AI 编程工具的长会话场景长期面临同一个尴尬：会话一关，上下文清零。开源项目 claude-mem 试图解决这个问题——它已斩获超 7.8 万星标，成为 Claude Code 社区中最受关注的持久记忆方案之一。
claude-mem 由开发者 Alex Newman（@thedotmack）创建，定位为一个持久内存压缩系统，能够自动捕获 AI 代理在会话期间的所有工具使用观察，利用 AI 进行语义压缩，并在未来会话中注入相关上下文。维护者 Alex Newman 表示，项目的核心目标是让 AI 助手在重启会话后依然”记得”项目上下文，不再需要人工重复描述。
三层检索架构将 Token 消耗压缩到十分之一
claude-mem 采用了一套分层的记忆检索机制：第一层通过 FTS5 全文搜索返回紧凑索引（每次约 50-100 tokens）；第二层以时间线方式展示搜索结果周围的上下文；第三层仅在需要时拉取完整观测细节（约 500-1,000 tokens）。这种渐进式披露策略相比一次性加载全部记忆，可节省约 10 倍 Token 消耗。
项目还内置了 Chroma 向量数据库用于混合语义搜索，以及 MCP 工具接口供其他 AI 工具调用。记忆数据存储在本地 SQLite 数据库中，通过 http://localhost:37777 的 Web 界面可实时查看记忆流。
五个生命周期钩子实现无感持久化
claude-mem 的运作依赖 5 个生命周期钩子（SessionStart、UserPromptSubmit、PostToolUse、Stop、SessionEnd），这些钩子在 Claude Code 的核心操作节点自动触发——记录、压缩、存储，无需人工干预。用户还可以使用 <private> 标签标记敏感内容，确保特定信息不被记录。
项目通过 npx claude-mem install 单命令安装，支持 Claude Code、Gemini CLI、OpenCode 等多个 IDE，并以 Apache 2.0 协议开源。Alex Newman 解释了这一协议选择：持久的智能体记忆应该能轻松嵌入开发者工具、本地代理、MCP 服务器和企业系统。
