给Claude Code装上长期记忆：claude-mem原理、配置与踩坑实录-北京尧图网络

如果你经常用 Claude Code 在同一个项目里连续折腾好几天大概率遭遇过这种令人抓狂的场景新开一个对话它已经完全不记得你昨天定下的方案甚至把你反复强调过的“不要用 npm用 pnpm”当成耳边风。我之前一直靠往项目里塞 CLAUDE.md 救场但手写维护实在太反人性更新一次要心理建设半天。后来在 GitHub 上翻到一个叫 claude-mem 的小项目它相当于给 Claude 的会话加了层“长期记忆”能让模型跨会话记住偏好、约束和关键决策。这篇不是 README 复读机而是把我这两周从安装、配置、跑通到踩坑的全过程连同它对会话记录的处理机制一起拆开来讲适合那些已经受够“每次对话都要重新自我介绍”的 Claude CLI 重度用户。1. 先从痛点说起AI 的“失忆”为什么比想象中更致命1.1 每次新会话都在重新追认项目历史Claude Code 这类终端里的 AI 编程助手本质上是个无状态工具。你新开一个会话它虽然会读取项目文件但并不会自动延续你上一个会话里聊过的上下文。举个例子我上周在重构一个内部工具的前端昨天已经跟 Claude 确认过“这个项目统一走 pnpm workspace不允许混用 npm lockfile”“请求层统一用封装的 requestWrapper不要直接裸调 fetch”。今天打开新会话说“帮我把列表页的请求接一下”它直接给我写了个裸 fetch还理直气壮地用 npm 安装了一个新的依赖包。这种失忆带来的损失不只是重新解释一遍上下文的时间。更麻烦的是AI 会基于错误的前提做出一连串连锁决策直到你发现问题再回滚。如果恰好涉及架构选型这种根节点问题返工成本会指数级上升。1.2 手动维护 CLAUDE.md 的天然缺陷社区里最常见的解法是维护 CLAUDE.md让每个新会话启动时读取。但我用了几个月后发现这条路有硬伤更新靠自觉会话结束那一刻你脑子里全是被 AI 带偏的愤怒压根不会想着去沉淀一条“正确结论”。内容容易膨胀项目跑久之后CLAUDE.md 里堆满了互相矛盾的旧结论因为很少有人会去删。颗粒度取舍困难写太细没人看写太粗又约束不了模型。我自己是那种“每个项目维护一份长文档”的人结果文档越来越像杂物间直到后来每次启动会话前都要先花两分钟翻一翻自己写了什么才意识到我是在给 AI 当人肉记忆库。1.3 claude-mem 的定位不是大模型记忆系统是对话沉淀工具claude-mem 切入的正是这个空档它不试图做成那种“检索一切历史”的 RAG 系统而是专门从你和 Claude 的对话里抽取那些“值得长期记住的东西”再用 Markdown 文件存下来下一次会话开始时自动注入给模型。我试用两周后的感受是它更像一个自动化的工位整理员把散落在会话里的重要结论挑出来、归好类、放在模型伸手就能拿到的地方。跟动辄搭向量库的重型方案比它的思路非常朴素但恰恰是这种朴素让它在真实工作流里落地得特别顺。2. 拆开看看记忆到底存哪儿、怎么被想起2.1 被忽略的事实Claude Code 本来就会把会话落盘我第一次看到 claude-mem 的设计时真实反应是“原来还能这么干”。Claude Code 本身就会把每次会话的完整交互记录用 JSONL 格式写到本地目录通常是在~/.claude/projects/项目名/下面每个会话对应一个.jsonl文件。这些文件里包含用户消息、助手回复、工具调用结果等全量内容。claude-mem 不劫持对话也不干预模型推理它只是把这份“会话底稿”当成输入在会话结束后进行异步加工。这个思路很有启发很多 AI 工具链的问题不是缺数据而是缺一个对这些“天然产生的数据”做二次利用的环节。会话记录就是天然的语料库只是多数人根本不知道它们躺在哪里。2.2 三步流水线提取、存储、注入我把它的工作模式拆成三步能帮助你理解后面所有配置。第一步是提取。它扫描新产生的会话记录判断哪些信息是“跨会话仍然有用的”。按我的观察它重点捞这么几类内容用户偏好类比如“我习惯用 doubled quotes”“接口返回直接用 data.data 这种结构”。项目约束类比如“生产环境不允许写日志到 stdout”“token 不要入库”。决策记录类比如“订单号走雪花算法因为需要全局唯一且可排序”。进行中的任务状态比如“商品详情页已经完成骨架剩价格区间筛选没做”。第二步是存储。所有被挑出来的记忆按项目隔离写入 Markdown 文件通常会带上时间戳和来源会话 ID。我本机的记忆目录大概是这个结构~/.claude-mem/ projects/ myapp/ memories.md preferences.md decisions.md project_state.md global.md第三步是注入。新会话启动时claude-mem 把当前项目的记忆文件合并成一段上下文在 Claude 读取项目文件之前就注入。这样模型第一眼看到的不只是代码还有“你惯用的方式”和“你们之前定过的规矩”。