Keep on to blur preview images; turn off to show them clearly
![[开源推荐] Claude-Mem: 为 Claude Code 设计的持久化记忆压缩系统
来自 @Claude_Memory，通过智能压缩和本地存储，能够记住之前的编程操作、决策和上下文，赋予 AI 跨会话的长期记忆能力并降低 Token 消耗，基于 @trychroma 向量数据库。
核心价值：解决“失忆”问题
通常情况下，当你结束与 AI 的对话或重启终端后，AI 会丢失之前所有的上下文。在长期开发项目中，这意味着你每次都需要重复向 AI 解释项目背景、技术栈选择或之前的代码改动。
Claude-mem 的作用：
· 持久化记忆：它会自动记录你在 Claude Code 中的操作轨迹。
· 自动回忆：当你开启新会话时，它会自动将之前的关键信息（如已修复的 Bug、项目结构变更、用户偏好）“注入”到新的上下文中。
· 无感运行：这一切都在后台自动完成，不需要用户手动维护记忆文件。
主要功能特性
· 智能压缩与摘要：它不是简单地保存所有聊天记录（那样会迅速消耗 Token 配额），而是利用 Claude Agent SDK 对操作进行语义压缩。它会将冗长的工具调用日志转化为精简的“语义摘要”，只保留核心信息。
· 跨会话上下文注入：新会话开始时，它会智能检索并加载相关的历史记忆，让 Claude 能够无缝接续工作。
· 自然语言搜索能力：你可以直接问 Claude：“我们上次做到了哪里？”或者“之前那个 Bug 是怎么修的？”，它会通过内置的搜索技能从记忆库中提取答案。
· 可视化管理界面：提供了一个本地 Web UI（通常在 localhost:37777），让你像浏览时间轴一样查看 AI 的记忆流，直观地看到它记住了什么。
技术原理
项目采用了一种模块化的架构来实现记忆的“读”与“写”：
· 捕获（Hooks）：利用 Claude Code 的生命周期钩子，监听每一次工具调用（如读写文件、运行命令）。
· 处理（Worker）：一个后台 Worker 进程会接收这些数据，并使用 AI 模型对其进行分析和总结。
· 存储（SQLite）：处理后的数据被存入本地的 SQLite 数据库，支持高效的全文检索。
· 检索（Injection）：在用户开启新任务时，系统会根据当前上下文，自动从数据库中调取最相关的信息并喂给 Claude。
为什么它很重要？
· 节省 Token 和金钱：通过压缩记忆，避免了重复发送大量的历史对话，直接降低了 API 调用成本（每次启动可节省约 2000+ token）。
· 提升开发效率：开发者不再需要充当“复读机”，AI 能更快进入状态，像一个真正熟悉项目的同事一样工作。
· 隐私与本地化：记忆数据存储在本地，用户拥有完全的控制权，可以通过配置过滤敏感信息（如 API Key）。
开源地址：](/_next/image?url=https%3A%2F%2Fpbs.twimg.com%2Fmedia%2FG8DNs7jaIAA2whx.jpg&w=3840&q=75 "[开源推荐] Claude-Mem: 为 Claude Code 设计的持久化记忆压缩系统
来自 @Claude_Memory，通过智能压缩和本地存储，能够记住之前的编程操作、决策和上下文，赋予 AI 跨会话的长期记忆能力并降低 Token 消耗，基于 @trychroma 向量数据库。
核心价值：解决“失忆”问题
通常情况下，当你结束与 AI 的对话或重启终端后，AI 会丢失之前所有的上下文。在长期开发项目中，这意味着你每次都需要重复向 AI 解释项目背景、技术栈选择或之前的代码改动。
Claude-mem 的作用：
· 持久化记忆：它会自动记录你在 Claude Code 中的操作轨迹。
· 自动回忆：当你开启新会话时，它会自动将之前的关键信息（如已修复的 Bug、项目结构变更、用户偏好）“注入”到新的上下文中。
· 无感运行：这一切都在后台自动完成，不需要用户手动维护记忆文件。
主要功能特性
· 智能压缩与摘要：它不是简单地保存所有聊天记录（那样会迅速消耗 Token 配额），而是利用 Claude Agent SDK 对操作进行语义压缩。它会将冗长的工具调用日志转化为精简的“语义摘要”，只保留核心信息。
· 跨会话上下文注入：新会话开始时，它会智能检索并加载相关的历史记忆，让 Claude 能够无缝接续工作。
· 自然语言搜索能力：你可以直接问 Claude：“我们上次做到了哪里？”或者“之前那个 Bug 是怎么修的？”，它会通过内置的搜索技能从记忆库中提取答案。
· 可视化管理界面：提供了一个本地 Web UI（通常在 localhost:37777），让你像浏览时间轴一样查看 AI 的记忆流，直观地看到它记住了什么。
技术原理
项目采用了一种模块化的架构来实现记忆的“读”与“写”：
· 捕获（Hooks）：利用 Claude Code 的生命周期钩子，监听每一次工具调用（如读写文件、运行命令）。
· 处理（Worker）：一个后台 Worker 进程会接收这些数据，并使用 AI 模型对其进行分析和总结。
· 存储（SQLite）：处理后的数据被存入本地的 SQLite 数据库，支持高效的全文检索。
· 检索（Injection）：在用户开启新任务时，系统会根据当前上下文，自动从数据库中调取最相关的信息并喂给 Claude。
为什么它很重要？
· 节省 Token 和金钱：通过压缩记忆，避免了重复发送大量的历史对话，直接降低了 API 调用成本（每次启动可节省约 2000+ token）。
· 提升开发效率：开发者不再需要充当“复读机”，AI 能更快进入状态，像一个真正熟悉项目的同事一样工作。
