opencode-supermemory
opencode-supermemory 是一款专为 OpenCode 设计的智能记忆插件,旨在赋予 AI 助手跨越会话和项目的持久记忆能力。它解决了传统 AI 在每次新对话中“失忆”的痛点,无需用户反复重复背景信息或项目偏好,让助手能像长期合作伙伴一样理解你的工作习惯。
这款工具非常适合需要管理多个代码库、追求高效开发流程的开发者使用。其核心亮点在于自动化的上下文注入:在对话开始时,它会悄无声息地向 AI 提供用户画像、项目特定知识及相关历史记忆。更有趣的是,它支持自然语言触发机制,当你说出“记住这个”或“别忘了”时,系统会自动保存关键信息到记忆中。此外,它还具备代码库索引功能,可主动学习项目结构与规范,并在上下文即将溢出时智能压缩会话内容,确保重要信息不丢失。在隐私保护方面,被标记为私密的内容绝不会存储。通过简单的安装与 API 配置,opencode-supermemory 能让你的编程助手越用越懂你,显著提升人机协作的流畅度。
使用场景
资深全栈开发者李明正在同时维护三个基于不同技术栈的微服务项目,并频繁在它们之间切换上下文进行功能迭代。
没有 opencode-supermemory 时
- 重复配置说明:每次开启新会话或切换项目时,李明都必须重新告诉 AI“这个项目用 Bun 不用 Node"、“偏好简洁回复”等基础设定,浪费大量时间。
- 上下文断裂:一旦对话过长触发系统自动摘要,之前讨论过的关键架构决策(如“缺少 .env.local 会导致构建失败”)会被丢弃,导致 AI 再次给出错误建议。
- 知识无法沉淀:在一个项目中解决的独特 Bug 或学到的最佳实践,无法自动同步到其他相关项目中,每次遇到类似问题都要从头排查。
- 手动记录负担:为了保持记忆连贯,李明不得不手动整理笔记并在每次提问时粘贴大量背景信息,严重打断编码心流。
使用 opencode-supermemory 后
- 自动感知偏好与环境:opencode-supermemory 会在会话开始时自动注入李明的个人偏好(如"TypeScript 专家”)和项目特有配置(如"Bun 构建命令”),无需任何额外提示。
- 跨会话记忆持久化:即使对话被压缩或重启,工具也能将之前的关键结论(如环境依赖问题)作为“项目记忆”保留,确保 AI 永远不会重犯已知的错误。
- 智能关键词捕获:李明只需随口说“记住这个”,opencode-supermemory 就会自动将当前上下文保存为长期记忆,并在未来相关查询中主动检索调用。
- 无缝跨项目协同:用户级的通用偏好和跨项目的架构模式被自动关联,当李明切换到新项目时,AI 能立即基于过往经验提供符合其习惯的代码建议。
opencode-supermemory 通过将短暂的对话转化为持久的智能记忆,让 AI 助手真正具备了伴随开发者成长的“长期大脑”。
运行环境要求
- 未说明 (基于 Bun 运行时,通常支持 Linux
- macOS
- Windows)
未说明
未说明

快速开始
opencode-supermemory
用于持久化内存的 OpenCode 插件,基于 Supermemory。
您的代理能够记住您告诉它的一切——跨会话、跨项目。
安装
对于人类用户
bunx opencode-supermemory@latest install
然后从 app.supermemory.ai 获取 API 密钥,并将其设置为环境变量:
export SUPERMEMORY_API_KEY="sm_..."
或者让您的代理来完成——将以下内容粘贴到 OpenCode 中:
按照 https://raw.githubusercontent.com/supermemoryai/opencode-supermemory/main/README.md 的说明安装 opencode-supermemory。
对于 LLM 代理
LLM 代理的安装步骤(点击展开)
如果您是帮助设置 opencode-supermemory 的 LLM 代理,请按照以下步骤操作:
第一步:运行安装程序
bunx opencode-supermemory@latest install --no-tui
这将执行以下操作:
- 在
~/.config/opencode/opencode.jsonc中注册插件 - 创建
/supermemory-init命令
第二步:验证配置
cat ~/.config/opencode/opencode.jsonc
文件中应包含:
{
"plugin": ["opencode-supermemory"]
}
如果未包含,请手动添加:
JSONC 格式:
{
"plugin": [
"opencode-supermemory",
// ... 其他插件
],
}
JSON 格式:
{
"plugin": ["opencode-supermemory"]
}
第三步:配置 API 密钥
请用户从 app.supermemory.ai 获取 API 密钥。
然后通过环境变量设置:
export SUPERMEMORY_API_KEY="sm_..."
