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 keyhttp://localhost:6767为默认本地地址参见 Self-Hosting Quickstartcurl -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-vversion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-m31024 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