· 隐私与本地化：记忆数据存储在本地，用户拥有完全的控制权，可以通过配置过滤敏感信息（如 API Key）。
开源地址：")
[开源推荐] Claude-Mem: 为 Claude Code 设计的持久化记忆压缩系统 来自 @Claude_Memory，通过智能压缩和本地存储，能够记住之前的编程操作、决策和上下文，赋予 AI 跨会话的长期记忆能力并降低 Token 消耗，基于 @trychroma 向量数据库。 核心价值：解决“失忆”问题 通常情况下，当你结束与 AI 的对话或重启终端后，AI 会丢失之前所有的上下文。在长期开发项目中，这意味着你每次都需要重复向 AI 解释项目背景、技术栈选择或之前的代码改动。 Claude-mem 的作用： · 持久化记忆：它会自动记录你在 Claude Code 中的操作轨迹。 · 自动回忆：当你开启新会话时，它会自动将之前的关键信息（如已修复的 Bug、项目结构变更、用户偏好）“注入”到新的上下文中。 · 无感运行：这一切都在后台自动完成，不需要用户手动维护记忆文件。 主要功能特性 · 智能压缩与摘要：它不是简单地保存所有聊天记录（那样会迅速消耗 Token 配额），而是利用 Claude Agent SDK 对操作进行语义压缩。它会将冗长的工具调用日志转化为精简的“语义摘要”，只保留核心信息。 · 跨会话上下文注入：新会话开始时，它会智能检索并加载相关的历史记忆，让 Claude 能够无缝接续工作。 · 自然语言搜索能力：你可以直接问 Claude：“我们上次做到了哪里？”或者“之前那个 Bug 是怎么修的？”，它会通过内置的搜索技能从记忆库中提取答案。 · 可视化管理界面：提供了一个本地 Web UI（通常在 localhost:37777），让你像浏览时间轴一样查看 AI 的记忆流，直观地看到它记住了什么。 技术原理 项目采用了一种模块化的架构来实现记忆的“读”与“写”： · 捕获（Hooks）：利用 Claude Code 的生命周期钩子，监听每一次工具调用（如读写文件、运行命令）。 · 处理（Worker）：一个后台 Worker 进程会接收这些数据，并使用 AI 模型对其进行分析和总结。 · 存储（SQLite）：处理后的数据被存入本地的 SQLite 数据库，支持高效的全文检索。 · 检索（Injection）：在用户开启新任务时，系统会根据当前上下文，自动从数据库中调取最相关的信息并喂给 Claude。 为什么它很重要？ · 节省 Token 和金钱：通过压缩记忆，避免了重复发送大量的历史对话，直接降低了 API 调用成本（每次启动可节省约 2000+ token）。 · 提升开发效率：开发者不再需要充当“复读机”，AI 能更快进入状态，像一个真正熟悉项目的同事一样工作。 · 隐私与本地化：记忆数据存储在本地，用户拥有完全的控制权，可以通过配置过滤敏感信息（如 API Key）。 开源地址：
邵猛，中年失业程序员 😂 专注 - Context Engineering, AI Agents. 分享 - AI papers, apps and OSS. ex Microsoft MVP 合作 - 私信/邮箱：shaomeng@outlook.com 📢 公众号/小红书: AI 启蒙小伙伴
RT @SchmidhuberAI: The GOAT of tennis @DjokerNole said: "35 is the new 25.” I say: “60 is the new 35.” AI research has kept me strong and h…
Invented principles of meta-learning (1987), GANs (1990), Transformers (1991), very deep learning (1991), etc. Our AI is used many billions of times every day.
新视频上线——GPT-5.2 Thinking 被低估的新能力！自动搜索+排版，50分钟交付专家级PPT/Excel/PDF 它花 50 分钟帮我整完扫地机器人旗舰横评 PPT、自动下好各家品牌 Logo、丰富图表展示 又用 20 分钟做完 8 家人形机器人调研表，融资、技术路线、商业化全都有 还顺带把 GPT / Gemini / Claude 全系价格和来源查得明明白白。 值不值？怎么提问才不浪费时间？ 完整视频：🧵
https://t.co/Ev6NPUFTjY
Years ago I started learning Indonesian on Duolingo. My wife asked me why I was speaking like a 90-year old bapak bapak.
Laying low
RT @veryordinally: @pizzaninjas That’s awesome! For any π lovers out there, also check out this work with @skominers which includes the πxe…
Market Design/Entrepreneurship Professor @HarvardHBS & Faculty Affiliate @Harvard Economics; Research @a16zcrypto; Editor @restatjournal; Econ @Quora; … | #QED
RT @allen_ai: Olmo 3.1 is here. We extended our strongest RL run and scaled our instruct recipe to 32B—releasing Olmo 3.1 Think 32B & Olmo…