Supermemory v0.0.5 精确文本搜索返回空结果怎么解决
【免费下载链接】supermemoryMemory and context engine + app that is extremely fast, scalable, and can be run fully locally. The Memory API for the AI era.项目地址: https://gitcode.com/GitHub_Trending/su/supermemory
如果你在自托管的 Supermemoryv0.0.5上，写入的文档明明存在，通过/v4/search或/v4/profile做精确文本的记忆搜索却始终静默返回{"results":[],"total":0}，这是一个已知的版本缺陷，解决办法是升级到v0.0.7或更高版本。
现象与根因
文档记录的现象（来源：Embeddings (self-hosted)）：
- 影响版本：
v0.0.5。 - 触发条件：服务端在写入路径和读取路径之间混用了不同的 embedding 模型。文档给出的例子是文档摄入（document ingestion）使用 OpenAI embeddings，而记忆查询（memory queries）使用本地默认 embeddings。
- 典型表现场景：日语等多语言语料。日语没有空格分词，无法依赖 fallback 的词法 FTS 匹配，于是精确文本搜索通过
/v4/search和/v4/profile静默返回空结果{"results":[],"total":0}——不报错，只是搜不到。
复现判断方法：向本地服务器发起一次精确文本搜索，若命中内容确实已入库、请求也正常，但响应中results为空且total为0，即符合该 bug 的文档描述。请求示例（sm_...替换为首次启动时打印的 API key，http://localhost:6767为默认本地地址，参见 Self-Hosting Quickstart）：
curl -X POST "http://localhost:6767/v4/search" \ -H "Authorization: Bearer sm_..." \ -H "Content-Type: application/json" \ -d '{ "q": "你的精确查询文本", "containerTag": "user_123", "searchMode": "hybrid", "limit": 5 }'searchMode支持memories、documents、hybrid三种取值，参数含义见 Search API；/v4/profile的用法见 User profiles。
根因结论：这不是查询语法或数据缺失问题，而是v0.0.5中写入与读取两侧 embedding 模型不一致导致的召回失败。v0.0.7的修复方式是在数据库存储层锁定了统一的 embedding plan，使所有文档与查询的 embedding 路径使用同一计划，不再混用。
解决步骤：升级到 v0.0.7 或更高版本
1. 备份数据目录
官方警告：安装器只替换二进制文件，但旧版本服务器可能无法理解新版本产生的数据或 schema 变更。因此回滚或升级前，先备份数据目录（默认./.supermemory，或$SUPERMEMORY_DATA_DIR指定的位置）。数据目录包含 graph engine 数据、auth secret 和 embedding 模型缓存，整体备份即可。
2. 执行升级
自托管的升级命令是：
supermemory-server upgrade该命令将服务器移动到最新发布版本（文档见 Self-Hosting Quickstart）。如果你是通过curl -fsSL https://supermemory.ai/install | bash安装的，也可以重新运行该安装脚本安装最新版；想固定到某个具体版本时，可在脚本后追加版本号参数，例如：
curl -fsSL https://supermemory.ai/install | bash -s -- 0.0.7版本 tag 的格式为server-v<version>，例如server-v0.0.7。升级后重启服务：
supermemory-server3. 验证修复
用升级前那次失败的精确文本搜索请求，对同一containerTag重新发起/v4/search或/v4/profile调用。修复后的预期行为是：此前静默返回空的精确文本查询能正常召回对应记忆，响应不再是{"results":[],"total":0}。
相关限制与注意事项
- 不要在原地混用 embedding 模型：不同模型（或不同维度）产生的向量不可比。配置维度与已存储数据不一致时，服务器会拒绝启动。如果更换过模型或维度，需要全新数据目录或全量重新摄入（Embeddings (self-hosted)）。
- 回滚风险：如前所述，回滚到旧版本前先备份数据目录，旧版二进制可能无法读取新版写入的数据。
- 本地默认模型仅支持英文：
v0.0.5时代的默认模型Xenova/bge-base-en-v1.5是纯英文模型，非英文语料的稠密语义召回本身偏弱。如果你处理的是日语、德语等非英文语料，升级解决的是精确文本召回问题后，仍建议按 Embeddings (self-hosted) 的 Multilingual 章节切换到多语言模型（如Xenova/bge-m3，1024 维），且要在大批量回填之前完成切换。 - 不要自行调参绕过：文档没有把降低
threshold、调整limit等搜索参数列为该问题的解决方式；这些参数控制的是相关度过滤与结果数量（见 Search API），无法修复写入/读取路径 embedding 不一致的根因。
【免费下载链接】supermemoryMemory and context engine + app that is extremely fast, scalable, and can be run fully locally. The Memory API for the AI era.项目地址: https://gitcode.com/GitHub_Trending/su/supermemory
创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
