claude-mem五层Hooks架构：为Claude Code实现渐进式持久记忆与主动搜索

claude-mem 是一个为 Claude Code 设计的持久化记忆压缩系统。它通过一套 Hooks 自动记录你在 Claude Code 里的所有操作，并利用人工智能能力化繁为简，将这些记录提炼成对未来会话有价值的上下文。目前，这个项目在 GitHub 上已斩获 43,718 颗星，是 Claude Code 插件生态中备受瞩目的热门项目之一。

你是否也曾对传统 Claude Code 的“健忘症”感到头疼？典型的工作模式往往是这样的：

你：帮我实现登录模块
Claude：好的，开始写...
（你关掉窗口）
——下次打开——
Claude：你好！有什么可以帮你的？
你：……我上次那个登录模块写到哪了？
Claude：我不记得了。

每次会话都相互独立，AI 无法跨越会话记住关键信息，例如：

• 你项目的技术栈和架构选择。
• 哪些文件已经处理过，哪些不需要再碰。
• 你曾经踩过的坑和最终的解决方案。
• 团队的开发规范和代码风格偏好。

claude-mem 的核心思路非常巧妙：“既然上下文窗口有限，就用 AI 压缩它”。它并非简单粗暴地将所有历史对话塞进上下文，而是通过智能压缩和提炼，只保留对未来任务真正有用的信息。

✨ 核心设计：渐进式上下文披露

claude-mem 的记忆不是一次性全部注入的，而是按需渐进释放——就像一个熟悉项目的老同事，不会一股脑地把所有历史倒给你，而是在你需要的时候，精准地递上最相关的那块拼图。

五层 Hooks：记忆系统的骨架

claude-mem 的核心不是“插件 API”，而是一套精心设计的五层 Hooks 系统：

Hooks	触发时机	作用
SessionStart	会话开始	加载历史记忆，注入上下文
UserPromptSubmit	提交用户提示	记录当前任务方向
PostToolUse	工具执行后	捕获文件变更和关键观察
Stop	会话中断	保护现场，保存状态
SessionEnd	会话结束	触发压缩流程

每次你使用 Read、Write、Bash 等工具时，PostToolUse Hook 就会自动记录：

• 哪个文件被修改了。
• 具体改动了什么。
• 上下文中的关键观察（observations）。

后端架构：不止是本地日志

Hooks 捕获的数据不会直接写入文件，而是发送给一个运行在 37777 端口 的独立 Worker 服务进行处理，形成了一个微型的完整系统：

Claude Code  ←→  Hooks脚本  →  Worker 服务（HTTP）  →  SQLite 数据库
                                               →  Chroma 向量库

• SQLite：用于结构化存储会话、观察记录、摘要等数据。
• Chroma 向量库：实现混合语义与关键词搜索，为智能上下文检索提供支持。
• Web 查看器：在浏览器中打开 http://localhost:37777，即可实时查看流动的记忆数据流。

这套架构远比“简单记录日志”复杂，本质上是一个完整的前后端数据系统。

渐进式记忆释放与成本控制

这是 claude-mem 设计最为精妙的地方。压缩后的记忆会根据任务需要和 Token 成本进行渐进式释放：

会话开始 → 注入基础项目结构（轻量）
  ↓ 任务需要更多背景
注入近期决策记录（中量）
  ↓ 深入某个模块
注入详细技术细节（按需）

每一层记忆的注入都伴随着Token 成本可见性，让你清楚知道每多获取一层背景信息需要消耗多少 Token，真正做到成本可控。

mem-search：让AI主动查询历史

claude-mem 不仅提供被动的记忆注入，还赋予 Claude 一套 mem-search 技能，使其能够主动查询项目历史：

你：上次会话我们讨论过缓存方案吗？
→ Claude 自动调用 mem-search
→ 返回相关记忆上下文

该系统支持多达 10 种搜索模式，满足不同场景的查询需求：

搜索类型	功能
搜索观察	跨观察的全文搜索
搜索会话	跨会话摘要搜索
搜索提示	搜索原始用户请求
按概念搜索	按标签查找（如：发现/问题解决/模式）
按文件搜索	查找引用特定文件的观察
按类型搜索	按类型查找（如：决策/bug修复/功能/重构）
最近上下文	获取最近会话上下文
时间线	获取特定时间点周围的统一上下文

隐私保护与多平台支持

你可以通过 <private> 标签轻松排除敏感内容，确保它们不会被系统存储：

你：帮我查一下客户的支付密码是怎么存的
<private>这个项目涉及支付密码</private>
→ claude-mem 不会记录这条观察

更有趣的是，claude-mem 还可以作为 OpenClaw 的持久记忆插件使用，实现一套系统服务两个场景：

curl -fsSL https://install.cmem.ai/openclaw.sh | bash

快速安装与使用体验

安装过程极其简单，只需在 Claude Code 中执行两行命令：

/plugin marketplace add thedotmack/claude-mem
/plugin install claude-mem

重启 Claude Code 后，新的会话就会自动加载历史记忆。

场景对比：有记忆 vs 无记忆

让我们通过一个具体场景来感受 claude-mem 带来的根本性差异：

没有 claude-mem 的对话：

你：我想给这个项目加个缓存层
Claude：好的，我来先了解一下项目结构……（读取大量文件）……
（浪费了大量 token 在“了解项目”上，而且 Claude 可能还理解错了）

有 claude-mem 的对话：

你：我想给这个项目加个缓存层
Claude：[加载了项目记忆] 我看到你上周已经讨论过这个方案，当时决定先用 Redis 实现。这和你的技术选型一致。要我现在开始实现吗？

这就是持久记忆带来的差异——AI 不再是每次会话的“陌生人”，而是真正理解项目来龙去脉的“老同事”。

适用与不适用场景

✅ 非常适合：

• 长期维护同一项目的工程师。
• 需要并行多项目、频繁切换上下文的开发者。
• 团队协作使用 Claude Code，需要共享项目认知的场景。
• 追求“AI 真正懂我的代码库”而非每次都重复解释的开发者。

❌ 不太适合：

• 项目生命周期极短、频繁创建和丢弃的临时项目。
• 对数据隐私极度敏感（需注意记忆数据存储在本地）。
• 偏好每次会话都从“干净状态”开始的极简主义者。

优缺点总结

✅ 优点	❌ 缺点
自动运行，零摩擦集成	架构相对复杂，依赖独立的 Worker 服务
渐进式披露，Token 消耗可控	记忆存储在本地，跨设备工作需要手动同步
mem-search 技能让 AI 可主动查询	大型项目的向量数据库会随时间逐渐膨胀
Web 查看器实现记忆流可视化
同时支持 Claude Code 和 OpenClaw
提供多语言文档，对中文用户友好

总结

claude-mem 精准地解决了 AI 编程中的上下文断裂 这一根本痛点。它并非简单地增加了一个功能，而是补全了 Claude Code 原生缺失的设计：让 AI 助手具备连续的项目记忆能力。43k 的 GitHub Stars 充分证明了开发者社区对此问题的强烈共鸣。如果你已经厌倦了每次与 AI 协作时都要重新解释项目背景，那么 claude-mem 绝对值得一试。对于想深入了解此类开源实战项目的开发者，也可以到云栈社区与其他同行交流探讨。

相关链接：

• GitHub：https://github.com/thedotmack/claude-mem
• 官方文档：https://docs.claude-mem.ai/