2.3 为什么这种方案不用向量数据库你可能想问提取出来的记忆这么多为什么不接向量库做相似度检索反而用扁平 Markdown我理解作者这么选的原因恰恰是刻意反着来向量检索适合“不知道问题会问什么、先囤一堆材料”的场景但 claude-mem 要解决的是“少量、稳定、强约束”的记忆。这类记忆用 Markdown 存有三个不可替代的好处可校验每次它记住了什么你打开文件就能看到不会被黑盒模型带偏。可干预哪条记错了直接删掉或改掉就是不用重新调模型。可版本化Markdown 能进 git能 diff能回滚。记忆这件事透明度比容量重要得多。这也是我后来敢把它放进团队工作流里的原因——它没有制造新的黑盒。3. 接入实操从安装到第一条记忆生成3.1 环境准备与安装我的机器是 macOSNode 环境和 Python 环境都有。claude-mem 的仓库里提供了 npm 和 pip 两套安装入口我用的是 npm 那一套整个过程大概一分钟。要提醒一句这类小项目迭代很快具体包名和入口以后续 README 为准但核心思路都是装好后能拿到一个claude-mem可执行命令。装完之后我会建议先干一件事跑一下版本命令确认它能正常执行同时注意看它是否自动创建了~/.claude-mem目录。这个目录就是以后记忆的“仓库”默认配置下不需要手动建。3.2 接上 Claude Code 的会话钩子接下来关键一步是让 claude-mem 知道“会话什么时候开始、什么时候结束”。Claude Code 支持自定义 hooks在~/.claude/settings.json里注册。我的配置大约长这样{ hooks: { SessionStart: [ { matcher: session_start, hooks: [ { type: command, command: claude-mem inject } ] } ], SessionEnd: [ { matcher: session_end, hooks: [ { type: command, command: claude-mem store } ] } ] } }配置好之后新会话开始时会自动执行注入把记忆文件内容拼进对话上下文会话结束时执行 store 指令扫描刚才的会话记录并提取新记忆。字段名在不同版本的 Claude Code 里可能有差异套用前先看一眼官方 hooks 文档即可。如果你更喜欢 MCP 的接法也可以把它作为 MCP server 启动。那样模型就能通过工具调用去读写记忆而不是只能用“注入”这种一次性方式。我个人的体感是hooks 方式更省 tokenMCP 方式更灵活看你是穷省流还是及时查询流。3.3 让它产生第一条记忆的测试路径装好之后我做了个最小验证整个过程大概五分钟。我先新开一个会话用闲聊、明确指令的方式跟 Claude 说“从现在开始这个项目的依赖统一使用 pnpm不要用 npm 安装新包。另外请求层优先用 src/api/request.ts 里封装的函数。”接着随便聊了两句就结束会话。然后我打开~/.claude-mem/projects/项目名/preferences.md看到里面已经多了两条记录一条绑定了 pnpm 的偏好另一条提到了 request.ts 封装。到这里说明 store 链路通了。这个文件本身就是可以手工编辑的我又顺手补了一条“单元测试统一用 vitest不要用 jest”。3.4 验证记忆真正生效光看文件还不够关键是新会话里它真能想得起来。我又开了一个全新会话故意不写任何约束背景直接问“这个项目如果我要加一个新依赖应该用什么命令请求接口时应该走哪个函数”结果它回答“根据项目约定依赖安装使用 pnpm请求统一通过 src/api/request.ts 的封装方法处理不应该直接调用 fetch。”这个结果让我颇有点惊喜。以前这时候我正在苦口婆心地打第二遍背景说明现在相当于多了一个“已经把项目历史烂熟于心”的同事。这里有一个小经验不要在配置完的同一会话里验证因为那个会话本身就有记忆一定要另开新会话才能真正验证注入是否生效。4. 跑了两周之后那些文档里不会写的坑4.1 记忆噪声它什么鸡毛蒜皮都当宝第一个坑是记忆噪声。默认策略偏“广撒网”对话里稍微出现一点像结论的东西就会被捞进记忆文件。我跑了两天之后打开 memories.md 一看里面出现了“用户说今天天气不错”“用户表示这个页面颜色还行”这种毫无营养的记录。更麻烦的是文件里的记忆条目一多真正重要的约束会被淹没。我的对策是按两个维度做止损第一在配置里关掉对闲聊类内容的提取只保留决策和约束型记忆第二定期打开记忆文件做减法把一些不适用于当前状态的历史偏好直接删掉。记住记忆文件不是越大越好它像缓存命中率才是关键。4.2 过时记忆技术栈变了它还抱着旧的当圣旨第二个坑出在技术选型变更时。我有个项目原来是 Vue 3 Vite后来整体换成了 Next.js迁移讨论是在一个新会话里完成的。结果在之后的新会话中Claude 仍然会基于旧记忆给出一些 Vue 生态的建议。这种现象非常隐蔽因为模型不会明确说“我记得你之前用 Vue”它只会带着旧认知去回答问题导致错误来得毫无征兆。