Supermemory 创始人 Dhravya Shah 逆向分析个人 Agent 助手 Instinct 的长期记忆系统后表示，Instinct 没有把全部聊天记录原样塞回上下文，而是把长期信息整理成一套由 Git 管理的 Markdown 文件，并持续维护用户当前状态。
Supermemory 本身定位为面向 Agent 的长期记忆基础设施。根据 Shah 的说法，这套系统会从聊天、文件和网页中提取事实，维护人物关系、时间变化和用户画像，再通过 API、MCP 等方式把相关记忆交给 Agent。
逆向分析发现的记忆结构
Shah 称，在拆解 Instinct 后，他发现两者在「Agent 应该怎么记东西」这件事上的思路非常接近。
按他的黑盒测试，Instinct 在每次对话开始前，都会先拿到一份约 4250 Token 的用户状态摘要，其中包含生活背景、操作偏好和沟通习惯。
更细的人物信息、偏好、决定和任务，则被保存在 Markdown 文件中，需要时再通过类似 grep 的关键词搜索调用。
Shah 表示，他没有发现向量索引或 BM25 检索的迹象。
后台会持续整理记忆
根据 Shah 的描述，这些记忆并不是静态存放。后台会持续整理已有内容，把临时信息归入具体任务，把经历概括为长期偏好，用新事实修正旧事实，并通过 Git 保留版本历史。
在这套分工里，主 Agent 主要负责读取，真正的整理和合并由后台流程完成。Shah 推测，这轮整理大约每天运行一次。
Shah：可用 Supermemory 基本复刻
Shah 认为，这种设计已经可以用 Supermemory 基本复刻。他给出的示例只用了约 60 行代码，就把用户画像、记忆搜索、历史版本和持续更新重新接入 Agent。
在此之前，Reflexion 共同作者 Ashwin Gopinath 曾猜测，Instinct 的优势可能在于会持续维护一份「当前状态」，从而知道哪些信息仍然有效、哪些已经过期、哪些事情还没有完成。
按 Shah 这次的分析，这份状态背后可能并不存在某种神秘数据库，而是一套被持续整理的文件系统。