64K星!Claude Code最强插件Claude-Mem升级了,这架构设计有点东西!

大家好，前两天在逛GitHub Trending的时候，被一个项目刷屏了——Claude-Mem，一个Claude Code的持久化记忆插件，短短一周狂揽14.5k星，直接冲上总榜前三。

说实话一开始我是拒绝的。现在市面上”AI记忆”相关的项目多如牛毛，吹得天花乱坠，用起来一言难尽。但这次仔细看了下它的技术实现，有点被惊艳到了——特别是那个三层渐进式检索架构，不得不说这帮开发者是真的在认真思考怎么解决问题。

今天就跟大家聊聊这个项目，看看它到底有什么不一样的地方。

先说说Claude Code是个啥

可能有些朋友对Claude Code还不太熟悉。简单讲，这是Anthropic官方出品的命令行AI编程助手，可以理解为：一个能直接在终端里帮你写代码、调试、甚至做项目管理的AI。

跟那些IDE插件型的Copilot不一样，Claude Code是真正的Agent级工具——它能理解整个代码库、自主规划多步任务、跨文件修改代码、调用系统命令。说白了，它不是来给你补全代码的，是来帮你干活的。

这玩意儿现在在开发者圈子里火得不行。它有200K的超长上下文，能一次性”阅读”整个项目。而且原生支持VS Code、JetBrains等主流IDE，命令行操作起来特别流畅。配合插件系统，生态发展得贼快。

三层渐进式检索：这才是正经做工程的态度

好了，重点来了。Claude-Mem最让我佩服的，是它的三层渐进式检索架构（Progressive Disclosure）。市面上大多数记忆系统的问题在于：要么一股脑把所有历史记录塞给AI，导致上下文爆炸；要么检索太粗暴，返回的结果跟你的需求八竿子打不着。

Claude-Mem怎么解决的呢？它把检索拆成了三步：

第一层：Search（索引）——先用关键词或自然语言搜一圈，返回给你一个紧凑的结果列表。这列表里只有ID、标题、时间、类型这些元信息，每条只占50-100个token。

第二层：Timeline（时间线）——从索引里挑几个看起来相关的点，围绕它们拉出一条时间线，看看这个观察点前后都发生了什么。这个步骤能帮你判断”这个结果到底跟我要搞的东西有没有关系”。

第三层：Get Observations（详情）——最后才去拿完整内容，而且只拿前面两步筛选出来的那些。每条大概500-1000个token。

整个流程下来，token消耗直接降了10倍。不是那种玄学优化，是实打实的工程设计。

我觉得这种设计思路特别值得学习——不是堆参数、不是靠更大的模型硬算，而是在架构层面就把问题想清楚了。这种渐进式的设计，既保证了信息完整性，又避免了上下文污染。

说到这里，可能有朋友会问：这种设计是怎么跟Claude Code集成的？

答案是MCP（Model Context Protocol）工具。Claude-Mem暴露了4个MCP工具：search、timeline、get_observations，还有一个__IMPORTANT__常驻提示，引导Claude按三层流程走。这种”用工具设计强制最佳实践”的做法，思路很巧妙。

SQLite + ChromaDB：轻量级方案的逆袭

说到技术选型，Claude-Mem用了SQLite + ChromaDB的组合，这让我挺意外的。

现在好多项目动不动就上PG、Milvus、Weaviate，搞得运维复杂度飙升。Claude-Mem反其道而行之：

**SQLite（FTS5）**负责全文搜索和结构化存储

ChromaDB负责向量嵌入和语义搜索

本地就能跑，不用部署什么分布式集群。数据全部存在~/.claude-mem/目录下，透明可控。

我特意去翻了下文档，作者还搞了个claude-mem-lite的精简版，连Chroma都去掉了，只依赖SQLite的FTS5做搜索。这个版本更适合轻量级场景，源码只有50KB，对比原版的2.3MB bundles，体积差了40多倍。

有个对比数据很有意思：LLM调用次数从原来的”每次工具调用都触发”降到了”每个episode只调用5-8次”；Token消耗从10万-25万降到了1千-4千，差了50-100倍。成本直接降了600多倍。

对于个人开发者或者小团队来说，这种”零运维”的方案真的很友好。装上就能用，不用折腾什么数据库集群。

观察类型分类：让记忆变得可搜索

Claude-Mem还有一个我很喜欢的功能：自动分类。

每次会话结束，它会通过Claude Agent SDK对观察进行总结和分类，标记为：

• decision – 关键决策，比如”我们决定用PostgreSQL而不是MySQL”

