SuperLocalMemory 为 Claude Code、Cursor 等智能体提供本地优先的长期记忆大脑，支持图文检索与可信回忆，面向开发者和 AI 代理使用者。 热门评论 PH 用户对我来说，最突出的一点是：一条相关记忆和一条真正回答问题的记忆之间的区别。返回 “no answer” 似乎比把一条模糊相关的事实传给下一个智能体有用得多。PH 用户Hi Product Hunt！这是 SuperLocalMemory 的重新发布，而且是一次真正的重建，不是刷层新漆。最早的版本能保存和检索上下文。更棘手的失败后来才显现：检索层通常只会返回它手里最接近的东西，哪怕那东西并不能回答智能体的问题。一旦多个智能体共享持久状态，我还需要知道一个事实何时为真、是哪个智能体写入的、谁可以读它，以及删除它是否真的移除了派生副本。所以我围绕这些失败模式做了重建：- 它不再靠猜，而是返回 “supported”“related” 或 “no answer”，还可以选配 Answer Check。- 一个记忆库，由 Claude Code、Codex、Cursor 以及任何 MCP 智能体共享，通过 MCP 或 CLI 访问。- 可选的本地图片和 PDF 记忆。- 时间感知的召回，每条事实都保留是谁、何时写入的。- Profiles、scopes、roles、审计轨迹和可验证擦除。核心记忆路径在本地运行。所有内容都在 AGPL-3.0 下开源。我尤其想听听在同一个项目上运行不止一个编码智能体的人反馈：共享记忆在哪些地方有帮助，又在哪些地方会变得危险？GitHub: https://github.com/qualixar/supe...Teaser: https://youtu.be/X11YRkc0y9QWebsite: https://superlocalmemory.comTechnical write-up: https://qualixar.com/research/bl...PH 用户我看过代码，也读过论文，这个软件真的被低估了。它比大多数 GitHub 上 star 很多的记忆仓库表现更好。它不是基于某种被吹上天的启发式或策略。记忆以事实存储，事实会被恰当排序，时效性和相关性都得到尊重，旧记忆会被遗忘。祝这次发布获得它应得的成功。PH 用户我是 SuperLocalMemory 4.0 论文的共同作者之一，所以请带着这一点来看下面内容。我希望这里的人看到的是，这不是一夜之间冒出来的。Varun 已经在这个问题上公开做了大约八个月，每一步都伴随一篇预印本：1. 二月：SuperLocalMemory。面向多智能体 AI 的 local-first 记忆，通过隔离和贝叶斯信任评分防御记忆投毒，并且不调用云服务或 LLM。https://arxiv.org/abs/2603.022402. 三月：V3，数学基础。来自 information geometry 的检索指标，把记忆生命周期建模为 Langevin dynamics，而不是手工调参的衰减，还提供一种检测记忆之间矛盾的形式化方法。https://arxiv.org/abs/2603.145883. 四月：V3.3，“The Living Brain”。完整的认知记忆分类体系、自适应遗忘，以及一种更偏好 full-fidelity embedding 而不是量化 embedding 的距离度量。https://arxiv.org/abs/2604.045144. 八月：V4，我参与的这个受治理记忆系统。基于角色的访问、可验证擦除、哈希链式审计轨迹，以及一条在十一种故障注入场景下测试过的写入路径，每个场景重复 200 次。它还以负面结果开头：十个机制虽然被构建出来、也能触达，但在最终连接处并没有生效，另外还有我们为捕捉这类 bug 而加的检查。https://arxiv.org/abs/2608.08253每篇论文都为产品实际发布的东西增添了内容，而且代码全部开源：https://github.com/qualixar/superlocalmemory很乐意回答关于 V4 治理和评估工作的问题。PH 用户我和 Varun 共同撰写了 SuperLocalMemory 4.0 论文，所以请带着这个披露来看下面内容。我想让技术读者关注的是，这篇论文如何处理它自己的结果。它以负面结果开头：十个机制已经实现，在实时调用路径上也可达，但在最终连接处仍然无效。“已实现”“可达”和“有效”原来是三个分开的问题，论文加入了两个机械化检查来区分它们。它还测试了故障下的写入路径：十一种故障注入场景，每个跑 200 次，在 2,200 个带作用域的属性中保住了 2,199 个。并且它撤回了上一版本中的一个开销数字，因为拿来比较的两条路径根本不可比。按正确方式测量，一次受治理写入耗时 11.0 ms，其中大部分是持久化成本，而不是治理成本PH 用户恭喜！ 热门产品ARUN PRATAP BHARDWAJ2026-10-15原文 打开互动版
