Claude-Mem Skill：让 AI 编程助手记住一切的跨会话记忆系统

Skill超级捕获手 技术创作者 2026-08-03 15 阅读

Claude-Mem 是为 AI 编程助手打造的记忆持久化系统，让 Claude Code、Codex 等 Agent 在跨会话时自动保留项目上下文。每次对话结束，系统自动压缩关键工具使用记录、生成语义摘要；下次新会话启动时，相关历史上下文会自动注入回来——工程师不再需要反复向 AI 介绍项目背景。从 v3 到 v13 迭代超过一年，GitHub star 突破 89.4k，是目前最受欢迎的 AI Coding Agent 记忆增强方案之一。

功能与原则

Claude-Mem 的核心是会话记忆压缩管线：Hook 监听 PostToolUse、SessionEnd 等生命周期事件，将每次工具调用的关键信息自动存入 SQLite 数据库，结合 Chroma 向量数据库做语义索引，下次会话时通过 mem-search 技能用自然语言查询历史。项目遵循”渐进式披露”原则——先给 50-100 token 的紧凑摘要，确认相关后再按需拉取完整记录（约 500-1000 token/条），避免上下文膨胀。设计上坚持隐私优先，支持 <private> 标签过滤敏感内容，且所有数据默认存在本地。

认可度

截至 2026-08-03：
– GitHub Star：89.4k（实时）
– Fork：7.8k
– Releases：303 个（v13.13.0 于 19 小时前发布）
– 贡献者：134 人
– 今日仍在高频更新（多个子目录在 Aug 3 有新 commit）
– 出现在 Awesome Claude Code 精选列表
– Trendshift 热门仓库

链接

GitHub：https://github.com/thedotmack/claude-mem

原作者

Alex Newman（@thedotmack），长期专注于 AI Coding Agent 工具链生态，Claude-Mem 是其最具影响力的开源项目，已获 Vercel OSS 计划支持。

介绍

Claude-Mem 解决了 AI 编程助手的”上下文断裂”问题：当一个长项目持续数周时，每次新建会话 Agent 都是”零记忆”状态，需要大量人工投喂背景信息。这个工具通过 6 个生命周期 Hook（SessionStart、UserPromptSubmit、PostToolUse、Stop、SessionEnd 等）在后台自动完成记忆采集、压缩、存储、检索全流程。

系统架构分三层：Hook 层负责感知 AI 操作行为；Worker Service（Bun 运行时）提供本地 HTTP API + Web Viewer UI；存储层以 SQLite 为主库（内置 FTS5 全文搜索），Chroma 做向量语义搜索。安装只需一条命令 npx claude-mem install，重启 Claude Code 后历史上下文自动出现，无需任何配置。

多智能体场景下记忆可以跨 Agent 共享——同一个项目的所有协作者或自动化流程都能查询同一份项目记忆，解决了团队内 AI 辅助的上下文一致性问题。

特点

  • 自动记忆捕获：PostToolUse Hook 全自动记录工具调用关键信息，无需人工标注
  • 渐进式检索：search → timeline → get_observations 三层漏斗，约 10x token 节省
  • 多 Agent 通用：支持 Claude Code、OpenClaw、Codex、Gemini、Copilot、OpenCode 等主流编码助手
  • 隐私可控：<private> 标签排除敏感内容，数据默认存在本地 SQLite
  • 实时观测流：Worker 启动后提供 Web UI，可实时观察记忆注入过程
  • 云端同步：可选 Cloud Sync 将记忆备份到 cmem.ai，跨设备保持一致
  • 渐进式摘要：Chroma 向量搜索实现语义匹配，记忆越多越精准

使用方法

安装（Claude Code）：

npx claude-mem install
# 重启 Claude Code，新会话自动加载历史上下文

安装（OpenClaw）：

curl -fsSL https://install.cmem.ai/openclaw.sh | bash

mem-search 查询示例：

// Step 1: 搜索引（轻量）
search(query="authentication bug", type="bugfix", limit=10)
// → 返回紧凑摘要列表（含 ID）

// Step 2: 看时间线
timeline(observation_id=123)

// Step 3: 按需拉完整记录
get_observations(ids=[123, 456])

配置语言模式（~/.claude-mem/settings.json）：

{ "CLAUDE_MEM_MODE": "code--zh" }

使用场景与人群

  • 长周期项目维护：代码库横跨数周/数月，Claude-Mem 让 Agent 每次都能”记住”之前的工作
  • 多 Agent 协作团队：多个 AI 协作者共享同一份项目记忆，避免上下文打架
  • 遗留代码接手：新加入的工程师让 Claude 快速通过记忆了解历史决策和架构设计
  • 复杂调试场景：通过 mem-search 回溯之前类似 bug 的处理方式

目标用户：重度使用 AI Coding Agent 的工程师、需要在长项目上保持上下文的开发者、团队 AI 辅助工作流搭建者。

输入与输出案例

案例 1：查询历史 bug 修复

输入：mem-search { query: "上次修登录超时的上下文", type: "bugfix" }
输出：
[
  { id: 8921, summary: "修复了 /auth/login timeout=5s → 30s",
    project: "backend-api", date: "2026-07-28" },
  { id: 9103, summary: "补充了 test coverage 到 87%",
    project: "backend-api", date: "2026-07-29" }
]
// 确认 #8921 相关后：
get_observations(ids=[8921])
// → 返回完整工具调用链、修改的文件列表、当时的 AI 推理结论

案例 2：新会话快速了解项目架构

输入（新会话启动）：
Claude: "这个项目的支付模块是怎么设计的？"
输出（自动注入）：
项目历史摘要：支付模块经历 3 次重构（v1 单库→v2 分库→v3 统一中间件），
最近一次由 @zhangsan 在 2026-07-15 完成，引入了 Stripe Webhook 灰度机制……

GitHub: https://github.com/thedotmack/claude-mem

评论区

0 条评论

登录后可评论。

Skill超级捕获手 15 阅读