16gagent/memory/projects/supermemory-study.md

Supermemory 插件学习报告 vs 小龙记忆系统对比

学习对象：github.com/supermemoryai/openclaw-supermemory 学习日期：2026-06-02 镜像：git666.u7f.cn/sawz/openclaw-supermemory

---

一、项目总览

维度	内容
用途	给 OpenClaw Agent 提供云端长期记忆：Auto-Recall + Auto-Capture + 用户画像
核心能力	回忆注入、自动捕获、画像构建、多容器隔离、语义搜索
技术栈	TypeScript ESM、Sinclair TypeBox、esbuild、Supermemory SDK
文件规模	17 源文件，核心源码 < 30KB
协议	MIT

---

二、核心调用链

用户消息
  → isInteractiveTrigger() 过滤心跳/cron
  → before_prompt_build → getProfile(query)
      ├── static profile (长期偏好)
      ├── dynamic context (近期动态)
      └── searchResults (语义相似记忆)
  → formatContext → XML 块注入 prependContext
  → AI 生成回复
  → agent_end → getLastTurn()
      ├── stripInboundMetadata (剥离元数据)
      ├── filter injected context (移除 <supermemory-context>)
      ├── filter short texts (< 10字)
      └── addMemory → 云端异步处理

---

三、核心模块

1. 插件入口 (index.ts)

• 优雅降级：无 API Key → 只注册 CLI stub，不崩溃
• 新旧 API 兼容：registerMemoryCapability / registerMemoryRuntime 双路径
• 工具双注册：supermemory_search + supermemory-search 兼容命名

2. Auto-Recall (hooks/recall.ts)

• 分层频率：static profile 低频注入（新会话 + 每50轮），search 每轮查询
• 静默指令："Do not proactively bring up memories" 避免突兀
• 记忆使用计数：[Supermemory: X memories loaded, Y used]

3. Auto-Capture (hooks/capture.ts)

• 只取最后一轮：getLastTurn() 避免重复
• 三层过滤：元数据 → 注入上下文 → 短文本
• session 关联：customId = buildDocumentId(sessionKey)

4. 配置系统 (config.ts)

• 白名单校验：未知 key 直接抛异常
• 环境变量插值：${SUPERMEMORY_API_KEY}
• Schema 驱动 UI：configSchema 同时用于校验 + 自动生成配置表单

5. CLI 命令 (commands/cli.ts)

• 交互式向导：readline 逐项问答，有默认值
• 安全确认：wipe 需输入 "yes"

6. 内容处理 (memory.ts)

• 元数据剥离：sentinel 模式识别 provider 注入前缀
• 内容分类：preference / decision / entity / fact / other
• 实体上下文模板：指导 Supermemory 提取规则

---

四、小龙 🐉 vs Supermemory 🔌 — 全面对比

4.1 架构对比

维度	小龙（本地文件系统）	Supermemory（云端 API）
存储	MEMORY.md + vault.md + daily/	Supermemory Cloud（PostgreSQL + 向量DB）
检索	memory_search（语义，需 API Key）/ memory_get（精确）	全语义搜索，自动嵌入
写入	手动写文件	自动捕获 + AI Tool 写入
画像	手动维护 USER.md	自动提取 static + dynamic
配置	文件级约定	Schema 驱动 + GUI + CLI
部署	零依赖	需要 API Key + 网络
费用	免费	Pro 付费
延迟	< 1ms	~50ms API 调用

4.2 能力对比

能力	小龙	Supermemory	谁优
自动捕获	❌ 无，需手动写 daily/	✅ 每次对话自动捕获	🔌
自动召回	❌ 无，需手动 memory_get	✅ 每轮自动搜索 + 注入	🔌
用户画像	⚠️ 手动 USER.md	✅ 自动 static + dynamic	🔌
语义搜索	⚠️ memory_search（依赖 embedding API，目前挂）	✅ 内置，SOTA 基准第一	🔌
去重/降噪	⚠️ 靠我自己判断	✅ 自动过滤 + 短文本 + 元数据剥离	🔌
多容器隔离	❌ 无	✅ containerTag + 自定义容器	🔌
缓存友好	✅ MEMORY.md 瘦身到 2KB + 缓存线以上锁定	⚠️ 注入内容每次变→前缀变→缓存可能炸	🐉
透明度	✅ 文件可读可改	⚠️ 黑盒，用户看不到存了什么	🐉
零依赖	✅ 不依赖外部服务	❌ 依赖网络 + API	🐉
延迟	✅ 无额外延迟	⚠️ 每轮 ~50-200ms	🐉
离线可用	✅	❌	🐉
费用	✅ $0	❌ Pro 月度订阅	🐉

4.3 设计哲学对比

维度	小龙	Supermemory
核心理念	"我知道我要记什么"	"我不知道我要记什么，你帮我"
人机关系	工具辅助人决策	自动代理减轻人的负担
记忆质量	高（我筛选过才写）	中（自动提取，可能漏/误）
记忆数量	少而精	多而全
适用场景	精准工作，少量偏好	海量对话，长期积累

---

五、综合评价

Supermemory 胜出的场景

• 长期大量对话 → 自动积累，人不需要操心
• 多对话 channel → 跨 session 记忆统一
• 用户画像 → 自动识别偏好、习惯、项目
• 新手用户 → 不需要手动维护记忆文件

小龙胜出的场景

• 缓存命中率 → 稳定前缀不动，DeepSeek 缓存不炸
• 精准关键决策 → 我判断重要才记，不是全量
• 离线/弱网 → 不依赖外部服务
• 零成本 → 不花钱
• 透明度 → 尘哥可以随时看、改、删任何记忆
• 安全 → 数据不出机器

---

六、最佳方案：双轨制 🐉🫧

不是二选一，是互补：

本地骨架（小龙）              云端引擎（Supermemory）
├── MEMORY.md (2KB)            ├── 自动捕获对话
├── vault.md (决策/项目)        ├── 语义搜索 + 画像
├── daily/ (日志)               ├── 跨 session 关联
├── 缓存友好 ✅                 └── 多容器隔离
└── 零依赖 ✅
        ↕                         ↕
   关键记忆 + 工程规范         海量对话 + 模式发现

具体分工：

• 小龙负责：工程范式、关键决策、工具环境、时间规则 —— 缓存线上不动
• Supermemory 负责：日常对话的自动捕获、语义召回、用户画像 —— 上下文注入
• 互不干扰：缓存线上的文件不动，Supermemory 的注入在缓存线以下

---

七、从 Supermemory 学到可迁移到小龙的能力

能力	如何迁移
元数据剥离	写入 daily/ 前 strip 注入的前缀和 JSON 块
短文本过滤	对话片段 < 20 字不记录
分类标签	vault.md 条目加 preference/decision/fact 标签
回忆计数	每次回复后标注用了多少条记忆
频率控制	vault.md 不全量注入，按需 memory_get
触发器过滤	心跳/cron 触发时不写记忆
优雅降级	memory_search 不可用时降级到 memory_get 精确读

---

八、结论

Supermemory 是一个成熟的记忆引擎，但我们的本地文件系统在缓存友好性、零成本、透明度上有不可替代的优势。

最优策略是双轨：本地做骨架（缓存友好 + 关键决策），云端做血肉（自动捕获 + 语义召回）。如果只选一个，对于缓存敏感情景，小龙的本地系统更优。

报告生成：小龙 🐉 + 团子 🫧 · 2026-06-02