吃了几次亏之后我养成了一个习惯在迁移完成后的那次会话里专门发一条覆盖指令比如“项目已经迁移到 Next.js之前关于 Vue 的约定作废”然后去记忆文件里手动把过时条目删掉或标记为[deprecated]。多数记忆工具都不够聪明没法自动判断什么是“过时”这个环节必须靠人。4.3 上下文窗口被吃掉记忆文件越长模型越“分心”第三个坑是 token 消耗。记忆文件膨胀之后每次 SessionStart 注入的内容就可能超过几千字。LLM 的注意力是稀缺资源一长串历史记忆混进去反而会稀释当前项目的核心上下文让模型在一些老黄历上纠结。我的处理方式是给记忆文件做“分层”一个活跃记忆文件只放最近一个月内仍然有效的决定和偏好另一个归档文件存放已经结题或者不再活跃的旧记录。日常注入只读活跃文件需要考古时再手动翻归档。这套思路跟代码库里的存档分支很像区分“热数据”和“冷数据”之后上下文干净了不少。4.4 一个容易被忽略的雷区记忆里的隐私与团队边界最后提醒一个比 bug 更值得重视的问题隐私。记忆文件里沉淀的可不只是技术偏好还有你在会话里说过的客户信息、业务敏感数据、甚至个人习惯。如果把~/.claude-mem整目录分享出去或者在团队同步时直接打包等于把半年的对话精华全部公开。如果是团队使用我强烈建议做两件事一是给记忆目录加入.gitignore里不该提交的部分按需同步二是养成在敏感讨论结束后把对应记忆条目手动摘除或者做脱敏后再进共享库。别觉得多此一举这类工具越能干、记忆越完整风险边界就越要划清楚。5. 从个人小工具到团队工作流我现在更进阶的用法5.1 多项目记忆隔离别让项目的记忆串门claude-mem 默认按项目目录隔离记忆这点要善用。我一开始把所有项目的记忆都混在一个目录里导致一个项目的新会话偶尔会参考另一个项目的技术选型虽然不至于报错但总感觉哪里不对。后来我把不同仓库的记忆根目录分开管理规则很粗暴每个项目一套~/.claude-mem/projects/仓库名/互不干扰。如果你经常在同一个仓库里切分支开发不同需求可以考虑在分支上挂一套单独的记忆避免特性 A 的中间状态污染特性 B 的上下文。不过这个需要自己写一点分支切换的逻辑适合有一定脚本经验的人。5.2 把记忆文件变成 git 资产我用了一周之后最大的一个转变是不再把 claude-mem 当作个人缓存而是作为团队知识库的草稿。做法很简单把~/.claude-mem/projects/项目/里的核心记忆文件提交到仓库的一个agent-memory/目录团队成员 clone 下来后用软链或者环境变量指到自己的记忆路径。这样团队里任何人用 Claude 写代码时模型都能读到同样的约束和决策记录而不是各记各的。这事的收益是“新人友好”。我们组新来的前端第一次上手项目时Claude 已经能告诉他“这个项目约定使用原子化 CSS不要写全局样式覆盖”省掉了至少半天的手把手讲背景时间。当然进 git 前要做 review不要让个人偏好混进团队共识里。5.3 自定义记忆分类给模型一张“快速索引”默认的记忆文件也可能不够贴合自己的场景。我在实践里做了一套轻量分类在记忆条目前面加标签例如[tech-stack]、[decision]、[preference]、[todo]。这样我可以在自己的复杂场景里精确搜“之前有过什么决策”甚至可以在注入逻辑里加过滤条件只注入决策型和约束型记忆降低噪声比例。如果你的记忆文件很长也可以考虑做一个小索引区开头是“最近重要决策”的列表后面才是详细内容。模型拿到这个索引后等于有了一副地图找东西会高效很多。5.4 与自动化结合清理脚本和记忆统计最后分享一个我现在还在完善的方向自动化维护。我写了一个简单的清理脚本定期扫描记忆目录把超过 30 天没有更新且没有带[active]标记的记忆条目挪到归档文件。还写了个统计脚本输出每个项目里标签的分布情况方便我看看最近团队都在关注哪个方向。更进一步的做法是把 claude-mem 跟 CI 结合每次部署完成自动向记忆文件里追加一条“版本 X 已上线涉及模块A、B”。下次 Claude 分析线上问题时就能直接使用这个时间线不用再翻聊天记录或部署日志。结尾一点真实的体会折腾 claude-mem 这两周我最大的感受是它解决的不只是“AI 忘记上下文”的问题而是让我重新理解了上下文工程这件事。与其指望一个模型记住所有事情不如设计一套明确、透明、可干预的外部记忆把“该放进上下文的信息”在合适的时机喂给它。claude-mem 的价值不在于它的提取算法多牛而在于它让记忆这个黑盒重新变得可见、可改、可维护。最后分享一个我最近特别受益的小习惯每周末抽十分钟把 claude-mem 生成的记忆文件打开翻一遍删除过时条目把仍然有效的决策整理进项目的 CLAUDE.md再把对应的记忆条目标记清理掉。这样 claude-mem 拿到的是“刚出锅的新鲜记忆”CLAUDE.md 里留下的是“稳定沉淀的长期共识”两条腿走路比单纯依赖哪个都要稳。如果你也在每天跟 Claude Code 打交道真心建议花一个下午把这个小工具接进工作流然后记住记忆文件要当成代码一样维护它才能越用越顺手。

