superlocalmemory

Agent 会忘记不同会话之间的所有内容。常见的解决办法——一个带保存按钮的向量存储——反而会让情况更糟：即使它存储的内容无法回答问题，它也总会返回一些内容，而你的 Agent 会以此为基础继续作答。这是一个记忆大脑，不是一个桶：它理解保存的内容（谁、什么、何时、哪个项目），长期保持信息准确，管理谁可以查看，并拒绝虚张声势。四篇 arXiv 论文介绍了它的工作原理。

在模式 A 中，核心的记忆存储和检索不会调用任何模型提供商：无需 API 密钥、云账户或 Docker。任何会将数据发送到外部的操作都由你选择，文档也会明确说明数据的去向。

安装

最简单的方法：让你的 AI Agent 为你安装。 将下面的代码块复制到 Claude Code、Codex、Cursor 或任何能运行命令的 Agent 中。它会读取设置指南，向你询问一个问题，完成所有设置，并告诉你哪些功能可用。你无需学习任何终端命令。

Install SuperLocalMemory on this computer for me. Follow
https://github.com/qualixar/superlocalmemory/blob/main/SETUP_FOR_AGENTS.md
step by step and show me what each step printed. Ask me only one question,
before turning on anything optional: whether I also want to find my pictures,
screenshots and PDFs by describing them. Connect SuperLocalMemory to the agent
I am using. When you finish, run slm doctor and tell me in plain words what works.

没有 AI Agent？在终端中运行一行命令（macOS 和 Linux）。它会自带 Python，完成所有设置，连接找到的 AI 工具并打开仪表板；无需提前安装 Python 或 npm：

curl -fsSLo get-slm.sh https://raw.githubusercontent.com/qualixar/superlocalmemory/main/scripts/get-slm.sh && sh get-slm.sh

在末尾添加 sh get-slm.sh --media，即可从一开始就添加图片和文档。它会先下载脚本，因此你可以先阅读，再运行。Windows：使用上面的 Agent 提示词，或使用下面的 npm 或 pip。

更喜欢使用终端？ 两种方式都会完成相同的设置：在这台机器上保存你的文本记忆；如果你同意，也会保存图片和文档。

npm，主要安装方式（Node 18+）。它会在由包管理的虚拟环境中安装 SLM：

npm install -g superlocalmemory   # add --media to also turn on pictures and documents
slm setup                         # pick Mode A to keep everything on this machine
slm connect claude-code           # or codex, cursor, windsurf, zed, claude-desktop, jetbrains, opencode ...

pip，另一种主要安装方式（Python 3.12 到 3.14），安装在你需要激活的 Python 虚拟环境中：

python3 -m venv .venv
source .venv/bin/activate         # Windows: .venv\Scripts\activate
python -m pip install superlocalmemory   # or, without a venv: pipx install superlocalmemory
slm setup
slm connect claude-code
slm media enable                  # optional: pictures and documents (about 1.5 GB; needs 16 GB of memory)

uv：uv tool install --python 3.12 superlocalmemory 会将 slm 安装为独立工具，无需激活；请参阅 Linux 安装。

Claude Code 插件： claude plugin marketplace add qualixar/superlocalmemory，然后运行 claude plugin install superlocalmemory@qualixar。Codex： slm connect codex，然后运行 slm codex install。

两种模型，一份记忆。 使用小型本地文本模型（nomic）搜索文本。如果启用图片和文档功能，第二个本地模型（Google 的 EmbeddingGemma 2）会读取这些内容，一次检索即可同时返回两者。图片模型在闲置 30 分钟后会卸载，因此只处理文本时不会占用内存。详情：图片和文档、入门指南、Agent 设置步骤。

克隆仓库：运行 ./scripts/install.sh install（macOS、Linux）或 .\scripts\install.ps1 -Action Install（Windows）。可在 Windows、Linux 和 Apple Silicon macOS 上运行（平台支持）。

30 秒示例

$ slm remember "We deploy the API blue-green; rollback is a DNS flip." --kind decision
Queryable ✓ 1 facts
$ slm remember "Staging DB is Postgres 16 on port 5433."

$ slm recall "how do we roll back the API"
  1. [0.67] We deploy the API blue-green; rollback is a DNS flip.

$ slm recall "zxqv plorth wimble"
  That isn't in SuperLocalMemory.

