北京
终端会话一关，AI编程助手就把昨天聊的架构决策忘得一干二净。第二天开工，你不得不重新解释一遍项目约定、已解决的边界问题，甚至上次踩过的坑。这种"会话失忆"是命令行AI编程工具（如Claude Code、Antigravity CLI和OpenCode）最让人头疼的痛点之一。
一个名为claude-mem的开源项目正在解决这个问题。它由开发者thedotmack创建，定位是AI编程助手的"长期记忆引擎"。核心思路很简单：被动监控开发者的交互过程，把关键发现压缩成结构化记录，下次会话开始时自动把相关上下文喂给AI。
不存原始对话，只存语义摘要
claude-mem没有选择把原始对话记录直接塞进未来的提示窗口——那样会迅速烧光token预算。它做的是提取语义摘要：哪些bug修复了、哪些架构决策定了、哪些依赖关系被发现了。新会话启动时，AI代理先查询记忆数据库，回忆相关项目历史，然后才开始写代码。
这套机制的关键在于"被动"二字。工程师不需要手动记录任何东西，claude-mem自动挂钩五个关键生命周期阶段：SessionStart（会话开始）、UserPromptSubmit（用户提交提示）、PostToolUse（工具使用后）、Stop（停止）和SessionEnd（会话结束）。它记录什么有效、什么失败、为什么失败，全程无需人工干预。
三层检索机制，token开销砍到十分之一
为了保住上下文窗口的容量，claude-mem实现了一套渐进式三层检索模型。第一层是搜索索引，只返回紧凑的观察ID和标题，每条结果大约消耗50到100个token；第二层是时间线切片，提供相关发现周围的时序上下文；第三层才是详情获取，只针对具体需要的条目加载完整技术观察。
这套设计让token消耗大幅下降。官方给出的数据是约10倍的token节省——不是靠压缩算法，而是靠"按需加载"：大多数时候AI只需要知道"有这么个事"，没必要把完整细节都塞进上下文。
混合搜索：精确匹配与语义理解双通道
检索能力上，claude-mem采用了混合搜索方案，同时跑SQLite FTS5（全文搜索）和Chroma向量数据库。工程师可以搜一个精确的错误字符串，也可以问一个概念性问题，比如"认证令牌是怎么签名的"，引擎都能找到对应记录。前者靠词法匹配，后者靠向量相似度，两条通道互补。
这种设计照顾了两种典型的回忆场景：一种是"我记得报错信息里有某个关键词"，另一种是"我不记得具体细节，但我知道大概是什么功能模块"。两种问法都能命中，实用性比单一搜索方式强不少。
本地可视化面板，隐私数据可标记排除
claude-mem附带一个轻量级的本地Web仪表盘，实时显示活跃的记忆流。开发者可以查看、编辑或删除已存储的观察记录。更关键的是隐私控制：如果某些字符串涉及专有代码或敏感信息，可以用标签包起来，这些内容就不会被持久化存储。
安装过程也做得很轻。全局安装只需一条命令：npx claude-mem install。如果用的是Claude Code，也可以通过插件市场直接装：先执行/plugin marketplace add thedotmack/claude-mem，再执行/plugin install claude-mem。
从孤立会话到共享智能层
软件工程的工作流正在向自主终端代理迁移，长期记忆正在成为基础设施级别的需求。没有记忆的AI编程助手，每次会话都像第一天上班的新人；有了记忆层，它才像一个越用越顺手的老同事。
claude-mem提供的是一条干净、token高效的路径：把一次次孤立的编码会话，变成持续进化的共享智能层。如果你受够了每次开终端都要重新教一遍AI你的项目规矩，这个开源项目值得去GitHub仓库里翻一翻。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
