一份记忆，跨越你用的所有 AI
再也不用从头开始——一份共享记忆，跨越你用的所有 AI 工具。在一个 AI 里说一次，换个 AI，它还记得。你的上下文，走到哪都在。
24 个 AI 平台端到端验证过。
这些 AI 工具都能直接用
每换一次AI工具，你都要重新来一遍。
换个AI工具、开个新对话，或者隔一天再打开——你又要重新交代一遍自己是谁、在做什么、之前已经说过的事。
跟 AI 交代一遍项目背景
换个对话、换个工具、换个模型，再交代一遍
每次都要为已经给过的信息搭时间进去
真正要解决的是结构问题——让这些工具共用同一份记忆。
说一次，哪个 AI 都知道。
你说一次：
我是 Acme 机器人公司仓库自动化项目的主工程师，向陈丹汇报。
换一次会话、换一个 App：
Acme 这个项目我向谁汇报？
陈丹——你之前在 Claude Desktop 里提过这事。
这是示意，不是真实截图——但背后的连接是真的：一个客户端写入、另一个客户端读出，已经在 24 个客户端上验证过，详见「支持的平台」页面。 去「支持的平台」页面看 →
Claude、ChatGPT 不是已经有记忆了吗？
确实有，而且做得不错。但它们的记忆只认那一个 App——你在 ChatGPT 里说的话，Claude 根本不知道；换到 Cursor、豆包，或者 Spomory 连接的其他客户端中的任何一个，又得从头说一遍——因为原生记忆从来不会离开它被造出来的那个 App。
底层实际怎么运作
同一个例子，走完这四个阶段——写入、关联、检索、管理——每次都自动发生，换哪个客户端都一样。
你跟它说一件事，它变成结构化的事实。
add_memory 把你的文本交给 LLM，抽取成 (主体, 谓语, 客体) 三元组——不是一段裸文本，也不只是一个向量。
Maria 加入了 Acme 机器人公司，担任主工程师，向陈丹汇报。
Maria —任职于→ Acme 机器人公司
Maria —汇报对象→ 陈丹
新事实接进它已经知道的东西里——不用重建。
新三元组增量合并进双层记忆图谱（实体层/关系层）——相关的事实会自动关联起来，从不整图重建。
这两条事实直接接进 Spomory 已有的图谱里——不用重建。
换哪个客户端问都行，它找的是真正关联的事实，不是听起来最像的那条。
search_memory 先把查询直接匹配到三元组，再用个性化 PageRank 在记忆图谱上扩散，拉出关联的多跳上下文。
Maria 向谁汇报？
陈丹
2 跳：Maria → Acme 机器人公司 → 陈丹
该留、该更新还是该退休，它自己判断。
GRPO 训练出的策略——不是写死的规则——决定一条新事实该新增、合并进已有记忆，还是该让一条过时的记忆退休。
新消息：「Maria 现在向李薇汇报了。」
让「汇报对象→陈丹」退休，保留「汇报对象→李薇」
这和向量数据库/普通 RAG 有什么区别？
纯相似度检索只会返回和查询向量最接近的内容，说不清楚为什么。Spomory 先把查询匹配到具体的三元组，再用个性化 PageRank 在记忆图谱上扩散——每个结果都能追溯到具体事实，即使查询文本和 C 完全不相似，只要 A 关联 B、B 关联 C，多跳关联也能被检索到。
基准评测
真实调用 LLM 跑出来的，不是模拟数据。
两种接入方式，同一套引擎
本地优先
面向开发者和技术用户：安装 MCP Server，接入 Claude Desktop、Cursor、Codex CLI 或豆包，记忆图谱存在你自己电脑上的 SQLite 文件里——默认静态加密，不需要注册账号。
开始使用 — 本地、免费云端 / 跨 App
面向需要在多个客户端间共享记忆的场景：托管的 MCP 端点，后端是 Postgres，支持 API Key 或 OAuth 2.1 两种鉴权方式——目前面向支持 MCP 协议的客户端（Claude Desktop、Cursor、Codex CLI、豆包等），还不是一个独立的网页 App。
开始使用 — 云端、跨 App这里真正不一样的地方
记忆主权，不是合规打勾项
随时用开放的 JSON-LD 风格格式导出你的完整记忆图谱，或者彻底物理删除——有审计记录，而且是免费层能力，不是锁在付费墙后面的功能。
真实跑出来的效果，局限性一起公开
公开的 LoCoMo / LongMemEval 实测数据，真实调用 LLM 跑出来的——包括那次用检索召回率换取真实准确率提升的修复，我们把原因也讲清楚了。
RL 训练的策略决定记什么
ADD / UPDATE / DELETE / NOOP 不是写死的 if 判断——是 GRPO 训练出来的策略，和规则式基线做过对比评估。
可追溯的检索路径，不只是一个相似度分数
查询先匹配到具体的三元组，再用个性化 PageRank 在记忆图谱上扩散——每个答案都能追溯到具体的事实，不是一个说不清楚的 embedding 距离。
「默认保护隐私」在这里具体是什么意思
你把自己生活和工作里真实的上下文信息交给了它。这里如实说清楚现在能做到什么、做不到什么。
凭证都是哈希存储
API Key 和 OAuth token 只存哈希值——数据库泄露也拿不到能用的明文凭证。
不卖数据，不用来训练模型
你的文本只会经过 LLM（用于抽取）和 Resend（登录邮件）这两个明确列出的处理方，不会给别人。
对你没有隐藏任何东西
get_graph 能看到存了什么——实体、关系、来源——不是一个说不清楚的黑箱。
真能导出、真能删除
export_memory 和 forget_memory 是真实的导出和物理删除，不是改个状态位——本地云端都免费。
这里只是摘要，不是全部。 查看完整隐私政策页面 →
常见问题
Spomory 是开源的吗？
是，Apache 2.0 协议，代码在 GitHub 上。MCP Server、检索引擎、记忆管理策略都在这个公开仓库里。
支持 ChatGPT 或 Gemini 吗？
ChatGPT：支持——通过 Developer Mode 自定义连接器（OAuth 2.1），已经端到端验证过。Gemini 的消费级网页版还不支持 MCP 连接器；但 Google 自己的 Gemini CLI 支持，已经单独验证过。
我的数据会被用来训练模型或分享给别人吗？
不会。本地模式数据完全不出本机。云端模式只会把抽取用的文本发给配置的 LLM 供应商（目前是 DeepSeek），不做其他用途——完整细节和涉及的第三方在隐私政策页面。
可以用自己的 LLM 吗？
可以——LLM 和 embedding 供应商都是可插拔的，任何 OpenAI 兼容的 Chat Completions API 都能用（OpenAI、DeepSeek、通义千问等）。
不用了怎么处理我的数据？
本地和云端都可以随时免费导出完整记忆图谱，或者彻底删除——这不是付费功能。详见「记忆护照」页面。