Claude-Mem：給 AI 編程助手裝上"長期記憶" 詳情 - AI 雲棧開源日記博客

寫在前面

你是不是也遇到過這種情況：昨天用 Claude Code 寫了一段複雜業務邏輯，今天重新打開項目，AI 助手卻像失憶了一樣，完全不記得你們討論過什麼，只能從頭再解釋一遍？

這個痛點，Claude-Mem 給出瞭解決方案——一個專為 Claude Code 打造的持久化記憶系統，讓 AI 助手真正記住你們的每一次協作。

它到底解決了什麼問題

傳統的 AI 編程助手每次啓動都是"全新的大腦"，無法跨會話保留項目上下文。Claude-Mem 通過自動捕獲、AI 壓縮、智能檢索三個步驟，實現了：

✅ 跨會話記憶保持：自動記錄所有工具調用和代碼操作
✅ 智能內容壓縮：用 Claude Agent SDK 將冗長對話壓縮成精煉摘要
✅ 按需精準檢索：通過自然語言查詢歷史記憶，大幅節省 Token 成本

技術架構解析

核心組件構成

系統架構：
├── 鈎子系統（7 個生命週期鈎子）
├── Worker 服務（HTTP API + Web UI）
├── 存儲層（SQLite FTS5 + Chroma 向量庫）
└── PM2 進程管理

主要技術棧：

Node.js + TypeScript：插件主體實現
SQLite FTS5：全文檢索引擎
Chroma Vector DB：語義向量搜索
Claude Agent SDK：AI 壓縮核心能力

工作原理拆解

五大生命週期鈎子

Claude-Mem 採用觀察者模式，在不干擾主會話的前提下，通過鈎子捕獲關鍵事件：

鈎子名稱	觸發時機	核心作用
context-hook	會話啓動時	注入最近記憶作為上下文
new-hook	用户提問時	創建新會話並保存提示詞
save-hook	工具執行後	捕獲文件讀寫等操作記錄
summary-hook	會話結束時	生成 AI 摘要並持久化存儲
cleanup-hook	停止指令時	清理臨時數據

漸進式披露策略

這是 Claude-Mem 最巧妙的設計——不是一股腦把所有歷史記錄塞給 AI，而是分層展示：

Level 1: 最近 3 條會話摘要（約 500 tokens）
Level 2: 相關觀察記錄（用户主動查詢）
Level 3: 完整歷史檢索（mem-search 技能）

這種策略借鑑了前端開發中的懶加載思想，在雲棧社區的技術實踐中，我們也常強調"按需加載"的性能優化原則。

實際應用場景

場景一：Bug 修復追溯

用户："上週修復的登錄超時問題，具體改了哪些文件？"
Claude：[自動觸發 mem-search]
       → 檢索到 2 條相關觀察記錄
       → 返回：修改了 auth.ts 和 session.middleware.ts

場景二：項目知識庫構建

長期使用後，Claude-Mem 會自動構建項目的"知識圖譜"：

架構決策記錄
常用代碼模式
踩過的坑和解決方案

場景三：團隊協作可視化

通過 Web UI（localhost:37777）可以實時查看：

記憶流動態
會話摘要時間線
Token 消耗統計

快速上手指南

安裝步驟（3 步完成）

# 在 Claude Code 終端執行
> /plugin marketplace add thedotmack/claude-mem
> /plugin install claude-mem
# 重啓 Claude Code 即可使用

核心技能使用

mem-search 技能：自然語言查詢歷史記憶

示例：mem-search "關於數據庫遷移的討論"
效果：相比傳統 MCP 方式節省約 2,250 tokens

架構設計亮點

混合檢索策略

// 結合傳統全文檢索和現代向量搜索
interface SearchStrategy {
  fullText: SQLite FTS5,     // 關鍵詞精準匹配
  semantic: Chroma Vector,   // 語義相似度計算
  hybrid: RRF 融合排序       // 最佳結果輸出
}

隱私控制機制

使用 <private> 標籤排除敏感內容：

<private>
API_KEY=sk-xxx  # 不會被系統記錄
</private>

雙標籤系統（v7.0 新特性）

<private>：完全排除觀察記錄
<no-summary>：記錄但不生成摘要

性能表現數據

優化指標	實際效果
Token 節省	每次啓動節省 2,250 tokens
查詢響應速度	向量檢索 < 50ms
存儲壓縮效率	10GB 代碼庫壓縮至約 200MB

工程實踐啓示

作為全棧工程師，Claude-Mem 展示了幾個值得學習的工程實踐：

插件化設計：標準的生命週期鈎子系統
AI 工程化：將 LLM 能力封裝為可複用服務
成本意識：Token 優化是 AI 原生應用的核心指標
用户體驗：漸進式披露配合可視化 UI

對於想深入學習 Node.js 開發和人工智能應用的朋友，這個項目提供了很好的參考範例。

寫在最後

Claude-Mem 不僅是一個工具，更是 AI 輔助編程的範式探索：如何讓 AI 從"一次性對話"進化為"長期協作夥伴"。

如果你正在使用 Claude Code，不妨試試這個插件，讓你的 AI 助手真正"記住"你們的每一次協作。更多優質開源項目解析，歡迎關注《雲棧開源日記》！

項目資源

GitHub 倉庫：thedotmack/claude-mem
官方文檔：docs.claudemem.com
AI 學習：https://yunpan.plus/f/29
TypeScript 學習：https://yunpan.plus/f/18

標籤：#Claude #GitHub #AI編程助手 #向量數據庫 #TypeScript #持久化存儲 #開發工具

雲棧開源日記博客

雲棧開源日記博客

博客 / 詳情