模型 + 时序向量图数据库）。工程质量非常高——尤其 MCP server，工程讲究程度罕见——但 README 的 "#1 on every major AI memory benchmark" 是厂商自评，"本地版开源"的说法与事实有出入：本地版只发布预编译二进制，tag 里没有引擎源码。

FINDING 01

引擎不在仓库里

"custom learning model + temporal vector-graph engine" 跑在闭源 Cloudflare Worker 上；仓库只有 MCP、SDK、消费端 Web 和文档。

FINDING 02

本地版 = 闭源二进制

supermemory local 从 GitHub Releases 下载 darwin/linux 预编译件，无 Windows 版；所有 server-v0.0.x tag 与 main 完全同构、无引擎源码。

FINDING 03

#1 全是自评

95% Recall@15 出自自家 research 页；Mastra/OMEGA/Hindsight 同期各自自评 ~95% SOTA，中立榜单不存在。MemoryBench 框架倒是开源可复跑。

1仓库真实布局：开什么源，不开什么源

Turbo + Bun monorepo，但 CLAUDE.md 是过期的——它描述的 "API Application (Primary Backend)"（Cloudflare Worker、Hyperdrive、IngestContentWorkflow、4 小时 cron）根本不在本仓库，那是闭源后端。仓库实际内容：

路径体量是什么

apps/docs71MBMintlify 文档站（引擎架构的唯一公开信源）

apps/web~73k 行 TS消费端 app.supermemory.ai（Next.js 16 + React 19）

apps/mcp~7.2k 行 TSMCP server（Hono + Cloudflare Workers）

packages/tools508KB@supermemory/tools，7 工具 × 多框架集成

packages/memory-graph~9.6k 行Canvas 2D 力导向记忆图可视化（npm 包）

Python 四包 + 扩展 + 演示场~7MBOpenAI / Agent Framework / Pipecat / Cartesia 集成、Raycast 与浏览器扩展

引擎（闭源）自述为 "custom learning model + temporal vector-graph engine"——自研学习模型决定记什么 / 忘什么 / 建什么关系，加上向量 / FTS / 图三合一的时序事实图；云上跑 Cloudflare Workers 栈（Hyperdrive 连 Postgres、Workers AI 嵌入、Workflows 摄取）。

2记忆引擎机制（文档 + API 形状反推）

每个文档产出三样东西：Chunks（原始 grounding，供 RAG）、Memories（图上的原子事实）、Profile（静态 + 动态用户摘要，常驻上下文）。

两阶段摄取：先索引，后 "dreaming"

queued毫秒级受理

extractingOCR / 转写 / 抓取

chunking类型感知切分

embedding → indexing到此 = done

dreaming ✦记忆提取 · 分组提炼 · 建图

done 只表示 chunk 索引完成；记忆提取是第二阶段 "dreaming"——dynamic 模式下相关文档先分组再一起提炼（"记忆来自连贯单元，不是一次一个孤立写入"），done 之后还能继续长记忆。

图关系三型：updates（新事实取代旧事实，isLatest 标记，历史留审计）、extends（补充细节，两者都有效）、derives（跨记忆推断出用户没说过的事实，如"Alex 大概率在做 Stripe 核心支付"）。

记忆三型：Facts（更新前永续）、Preferences（重复强化）、Episodes（衰减除非显著）。

遗忘：时间到期（"明天考试"自动失效）+ 矛盾裁决 + 噪声过滤；显式控制有软删和 forget-matching 语义批量遗忘（带 dryRun）。

推断记忆人工复核：derived 事实标 isInference，确认前检索降权，复核队列按 parentCount（来源记忆数）排序。

Profile：static + dynamic（带日期前缀）+ buckets，文档口径"3-5 次查询 → 1 次调用，200-500ms → 50-100ms"。query 无法命中的偏好（"叫我 Dhravya"）只有 profile 能带回——这是它对纯检索 RAG 的核心卖点。

检索：POST /v4/search，searchMode: memories|documents|hybrid；rerank（cross-encoder，+~100ms）、rewriteQuery（+~400ms）、include.relatedMemories 暴露图边；示例 timing 92ms，平台口径 p50 < 300ms。

规模口径：单容器 1M 文档 / 10M 记忆；每事实平均 ~10 token，50 条 ≈ 500 token 上下文。

3API 面（v3 摄取 + v4 记忆，两代并存）

摄取 POST /v3/documents（毫秒级受理返回 queued）、/v3/documents/file（≤50MB）、POST /v4/conversations（回合感知，customId 重复提交按 max(0, 全量-已见) diff 计费——重复同步免费，聪明且诚实的设计）。

