持久化记忆
上下文在不同会话间得以保留。会话结束或重新连接,知识连续性不中断。
核心特性
从自动捕获到渐进式召回,从隐私控制到团队共享。每一项都为减少重复解释而生。
上下文在不同会话间得以保留。会话结束或重新连接,知识连续性不中断。
分层记忆检索,并可视化 token 成本。先看索引,再取详情。
通过三步 mem-search 技能查询你的项目历史,按类型、日期、项目过滤。
启动时会打印 worker URL,其中包含实时请求、进度、人工交接以及已保存的审查队列。记忆、会话与设置保留在 /viewer。
查看指南My Work 旁边一个可选的共享工作区,带有真实的团队工作列表、成员归属与关联发现。每个人自行选择分享哪些内容;个人请求与审查笔记保持独立。
创建团队从 Claude Desktop 对话中搜索记忆。
使用 <private> 标签将敏感内容排除在存储之外。
将工具截图转换后的副本保存在 ~/.claude-mem/media-v1/ 下,仅在开启云同步时上传至 cmem.ai,并且仅在单独启用图像推理时才发送给观察器模型。
详情精细控制注入哪些上下文。
无需人工干预。钩子自动捕获、自动摘要、自动注入。
通过 worker API 用 ID 引用过往观察,或在 Web 查看器中查看全部。
渐进式披露
不把全部历史塞进上下文。先拿索引,再看时间线,最后只为筛出来的 ID 取详情——先筛选再获取详情,可节省约 10 倍 token。
search 返回带 ID 的紧凑索引,约 50-100 tokens/结果。先知道有什么。
timeline 给出特定观察周边的时间线,判断哪几条真的相关。
get_observations 只为筛选出的 ID 拉完整内容,约 500-1,000 tokens/结果。
隐私
<private> 标签将敏感内容排除在存储之外。~/.claude-mem/media-v1/ 下,仅在开启云同步时上传至 cmem.ai,并且仅在单独启用图像推理时才发送给观察器模型。