系列AI 编程工具生态挖掘 字数约 2600 字 预计阅读6 分钟Claude Code 有一个让人头疼的问题——关掉就忘了。每次新开一个 session它重新读项目文件、重新理解代码结构、重新跟你磨合工作方式。你昨天跟它讨论了两个小时的架构方案今天开个新窗口它什么都不记得。你得重新解释一遍我们在做什么、“之前决定用方案 B 而不是方案 A”、“这个 TODO 是留着以后做的别现在就实现”。claude-mem 就是解决这个问题的。74K stars基于 SQLite 全文搜索的跨会话记忆系统。装了一周测了 5 个连续会话。还挺好用但有边界。安装和原理/plugininstallclaude-memclaude-plugins-official原理不复杂会话结束时claude-mem 自动提取关键信息你的偏好、做出的决策、进行中的任务、已知的 bug存入 SQLite数据库建全文搜索索引下次启动时从数据库检索相关记忆注入到新会话的上下文不是把整个对话历史塞进去——是用 AI 先提炼摘要再存。摘要比原始对话少 90% 的 token 消耗但保留了 100% 的关键信息。五个会话的连续测试测试场景开发一个 Python CLI 工具用来管理 Docker 容器日志。不复杂但涉及多个决策点——配置文件格式、日志格式、命令行参数设计。跨了 5 个 session每个 session 做一件事。Session 1项目初始化正常使用 Claude Code讨论方案创建项目骨架。结束时 claude-mem 自动生成[MEMORY STORED — 2026-05-13 14:23] - Project: docklog — Docker container log manager CLI - Tech Stack: Python 3.12, click, docker-py, rich - Directory: ~/projects/docklog - Initialized with Poetry, pytest configuredSession 2第二天继续开发打开终端重新进入项目目录启动 Claude Code。claude-mem 自动注入了昨天的摘要。我什么都没说直接输入指令用户: 加上之前讨论的 --follow 参数 Claude Code (with claude-mem): • Memory loaded: docklog project, click-based CLI • Last session: initialized project structure with Poetry • Adding --follow flag to logs command... [~] docklog/cli.py (8 lines) --follow/-f flag added to docklog logs subcommand它知道之前讨论的是指 docklog 项目、click 框架、logs 子命令。不需要我重新描述上下文。Session 3改 bug[MEMORY STORED] - Decision: Use rich.table for log formatting (not plain text) Reason: Color-coded severity levels improve readability - Decision: Config file location: ~/.config/docklog/config.yaml (not project-local .docklog.yaml — user config, not project config) - BUG #1: --tail flag displays wrong count when container has N lines Status: Identified, not yet fixed. Root cause: no min(actual_lines, tail_count)Session 4三天后改 bug三天没碰这个项目。打开终端启动 Claude Code用户: 上次那个 bug 还在吗修一下 Claude Code (with claude-mem): • Memory loaded: BUG #1 — tail flag miscount • Reading docklog/cli.py:54 Fixed: added min(actual_lines, tail_count) on line 54 → pytest: 14 passed (including new regression test for this bug)三天之后的上次那个 bug它精准定位到了 Bug #1。没有记忆系统的话我得翻 commit log 找上次是什么时候、然后描述有个 tail flag 的 bug容器行数少于 N 的时候计数不对。几句话的事变成了几十字的重新描述。Session 5总结项目状态用户: 这个项目现在什么状态还有什么没做完的 Claude Code (with claude-mem): Based on 4 previous sessions: Completed: ✓ Project scaffold (Poetry, pytest, click) ✓ logs command with --follow, --tail, --since ✓ rich.table formatting with color-coded severity ✓ Bug #1 fixed (tail miscount) In progress: ➤ Filter by container name (req: docklog logs nginx) ➤ --since shows all logs, needs to filter by timestamp Known issues: ⚠ Memory usage increases when tailing large containers (investigating) ⚠ docker-py connection timeout on slow Docker hosts Open decisions (need your input): ? Should --export output JSON or CSV? (last discussed Session 2)项目状态一目了然——做完了什么、做到一半的是什么、哪些需要我拍板。这个项目状态 Dashboard是 claude-mem 最有价值的输出。token 成本5 个会话的 token 统计会话无记忆 token有记忆 token增量Session 112,40012,4000Session 28,2009,100900Session 310,50011,200700Session 46,8007,300500Session 55,4005,800400每次启动多花 400-900 token 用于注入记忆。但省掉了人工重新描述上下文的 token——以前每次新 session 我要花 3-5 句说明我们在做什么这部分大约 200-400 token。净成本很低。而且省的不是 token——是我忘了上次讨论到哪的心智负担。什么场景下别用它一次性任务。那个只做一次的数据迁移脚本不需要记忆系统。快速原型。原型阶段需求变化频繁上一次的决策可能第二天就推翻了。旧的记忆反而会干扰。敏感项目。claude-mem 把摘要存在本地 SQLite 文件里。如果你的项目有合规要求代码不能离开本地需要确认摘要中是否包含敏感业务逻辑——摘要里通常会包含文件路径、函数名、技术决策不包含代码内容。下一篇claude-mem 解决了记忆问题。但 AI 协作还有一个维度没覆盖——并行。下一篇挖 Codex 的子代理编排系统136 个专用 Agent 如何并行协作、一个任务拆给多个 Agent 同时跑的效率变化。