$ slm remember "Staging DB moved to Postgres 17 on port 5434." --replaces <id>
Replaced ✓ 1 fact(s). To undo: slm review-correction ... rollback 1
$ slm recall "which port does staging postgres use"
  1. [0.68] Staging DB moved to Postgres 17 on port 5434.

来自全新 Mode A 安装的真实输出，已删节。分数用于对记忆排序，并非概率。

为什么选择 SuperLocalMemory：十二种超能力

1. 它知道自己何时不知道。 每次检索都会返回以下三种结果之一：有依据的答案；最接近的记忆，并标注为 “我没有完全匹配的内容——以下是最接近的记忆”；或者对于无意义内容，返回 “SuperLocalMemory 中没有这项内容。” 刚启动后，它会说明系统仍在预热，并显示已找到的内容，因此当事实是“尚未准备好”时，你不会听到“空”。你的 Agent 不会再基于错误的记忆继续工作。

2. 永不离开 Mac 的第二意见。 在 Apple Silicon 上，SLM 会安装 Laya，这是一款在设备上运行的小型模型，用于判断找到的记忆是否真正回答了问题。更喜欢云端，或者使用的不是 Mac？Jev 也能在线进行同样的检查，但只有在你勾选同意后才会运行。

3. 你的文档和屏幕截图会成为可供提问的知识库。 保存照片、屏幕截图或 PDF，几周后仍可通过描述找到它——“带有季度数据的那张幻灯片”。图片模型是 Google 的 EmbeddingGemma 2，在你的电脑上运行：同一个模型会读取文字和图片，因此输入描述就能找到对应图像。OCR 也在本地运行，每个 PDF 页面都会按图片和文本进行索引，每个答案都会标注文件和页码。没有任何生成模型会查看你的文件。 4. 内置 Karpathy 的 LLM-wiki 构想，同时保留搜索功能。 Andrej Karpathy 的 LLM-wiki 模式 会将原始文档整理成带有索引和健康检查的知识库。SLM 会根据已存储的数据完成这项工作——为每个文件建立包含相关人员、项目和日期的文档索引，并通过文档健康检查找出空白页面、未链接的文档、重复页面和相互矛盾的事实——同时保留真正的混合搜索，方便你在需要查找内容时使用。

5. 它会照料好自己。 记忆健康检查会在后台为你的旧记忆补充描述信息——日期、姓名、项目、类别——只会添加信息，绝不改动你写下的内容。任何移动或删除操作都必须等你修复，而且可以通过撤销恢复。

6. 有治理，不只是存储。 每次保存都会经过准入检查并生成回执。每次读取都会遵守角色、工作区和范围限制。每次擦除都会清除所有副本——摘要、缓存、索引、图片镜像——并附上可验证的回执。每项操作都会记录在哈希链式审计日志中。专为团队和 GDPR 打造，而非事后拼凑。

7. 具备时间感的记忆。 每条事实都会记录其发生时间和 SLM 得知它的时间。你可以询问上个月哪些事情属实，或 SLM 在某个日期之前知道什么。更正会替换事实，且可以撤销；未使用的记忆会像人类记忆一样逐渐淡忘。

8. 绝不会塞满你的上下文窗口。 分层回忆让 Agent 可以获取一句话速览、事实或完整上下文——并受其设定的硬性令牌预算限制。Agent 只会在需要时通过 expand 深入查看；缓存和可逆压缩则避免你为相同输出重复付费。

9. 多个 Agent，共用一个大脑。 每次写入都会记录执行操作的 Agent，并根据其可信度评估记忆投毒风险，因此十个 Agent 可以共享一份记忆而不会将其污染。

10. 你的 Agent 可以彼此对话——即使跨越互联网。 通过 SLM-Mesh，你电脑上的 Agent 和网络上的机器人终于可以共享同一段对话。Claude Code、Codex 和 Hermes 会话可以在一台或多台设备上交换消息、等待信号、锁和共享状态，让一个 Agent 将工作交给另一个 Agent，并避免两个 Agent 同时编辑同一个文件。你允许接入的机器人——ChatGPT、Claude 网页版、Grok Bot、Muse——也会加入同一个网状网络：浏览器中的机器人可以按名称向笔记本电脑上的 Agent 发送消息，并读取它的回复。每条消息都会标记为数据，绝不会被视为指令；网页机器人会在下一轮开始时读取新消息。

