claude-mem 怎么把『Agent 记忆』做成了零干预的基础设施：钩子捕获、AI 压缩、三层渐进式召回

捕获层：把『记忆』从手动粘贴变成钩子的副作用

大多数『记忆』方案失败，不是因为存不下来，而是因为要人主动记。你得在对话里敲一句『记住这个』，或者每次开工前把一份 memory.md 全文贴进上下文。claude-mem 把这件事从『主动动作』改成了『副作用』：它注册 5 个 Claude Code 生命周期钩子——SessionStart（会话开始注入相关记忆）、UserPromptSubmit（用户提问时触发检索）、PostToolUse（每次工具调用后捕获观察）、Stop（会话暂停时压缩）、SessionEnd（会话结束落盘）。结果是你正常写代码，工具调用、读到的文件、改动的代码、踩过的坑都被自动记下来，没有任何一步需要你打断手头工作。

这种『钩子即记忆』的设计有两个直接好处。一是零摩擦：记忆的采集成本趋近于零，所以才可能在 30 天里积累到 513 万次请求、3122 亿 token 的处理量——这说明它真的在被持续使用，而不是装完就吃灰。二是可移植：因为记忆是挂在 Claude Code 的钩子机制上的，它后续把同一套安装逻辑搬到了 OpenCode、Antigravity CLI 和 OpenClaw 网关，等于一份记忆后端同时服务多个 Agent 前端。

压缩层：为什么用 AI 摘要、而不是把全文塞进上下文

如果只做『记录』，claude-mem 和一行 tee 重定向没区别。真正的工程决策在第二步：它不存原始流水，而是把每次观察到的工具调用交给 Claude 压缩成语义摘要。为什么不直接存原文？因为原始工具输出（比如一次 grep 返回的三百行、一次 Read 的一整个文件）放进上下文是灾难性的——既撑爆 token，又稀释注意力。AI 压缩把『发生了什么』提炼成『JWT 校验在 validateToken()，关键发现在 auth.service.ts』这种可检索的短句，存储和召回的成本同时下降。

代价也在这里：压缩本身要调一次模型，有延迟和费用；更关键的是压缩是有损的，细节在摘要里丢了就找不回来。claude-mem 的解法是『progressive disclosure（渐进式披露）』——索引里只留足够你判断『这条值不值得看』的线索，真正丢失细节的概率被控制在『你主动选择展开』的那一步之前。

存储与检索：SQLite FTS5 + Chroma 的混合，以及三层渐进式披露

记忆落盘分两层：结构化事实和会话元数据进本地 SQLite（用 FTS5 做关键词全文检索），语义向量进 Chroma（做相似度检索）。两者合并成『混合检索』——既能用 authentication bug 这种关键词精确命中，也能用『之前修登录那个问题的思路』这种语义模糊查询捞回来。这是它和纯向量库（如 Mem0 早期）或纯关键词（如 grep 历史）的本质区别：两种召回互补，漏召回的概率更低。

检索接口是它最讲究设计的地方，也是『长文读完能多知道一件标题得不到的事』的关键。它暴露 4 个 MCP 工具，强制走三层工作流：

• search：先返回紧凑索引，每条约 50–100 token，只给 ID 和一句话线索；
• timeline：围绕某个结果拉出时间线上的上下文；
• get_observations：只对你真正选中的 ID 取全文，每条约 500–1000 token。

项目方给出的数据是：先过滤再抓取，能把 token 消耗压到约 1/10。换句话说，它把『记忆检索』从『一股脑倒进上下文』变成了一个带审查的步骤——你先看目录，再决定翻开哪几页。这正好对应了长上下文 Agent 最大的隐性成本：不是上下文窗口不够大，而是把垃圾倒进去后，模型反而找不到重点。

和三条旧路线比：Mem0、手动 memory 文件、上下文塞满

把 claude-mem 放到坐标系里才看得清它改了什么。

和 Mem0 比：Mem0 是一个『加进现有 Agent 的记忆层』，你调用它的 extract/store/recall API 来存取用户事实和偏好，后端可选向量、图、键值。claude-mem 不是『调用它』，而是『装好它』——它通过钩子接管 Claude Code 的全生命周期，零代码侵入。两者定位不同：Mem0 适合产品里给终端用户做个性化记忆，claude-mem 适合开发者给自己用的编程 Agent 做项目级连续性。

和手动 memory 文件比：手写 CLAUDE.md 或 memory.md，好处是你能完全掌控写什么，坏处是每次都要人工维护、容易过期、且一贴就是全文（动辄上千 token）。claude-mem 把这件事自动化了，且用渐进式披露避免了『贴全文』的浪费。

和『上下文塞满』比：有人图省事，把整个项目历史、所有文档一次性塞进系统提示。这在小项目还行，项目一大就立刻溢出且检索质量崩塌。claude-mem 的索引→详情两跳，本质是把『塞满』降级成『按需取』。

代价与边界：你付出的，和别把它当什么的

别把它当成『什么都能记住』的黑盒。第一，压缩有损，关键细节可能只在摘要里留个影子，需要 get_observations 才能还原——而这一步要你主动发起。第二，它依赖本地起一个 worker 服务（默认 127.0.0.1:37777，用 Bun 跑），在共享机器上虽有 localhost 绑定降低风险，但配置不当仍有本地进程读走 API key 的可能（官方文档自己提示 GET /api/settings 会明文返回密钥，务必只绑 localhost）。第三，它『记得多』的前提是你允许它记——敏感内容要用 private 标签包起来排除出存储。

谁该用？长期维护一个代码库、受够了每开一个新会话就重新讲一遍项目背景的人；或者想给多个 Agent CLI 共享一份本地记忆的团队。谁不该把它当救命稻草？它不能替代真正的领域知识库和文档，也不是权限/合规系统——它只是把『你之前做过什么』这件事，从靠人记、靠人贴，变成了靠钩子自动沉淀、靠索引按需取回。这个转变看似不大，但『记忆的采集成本趋近于零』这一点，恰恰是过去所有记忆方案没能跨过去的门槛。