AI Infra:SuperMemory,构建记忆增强智能体(Memory-Augmented Agents)的基础设施
项目 supermemoryai/supermemory 是 SuperMemory 项目的核心代码库。
这个项目是构建“记忆增强智能体(Memory-Augmented Agents)”的基础设施,为 AI 提供可读、可写、可回忆、可推理的“记忆”。
一、项目定位:什么是 SuperMemory?
SuperMemory = MemoryOS + Memory APIs + Memory SDK + Memory Agents
这是一个类“操作系统”的记忆增强框架,类似于操作系统管理进程与内存,SuperMemory 管理多个 LLM 智能体的“语义记忆”。
GitHub 地址:https://github.com/supermemoryai/supermemory
主要目录结构如下:
supermemory/
├── apps/ # 示例应用(如记忆增强助手)
├── mcp/ # Memory Control Plane(记忆控制面)
├── agent/ # 智能体封装(支持多 LLM)
├── sdk/ # Python SDK 接口
├── api/ # Web API(基于 FastAPI)
├── store/ # 向量存储后端适配层(Weaviate, LanceDB 等)
├── memory/ # 核心记忆对象定义(Memory Tuple、Memory Space 等)
├── docs/ # 文档与架构图
├── tests/
└── config/
二、核心功能与模块
模块 | 功能说明 |
---|---|
Memory Tuple | 类似数据库中的一条记录,结构化存储记忆内容(who/what/when/where/why) |
Memory Space | 不同的记忆空间,支持按任务、时间、上下文分隔 |
Memory Stream | 持续性记忆流,如对话日志、知识采集 |
Memory Graph | 多个记忆之间的因果/语义/引用关系图谱 |
MCP | Memory Control Plane,统一读写调度与生命周期管理 |
Agent | 智能体模块,调用 LLM,具备“记忆感知”和“记忆召回”能力 |
Retriever | 支持 embedding、上下文、时间等多维检索 |
Storage | 抽象存储接口,支持本地/FAISS/Weaviate/LanceDB 等 |
三、项目特点
特性 | 描述 |
---|---|
🧠 结构化记忆 | 记忆不是简单文本,而是结构化语义单元 |
🔁 可持续学习 | 智能体可以在不同会话中回忆过往知识、事件、对话 |
🔌 插件化设计 | 存储、模型、接口均支持扩展 |
🕸️ 记忆图谱 | 类似人脑构建语义网络,实现推理和概念联想 |
🧩 可与 LangChain、AutoGPT 等系统集成 |
四、示例应用
记忆增强聊天助手
- 可以记住你的信息、偏好、历史对话;
- 跨会话保持一致人格。
多智能体对话系统
- 多个具备不同知识与记忆的 agent 协作完成任务。
知识沉淀型 AI 助理
- 类似 Notion+GPT 的能力:边对话边构建知识库。
五、快速上手
- 克隆项目:
git clone https://github.com/supermemoryai/supermemory.git
cd supermemory
- 安装依赖:
pip install -r requirements.txt
- 运行服务:
uvicorn api.main:app --reload
- 打开浏览器查看 API 文档:
http://localhost:8000/docs
六、与其他记忆系统对比
项目 | 特点 | 适用场景 |
---|---|---|
SuperMemory | 结构化、图谱化、模块化 | 构建具备长期记忆的 LLM 智能体系统 |
MemoryOS | Stack 架构 + 插件化 | 个体智能体记忆实验、插件扩展 |
LangGraph Memory | DAG 状态存储 | 轻量级的上下文状态管理 |
AutoGPT Memory | 任务历史记录 | 简单记录执行步骤或笔记 |
七、MCP 服务,supermemory-mcp
GitHub 地址: https://github.com/supermemoryai/supermemory-mcp
配合使用组件(推荐)
- supermemory-agent:具备记忆能力的智能体 SDK
- supermemory-apps:示例应用,如记忆增强聊天机器人
八、总结
SuperMemory 是构建“有记忆”的通用 AI 助理系统的基础设施框架,从结构设计、API 接口到存储后端都体现了通用性与可扩展性。它是构建下一代“记忆型 LLM 智能体”的一块核心积木。