Home
Blog
使用輕量級 memsearch 外掛為 Claude 程式碼加入持久記憶體

使用輕量級 memsearch 外掛為 Claude 程式碼加入持久記憶體

Engineering

February 13, 2026

Cheney Zhang

我們最近建立並開源了memsearch，這是一個獨立、隨插即用的長期記憶體函式庫，可提供任何代理程式持久、透明且可由人類編輯的記憶體。它使用與 OpenClaw 相同的底層記憶體架構，只是沒有 OpenClaw 堆疊的其他部分。這表示您可以將它放入任何代理程式框架 (Claude、GPT、Llama、客製化代理程式、工作流程引擎)，並立即新增持久、可查詢的記憶體。(如果您想要深入瞭解 memsearch 的運作方式，我們 在這裡另外 寫了一篇 文章）。

在大多數的代理程式工作流程中，memsearch 都能發揮預期的功能。但代理程式編碼卻是另一回事。編碼工作會持續很長時間，上下文會不斷轉換，值得保留的資訊會累積數天或數週。這種龐大的數量和不穩定性暴露了典型代理程式記憶體系統的弱點，memsearch 也包括在內。在編碼情境中，檢索模式的差異足以讓我們無法原封不動地重複使用現有工具。

為了解決這個問題，我們建立了一個專為 Claude Code 設計的持久記憶體外掛程式。它位於 memsearch CLI 之上，我們稱之為memsearch ccplugin。

GitHub Repo:https://zilliztech.github.io/memsearch/claude-plugin/ (開放原始碼，MIT 授權)

有了輕量級的memsearch ccplugin在幕後管理記憶體，Claude Code 就有能力記住每一次對話、每一個決定、每一個風格偏好，以及每一個多天的線程 - 自動索引、完全可搜尋，以及跨會話的持久性。

為了清楚起見，本文章中的"ccplugin」是指上層，或 Claude Code 外掛程式本身。"memsearch" 指的是下層，也就是其下的獨立 CLI 工具。

那麼，為什麼編碼需要自己的外掛程式？歸根究柢，你幾乎一定會碰到兩個問題：Claude Code 缺乏持久記憶體，以及 claude-mem 等現有解決方案的笨拙與複雜。

那麼，為什麼要建立一個專用的外掛程式呢？因為編碼代理程式會遇到兩個痛點，您幾乎一定親身體驗過：

Claude 程式碼沒有持久性記憶體。
許多現有的社群解決方案 (例如claude-mem)，雖然功能強大，但對於日常的編碼工作而言，卻顯得笨重、笨拙或過於複雜。

ccplugin 的目標是在 memsearch 的基礎上，以最小、透明、開發者友善的層級來解決這兩個問題。

Claude 程式碼的記憶體問題：會話結束時會忘記所有事情

讓我們從 Claude Code 使用者最常遇到的情況開始。

您在早上打開 Claude Code。您輸入：「繼續昨天的 auth 重構」。Claude 回覆："我不確定你昨天在做什麼。於是你花了十分鐘複製貼上昨天的記錄。這不是個大問題，但因為出現得太頻繁，所以很快就變得很煩人。

儘管 Claude Code 有自己的記憶體機制，但還是差強人意。CLAUDE.md 檔案可以儲存專案指令和偏好設定，但它更適合靜態規則和簡短指令，不適合長期累積知識。

Claude Code 提供resume 和fork 指令，但對使用者來說並不友善。對於 fork 指令，您需要記住 session ID、手動輸入指令，以及管理一棵樹狀的分支會話歷史。當您執行/resume 時，您會得到一堵會話標題牆。如果您只記得幾個關於您所做的事的細節，而且是幾天前的事，那麼祝您好運，能找到正確的會話。

對於長期的、跨專案的知識累積，這整個方法是不可能的。

為了實現這個想法，claude-mem 使用三層記憶系統。第一層會搜尋高層摘要。第二層會深入時間線尋找更多細節。第三層會抽取原始對話的完整觀察。除此之外，還有隱私標籤、成本追蹤和網路可視化介面。