11. 它每天都会学习，而且不会悄悄变差。 每条反馈结果都会让它有所进步：排序会学习哪些记忆真正有用，稳定习惯会成为新会话的软提示词，Agent 技能也会得到衡量和修订。只有在统计学上有效胜出时，新排序器才会获准上线；如果表现下滑，则会自动回滚。工作会以有界循环的方式运行，只有通过独立门槛才会结束——绝不以 Agent 自己的说法为准；多步流水线则以 Bounded Loops 的有界图形式运行（Bounded Loops），SLM 会将已完成的运行保留为只读证据。

12. 讲究科学，不靠感觉。 四篇 arXiv 论文为每一层提供依据：信息几何检索、受生物机制启发的遗忘、防止记忆投毒的贝叶斯信任机制，以及带有成本衡量的治理型记忆。核心数学算法无需语言模型即可运行，已发布的基准测试也会明确说明测量方法。

SuperLocalMemory 是 Qualixar AI 可靠性工程工作的一部分：打造可观测、有界，并坦诚面对自身未知之处的 Agent 记忆。

看看它如何运行

将 SuperLocalMemory 添加到你的应用

无需等待应用商店。以下每款应用都可以通过两个步骤，直接从这个 GitHub 仓库 qualixar/superlocalmemory 获取 SuperLocalMemory。

步骤 1，每台电脑只需执行一次。 安装 SuperLocalMemory：npm install -g superlocalmemory（或 pipx install superlocalmemory）。此后，你的记忆都会保存在这台电脑上。

步骤 2，在你使用的每款应用中执行：

你的应用	操作方法
Claude Code（终端和桌面应用）	输入 /plugin marketplace add qualixar/superlocalmemory，然后输入 /plugin install superlocalmemory@qualixar
Claude Desktop	运行 slm connect claude-desktop，然后重启 Claude Desktop
ChatGPT、Claude 网页版、Muse、Composio	打开控制面板（slm dashboard）→ Web access → 将其开启，然后将页面显示的链接添加为该应用中的连接器（分步指南）
Codex（终端和桌面应用）	运行 codex plugin marketplace add qualixar/superlocalmemory --ref main，然后运行 codex plugin add superlocalmemory-codex@qualixar
Cursor（编辑器和 Agents 窗口）	运行 slm connect cursor，然后重启 Cursor
VS Code（编辑器中的 Copilot 聊天）	安装 SuperLocalMemory 扩展（从最新版本获取 .vsix：Extensions → ... → Install from VSIX）
VS Code Agents 窗口、GitHub Copilot CLI	运行 slm connect copilot-cli；如需使用技能，请在 Agents 窗口的 Plugins 屏幕中添加 qualixar/superlocalmemory
Antigravity	运行 agy plugin install "$(npm root -g)/superlocalmemory/antigravity-plugin"
Grok CLI	运行 grok plugin install 'qualixar/superlocalmemory#plugin'
Grok Bot	在 Grok 的 Plugins 屏幕中，添加市场 qualixar/superlocalmemory，然后添加 superlocalmemory
Muse CLI	运行 slm connect muse，然后运行 muse plugins install "$(npm root -g)/superlocalmemory/muse-plugin" 和 muse plugins approve superlocalmemory
Hermes（终端和桌面应用）	运行 hermes plugins install 'https://github.com/qualixar/superlocalmemory.git#hermes-plugin'，然后运行 slm upgrade-hosts --host hermes --apply
OpenClaw	运行 slm connect openclaw
Windsurf、Zed、JetBrains、Gemini CLI、OpenCode、Continue	运行 slm connect <app>，例如 slm connect windsurf
其他任何支持 MCP 的应用	添加一个服务器，命令为 slm，参数为 mcp

添加 SuperLocalMemory 后，请重启应用。然后可以问它类似 “你记得这个项目的哪些内容？” 这样的问题。插件指南介绍了各款应用的详细配置方法，slm doctor 可以检查你的设置。

适用于你的 Agent

每种运行环境、每个机器人，共享一份记忆。 任何支持 MCP（slm mcp 或 http://127.0.0.1:8765/mcp/）或能够运行命令（slm remember、slm recall）的运行环境，都可以使用 SuperLocalMemory。打包的插件是现成的示例，而非使用限制。

