AI 助手一关就失忆，claude-mem 补上记忆

跟 AI 助手说清楚一个项目的规矩，要花掉你半小时：代码放在哪、命名习惯是什么、哪几个文件不许碰。第二天早上新开一个会话，它一脸茫然，还得从头再讲一遍。

这不怪模型。它的记忆只在当前会话里活着，窗口一关，上下文清零，连“你昨天来过”都不剩。

claude-mem 就是冲着这段空白来的。它跟着你干活，把过程记下来，等你下次开会话，再把用得上的那部分塞回去。到 10 月 8 日，它在 GitHub 上已经有 9.8 万颗星。

claude-mem 的规模：9.8 万星标、8600+ 复刻、5 个生命周期钩子、30 天托管试用

记忆是怎么被接上的

做法不复杂，但每一步都有取舍。

它挂在助手的工作流程上，用五个钩子抓取：会话开始、你提交问题、工具调用结束、助手停下、会话结束。抓下来的东西经过筛拣，留下的是“观察”：调了什么工具、读了哪个文件、得出什么结论。

钩子方案比事后翻日志聪明一点。日志是流水账，从头读到尾也未必知道哪句是结论；观察被筛过一遍，只剩动作和结果，压缩起来省事，日后捞起来也准。

观察先被另一个模型压成语义摘要，再存进本地数据库，向量检索交给 Chroma。等到下次开会话，它按需把相关片段注入上下文，不做成把历史一股脑倒进去。

按需这两个字是关键。项目管它叫渐进式披露：先给结论，需要细节时再逐层展开，顺便把每一层花掉的词元成本也摆给你看。

检索这一层也不只认关键词。Chroma 跑的是语义加关键词的混合搜索，你用自己的话问“上次那个改到一半的配置挪到哪去了”，它照样能捞回来。

记忆是怎么接上的：钩子抓取观察，模型压成摘要，本地库存+向量检索，下次按需注入

星数之外的三层代价

9.8 万颗星说明“AI 失忆”确实扎到了很多人，可星数不等于没有坑。装它只要一行命令，Claude Code、Codex、Gemini、Copilot、OpenCode 这几类助手都能接，接得越多，记忆复用得越广，这大概也是它涨星快的原因之一。

第一层是钱。压缩记忆那一步得单独跑一遍模型，这次调用不算在订阅额度里。项目把这套能力打包成托管记忆，送 30 天试用，试用结束就回落到你自己的 Anthropic 计划，或者你自己填 OpenRouter、Gemini 的密钥。

第二层是隐私。它默认记录助手干过的每件事，包括读过的文件内容。想排除敏感文本，得自己动手在内容上套一层 private 标记。

第三层是多了一个常驻进程。本地要一直跑一个后台服务，顺带提供网页查看器，让你能实时看到记忆流。东西不多，但已经不是装完就忘的那类插件。

真正难的不是记住

说实话，“给 AI 装记忆”这件事被高估了。存下来不难，谁都能把对话记录扔进一个数据库，需要的时候再捞出来。

难的是下一次知道该捞哪一条。捞多了，上下文被无关内容撑满，词元烧得飞快，模型还容易被带偏；捞少了，等于没记。claude-mem 把赌注押在分层上：先给摘要，再按需展开，用检索的精度换上下文的空间。

它赌的是，记忆的价值取决于什么时候想起来。同一套逻辑放到人身上也成立：笔记记了几百条，从没回看过，那和没记区别不大。

装之前和装之后：从每次重讲、活在会话里，到自动带回相关片段

说两句

这类工具还暴露了另一件事：记忆正在从模型的内置能力，变成一件外挂的服务。厂商自己在做，社区也在做，而且做得越认真，越说明现在的模型原生就记不住。

claude-mem 能不能一直火下去不好说。但它至少把问题问对了：真正好用的助手，得知道该忘什么。

AI 最像人的地方，是它也会忘事。

你的 AI 助手，让你重复讲过多少次同样的话？