加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
用过 AI 编程工具（Cursor、Copilot、Claude Code）的开发者或多或少会遇到这个痛点：每次开启新对话，AI 对你项目结构、代码风格、技术债务一无所知，必须从头解释上下文。更进一步的自主 Agent（如 AutoGPT、BabyAGI）更需要跨越多轮对话持久化积累知识，但传统方案——把对话历史存 JSON、在向量数据库建索引、手写检索逻辑——要么维护成本高，要么和现有工具链格格不入。
smfs（SuperMemoryFS） 的思路极其直接：把 Supermemory 的云端记忆容器，直接挂载成你电脑上的一个本地文件夹。从此访问 AI 记忆，不需要任何特殊 API 或 SDK——ls、cat、grep，用什么命令就用什么命令。
smfs 是什么：Supermemory 官方出品的命令行工具，将云端记忆容器通过 FUSE（Linux）或 NFS（macOS）挂载为本地虚拟文件系统，支持语义搜索（semantic grep），兼容所有现有 Unix 工具。
smfs 的代码仓库是一个 Cargo Workspace，包含两个核心 crate：
smfs-core 是整个项目的「引擎」，按职责拆分为 6 大模块：
| 模块 | 职责 | 关键技术 |
|---|---|---|
vfs | 虚拟文件系统 trait + MemFs 实现 | 自定义 FileSystem trait，POSIX 兼容接口 |
mount | FUSE/NFS 挂载适配 | fuser（Linux）、nfsserve（macOS）纯 Rust 实现 |
sync | 本地缓存与 Supermemory API 双向同步 | 推（push）/拉（pull）引擎，30 秒轮询 |
api | Supermemory 后端 HTTP 客户端 | reqwest（Rust HTTP 库），TLS 支持 |
cache | SQLite 本地持久缓存 | rusqlite（bundled），WAL 模式，chunk 存储 |
daemon | 长期运行守护进程 + Unix Socket IPC | tokio 异步运行时，fork dance 守护化 |
薄薄的命令行调度层，所有用户命令（login、mount、unmount、sync、grep）都定义在这里。核心逻辑委托给 smfs-core，不做任何业务处理。
一个 TypeScript 包 @supermemory/bash，专门为「没有本地文件系统的运行环境」设计：Cloudflare Workers、AWS Lambda、Vercel Edge Functions。drop 一个 run_bash 工具进去，Agent 就能通过 bash 命令操作 Supermemory 记忆，和本地 mount 体验一致。
# 首次登录（存 API Key）
smfs login
# 挂载名为 agent_memory 的容器到本地
smfs mount agent_memory
# 之后和普通文件夹一样操作
ls agent_memory/
cat agent_memory/memory/notes.md
vim agent_memory/notes/plan.md
挂载后，Supermemory 容器「变成」了你当前目录下的一个真实文件夹。VSCode 能直接打开，git 能追踪，编辑器能全屏，而不是困在某个 AI 工具的侧边栏里。写入操作会在后台自动推送到 Supermemory 云端，支持离线写入，联网后自动同步。
cd agent_memory/
# 语义搜索（理解意图）
grep "OAuth refresh tokens"
# 限定目录 + 语义搜索
grep "design review notes" work/
# 精确字面匹配（任何 flag 都让 grep 回退到原生）
grep -F "exact string" notes.md
smfs 提供了一个 shell wrapper：当你处于 smfs mount 的目录内，无 flag 的 grep 自动路由到 Supermemory 的语义检索 API；带 flag 时回退到原生 grep。这个设计非常聪明——不需要学任何新命令，不需要配置 Agent 的 tool 列表，直接用 grep 就行。
通过 --memory-paths 精确控制哪些路径的内容会被处理为可检索记忆：
# 只处理 /notes/ 和 /journal.md
smfs mount agent_memory --memory-paths "/notes/,/journal.md"