• bugfix – 修复记录，”这个bug的根因是空指针”

• feature – 功能实现，”实现了JWT鉴权”

• refactor – 重构，”把订单模块拆成了独立服务”

• discovery – 新发现，”原来这个API有rate limiting”

每个观察还会被打上重要性等级（routine / notable / critical），方便后续筛选。

我之前用过一些类似的工具，回溯历史的时候全靠”模糊搜索”，运气不好搜半天也找不到想要的内容。Claude-Mem这种分类体系让记忆变成了真正可索引、可检索的资产，而不是一堆乱七八糟的日志。

Sidecar架构：优雅的非侵入式设计

讲技术架构的时候，一定要提一下Sidecar模式。

Claude-Mem没有直接修改Claude Code的源码，而是利用它的插件Hook机制，挂了一个独立的Worker Service在旁边。这种设计有几个好处：

• 不破坏原生体验——Claude Code怎么用还是怎么用，Claude-Mem只是”悄悄”在后台工作

• 隔离性——记忆处理完全异步，不会阻塞主对话流程

• 可维护性——升级、降级、禁用都很方便，不会影响主程序

Worker Service跑在37777端口，用Express.js处理HTTP请求，用Server-Sent Events做实时推送。整体架构清晰，组件之间职责分明。

Web Viewer：你的记忆控制台

Claude-Mem自带了一个Web界面（http://localhost:37777），可以实时查看记忆流。

Claude-Mem Web Viewer这个界面能干啥呢？

• 实时查看当前会话的观察记录

• 搜索和过滤历史记忆

• 管理项目和上下文配置

• 切换Beta功能（比如Endless Mode）

对于喜欢可视化操作的朋友来说，这个控制台挺实用的。不用命令行也能了解记忆系统的运行状态。

隐私控制：敏感内容你说了算

这是个很现实的问题——Claude Code天天跟你的代码打交道，里面难免有些不想被记住的东西。

Claude-Mem的处理方式是打标签：直接在代码里用<private>标签包裹的内容，不会进入存储层。这个过滤发生在hook层（边缘处理），数据根本到不了worker和数据库。

<private>数据库密码: Admin@123API密钥: sk-xxxxxx</private>

这部分内容完全不会被记录。对于商业项目来说，这个功能还是挺重要的。毕竟不是所有代码都适合当训练素材。

开源 vs 商业：开源核心很良心

最后说说License的问题。

Claude-Mem的核心功能是完全开源的（AGPL-3.0），所有API端点都保持开放。你可以直接访问localhost:37777上的所有接口，不存在什么”付费墙”。

作者也说了，Pro功能会以”额外能力”的形式提供，但不会去改核心接口。也就是说：不花钱也能用全部功能。

我觉得这种模式挺健康的——开源保证生态，增值服务保证开发者的可持续投入。对比某些”核心功能全锁付费版”的方案，诚意明显更足。

有意思的是，作者Alex Newman（@thedotmack）还搞了个$CMEM的Solana代币，作为社区激励。虽然这玩意儿见仁见智，但至少说明项目在认真考虑长期运营的问题。

写在最后

说实话，Claude-Mem让我对”AI编程记忆”这个赛道重新燃起了信心。

之前用过不少类似的产品，大多数停留在”把对话存下来”这个层面，缺乏真正的工程思考。Claude-Mem不一样——它的三层检索架构、轻量化技术选型、细致的分类体系，每一处都透着”认真做产品”的态度。

64K星不是白拿的!

如果你也是Claude Code的重度用户，真心建议试试这个插件。相信我，用过之后你会有”之前那些会话都白干了”的感觉。

好了，这期就聊到这里。各位观众老爷如果有什么问题，欢迎评论区交流！

项目链接：https://github.com/thedotmack/claude-mem

官方文档：https://docs.claude-mem.ai/

往期精选

你的下一批”员工”，可能不是人……17K Star开源项目Multica，让OPC触手可及！

3B参数打赢27B！阿里Qwen3.6-35B-A3B开源引爆Agent编程！

英伟达的”量子野心”：用AI给量子计算机装上大脑！全球首个量子AI开源模型——NVIDIA Ising发布！

把K线图变成”语言”，清华团队用LLM思路做出了股票预测开源模型Kronos！

MiniMax M2.7重磅开源，模型直接参与自身迭代优化！华为昇腾、摩尔线程等芯片0Day适配！

追踪AI前沿，深挖GitHub宝藏。

用优质内容陪你成长，

点击关注，携手启航。