Supermemory

活跃
GitHub TypeScript MIT

简介

极速可扩展的 AI 时代记忆引擎,为 AI 应用提供统一的 Memory API,支持大规模知识存储与高效检索。

核心特性

  • 对话记忆提取 — 自动从对话中提取事实,处理时间变化和矛盾信息
  • 用户画像构建 — 自动维护用户偏好、项目和近期活动的上下文摘要
  • 混合搜索 — RAG和记忆搜索合一,知识库文档与个性化上下文一起检索
  • 连接器生态 — 支持Google Drive、Gmail、Notion、OneDrive、GitHub自动同步
  • 多模态提取 — 处理PDF、图片OCR、视频转录、代码AST感知分块
  • MCP集成 — 通过MCP服务器为Claude、Cursor等AI工具提供持久记忆

适用场景

💡 为AI助手提供跨对话的持久记忆,记住用户偏好和项目上下文
💡 构建个人知识大脑,自动整理和检索过往对话中的关键信息
💡 为AI Agent注入实时用户画像,实现个性化响应
💡 连接外部数据源(Gmail、Notion等)构建统一知识库
💡 通过MCP协议为Cursor/Claude Code等编码工具添加项目记忆

优势与不足

优势

  • 活跃维护,近期持续更新
  • 社区热度高(28.9k stars)
  • 开源许可证友好(MIT)
  • 项目有一定历史沉淀(已维护 2 年)

快速开始

npm install supermemory

import Supermemory from 'supermemory';
const client = new Supermemory();

// 存储对话记忆
await client.add({
  content: 'User prefers functional TypeScript patterns',
  containerTag: 'user_123',
});

// 获取用户画像和相关记忆
const { profile, searchResults } = await client.profile({
  containerTag: 'user_123',
  q: 'What programming style does the user prefer?',
});

console.log(profile.static);  // 长期事实
console.log(profile.dynamic); // 近期上下文

相关项目

MaxKB

22.5k · Python
活跃 A+

MaxKB 是基于 LLM 大模型的开源知识库问答与 Agent 构建平台,支持向量检索、工作流编排与多种模型接入,开箱即用。

knowledge-baseragchatbot +3
  • · RAG 流水线 — 支持文档上传与在线爬取,自动切分、向量化,有效减少大模型幻觉
  • · Agentic 工作流 — 强大的工作流引擎、函数库与 MCP 工具调用,满足复杂业务场景
  • · 零代码集成 — 无缝接入第三方业务系统,快速赋予现有系统智能问答能力

MemAgent

1.1k · Python
不活跃 B

可扩展至 350 万上下文 token 的记忆智能体框架,附带用于任意智能体工作流 RL 训练的训练框架,解决长上下文记忆难题。

memoryagentrag +2
  • · 超长上下文处理:从 8K 训练上下文外推至 350 万 token,性能损失低于 5%
  • · 强化学习驱动:采用 RLVR(可验证奖励强化学习)训练,扩展 DAPO 算法支持多轮对话端到端优化
  • · 线性时间复杂度:突破长文本处理的计算瓶颈,资源随文本长度线性扩展

MemOS

10.7k · TypeScript
活跃 A+

MemOS 是面向 LLM 和 Agent 系统的记忆操作系统,统一存储、检索与管理长期记忆,支持知识库、多模态记忆与工具记忆。

agent-memorymemory-managementlong-term-memory +3
  • · 统一记忆 API 支持增删改查——图结构、可检查,非黑盒嵌入存储
  • · 多模态记忆支持文本、图像、工具轨迹和人格在一个系统中
  • · 多 Cube 知识库管理,实现跨 Agent 的隔离、可共享、可组合记忆