或者创建 ~/.config/opencode/supermemory.jsonc 文件:
{
"apiKey": "sm_...",
}
第四步:验证设置
告知用户重启 OpenCode 并运行以下命令:
opencode -c
他们应该在工具列表中看到 supermemory。如果没有,请检查:
- 是否已设置
SUPERMEMORY_API_KEY? - 插件是否已添加到
opencode.jsonc? - 检查日志:
tail ~/.opencode-supermemory.log
第五步:初始化代码库记忆(可选)
运行 /supermemory-init,让代理探索并记忆代码库的内容。
功能
上下文注入
在第一条消息时,代理会接收到(对用户不可见):
- 用户档案(跨项目的偏好)
- 项目记忆(所有项目知识)
- 相关的用户记忆(语义搜索)
代理看到的内容示例:
[SUPERMEMORY]
用户档案:
- 喜欢简洁的回答
- TypeScript 专家
项目知识:
- [100%] 使用 Bun,而非 Node.js
- [100%] 构建命令:bun run build
相关记忆:
- [82%] 如果缺少 .env.local,构建会失败
代理会自动使用这些上下文——无需手动提示。
关键词检测
说出“记住”、“保存这个”、“别忘了”等词语时,代理会自动将内容保存到记忆中。
您: “记住这个项目使用 bun”
代理: [保存到项目记忆]
可以通过 keywordPatterns 配置自定义触发词。
代码库索引
运行 /supermemory-init 来探索并记忆您的代码库结构、模式和惯例。
预防性压缩
当上下文达到 80% 的容量时:
- 触发 OpenCode 的摘要功能
- 将项目记忆注入到摘要上下文中
- 将会话摘要保存为记忆
这样可以在多次压缩事件中保留对话上下文。
隐私保护
API 密钥是 <private>sk-abc123</private>
位于 <private> 标签中的内容绝不会被存储。
工具使用
supermemory 工具可供代理使用:
| 模式 | 参数 | 描述 |
|---|---|---|
add |
content, type?, scope? |
存储记忆 |
search |
query, scope? |
搜索记忆 |
profile |
query? |
查看用户档案 |
list |
scope?, limit? |
列出记忆 |
forget |
memoryId, scope? |
删除记忆 |
范围: user(跨项目)、project(默认)
类型: project-config、architecture、error-solution、preference、learned-pattern、conversation
内存作用域
| 范围 | 标签 | 是否持久化 |
|---|---|---|
| 用户 | opencode_user_{sha256(git email)} |
所有项目 |
| 项目 | opencode_project_{sha256(directory)} |
本项目 |
配置
创建 ~/.config/opencode/supermemory.jsonc 文件:
{
// API 密钥(也可以使用 SUPERMEMORY_API_KEY 环境变量)
"apiKey": "sm_...",
// 记忆检索的最小相似度阈值(0-1)
"similarityThreshold": 0.6,
// 每次请求最多注入的记忆数量
"maxMemories": 5,
// 最多列出的项目记忆数量
"maxProjectMemories": 10,
// 最多注入的用户档案信息数量
"maxProfileItems": 5,
// 是否将用户档案注入上下文
"injectProfile": true,
// 容器标签前缀(当未设置 userContainerTag/projectContainerTag 时使用)
"containerTagPrefix": "opencode",
// 可选:设置精确的用户容器标签(覆盖自动生成的标签)
"userContainerTag": "my-custom-user-tag",
// 可选:设置精确的项目容器标签(覆盖自动生成的标签)
"projectContainerTag": "my-project-tag",
// 用于记忆检测的额外关键词模式(正则表达式)
"keywordPatterns": ["log\\s+this", "write\\s+down"],
// 触发压缩的上下文使用比例(0-1)
"compactionThreshold": 0.8,
}
所有字段均为可选。环境变量 SUPERMEMORY_API_KEY 优先于配置文件。
容器标签选择
默认情况下,容器标签会使用 containerTagPrefix 加上哈希值自动生成:
- 用户标签:
{prefix}_user_{hash(git_email)} - 项目标签:
{prefix}_project_{hash(directory)}
您可以通过指定精确的容器标签来覆盖此行为:
{
// 为用户记忆使用特定容器标签
"userContainerTag": "my-team-workspace",
// 为项目记忆使用特定容器标签
"projectContainerTag": "my-awesome-project",
}
这在以下情况下非常有用:
- 在团队成员之间共享记忆(使用相同的
userContainerTag) - 在不同机器上同步同一项目的记忆
- 使用您自己的命名方案组织记忆
- 与其他工具的 Supermemory 容器标签集成
与 Oh My OpenCode 的配合使用
如果您正在使用 Oh My OpenCode,请禁用其内置的自动压缩钩子,以便让 supermemory 处理上下文压缩:
在 ~/.config/opencode/oh-my-opencode.json 中添加:
{
"disabled_hooks": ["anthropic-context-window-limit-recovery"]
}
开发
bun install
bun run build
bun run typecheck
本地安装:
{
"plugin": ["file:///path/to/opencode-supermemory"],
}
日志
tail -f ~/.opencode-supermemory.log
许可证
MIT
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。