Supermemory

Supermemory 想解决的是智能体的失忆问题：模型再强，也不会在一次对话结束后记住你的偏好。它把记忆做成独立于模型的一层基础设施，通过 API、插件与 MCP 接入，任何模型、任何调用框架都能用。与把历史记录直接塞进提示词的做法相比，它会对记忆做更新、合并、推断与遗忘，再按需注入。

核心能力

• learner-1 记忆模型：官方称它会从用户、任务与租户的上下文中抽取信息，写入向量图数据库，并支持更新、合并、推断与遗忘。
• 实时上下文注入：通过钩子把相关记忆以 token 形式注入模型上下文，不需要改动模型本身。
• 跨模型通用：记忆存放在模型供应商之外，换模型或换框架都能带走。
• 多入口接入：提供 API、插件与 MCP，官方称可在多种助手中直接配置。
• 部署形态灵活：支持部署在自有数据中心、私有网络、笔记本电脑，甚至完全隔离的气隙环境。
• 合规与安全：官方称通过 SOC 2 认证、符合 HIPAA 与 GDPR，可签署数据处理协议。
• 性能数据：官网披露检索服务端 187 毫秒、端到端 356 毫秒；已服务 10 万多家组织，月处理超一万亿 token。

适合谁

• 做 AI 助手产品的工程团队：需要跨会话记住用户偏好与历史决定。
• 客服与销售类智能体开发者：要让机器人记住客户背景与上次结论。
• 多模型混用的团队：不想把记忆绑死在某一家模型厂商。
• 有数据合规要求的行业：医疗、金融等需要私有化或气隙部署的场景。
• 研究长上下文与记忆机制的团队：可参考其公开基准与论文。

使用建议

• 先用官方提供的一键配置提示词接入现有助手，跑通写入、检索、注入再谈调优。
• 记忆不是越多越好，明确哪些信息值得长期保留，避免上下文被无关内容挤占。
• 检索延迟与成本随记忆规模增长，上线前用真实流量压测，而不是只看演示数据。
• 免费层适合验证，正式使用按用量计费，具体价格与额度以官网定价页为准。
• 涉及个人数据时提前设计删除与遗忘路径，并确认部署区域满足合规要求。