记忆 v4：直接写（1-100 条/次）、版本化 PATCH（旧版 isLatest=false）、软删 forget、语义批量 forget-matching。作用域靠 containerTag 硬隔离 + 容器级限流 scoped key（默认 500 req/60s）。连接器（Drive / Gmail / Notion / OneDrive / GitHub / Granola / Web Crawler）是平台专属，本地版没有。

4Supermemory local：预编译二进制，"开源"存疑

curl -fsSL https://supermemory.ai/install | bash 装的是本仓库 GitHub Releases（server-v0.0.8）上的 darwin/linux 预编译二进制（没有 Windows 版），端口 6767，数据全在 ./.supermemory/，零遥测。内置本地嵌入 Xenova/bge-base-en-v1.5（768d，ONNX via WASM，可换 OpenAI / Gemini / Ollama，维度不符拒绝启动）；内存 governor 默认 1GB，摄取并发 2，搜索即时、添加走队列。

⚠ 与事实的出入文档说 "it's open source (git.new/memory)"，但 main 和所有 server-v0.0.x tag 里都没有引擎源码（tag 树与 main 完全同构，只有外围）。本地版"提取用你自己的模型"（OpenAI 默认 gpt-5.1，Anthropic 钉死 claude-haiku-4-5），云端用"专有长程模型"——本地版是免费增值引流件，不是开源引擎。v0.0.5 曾有嵌入计划读写不一致导致日文精确搜索静默空结果的 bug，v0.0.7 修复。

5MCP server（apps/mcp，工程质量标杆）

Streamable HTTP，每个请求新建 McpServer（stateless）。鉴权双轨：sm_ API key（验证结果 per-isolate 缓存 60s/1000 条）或 OAuth JWT（JWKS 验签）。上游认证后端挂掉时返回 503 + Retry-After 而非 401——防止客户端丢弃有效凭据，这种细节很少见。

15 个工具分三层（模型只见前 7 个）

层工具要点

A 模型可见search_memoryprofile + hybrid 检索合成 markdown，相似度百分比行

listDocuments / getDocument分页列表（下一页 nudge）/ 跨空间读全文（20 万字符截断）

listMemories直连 /v4/memories/list，滤掉已遗忘 / 非最新

listSpaces / whoAmI空间发现 / RBAC 自省（accessType / assignedSpaces / scope）

add_memorysave/forget 二合一；forget 精确匹配 404 后走 0.85 阈值相似删除

—— 模型看不见的下面还有 8 个 ——

B App 启动器 ×4select-space / memory-graph / guided-save / upload-file拉起内嵌单文件 HTML 部件，描述里全是行为钳制（"别为搜个空间就调我""别再画一张重复的图"）

C 仅 App ×4set-active-tag / save-memory / prepare-file-upload / fetch-graph-data_meta.ui.visibility:["app"] 对模型隐藏，是 App 部件的回程端点

亮点：两阶段上传（DO 只存 uploadToken 的 SHA-256，2 分钟 alarm TTL，原子消费，multipart 直通，widget 拿不到真 token）；PostHog 埋点用装饰器包 registerTool 零侵入；server↔widget 契约 discriminated union，加视图是编译错误；context prompt（即 /context）输出 8 静态 + 8 动态事实。

6SDK / 集成面

7 工具一次定义、五端复用（AI SDK / OpenAI / Mastra / VoltAgent / Python）。

withSupermemory（Vercel AI SDK）：Proxy 拦 doGenerate/doStream → 取最后一条用户消息 → POST /v4/profile（5s 超时，LRU 100 缓存）→ 去重（归一化后 静态 > 动态 > 检索 保序）→ 以 <supermemory context="user-memories" readonly> XML 块注入 system prompt → 生成后存回 /v4/conversations；取记忆失败默认静默跳过。

Claude Memory Tool 适配六命令全实现（view / create / str_replace / insert / delete / rename；文件=文档，customId=路径归一化 memories_x_txt）。

Python 四包：openai-sdk 最全（同步异步 monkey-patch + 7 工具）；pipecat 做语音（<user_memories> 包裹注入 + 重叠 diff 增量存储）；cartesia 拦 UserTurnEnded。

7消费端 Web（apps/web，~73k 行 TS）

Nova agent 闭源：chat 走 api.supermemory.ai/chat（AI SDK v6 流），仓库只有 UI 壳。模型菜单：grok-4.5 / gpt-5.6-terra / claude-sonnet-5 / gemini-3.1-pro-preview。工具面从流部件反推：searchMemories / recallContext / discoverSpaces / updateMemory / forgetMemory / forgetDocument + 动态 web search。

