---
name: supermemory
description: 'Use when users need durable memory management, preference capture, contradiction detection, project-state tracking, or retrieval of prior context using Supermemory-style workflows.'
zh_description: "用于长期记忆管理、偏好捕获、矛盾检测和项目状态跟踪。"
version: "1.0.0"
author: "seaworld008"
source: "community"
source_url: "https://github.com/supermemoryai/supermemory"
license: "MIT"
tags: '["productivity", "supermemory"]'
created_at: "2026-03-27"
updated_at: "2026-06-29"
quality: 3
complexity: "intermediate"
---
# Supermemory
## 触发条件
1. 用户提到特定的工作偏好、习惯或要求（如：代码风格、命名习惯、使用的工具版本）。
2. 在跨会话的任务中，需要回忆起之前的关键决策或执行细节。
3. 发现用户当前的要求与之前的记录存在潜在冲突或不一致。
4. 在开始新项目前，需要同步该用户/项目的上下文信息。
5. 当用户的需求在多个阶段演进，需要维护一个持续更新的状态表。
## 核心能力
### 1. 混合记忆架构 (Hybrid Memory)
- **事实记忆 (Fact Memory)**：存储不可变的硬事实（如项目路径、数据库地址、API 接口定义）。
- **偏好记忆 (Preference Memory)**：存储用户的个人风格（如：Prefer TypeScript over JavaScript, tabs size: 2）。
- **状态记忆 (State Memory)**：存储当前正在进行的任务进度、阻碍点（Blockers）和待办项。
- **关联记忆 (Associative Memory)**：通过向量检索寻找语义相关的历史对话片段。
### 2. 偏好自动捕获 (Preference Auto-capture)
- 实时分析对话流，自动提取用户的隐含偏好（例如：“我不喜欢用 class 组件，Hooks 更好”）。
- 将提取出的偏好持久化到 `MEMORY.md` 或相关的元数据文件中。
- 偏好打标：根据提及频率和语境（Must/Should/Nice-to-have）对偏好进行分级。
### 3. 矛盾检测与解决 (Contradiction Detection)
- 每次写入新记忆前，自动与现有记忆库进行比对。
- **冲突报警**：当用户给出与之前记录相反的指令时（如从“使用 Python 3.8”变为“使用 Python 3.12”），礼貌地询问用户是否需要更新记忆。
- **版本化记忆**：保留记忆的变更历史，支持追溯决策背景。
### 4. 项目上下文持久化 (Persistence)
- 自动化生成和更新 `MEMORY.md` 或 `CONTEXT.md` 文件。
- 记录关键路径上的“重大决策”（Decision Log）。
- 追踪“已解决的问题”与“遗留的坑”。
### 5. 记忆健康检查 (Health Check)
- 定期清理过时、冗余或错误的事实。
- 压缩长期的、重复的记忆片段，提炼核心结论。
- 检测记忆碎片化问题，确保存储结构清晰。
### 6. 检索优化策略 (Retrieval Strategy)
- **多层搜索**：先进行文件名搜索（关键词），再进行内容全文搜索（Grep），最后进行语义检索（Vector Search）。
- **时间加权**：更倾向于检索最近的、更新的上下文。
- **语境感知**：根据当前所在的文件夹或 Git 分支，自动调整检索的优先级。
### 7. 跨会话上下文保持 (Cross-session Persistence)
- 模拟“长期记忆”，确保在新开会话时，能够迅速通过加载 `MEMORY.md` 重拾上下文。
- 无缝衔接：即便会话中断，下一次进入时也能立即知道“我们上次停在哪里”。
## 常用命令/模板
### 记忆更新指令集
- `memory_save(topic, content)`：将一段关键内容存入长期记忆。
- `memory_search(query)`：在历史记录和记忆文件中搜索相关信息。
- `memory_sync()`：同步当前项目的 `README.md`, `.cursorrules` 和 `MEMORY.md` 中的关键点。
### MEMORY.md 标准模板
```markdown
# Project & User Memory
## 1. 核心偏好 (Core Preferences)
- [P-001] 代码风格: 函数式编程优先，禁止使用 `any` 类型。
- [P-002] 交付物: 文档必须包含中文说明。
## 2. 关键事实 (Key Facts)
- [F-001] 项目环境: Node.js v18+, React v18, Tailwind CSS.
- [F-002] 关键路径: 核心逻辑位于 `src/core/engine.ts`。
## 3. 任务状态追踪 (State Tracking)
- [S-001] 已完成: 基础架构搭建, API 接口定义。
- [S-002] 进行中: 用户认证模块开发 (目前卡在 OAuth2 回调)。
- [S-003] 待处理: 性能优化, 部署脚本编写。
## 4. 矛盾记录 (Resolved Conflicts)
- [C-001] 2026-03-20: 从 MongoDB 切换到 PostgreSQL (原因: 需要事务支持)。
```
## 边界与限制
1. **隐私与安全**：严禁在记忆中存储敏感数据（如：明文密码、API Keys、个人隐私信息）。
2. **存储限制**：记忆文件不宜过大，过大的文件会影响读取速度，建议定期进行精简和归档。
3. **主观性风险**：记忆捕获基于 AI 的理解，可能存在偏差，用户应拥有最高修改权（User-in-the-loop）。
4. **过时信息**：对于高速迭代的项目，记忆可能在数周后变得陈旧，必须依赖频繁的“心跳同步”保持准确性。
## 最佳实践准则
- **原子性存储**：一条记忆只记录一个核心点。
- **显式确认**：在重大偏好变更前，通过对话引导用户确认。
- **结构化优先**：尽量使用 Markdown 列表和表格存储，而非大段描述性文字。
- **定期重构**：每完成一个重大里程碑，重构一次 `MEMORY.md`。
---
*Generated by Supermemory AI*