以下是它的工作原理：

執行層。Node.js Worker 服務在連接埠 37777 上執行。會話元資料存放在輕量級 SQLite 資料庫中。向量資料庫處理記憶體內容的精確語意檢索。
互動層。基於 React 的 Web UI 可讓您即時檢視擷取的記憶：摘要、時間線和原始記錄。
介面層。MCP (Model Context Protocol，模型上下文協定) 伺服器提供標準化的工具介面。Claude 可以呼叫search (查詢高階摘要)、timeline (檢視詳細時間線) 和get_observations (擷取原始互動記錄) 來直接擷取和使用記憶體。

平心而論，這是一個解決 Claude Code 記憶問題的可靠產品。但在日常工作中，它顯得笨拙而複雜。

層級	技術
語言	TypeScript (ES2022, ESNext 模組)
運行時間	Node.js 18+
資料庫	SQLite 3 與 bun:sqlite 驅動程式
向量儲存	ChromaDB (可選，用於語意搜尋)
HTTP 伺服器	Express.js 4.18
即時	伺服器發送事件 (SSE)
UI 架構	React + TypeScript
AI SDK	@anthropic-ai/claude-agent-sdk
建置工具	esbuild (bundles TypeScript)
流程管理員	包
測試	Node.js 內建測試執行器

對於初學者來說，設定工作相當繁重。要讓 claude-mem 執行就必須先安裝 Node.js、Bun 和 MCP runtime，然後在上面架設 Worker 服務、Express 伺服器、React UI、SQLite 和向量儲存。這需要部署、維護和在出現問題時調試許多移動部件。

所有這些元件也會燒掉你沒有要求花費的代幣。MCP 工具定義會永久載入 Claude 的上下文視窗，而每次工具呼叫都會在請求與回應中消耗代幣。在長時間的會話中，這種開銷會快速增加，並可能使代幣成本失控。

記憶體回憶並不可靠，因為它完全取決於 Claude 是否選擇搜尋。Claude 必須自行決定呼叫search 等工具來啟動擷取。如果它沒有意識到自己需要記憶體，相關內容就永遠不會出現。而且三層記憶體中的每一層都需要自己明確的工具調用，所以如果 Claude 沒有想到要去找，就沒有後備。

最後，資料儲存是不透明的，這使得除錯和遷移變得不愉快。記憶體分為 SQLite 的會話元資料和 Chroma 的二進位向量資料，沒有開放格式將它們連結在一起。遷移意味著撰寫匯出腳本。要查看 AI 的實際記憶內容，必須透過 Web UI 或專用的查詢介面。沒辦法只看原始資料。

為什麼 Claude Code 的 memsearch 外掛程式更好？

我們想要一個真正輕量級的記憶體層級 - 沒有額外的服務、沒有糾結的架構、沒有運作開支。這就是我們建立memsearch ccplugin 的動機。其核心是一項實驗：以編碼為重點的記憶體系統能夠從根本上簡化嗎？

是的，而且我們證明了這一點。

整個 ccplugin 就是四個 shell 鉤子加上一個背景監視程序。沒有 Node.js、沒有 MCP 伺服器、沒有 Web UI。它只是呼叫 memsearch CLI 的 shell 腳本，大幅降低了設定與維護的難度。

ccplugin 之所以可以如此薄，是因為有嚴格的責任界限。它不處理記憶體儲存、向量檢索或文字嵌入。所有這些工作都交由下方的 memsearch CLI 處理。ccplugin 只有一個工作：將 Claude Code 的生命週期事件（會話開始、提示提交、回應停止、會話結束）橋接至相應的 memsearch CLI 函式。

此解耦設計讓系統的彈性超越 Claude Code。memsearch CLI 可獨立於其他 IDE、其他代理框架，甚至是單純的手動調用。它不會侷限於單一的使用情況。

實際上，這種設計提供了三個主要優點。

1.所有記憶體都位於純 Markdown 檔案中

ccplugin 創建的每個記憶體都以 Markdown 檔案的形式存在於.memsearch/memory/ 。

.memsearch/memory/
├── 2026-02-09.md
├── 2026-02-10.md
└── 2026-02-11.md

每天一個檔案。每個檔案都以純文字包含當天的會話摘要，完全人類可讀。以下是 memsearch 專案本身的每日記憶體檔案截圖：

您可以馬上看到格式：時間戳記、會話 ID、回合 ID，以及會話摘要。沒有任何東西是隱藏的。

想知道 AI 記憶了什麼嗎？打開 Markdown 檔案。想要編輯記憶體？使用您的文字編輯器。想要遷移資料嗎？複製.memsearch/memory/ 資料夾。

Milvus向量索引是一個加速語意搜尋的快取記憶體。它可以隨時從 Markdown 重建。沒有不透明的資料庫，沒有二進位的黑盒子。所有資料都是可追蹤且完全可重建的。

