一句话给你的AI装上永久记忆:这个GitHub项目把你的Agent变成『过目不忘』

你好，欢迎关注「AI工程手记」。

这里主要分享 AI 工程、Agent、自动化工作流和开源项目实战。

不讲太多概念，重点是怎么做、怎么用，趟过哪些坑。

今天这个项目，很可能让你的 AI 工作流从「每次都从零开始」变成「越用越懂你」。

一、它不是另一个记忆模块，它是「Agent大脑」

你有没有遇到过这样的场景：

• 昨天刚告诉AI助手你要去上海出差，今天问它订酒店，它问「您要去哪里？」
• 上周讨论过的项目细节，这周再聊又要重新解释一遍
• 在不同的Agent之间切换，每个Agent都像是初次见面

这不是AI的问题，而是当前大多数AI系统缺乏真正的记忆。

今天看到的 Supermemory，它不是一个简单的聊天记录保存功能——也不是另一个向量数据库插件。

它是AI时代的记忆引擎，在三大权威记忆基准测试（LongMemEval、LoCoMo、ConvoMem）中都拿了第一。

简单说：如果Agent框架是身体，Supermemory 就是大脑。

二、六大能力，覆盖所有记忆场景

Supermemory 把记忆这件事做成了工程系统：

这不是新概念，而是把研究论文里的「长期记忆」「工作记忆」做成了开箱即用的产品。

三、实战：一分钟给你的Hermes装上记忆，代码量 = 0

如果你在用 Hermes、Claude Code、OpenClaw 或 OpenCode，安装记忆只需要：

# 使用Supermemory官网的APP
# 1. 访问 https://app.supermemory.ai 注册
# 2. 获取API Key

# 或者在支持的平台上直接安装插件：
# - Hermes: 使用 supermemory 技能
# - Claude Code: 安装 Supermemory 插件
# - 其他兼容MCP的客户端

安装后，你的对话会变成这样：

之前（无记忆）

你：推荐一个Python数据可视化库
AI：推荐使用matplotlib或seaborn

（第二天）
你：这个库怎么画折线图？
AI：您想用哪个库？matplotlib还是seaborn？

之后（有记忆）

你：推荐一个Python数据可视化库  
AI：推荐使用matplotlib或seaborn，它适合基础图表

（第二天）
你：这个库怎么画折线图？
AI：昨天提到的matplotlib吗？用plt.plot()，我给你个例子...

没有YAML配置，没有JSON Schema调整，没有部署向量数据库的纠结。

四、数据说话：为什么三大基准第一这么重要

记忆不是「感觉上有用」，而是可测量、可比较的。

Supermemory 在三个最重要的记忆基准测试中都拿了第一：

这意味着：

• 它能记住更长的对话历史
• 能保持更稳定的用户画像  
• 能处理更复杂的时间线逻辑

对于工程落地来说，基准测试第一代表：你不用自己造轮子验证效果了。

五、三分钟上手

前提条件

• Node.js 16+ 或 Python 3.8+
• 一个Supermeory账号（免费版够用）

安装方法

方法1：作为开发者集成

# Node.js
npm install supermemory

# Python  
pip install supermemory

方法2：直接使用API

import supermemory

client = supermemory.Client(api_key="your_key")

# 记录一次对话
client.record_conversation(
    user_id="user_123",
    role="user",
    content="我下周三要去上海出差",
    timestamp="2026-06-02T10:00:00Z"
)

# 获取用户上下文
context = client.get_user_context("user_123")
# 返回：{'stable_facts': ['计划去上海出差'], 'recent_activity': [...]}

方法3：浏览器插件

• 安装 Supermemory 浏览器扩展
• 自动记录所有网页对话
• 与你的AI工具无缝集成

六、谁适合用？

• AI产品开发者 - 想给产品加记忆功能，不想从头搭建向量数据库+检索管道
• Agent框架用户 - 用 Hermes、Claude Code 等，希望对话有连续性
• 研究者/学生 - 需要长期跟踪项目进展和研究思路
• 个人效率追求者 - 希望AI助手真正「懂你」，而不是每次都重新认识

特别适合的场景：

• 客服机器人 - 记住用户的历史问题
• 代码助手 - 记住项目的技术栈和约定
• 学习伴侣 - 跟踪学习进度和薄弱点
• 项目管理 - 关联任务、讨论和文档

七、一个值得关注的方向

记忆正在从「可选功能」变成「基础设施」。

过去半年，我们看到：

1. Claude 推出了记忆功能（有限）
2. OpenAI 在探索长期上下文
3. 开源社区开始重视记忆基准测试

Supermemory 代表了一个明确趋势：记忆应该作为独立的基础设施层，而不是每个AI产品重复造轮子。

这就像数据库的发展：从每个应用自己管理文件，到独立的关系数据库，再到云数据库服务。

今天，如果你的AI产品还没有记忆功能，可能就像90年代的网站没有数据库——技术上可行，但用户体验差一个维度。

更关键的是：当记忆成为基础设施，整个AI生态会发生变化：

• 开发者可以专注业务逻辑，而不是记忆实现
• 用户可以在不同AI工具间保持记忆连续性
• 新应用可以基于现成的记忆能力快速迭代

项目地址：github.com/supermemoryai/supermemory^[1]

Stars：24,047 ⭐ （截至 2026-06-02）

一句话总结：不要再让每个AI都像是第一次见面——给它们装个大脑，记忆才是真正的智能台阶。

这里是「AI工程手记」。

我会持续更新 AI 工程、Agent 工作流、自动化实战和开源项目观察。

关注 AI 工程怎么真正跑起来。

引用链接