thedotmack/claude-mem:为每个代理提供跨会话的持久上下文——捕获代理在会话期间所做的一切,用AI压缩,并将相关上下文注入未来的会话。适用于Claude Code、OpenClaw、Codex、Gemini、Hermes、Copilot、OpenCode等
thedotmack/claude-mem: Persistent Context Across Sessions for Every Agent – Captures everything your agent does during sessions, compresses it with AI, and injects relevant context back into future sessions. Works with Claude Code, OpenClaw, Codex, Gemini, Hermes, Copilot, OpenCode + More
AI 摘要2026年10月31日,开发者 thedotmack 在 GitHub 上的开源项目 claude-mem 获星达 10.8 万。该项目基于 TypeScript 开发,为各类 AI Agent 提供跨会话持久上下文功能。它能记录智能体在会话中的全部操作,经由 AI 压缩提炼后,将相关上下文注入未来的新会话中。该工具已支持 Claude Code、OpenClaw、Codex、Gemini、Hermes、Copilot 及 OpenCode 等多款工具。
解读
发生了什么
2026年10月31日,开发者 thedotmack 在 GitHub 开源的持久记忆项目 claude-mem 标星数达到 10.8 万。该项目采用 TypeScript 构建,核心目标是解决所有 AI Agent 在多会话间的上下文持久化问题。它的运行逻辑为捕获智能体单次会话中的全部操作记录,利用 AI 进行内容压缩,并在未来会话中回注相关上下文。该项目目前适配了 Claude Code、OpenClaw、Codex、Gemini、Hermes、Copilot 与 OpenCode 等多款智能体系统。
为什么重要
多数 AI 编程智能体受限于无状态设计,会话结束即丢失历史排错与项目认知,迫使开发者反复输入背景提示词。claude-mem 借助“捕获-压缩-回注”流程,在模型外部构建轻量级记忆中间件,使短期交互痕迹转化为可长期复用的项目认知。这种机制规避了全量加载历史会话导致的 Token 冗余消耗,同时降低了大上下文窗口带来的推理延迟与幻觉风险。该方案的普及将推动智能体应用从单纯依赖提示词工程,转向以结构化外部记忆为核心的工程架构演进。
影响谁
- AI 编程工具开发者与工程师无需在每次重启会话时重复补充业务背景与架构约束,有效降低调用大模型产生的上下文 Token 成本。
- 大模型商业 API 提供商外部上下文压缩减少了冗余历史数据的重复请求量,可能促使模型厂商加快优化长上下文调用计费模式。
- 多模型协同工作流团队可借助跨平台的统一记忆层连接不同厂商的智能体,减少在不同开发工具间切换时的信息断层与对接成本。
背景
近年来代码生成与自主 Agent 进入实际开发,但开发者在多任务交替和长期维护中面临状态难以延续的痛点。尽管主流基础模型的上下文窗口不断扩充,但全量输入历史数据成本较高,且容易出现信息检索精度下降的问题。传统基于向量数据库的 RAG 方案通常缺少对操作流程的连续理解,难以高效还原复杂的多步骤推理过程。开源社区因此加快探索结合自动化归纳与动态注入的独立记忆层,试图在模型外部实现轻量化的上下文管理。
和中国的关系
国内开发团队普遍面临多模型调用成本控制与研发效率平衡的问题,此类开源记忆方案能直接为国内工程师降低 Token 开销。随着国产大模型和智能体应用加速落地,这一解耦外部记忆的架构可为国内开发者在构建本土 Agent 生态时提供技术路径借鉴。
接下来关注
- 该项目是否会新增对 Qwen、DeepSeek 等国产主流大模型或国内流行开发工具的官方适配支持。
- Anthropic、Google 等厂商是否会在 Claude Code 或 Gemini 原生工具中集成内置持久记忆功能。
- 跨会话压缩算法在长期多轮开发中的信息保留率测评数据,以及是否出现上下文错误召回导致的逻辑偏差。
摘要和解读由 AI 根据公开报道整理,以原文为准。