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

# 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