# 纯存储，不生成记忆
smfs mount agent_memory --memory-paths ""
smfs 的 sync 模块维护了一个本地 SQLite 缓存（~/.supermemory/）。即使断网，本地写入也会进入队列；联网后自动 drain 推送到云端。远程有更新时，默认每 30 秒 pull 一次。mount/unmount 操作均有 drain 机制，确保数据不丢失。
# 方式一：一键脚本（推荐）
curl -fsSL https://smfs.ai/install | bash
# 方式二：Docker
docker run -it --device /dev/fuse --privileged supermemoryai/smfs
Docker 运行需要 --device /dev/fuse --privileged，FUSE 本身要求特权模式，所以在 Docker 里体验并不理想。
几乎零门槛——不需要 GPU，不需要大内存。smfs 本体是编译好的 Rust 二进制，运行时内存占用仅 512MB 左右，本地 SQLite 缓存按文件大小弹性增长。
纯 Rust 实现，无运行时依赖：从编译产物到 SQLite 缓存，全部静态链接，安装包就是一个可执行文件。性能优异，内存占用极低。
FUSE + NFS 跨平台虚拟文件系统：Linux 用 fuser（成熟的 FUSE 绑定），macOS 用 nfsserve（纯 Rust NFS 服务端），两套方案分别针对不同内核能力优化，避免 macFUSE 的安装噩梦。
SQLite WAL 持久缓存：rusqlite 内置 SQLite，WAL 模式保证并发安全，parking_lot::Mutex 序列化所有写操作。本地缓存让离线写入成为可能。
Unix Socket IPC 守护进程：daemon 模块用 tokio + Unix Domain Socket 实现控制通道，CLI 通过 socket 通信，操作即插即用，不污染全局进程空间。
Shell wrapper 零侵入设计：不需要修改 Agent 的 tool 调用逻辑，不需要配置 API，grep 进去就自动变语义搜索。这是本项目最有创造力的 UX 设计。
强依赖 Supermemory 云端服务：smfs 本身是「客户端」，所有语义能力来自 Supermemory API，没有本地 embedding 模型。如果没有网络或 Supermemory 服务不可用，语义搜索完全失效，只能当普通网盘用。
需要 FUSE 权限：Linux 上 mount FUSE 通常需要 root 或 CAP_SYS_ADMIN 权限。在某些受限环境（共享主机、容器非特权模式）无法使用。
仅支持 macOS/Linux：Windows 用户无法使用，目前没有 WSL2 或其他替代方案的计划。
Docker 体验不理想：虽然有 Dockerfile，但运行时需要特权模式和 FUSE 设备，在大多数容器环境（K8s、ECS）中无法使用。
| 维度 | 评分 | 说明 |
|---|---|---|
| 代码质量 | ★★★★★ | 纯 Rust（#![forbid(unsafe_code)]），完整类型系统，模块边界清晰 |
| 文档质量 | ★★★★☆ | README 详细，配有多平台安装说明，但高级用法文档较少 |
| 测试覆盖 | ★★★★☆ | 各子模块有测试文件，GitHub Actions CI |
| 活跃度 | ★★★★☆ | 2024 年中发布，持续更新，issues 反馈积极 |
| 许可 | MIT | 非常宽松，商业可用 |
smfs 的核心价值主张非常清晰：让 AI Agent 的记忆系统变成一个本地文件夹，从而天然兼容整个 Unix 工具链。它不需要你改任何 Agent 代码，不需要配置复杂的向量数据库，install 之后 mount 就能用。
对于有自主 Agent 开发需求的团队，smfs 提供了一种极低摩擦的持久化方案——把需要跨会话积累的上下文（项目背景、技术债务、需求变更）全部写进 Supermemory，Agent 每次新对话都能自然地 grep 到相关内容。
不过，它的前提是接受 Supermemory 的云端服务——如果你的数据有严格本地化要求，或网络不可靠，smfs 的语义能力就成了无本之木。这是选择它之前必须权衡的核心问题。
适合场景：AI 编程助手开发者、自定义 Agent 框架、团队知识管理、长期多轮对话系统。 不适合场景：网络受限环境、Windows 用户、需要完全本地化部署的场景。