宿主	连接方式	可获得的功能
Claude Code	claude plugin install superlocalmemory@qualixar	MCP、16 个技能、4 个 Agent、/slm-loop、会话和回忆钩子
Codex	slm connect codex，然后运行 slm codex install	MCP、16 个技能、4 个 Agent、/slm-loop、生命周期钩子
GitHub Copilot（VS Code、Visual Studio、JetBrains、CLI）	slm connect vscode-copilot --here	MCP、Agent 规则、16 个提示词、4 个 Agent、钩子
Antigravity	agy plugin install 安装随附插件	MCP、16 个技能、4 个 Agent、/slm-loop、钩子
Hermes	原生插件，然后运行 slm upgrade-hosts --host hermes --apply，为其授予记忆服务的访问权限	16 个技能、顾问 Agent、/slm <command>、回忆和会话钩子
VS Code	SuperLocalMemory 扩展（发布页面上的 .vsix）	Agent 工具列表中的记忆服务，无需编辑任何内容
Grok CLI	slm connect grok-cli，然后运行 grok plugin install 安装随附插件	MCP、16 个技能、4 个 Agent、会话和回忆钩子
VS Code Agents 窗口、GitHub Copilot CLI	slm connect copilot-cli；在插件屏幕中获取技能和 Agent	MCP、16 个技能、4 个 Agent
OpenClaw	slm connect openclaw	MCP 和 14 个技能
Muse CLI	slm connect muse，然后运行 muse plugins install 安装随附插件	MCP、16 个技能、4 个 Agent、/slm-loop、会话和回忆钩子
Grok Bot 和 Cursor 格式的宿主	添加 qualixar 插件市场	为多机器人共用的计算机打造的精简插件（指南）
Cursor、Windsurf、Zed、JetBrains、Gemini CLI、Claude Desktop、OpenCode、Continue	slm connect <name>	在该工具自己的配置中使用 MCP
ChatGPT、Claude 网页版、Muse、Composio	从仪表板启用可选的网页访问：逐个应用登录，选择只读或读取并保存，可随时移除任意应用	从网页访问本地记忆；数据库始终保留在你的计算机上（指南）
LangGraph、LangChain、LlamaIndex、CrewAI、AutoGen、Semantic Kernel、Microsoft Agent Framework、Google ADK、OpenAI Agents	框架适配器	在你自己的代码中使用记忆（适配器）
其他任何工具	粘贴通用 Agent 规则，并为其提供 CLI 或 MCP	为任何 Agent 提供记忆管理规范

插件会教会你的 Agent 什么。 所有插件都由同一份源构建，因此每个宿主都能获得相同的 16 个技能（回忆、记忆、会话、治理、范围和配置、知识图谱、网格、有界循环、缓存、压缩、网页访问、图片，以及面向机器人计算机的两个技能）和 4 个 Agent（记忆顾问、优化顾问、治理顾问和循环执行器）。钩子会在会话开始、工具使用后和会话结束时运行；所有钩子都采用开放失败策略：钩子出现问题也绝不会阻塞你的 Agent。插件、技能和钩子

SLM 的全部功能

知道自己何时不知道的回忆

能力	你将获得什么	文档
三个诚实的层级	有依据的回答；最接近的回忆（最多三个，并标明标签）；或 “SuperLocalMemory 中没有这个信息。” 自动注入回忆的钩子只会注入有依据的回答	回忆
坦诚说明预热状态	模型加载期间，回忆会显示关键词搜索找到的内容，并提示 “SuperLocalMemory 仍在预热，结果可能不完整。请几分钟后重试。”	回忆
分层回忆	depth 0（一行速览）、1（事实）、2（包含来源、会话邻近内容、相关实体和更正）；硬性 max_tokens 上限；expand 可深入查看一条结果	分层回忆
混合搜索	语义、关键词（BM25）、实体图、时间、联想（Hopfield）、扩散激活和图片通道，融合后重新排序；slm trace 会显示每个通道的分数	回忆
九种记忆类型	事实、事件、状态、观点、规则、决策、操作指南、计划、更正。“我们做了什么决定”会优先检索决策；已确认的规则和决策会在每次会话开始时加载	记忆类型
时光回溯	--valid-at（当时为真的内容）、--known-as-of（SLM 当时知道的内容）、--window 7d	回忆
精准筛选	按项目、Agent、主题、类型和精确标签筛选；没有结果时会说明原因	回忆
更正	--replaces 会将旧事实标记为失效，但仍予以保留且可撤销；编辑会通过经过审核的更正流程，并支持回滚	更正
摘要和已保存视图	会话、日期和项目摘要均会引用其记忆 ID；还可保存“我这周发布了什么”之类的视图	回忆
提示词注入防护	将检索到的文本视为不可信证据：对机密信息进行脱敏、消除伪造标记，并附加来源信息	安全