记忆图旁路实时高亮 Nova 本次引用的文档（"N memories used by Nova"）。Agent 空间归并：正则分类学把 Claude Code / Codex / OpenCode / Cursor 写的记忆折叠成每项目一个 "Agents" 空间——编码 agent 的记忆在消费端是一等公民。Next.js 16 经 @opennextjs/cloudflare 上 Workers，绑定仅 ASSETS + 自引用 + R2 增量缓存。

8商业模式

Free $0（送 $5 credits/月）→ Pro $19 → Scale $399 → Enterprise。计量：text token $5/1M、rich $10/1M、superrag 模式 5 折（跳过记忆提取只做 RAG）、搜索 $5/1M 次、operation $0.1/次。余额耗尽 402、功能门槛 403。SOC 2 Type II、GDPR、HIPAA BAA（Scale+）；"客户内容永不用于训练——所有套餐一致"。直接提供 from-mem0 / from-zep 迁移指南。

9基准声明核实（重要）

README 宣称三大基准 #1（LongMemEval / LoCoMo / ConvoMem）、95% Recall@15 @ ~720 tokens（99.4% 上下文压缩）。核实结果：

结论数字全部出自自家 research 页，docs 站反而克制不给数；不存在中立第三方榜单（LongMemEval 官方学术站不 host 商业厂商榜）。

同期至少四家竞品同样自评 ~95% SOTA，互相矛盾，说明该指标已被厂商营销饱和：

厂商自评分数口径

Supermemory95% Recall@15自家 research 页，+~720 tokens 上下文

Mastra Observational Memory94.87%"highest score ever recorded"（gpt-5-mini）

OMEGA95.4%自称 50ms 检索

Hindsight / Vectorize94.6%称"独立验证"

Exabase M-1~SOTA研究模型规模 vs 长期记忆

可信的部分：MemoryBench 框架本身开源（MIT，provider 接口统一），任何人可复跑 supermemory / mem0 / zep + filesystem / rag 基线——把自评变成可复核是诚意之举，但默认榜单仍是自家维护。另一自评：SMFS 在 110 题 xAFS 上比 Claude 原生省 3.0× token（24M vs 72M）。

10工程质量与吐槽

👍 好的

MCP 的工程纪律：zod 全边界、回滚 DO 保留一个版本、503/401 错误分类

diff 计费 + customId 幂等摄取，聪明且诚实

SSRF 防护做到 CGNAT 段级、IPv6 字面量、2MB 有界读

web 端对 AI SDK v6 工具部件缺陷的 load-bearing 注释

👎 存疑 / 差评

"Open source" 营销与事实不符：引擎闭源、local binary-only、tag 无源码、#1 全自评

CLAUDE.md 描述不存在的后端，误导 agent 开发者

docs 有一批明显乱码段落（疑似批量编辑事故）

v3/v4 双 API 并存；SDK 里留着"pinned SDK 没有 forget 所以 raw DELETE"的补丁痕迹

self-host 与云端"专有模型"不是同一个东西，文档用一整页 local-vs-enterprise 圆落差

11借鉴价值

MCP 三层工具分级（模型可见 / App 启动器 / App hidden）是"工具太多污染注意力"的现成范式。

Profile 作为检索旁路：query 命不中的事实必须走 always-on 摘要，任何记忆系统都该有这条非对称通道。

推断记忆默认降权 + 人工复核（parentCount 排序）是防 LLM 记忆幻觉污染的务实折中。

diff 计费 + customId 幂等摄取：把"重复同步免费"做成计费原语，连接器类产品通用。

withSupermemory 的"取记忆失败静默降级、只增不阻断"是给 LLM 加旁路依赖的安全姿势。

时序图（updates / extends / derives + isLatest + forgetAfter）比扁平 fact 列表表达力强，但复杂度转移给了搜索侧 temporal filtering。

§信源

代码：C:/GitHub/supermemory（apps/mcp、apps/web、apps/docs、packages/tools 等，行级引用见配套 md 笔记 supermemory_深度研究_2026-09-07.md）

TechCrunch：19 岁创始人获 Google 高管背书（$2.6M）

Supermemory 官方融资公告（自宣 $3M）

Supermemory LongMemEval 自评页 · LongMemEval 官方（学术，无商业榜单）

竞品同期自评：Mastra 94.87% · OMEGA 95.4% · Hindsight 94.6% · Exabase M-1

GitHub API：repo 统计与 server-v0.0.8 release 资产清单（2026-09-07 抓取）

Supermemory 深度研究 · 2026-09-07 · 自包含 HTML，离线可开
克隆：C:/GitHub/supermemory · main @ 4d8a4ebf