# 策展 · X (Twitter) 🔥

> 作者：Dhravya Shah (@DhravyaShah) · 平台：X (Twitter) · 日期：2026-04-30

> 原始來源：https://x.com/DhravyaShah/status/2049324612635562492

## 中文摘要

# 介紹 SMFS - RAG 很糟，而檔案系統也過時了。我們用 Supermemory Filesystem 同時解決了這兩個問題。

每個人都在爭論「RAG 已死」與「檔案系統才是王道」，卻沒人能說出其中的細微差別。

> 簡短總結：我們結合了 RAG 與檔案系統的優點，打造出一個可掛載的檔案系統。它取代了傳統的 UNIX 操作，並讓這些操作更適合 Agent 使用。這就是 Supermemory Filesystem (SMFS.ai)。
> https://github.com/supermemoryai/smfs

RAG 並沒有死。只是隨著 Agent 能力的提升，管理 Embedding 和向量資料庫變得太過繁瑣。MCP 和 grep 的出現，讓那些「花俏的檢索」顯得不再必要。Claude Code 普及了 Agentic 程式開發中的搜尋方式——讓 Agent 使用 grep 在程式庫中穿梭並尋找目標……結果證明這招非常有效！

沒錯，在檔案系統上進行 Agentic 搜尋確實是一種優雅的典範。你只需放入一些檔案，然後讓 Agent 自行探索。

這之所以有效，是因為程式庫的結構很特殊。檔名本身就具備意義，函式名稱也是為了便於搜尋而設計的。整個目錄樹是由人類（或 Agent）組織的，他們預期未來會有 Agent 來遍歷它。

但你的筆記資料夾並不是程式庫。試著丟進一千個 PDF、會議逐字稿和設計文件，你會發現它瞬間崩潰。檔名不再是路標，當 Agent 使用 grep 搜尋「OAuth refresh failure」時，它會錯過那份將其稱為「token rotation issue」的文件。更別提它根本無法對 PDF 內的圖表進行 grep 搜尋。

於是，你轉而尋求 RAG。Top-K 檢索回傳的是片段——這些片段與原始檔案脫節，導致回答品質低落。現在你該怎麼辦？你開始拼湊各種系統，試圖一步步改善它。

## 如果你不需要做選擇呢？介紹 SMFS：Supermemory Filesystem。

我們打造了一個可掛載的檔案系統，讓我們的 Agent 在處理檔案的同時，也能進行語意搜尋。

依然優雅，但這次加了點「猛藥」。

1/ 語意 grep (Semantic grep)

如果 grep 本身就是語意化的呢？如果 Agent 不需要學習像「搜尋向量」之類額外的工具呼叫呢？Agent 本來就擅長操作檔案系統，那麼如果讓檔案系統「本身」就是為 Agent 設計的呢？

同樣的指令、同樣的行導向輸出、同樣的肌肉記憶，但底層的匹配函式變成了向量查詢，且範圍限定在你當前所在的目錄。搜尋結果會對應到真實路徑。Agent 可以讀取 (cat) 檔案、列出目錄，並以更小的範圍重新 grep。

索引與檔案樹，兩者兼具。它能執行任何它需要的操作。

```
$ grep "oauth refresh failure" work/
work/debug-notes.md:42:refresh token failed after deploy
research-paper.pdf:118:the benchmark failed after token rotation
```

加上 `-F` 參數的 grep 依然維持字面匹配，而不加參數的 grep 則執行語意搜尋。同樣的肌肉記憶，全新的能力。

2/ 使用者設定檔 (User profiles)

執行 `cat profile.md` 會回傳容器中所有記憶的即時摘要。它不是預先儲存的，而是在讀取時即時合成，確保資訊永遠最新。Agent 在新目錄中的第一個有用動作通常是讀取，我們讓這個讀取變得免費。
我們確保它保持最新，因為這個設定檔實際上是從圖譜 (graph) 中導出的。如果 Supermemory 圖譜中的某個事實更新了，設定檔也會自動更新。

3/ 同步引擎 (Sync engine)

多個 Agent 可以掛載同一個容器。Agent A 寫入一條記憶，Agent B 在下次拉取時就能看到。資料夾即是共用狀態，並始終與 Supermemory 雲端保持同步。

這也意味著操作本身是即時的，狀態儲存在本地的 SQLite 中，並能與系統進行增量同步。

4/ 自動提取：丟進檔案，剩下的交給我們。

PDF、影片、截圖、音訊、文件——直接將原始檔案丟進掛載點即可。無需 OCR、無需轉錄、無需 PDF 解析器、無需切塊。你原本打算建構的處理管線現在不再需要了，而且 grep 可以跨所有格式運作。

沒錯，現在你的 Agent 也可以對這些檔案進行 grep 了。

```
$ grep "action items" ~/smfs/
contract.pdf      ...follow-up action items due Friday
standup.mp4       [02:14] action items from yesterday
screenshot.png    [OCR] Action Items (whiteboard)
handbook.docx     §4 tracking action items effectively
interview.m4a     [8:02] emerging action items for Q1
```

## 數據表現

我們使用 Claude 和 Codex 執行了 20 個真實的檢索任務。在相同 Agent、相同文件的條件下，對比使用與不使用 SMFS 的情況：

![](https://pub-75d4fe1e4e80421b9ecb1245a7ae0d1a.r2.dev/curated/1777513686182-iaHHCnPpMboAEb57Qjpg.jpg)

我們要求程式開發的 harness 在大型語料庫中執行檢索任務。有了 SMFS，Agent 使用的時間與延遲顯著降低！

- Codex：1.2M → 203K token (-83%)。成功找到答案 19/20 次。

- Claude：116 → 42 次工具呼叫 (-64%)。token 減少 36%。成功找到答案從 16/20 提升至 18/20。

更少的 context、更準確的答案、更少的互動輪次。Agent 不再漫無目的地遍歷目錄樹，而是直接提出正確的問題。

> 我們正在撰寫一份更詳細的報告，即將在 smfs.ai 上發布。在我們的內部基準測試中，它幾乎總是能比傳統的 Agentic 搜尋效能高出 50% 以上！

## 我們深耕的一些細節。

單一二進位檔。開源。順帶一提，是用 Rust 寫的。

沒有核心擴充功能。在 Linux 上使用 FUSE。在 macOS 上透過純 Rust 編寫的 localhost 伺服器實現 NFSv3，並原生掛載。不需要 macFUSE，不需要 kext，不會跳出安全提示。直接顯示在 Finder 中。

與 Daytona、E2b、Cloudflare、Vercel 以及幾乎所有沙盒環境相容。

優先本地同步。讀取操作永遠不會被網路阻塞。寫入操作會提交到本地 SQLite 快取，並在背景以指數退避 (exponential backoff) 方式同步到 Supermemory。重啟後依然有效。離線讀取也能正常運作。你的編輯內容不會遺失。

在任何執行環境下都有相同的介面。無論是你的筆電、臨時沙盒，還是沒有核心的 Serverless Edge 執行環境——我們提供了一個 virtual-bash SDK，將相同的 Unix 介面暴露為 Agent 可以呼叫的單一工具。

```bash
$ curl -fsSL smfs.ai/install | sh
$ smfs mount my-project
# → 開始 grep 吧。向量搜尋的事交給我們。
```

你將擁有索引，也將擁有地圖。

快來試試吧！或者到 smfs.ai 查看我們的演示。

別忘了給 repo 加顆星！github.com/supermemoryai/smfs 我們很期待看到你用它做出什麼成果 🫶

## 標籤

RAG, Agent, 開源專案, 其他, Supermemory, SMFS