答案检查：Laya 和 Jev

Laya — 在你的 Mac 上 适用于 Apple Silicon 的小型设备端模型（约 1.1 GB）。安装时默认安装，升级后也会提供；任何内容都不会离开设备。使用 slm setup --no-laya 或 SLM_SKIP_LAYA=1 选择退出。使用 slm embedder calibrate 在后台根据你自己的记忆进行校准。

Jev — 在线运行，适用于任何计算机 通过 TypeSafe 或 OpenRouter，使用你自己的密钥，在 Windows、Linux 或 macOS 上进行相同的检查。只有在你勾选同意后，它才会发送问题和排名前三的记忆。它绝不会自行启用。

判定结果是支持决策的一个输入，有自己的时间预算；答案检查选项卡会显示判定结果、耗时，以及记忆未能给出答案的频率——不会存储你的问题。答案检查

文档、图片和笔记

功能	你可以获得	文档
通过描述查找图片	PNG、JPEG、GIF 和 WebP。Google 的 EmbeddingGemma 2 在本地运行，将文本和图片放入同一个搜索空间，因此你输入的文字就能找到图片；OCR（Mac 上使用 Apple Vision，其他平台使用 RapidOCR）可让图片中的文字变得可搜索；绝不读取位置信息	图片和文档
逐页处理 PDF	每一页都会根据图片和文本建立索引；每个答案都会注明来源文件和页码，并附上缩略图	图片和文档
文档索引	列出所有已保存文档的目录，包括文档中的页面，以及提及的人物、项目和日期	图片和文档
文档健康检查	找出没有可读文本的页面、未关联任何内容的文档、重复页面，以及事实遭到反驳的文档	图片和文档
文件夹和 Obsidian 知识库	slm sources add ~/Notes --kind obsidian 会在显示即将读取的内容后，以只读方式将 Markdown、画布文件、PDF 和图片同步到记忆中	CLI
从 ChatGPT 和手机导入	在 ChatGPT 中附加文件，或让任意已连接的 Web 应用生成一次性上传链接，将文件直接传输到你的电脑	Web 访问
数据由你掌控	图片单独存储，绝不离开你的电脑；删除记忆时也会删除对应图片。默认关闭，只需单击一次即可开启；需要 16 GB 内存	合规性

记忆健康状况

功能	你可以获得	文档
自动描述	电脑空闲时，系统会为较早的记忆补充事件日期、姓名、项目、标签和类型——只会添加信息，不会编辑你写下的内容，也不会覆盖你设置的值	记忆健康状况
修复和撤销	对移动或删除内容的修复——包括无用的实体关联、仍在使用却被隐藏的记忆，以及未完成的保存——都要等你点击 修复；每次运行都可以撤销	记忆健康状况
存根徽章	收据和会话模板内容会保留在列表中并显示 存根 徽章，但绝不会用于生成答案	记忆健康状况
存储健康状况	slm doctor 会显示记忆的可查找程度和描述完整度；slm db integrity 和 slm db repair（支持撤销）可确保存储正常	故障排除

活体大脑

能力	你将获得	文档
知识图谱	从记忆中解析出人物、项目和工具，并关联别名、场景和时间线；实体浏览器会展示你所知内容的变化	架构
代码图谱	为代码库建立索引，然后查询影响范围、调用方，并按含义搜索代码	MCP 工具
有益的遗忘	艾宾浩斯保持周期和 Langevin 生命周期会将被忽视的记忆移入归档；逐渐淡化的记忆会量化为更少的比特，并折叠为一个要点	研究
学习排序（可选）	多臂老虎机和学习排序模型会根据结果进行学习；只有在统计上有效胜出时才会启用新的排序器，效果变差时则会自动回滚	配置
软提示词和技能演进（可选）	稳定的行为模式会成为新会话的软提示词；Agent 技能会在盲测验证下进行评估和修订	技能演进