给Claude Code装上长期记忆：claude-mem原理、配置与踩坑实录

相关推荐

基于Java Socket与GUI的银行排号系统：多客户端并发与Oracle持久化实现

Gemma 4与BOTANIC-1协同实现植物DNA解析自动化

智慧养老系统设计与实现：健康告警、求助与工单闭环实战复盘

更多资讯

向量数据库工程实践：从选型、分层架构到线上调优

MCGS6.2仿真程序负责人登录密码清除与重置实操指南

实时性即竞争力：物联网数据处理的五次代际跃迁

Python PDF处理实战：四大主流库选型与文本表格提取指南

从CPU超线程到线程池：队列与反压机制的底层逻辑

C# WebSocketServer 源码实战：从跑通到扛住并发

今日更新

PHP htmlentities()函数用法讲解

AI Agent工程实战：从七要素到七个决策点的系统设计指南

AI入局芯片设计验证：验证收敛50倍加速的真相与应对

本周精选

CMOS设计三大物理效应：体效应、沟道长度调制与亚阈值导电

微信小程序在线阅读毕设全解析：Java后端+MySQL+避坑实战

Android音频问题五层分析法：从App到Codec的系统化诊断

本月热门

我发现了一个新思路：用 Remotion + Claude Code 像写代码一样自动化生成短视频

Windows下 Codex 中 Chrome 和 Computer Use 插件不可用问题排查及解决参考方式：TaoToken 统一 Key 配置与验证

2026 大模型集体涨价：用 Python 做企业 Token 成本测算与选型避坑（附配置）

读完文章，想聊聊您的网站？