2.自動內文注入零額外代號成本

透明儲存是本系統的基礎。真正的回報來自於這些記憶體的使用方式，在 ccplugin 中，記憶體的調用是完全自動的。

每次提交提示時，UserPromptSubmit 鉤子就會啟動語意搜尋，並將前三名的相關記憶體注入上下文。Claude 不會決定是否搜尋。它只是取得上下文。

在此過程中，Claude 永遠不會看到 MCP 工具定義，因此上下文視窗中沒有任何額外內容。鉤子在 CLI 層執行，並注入純文字搜尋結果。沒有 IPC 開銷，也沒有工具呼叫代幣成本。MCP 工具定義帶來的上下文視窗臃腫現象完全消失。

對於自動 top-3 還不夠的情況，我們也建立了三層漸進式擷取。這三個層級都是 CLI 指令，而非 MCP 工具。

L1 (自動)：每次提示都會返回前三名的語意搜尋結果，並提供chunk_hash 和 200 個字元的預覽。這涵蓋了大部分的日常使用。
L2 (隨選)：當需要完整的上下文時，memsearch expand <chunk_hash> 會傳回完整的 Markdown 章節以及元資料。
L3 (深入)：當需要原始對話時，memsearch transcript <jsonl_path> --turn <uuid> 從 Claude Code 取得原始 JSONL 記錄。

3.會話摘要以接近零的成本在背景中產生

擷取涵蓋記憶體的使用方式。但記憶體必須先寫入。所有這些 Markdown 檔案是如何產生的？

ccplugin 透過背景管道來產生它們，該管道以異步方式執行，幾乎不花費任何成本。每次您停止 Claude 回應時，Stop 鉤子就會啟動：它會解析對話記錄，呼叫 Claude Haiku (claude -p --model haiku) 來產生摘要，並將摘要附加到當天的 Markdown 檔案。Haiku API 調用非常便宜，每次調用幾乎可以忽略不计。

之後，觀察程序會偵測檔案變更，並自動將新內容編入 Milvus 索引，以便立即檢索。整個流程在背景中執行，不會中斷您的工作，而且成本可控。

使用 Claude Code 快速啟動 memsearch 外掛程式

首先，從 Claude Code 外掛程式市場安裝：


bash
# Run in Claude Code terminal
/plugin marketplace add zilliztech/memsearch
/plugin install memsearch

其次，重新啟動 Claude Code。

外掛程式會自動初始化其設定。

第三，在對話之後，檢查當天的記憶體檔案：

bash
cat .memsearch/memory/$(date +%Y-%m-%d).md

第四，享受。

下次 Claude Code 啟動時，系統會自動檢索並注入相關記憶。不需要額外的步驟。

結論

讓我們回到最初的問題：如何賦予 AI 持續記憶體？ claude-mem 和 memsearch ccplugin 採取了不同的方法，各有優點。我們總結了一份快速選擇指南：

類別	記憶體搜尋	claude-mem
架構	4 個 shell 鉤子 + 1 個監視程序	Node.js Worker + Express + React UI
整合方式	原生掛鉤 + CLI	MCP 伺服器 (stdio)
召回	自動 (鉤子注入)	代理驅動 (需要調用工具)
內容消耗	零（僅注入結果文字）	MCP 工具定義持續存在
會話摘要	一次異步 Haiku CLI 呼叫	多次 API 呼叫 + 觀察壓縮
儲存格式	純 Markdown 檔案	SQLite + Chroma 嵌入
資料遷移	純 Markdown 檔案	SQLite + Chroma 嵌入
遷移方法	複製 .md 檔案	從資料庫匯出
運行時間	Python + Claude CLI	Node.js + Bun + MCP 運行時