治理与合规

控制项	功能	文档
角色与工作区	每个工作区设有管理员、成员和查看者；在一个工作区中的角色不会赋予你在其他工作区的任何权限；维护和审批操作仅在你拥有权限的范围内生效	团队
公司模式	每次读取和写入都会归属到已登录的人员	公司模式
范围	默认仅限个人；只有在你选择时才使用共享和全局范围；默认拒绝跨配置文件调用记忆	范围
GDPR	跨所有存储和派生副本导出（第 15/20 条）和删除（第 17 条），并提供可验证的回执	合规
审计与保留	经哈希链保护的审计追踪，一旦被篡改便无法通过验证；按配置文件设置保留规则；提供 EU AI Act 合规态势报告	合规
备份与恢复	将云备份保存到 GitHub 或 Google Drive，并在上传前加密；每次更新存储前创建恢复点；恢复时保留安全副本，失败则回滚	云备份，恢复点

支持合规计划的工程控制措施，并非认证。

多个 Agent，共用一份记忆

能力	你将获得	文档
有归属标记、可信的写入	每条记忆都会记录其 Agent；贝叶斯信任评分可防御记忆投毒	研究
SLM-Mesh	会话之间可传递消息、等待、锁定并共享状态；既可在一台机器上运行，也可跨多台机器运行	多机部署
可相互交流的 Bot	ChatGPT、网页端的 Claude、Grok Bot 和 Muse 经你许可后加入网状网络：列出对等节点、向指定 Bot 发送消息、读取收件箱。消息会标记为数据，绝不会作为指令	Bot 消息
有界循环和图	“完成”意味着通过了独立关卡（测试、linter 或架构），而不是 Agent 自称完成；每一轮都会作为可审计的记忆保存。多步骤图在 Bounded Loops 中运行，SLM 会将已完成的运行记录作为只读证据保留	Bounded Loops 桥接

节省上下文

能力	你将获得	文档
精确缓存	工具输出和文件读取内容会按 TTL 缓存；命中缓存即可跳过重复调用	优化
可逆压缩	安全缩减大型输出；可按 ID 还原精确的原始内容	优化
三种接入方式	可通过代理（slm wrap claude）、MCP 工具或技能使用；slm optimize savings 可显示节省量	代理设置

模式、仪表板与扩展能力

能力	你将获得	文档
三种模式	**A：**完全不使用语言模型。**B：**在本机运行模型（Ollama，默认使用 Google Gemma 3 4B，模型选择器中也有 Gemma 4；也可使用任何兼容 OpenAI 的本地服务）。**C：**使用你自己的端点或云服务提供商	配置
仪表板	搜索、知识图谱、实体浏览器、答案检查、记忆健康状况、文档和图片、已连接的应用、Bot 消息、治理：slm dashboard	仪表板
扩展引擎	SQLite + sqlite-vec 是权威数据源；可选的 LanceDB 和 CozoDB 副本只有在与 SQLite 保持一致后才会提供服务	扩展引擎
持久写入	每次保存都会从原始状态推进到可查询状态，再到完成状态，并附带回执；失败时会保留证据并重试；高负载下的文本保存会排队处理，绝不拒绝	架构
切换模型	在后台更改嵌入模型的同时继续进行记忆召回，并可一步回滚	命令行
通过你的网络远程访问	slm remote 通过 TLS 向其他计算机提供记忆服务；每个客户端使用一个可撤销密钥	部署

MCP 记忆服务：工具配置方案

除非另有选择，每个应用、插件和扩展都会获得 full（58 个工具：包括 memory、SLM-Mesh、optimize、loops 的所有工具；启用图像后再增加 5 个）。这适合将 MCP 工具总数限制在约 100 个的宿主，同时为其他服务留出空间。要一次性为所有应用更改配置，请运行一条命令并重启应用：

slm tools                # current set, and how many tools each set has
slm tools set power      # any name below; `slm tools set default` goes back to full

要仅更改一个应用，请在该应用的 MCP 配置中设置 SLM_MCP_PROFILE（slm connect <app> --profile <name> 会写入此配置）；此设置优先于该应用已保存的选择。各应用的详细信息

