claude-mem：从 Claude Code 插件到 8 个 Agent 的跨会话记忆层

claude-mem：从 Claude Code 插件到 8 个 Agent 的跨会话记忆层

你用 Claude Code 做完一个功能，关掉终端。第二天打开，它问你："我们在做什么来着？"你用 Codex 做完另一个功能，同样的事。你用 Antigravity、OpenCode、T3 Code——每一个都失忆。

这不是模型的问题，是会话架构的问题。每个 agent 的上下文在会话结束时消失，因为没有人帮它存。

thedotmack 的 claude-mem 在 6 月解决了 Claude Code 的记忆问题。11 月，它已经不只是 Claude Code 的插件——它支持 8 个编码 agent，成了一个跨 agent 的记忆层。

核心机制：观察 + 压缩 + 检索

claude-mem 的工作流程分三步：

1. 观察

claude-mem 的 observer 在你工作时静默运行，捕获 tool usage observations——你执行了什么命令、修改了什么文件、遇到了什么错误、做了什么决策。

关键：observer 不记录所有对话，只记录有信息量的观察。这些观察被分类为 needle observations（决策、bugfix、安全告警、敏感信息），追加到 bot 的 memory/log/YYYY-MM.md 文件中。

2. 压缩

原始观察很长。claude-mem 把它们压缩成语义摘要——不是逐字记录，而是"这个项目用了什么技术栈、解决了什么问题、做了什么关键决策"。

这是"参数即存储"的外挂版本：不把记忆写进模型权重，而是写进外部文件。模型每次启动时读取这些摘要，恢复项目上下文。

3. 检索

新会话开始时，claude-mem 自动把相关摘要注入上下文。你不需要手动搜索——它知道当前项目是什么，哪些记忆相关。

也提供搜索工具：你可以主动搜索历史记忆，按项目、日期、关键词过滤。

8 个 Agent，一个记忆层

claude-mem 现在支持的编码 agent 列表：

还有 OpenClaw Gateway 支持：curl -fsSL https://install.cmem.ai/openclaw.sh | bash

这意味着什么？你可以在 Claude Code 里做一部分工作，在 Codex 里做另一部分，两个 agent 共享同一份项目记忆。每个 agent 知道另一个做了什么，不需要你重新解释。

Awareness Push：从被动记忆到主动提醒

v1.x 的关键新功能是 awareness push pilot（LFG + Orifice）。

之前的 claude-mem 是被动的——你问它才回答。awareness push 是主动的——当 observer 检测到特定类型的观察（decision、bugfix、security_alert、sensitive），它会自动把这些观察追加到 bot 的 memory/log 文件中。

Grok Bot 已经会从磁盘重新读取日志。这意味着 agent 不需要你触发搜索——它会在合适的时机自动"想起"相关记忆。

这是"判断-闸门解耦"在记忆系统的应用：

• 判断：observer 判断哪些观察是 needle（值得记住的）
• 闸门：awareness push 决定什么时候把记忆推送给 agent

多 Provider 架构

claude-mem 不绑定一个模型 provider。安装时你可以选择：

1. CMEM Pro（托管记忆）：claude-mem 的托管服务，30 天免费试用，之后回退到你的 Anthropic plan 2. OpenRouter / Gemini key：用你自己的 key 3. Anthropic plan：直接用你的 Claude 订阅

这意味着记忆压缩和摘要生成可以在不同模型上运行，不强制依赖某一个 provider。

和 Orkas 的对比

Orkas 和 claude-mem 都在解决"agent 记忆"问题，但方向不同：

Orkas 是"有记忆的项目经理"，claude-mem 是"给现有 agent 装记忆"。两者不冲突——你可以用 Orkas 管理项目，用 claude-mem 给你的 Claude Code 装记忆。

和 OpenMAIC 知识库的对比

OpenMAIC v1.3.0 的知识库也解决"持久记忆"问题，但方向不同：

• OpenMAIC：材料存在知识库里，agent 按需检索。记忆是结构化的文件。
• claude-mem：观察被压缩成语义摘要，agent 启动时自动注入。记忆是压缩过的文本。

OpenMAIC 的知识库适合教育场景（课件、教材需要完整保留），claude-mem 的语义摘要适合编码场景（你不需要记住每次命令的完整输出，只需要记住"做了什么决策、解决了什么问题"）。

为什么这件事重要

编码 agent 的竞争已经从"谁的模型更强"进入"谁的记忆更持久"。

模型能力在趋同——Claude、GPT、Gemini、DeepSeek 在编码任务上的差距在缩小。但所有 agent 都面临同一个问题：会话结束，上下文消失。

claude-mem 代表了一种基础设施化的思路：记忆不是模型的能力，是系统的架构。不管用什么模型，不管用什么 agent，记忆层是共享的、持久的、跨 agent 的。

这和"参数即存储"（SKIM）形成了互补：参数存储适合事实性知识（闭式解写入权重），外挂记忆适合过程性知识（做了什么决策、遇到了什么 bug、怎么解决的）。前者是模型级的记忆，后者是系统级的记忆。

数据

• GitHub: https://github.com/thedotmack/claude-mem
• License: MIT
• 语言: TypeScript / Shell
• 今日 stars: 1723
• 支持 agent: 8 个（Claude Code / Grok Bot / OpenCode / T3 Code / Antigravity / OMP / Pi / DeepSeek Harness）
• Provider: CMEM Pro / OpenRouter / Gemini / Anthropic plan
• OpenClaw Gateway: 支持
• 30+ 语言翻译

---

claude-mem 做的事情不新——持久记忆、语义压缩、跨会话检索——但把它做成一个跨 8 个 agent 的基础设施层，让记忆不再绑定于某一个模型或某一个工具，这是新的。当编码 agent 的竞争从"模型能力"转向"系统架构"，记忆层会成为标配。