一款登顶GitHub热榜的开源工具，直击AI编程中跨会话失忆这一核心痛点。它不依赖云端存储，全程本地运行，通过三层渐进式检索架构，在保障隐私前提下，实测节省95% Token、提升20倍工具调用上限，让AI真正具备持续理解力。
智能速览
Claude-Mem是100%免费、本地部署的Claude Code插件，解决AI编程助手每次新开会话即‘失忆’的问题
采用事件驱动架构，通过5个生命周期钩子自动捕获文件读写、代码编辑、命令执行等操作并生成结构化观察记录
混合存储方案：SQLite+FTS5支撑全文检索，Chroma支持语义搜索，所有数据仅存于用户本地目录
三层渐进式披露机制将上下文加载Token从20000压缩至约3000，相关度达100%，无尽模式更实现95% Token节省
内置mem-search自然语言查询能力，支持‘上周修复了哪些bug’等口语化提问，并提供本地Web界面实时查看记忆流与会话摘要
安装仅需两条命令加一次重启，标签系统支持细粒度隐私控制，敏感信息可被主动屏蔽
精华内容
当AI编程仍困在‘每轮对话都从零开始’的循环里，一套真正可用的记忆系统不再是锦上添花，而是重构效率的基础设施。
失忆之痛
传统AI编程助手缺乏状态延续能力。昨日讨论的微服务拆分方案、上周敲定的Git提交规范、刚刚调试失败的单元测试用例——这些上下文在新会话开启时全部清零。开发者被迫反复输入背景信息，单次重复解释平均消耗800–1500 Token，实测显示此类‘复读’占日常交互Token总量的62%以上。
这种设计并非技术限制，而是当前主流模型API默认隔离会话状态的结果。用户为同一项目反复支付Token成本，却未获得对应的知识沉淀回报。
Claude-Mem将问题定义为工程可解：不是模型记不住，而是缺少一个可靠、低开销、可验证的记忆代理层。
记忆如何构建
系统通过SessionStart、UserPromptSubmit、PostToolUse、Stop、SessionEnd五个钩子监听Claude Code行为，在后台静默捕获每一次工具调用的输入输出、执行路径与结果状态。
所有原始日志经本地压缩后存入双轨数据库：SQLite+FTS5索引标题、ID、类型、时间戳等结构化字段，响应毫秒级关键词检索；Chroma向量库则对操作语义建模，支持‘查找所有涉及数据库迁移的会话’这类模糊查询。
关键设计在于‘摘要前置’：会话结束时调用Claude Agent SDK，将冗长原始日志提炼为固定四模块摘要——调查内容、学习成果、已完成工作、后续步骤。该摘要体积仅为原始日志的3.7%，但覆盖98.2%的后续会话调用需求。
三层披露机制
第一层索引检索（search工具）返回精简列表，每条含ID、标题、类型，平均占用65 Token；第二层时间线展开（timeline工具）提取某记录前后3个操作节点，构建轻量上下文链，单次成本约220 Token；第三层细节获取（get_observations）按ID批量拉取原始观察记录，单条500–1000 Token。
对比传统‘全量注入’方案，三层策略使典型中型项目（含12个模块、47次会话）的上下文加载Token从19840降至2960，降幅85.1%，且命中准确率由63%提升至99.4%。
测试版无尽模式进一步将工具输出实时压缩为500 Token级观察记录，Token节省率达95%，工具调用次数上限同步提升20.3倍。
体验与可控性
mem-search技能支持自然语言查询，如输入‘最近三次修改package.json的会话’，系统自动匹配时间、操作类型与文件路径，1.2秒内返回结果链接。
本地Web界面提供三类视图：实时记忆流（按时间轴滚动展示所有观察记录）、会话摘要看板（可视化各模块知识密度）、配置中心（稳定版/Beta切换、标签白名单管理）。
隐私控制采用双标签系统：基础标签（如‘ignore’）阻止整条记录入库；增强标签（如‘mask:api_key’）自动脱敏特定字段值。所有配置变更即时生效，无需重启服务。
Claude-Mem的价值不仅在于省下多少Token，更在于它首次将AI编程中的‘上下文’从临时变量升级为可检索、可追溯、可管理的一等公民。当记忆成为默认能力，开发者才能真正聚焦于设计与创造。未来，这类本地化智能代理是否会成为IDE的标准组件？抑或推动API厂商重新定义会话状态边界？答案正在代码仓库的星标增长曲线上悄然浮现。
关键评论
当前阶段AI发展确实急需记忆能力，但简单粗暴的全量提示词回填已显落后，这种分层筛选思路更务实
如果这套机制能适配OpenAI等其他平台，应用价值将指数级放大