配置方案	工具数	适用场景
core	19	记忆、回忆、扩展、会话、优化、纠错审核
code	39	Core 加上代码图谱、记忆类别、Brain 证据、配置方案切换、有界循环
mesh	9	仅限 SLM-Mesh 协调
full（默认，未设置时使用）	58	记忆、类别、Brain、优化、技能演进、mesh、循环、视图和摘要（启用图片和文档后为 63 个）
power	70	Full 加上管理、生命周期和诊断（启用图片和文档后为 75 个）
whole	110	所有已注册的工具

stdio：{"command": "slm", "args": ["mcp"]} · HTTP：http://127.0.0.1:8765/mcp/ · MCP 工具

看看效果

记忆健康：修复与撤销	知识图谱
实体浏览器	答案检查实况

录制于使用虚构记忆的测试安装环境。八分钟完整演示会带你浏览每个面板。

架构

免费的本地核心本身就是完整的；Web 访问为可选功能。架构详解

隐私

除非你启用会发送数据的功能，否则任何内容都不会离开你的计算机；每项功能都会明确说明会发送什么：

发出的内容	仅在以下情况下
一个问题和排名前三的记忆	你启用 Jev（在线答案检查）并勾选其同意选项
记忆文本	你选择 Mode C、云端嵌入器或重排器、另一台计算机上的模型，或 Jev kind 输入（需单独同意）
加密备份文件	你连接 GitHub 或 Google Drive 备份
Mesh 消息	你配置 mesh 对等端，或允许 Web 应用向你的机器人发送消息
Web 应用发起的工具调用	你启用 Web 访问并添加应用；数据库仍保留在你的计算机上

图片、文档、Laya 和 Mode A 永远不会发送任何内容。记忆文本中的秘密会在所有对外发送路径中被隐去。安全策略

基准测试

这些数据来自已发表的架构论文（arXiv:2603.14588），其检索核心 SLM 仍在运行。它们并非对当前软件包进行的全新测试。

配置（架构论文）	LoCoMo	范围
Mode A，检索 + GPT-4.1-mini 作答	74.8%	10 段对话，1,276 个问题
Mode A，原始模式（全程不使用 LLM）	60.4%	10 段对话，1,276 个问题
Mode C，云端嵌入 + GPT-4.1-mini	87.7%	1 段对话（Conv-30），81 个问题

只有在子集、答案模型和评判标准都相同时，LoCoMo 分数才具有可比性。方法与消融实验

研究

Varun Pratap Bhardwaj 撰写的四篇 arXiv 预印本介绍了 SLM：

1. SuperLocalMemory 4.0：AI Agent 的受治理记忆操作系统，合著者为 Garima Singh 和 Arun Pratap Bhardwaj。arXiv:2608.08253
2. SuperLocalMemory V3.3：活体大脑，arXiv:2604.04514
3. SuperLocalMemory V3：零 LLM 企业级 Agent 记忆的信息几何基础，arXiv:2603.14588
4. 防御记忆投毒的贝叶斯信任机制：保护隐私的多 Agent 记忆，arXiv:2603.02240

引用时请使用 CITATION.cff，或使用 GitHub 的“引用此仓库”功能。

文档

开始： 快速入门 · IDE 设置 · 插件 · 快速验证 使用： 回忆 · 记忆健康度 · 答案检查 · 图片和文档 · 自动记忆 · Web 访问 · 优化 参考： CLI · MCP 工具 · 配置 · 故障排除 · 合规性 · Wiki · 发行说明

升级

npm update -g superlocalmemory    # or: pipx upgrade superlocalmemory, uv tool upgrade superlocalmemory
slm restart && slm doctor
slm upgrade-hosts                 # preview plugin and IDE updates; nothing changes until you --apply

升级不会迁移或删除记忆；更新存储前会先创建还原点。主机升级

平台支持

	SuperLocalMemory	Laya（设备端答案检查）
Apple Silicon macOS	支持	支持，默认安装
64 位 Windows	支持	不支持（Jev 在线检查可用）
64 位 Linux（x86-64、ARM64）	支持	不支持（Jev 可用）
Intel Mac、32 位 Windows	无预构建安装包	—

Python 3.12+，使用 npm 需要 Node 18+。处理图片和文档需要 16 GB 内存。

Star 历史

贡献与许可证

欢迎提交问题和拉取请求：CONTRIBUTING.md。安全问题报告：SECURITY.md。本项目采用 AGPL-3.0-or-later 许可；商业许可请参阅 COMMERCIAL-LICENSE.md。

---