最早的版本能保存和检索上下文。更棘手的失败后来才显现：检索层通常只会返回它手里最接近的东西，哪怕那东西并不能回答智能体的问题。一旦多个智能体共享持久状态，我还需要知道一个事实何时为真、是哪个智能体写入的、谁可以读它，以及删除它是否真的移除了派生副本。
所以我围绕这些失败模式做了重建：
- 它不再靠猜，而是返回 “supported”“related” 或 “no answer”，还可以选配 Answer Check。
- 一个记忆库，由 Claude Code、Codex、Cursor 以及任何 MCP 智能体共享，通过 MCP 或 CLI 访问。
- 可选的本地图片和 PDF 记忆。
- 时间感知的召回，每条事实都保留是谁、何时写入的。
- Profiles、scopes、roles、审计轨迹和可验证擦除。
核心记忆路径在本地运行。所有内容都在 AGPL-3.0 下开源。
我尤其想听听在同一个项目上运行不止一个编码智能体的人反馈：共享记忆在哪些地方有帮助，又在哪些地方会变得危险？
GitHub: https://github.com/qualixar/supe...
Teaser: https://youtu.be/X11YRkc0y9Q
Website: https://superlocalmemory.com
Technical write-up: https://qualixar.com/research/bl...
我希望这里的人看到的是，这不是一夜之间冒出来的。Varun 已经在这个问题上公开做了大约八个月，每一步都伴随一篇预印本：
1. 二月：SuperLocalMemory。面向多智能体 AI 的 local-first 记忆，通过隔离和贝叶斯信任评分防御记忆投毒，并且不调用云服务或 LLM。
https://arxiv.org/abs/2603.02240
2. 三月：V3，数学基础。来自 information geometry 的检索指标，把记忆生命周期建模为 Langevin dynamics，而不是手工调参的衰减，还提供一种检测记忆之间矛盾的形式化方法。
https://arxiv.org/abs/2603.14588
3. 四月：V3.3，“The Living Brain”。完整的认知记忆分类体系、自适应遗忘，以及一种更偏好 full-fidelity embedding 而不是量化 embedding 的距离度量。
https://arxiv.org/abs/2604.04514
4. 八月：V4，我参与的这个受治理记忆系统。基于角色的访问、可验证擦除、哈希链式审计轨迹，以及一条在十一种故障注入场景下测试过的写入路径，每个场景重复 200 次。它还以负面结果开头：十个机制虽然被构建出来、也能触达，但在最终连接处并没有生效，另外还有我们为捕捉这类 bug 而加的检查。
https://arxiv.org/abs/2608.08253
每篇论文都为产品实际发布的东西增添了内容，而且代码全部开源：https://github.com/qualixar/superlocalmemory
很乐意回答关于 V4 治理和评估工作的问题。
我想让技术读者关注的是，这篇论文如何处理它自己的结果。它以负面结果开头：十个机制已经实现，在实时调用路径上也可达，但在最终连接处仍然无效。“已实现”“可达”和“有效”原来是三个分开的问题，论文加入了两个机械化检查来区分它们。
它还测试了故障下的写入路径：十一种故障注入场景，每个跑 200 次，在 2,200 个带作用域的属性中保住了 2,199 个。并且它撤回了上一版本中的一个开销数字，因为拿来比较的两条路径根本不可比。按正确方式测量，一次受治理写入耗时 11.0 ms，其中大部分是持久化成本，而不是治理成本