// 01 Claude-Mem 是什么
什么是 Claude-Mem
Claude-Mem 是一个由 Alex Newman 在 GitHub 上开源的插件，专为 Claude Code 生态设计，用于解决 Claude 在多次会话间“记忆遗忘”的核心问题。普通的大型语言模型（LLM）在单次会话中能够有效推理和生成信息，但往往无法自然延续先前的上下文，这使得长期项目开发、跨日协作或长流程任务中用户需要反复解释背景。 Claude-Mem 通过自动捕获、压缩和管理关键会话信息，为 Claude 提供持久、结构化的记忆存储与检索能力。 GitHub
Claude-Mem 的设计目标是让 AI “记住”过去工作，而无需用户在每次新会话开始时反复解释背景、历史代码决策、工具调用和关键逻辑，从而让模型更多地专注于当前任务与建模能力本身。 GitHub
背景：为什么需要持久记忆
在没有专用记忆系统的情况下，模型如 Claude、GPT 系列等只能在当前的上下文窗口内处理信息。一旦对话结束或会话窗口超过限制，模型就无法保留过去的历史细节。在开发、分析或复杂项目中，这种“记忆断层”会导致以下典型问题：
重复解释项目背景增加时间成本
无法自然延续任务进度
多轮多天的协作需要额外人工维护状态
模型无法追踪上一次关键决策或工作成果
Claude-Mem 正是为了解决这一类问题而出现，它在后台捕获观察数据并自动注入未来会话，实现“跨会话记忆”，从而提升生产力与协作效率。 Aitoolnet
Claude-Mem 的核心功能与工作原理
🧠 自动持久记忆
Claude-Mem 自动捕获每次 Claude Code 会话中的所有关键观察信息，包括用户提示、工具调用、执行结果和上下文变化。随后，这些数据会被 Claude Agent SDK 压缩成语义摘要，并存储在本地数据库中，以供后续会话调用。 GitHub
这种自动化过程无需用户手动介入，即可确保会话历史持续可用，让模型在启动新会话时就能访问先前的思路和成果。 Claude-Mem
🔍 分层语义搜索（mem-search Skill）
Claude-Mem 提供一个名为 mem-search 的智能搜索技能，允许你使用自然语言查询过去的项目历史，例如：
“上次我们如何修复那个 bug？”
“项目中我们讨论过的架构是什么？”
“去年 10 月的设计变更是什么？”
这种搜索不仅支持全文检索，还能按时间、文件、标签或语义概念过滤结果，节省大量上下文重述成本。 GitHub
mem-search 带来的优势在于它不仅寻找关键词，还能结合语义相似度与语境因素检索历史内容，实现比传统全文搜索更高效、更自然地信息定位。 Claude-Mem
🌐 Web Viewer UI 实时可视化
Claude-Mem 提供一个 Web Viewer UI（默认运行在 http://localhost:37777 端口），实时显示当前已捕获的记忆流、观察记录和摘要信息，使用户能够方便地浏览、筛选或检索历史数据。 GitHub
这种 Web 可视化功能不仅增强了可读性，还支持开发者快速定位关键会话事件，如 bug 修复、逻辑变更或重要决策点。 GitHub
📊 渐进式上下文与智能检索
Claude-Mem 使用一种称为 渐进式揭示（Progressive Disclosure） 的策略来管理内存检索：
首先加载“轻量级摘要”—包括会话标题、标签和时间戳
需要更深入上下文时才加载详细观察内容
这使得 Claude 在新会话中启动更快，同时减少上下文令牌消耗，提高检索效率并降低成本。 Claude-Mem
技术架构与组件
📦 核心组件
Claude-Mem 基于以下技术栈和设计原则：
Plugin Hooks：监听 Claude Code 生命周期事件并捕获观察
Worker Service：处理观察数据并与 Claude Agent SDK 协同生成语义摘要
数据库层（SQLite + FTS5 + ChromaDB）：存储会话、观察、摘要和元数据
Search Skill：允许按自然语言查询记忆库
Viewer UI：实时展示内存流与会话结构 Claude-Mem
这些组件协同工作，使 Claude-Mem 能自动处理、压缩和检索记忆，同时保持高效性和可扩展性。 Claude-Mem
典型应用场景
1. 长期项目知识保留
在涉及多阶段、跨日或团队协作的复杂项目中，Claude-Mem 可以自动保存上下文，使 Claude 无需用户事先重新解释每个背景细节，从而节省时间并防止重复说明。 Aitoolnet
2. 代码开发与协作
在软件开发中，每次调试或迭代可能涉及多个文件、决策点和工具调用。Claude-Mem 捕获这些信息并提供搜索，使得：
查找过往修复方法变得更快
理解大量变更的历史脉络更简单
避免在不同会话间丢失逻辑思路和关键决策点 Aitoolnet
3. 复杂分析与回溯查询
无论是数据分析、科研实验还是系统设计任务，用户可利用 Claude-Mem 检索历史分析内容，快速定位出关键思路和以前的结论，从而降低重复劳动和误解概率。 GitHub
如何安装和使用 Claude-Mem
📥 安装步骤
在终端启动 Claude Code
运行插件添加命令：
/plugin marketplace add thedotmack/claude-mem /plugin install claude-mem重新启动 Claude Code
新会话中将自动注入之前捕获的记忆上下文 Claude-Mem
完成这些步骤后，Claude 在每次新会话中都能自动获得过去的会话记忆，不需要用户手动提示。 Claude-Mem
优势与局限性
✅ 主要优势
持久记忆：跨会话保持知识与上下文，减少重复解释
智能检索：自然语言搜索项目历史内容
语义压缩：仅保留重要观察并生成简明摘要
开源免费：项目在 GitHub 开源，可自定义扩展 GitHub
⚠️ 局限与注意事项
需要 Claude Code 支持插件机制 才能运行
初期配置和本地部署可能对一些用户有技术门槛
大量历史数据可能需适当调整数据库和索引策略
// 04 实战 Prompt
- 小红书选题切口你是小红书内容策划。请围绕我的产品/服务、目标人群和近期热点，输出 10 个适合小红书的选题方向。每个方向都要包含：标题切口、情绪点、目标人群、适合的内容形式。
- 爆款笔记生成请根据以下主题，写一篇适合小红书发布的种草笔记。要求包含：标题 5 个、开头钩子、正文 3-5 段、结尾行动引导，整体口吻自然、像真实经验分享，不要太像广告。
- 封面文案与配图请为这篇小红书笔记生成封面主标题、副标题和 3 个配图方向。要求突出点击欲望、适合女性内容平台审美、信息一眼能读懂。
