# Claude Code 最火插件 Claude-Mem 完整解析：26000 顆星背後的技術與爭議


「我們用 SQLAlchemy 而不是 Django ORM，因為……」

打到一半我停下來了。這段話我這禮拜已經講了第四次。每次開新的 Claude Code 會話，它就像被 MIB 的記憶消除器閃過一樣，上一秒還跟你討論得熱火朝天的技術細節，下一秒全忘光。

說實話，這種感覺很像帶一個每天都失憶的實習生 — 能力很強，但你得從頭教起。

我不是唯一有這種困擾的人。Twitter 上到處都是類似的抱怨：有人說花了 20 分鐘重新解釋同樣的架構；有人說每天早上開會前得先「教育」Claude 昨天做了什麼。AI 編碼助手的失憶症，已經成了開發者最大的生產力黑洞之一。

然後我發現了 claude-mem。


## 一個開發者和他的記憶引擎

claude-mem 是 Alex Newman（GitHub 上叫 @thedotmack）做的一個 Claude Code 插件。說白了，就是幫 Claude 裝上一顆「長期記憶大腦」。

它做的事情很直覺：自動記錄 Claude 在編碼過程中做的每一件事，用 AI 把這些記錄壓縮成精華摘要，然後在你下次開新會話的時候，把相關的歷史上下文悄悄塞回去。Claude 甚至不知道自己曾經忘記過 — 對它來說，好像一直都記得。

截至我寫這篇文章的時候（2026 年 2 月），這個專案在 GitHub 上已經拿到了超過 26,200 顆星，1,745 個 fork，多次衝上 GitHub Trending 第一名。安裝方式簡單到不像話：

/plugin marketplace add thedotmack/claude-mem
/plugin install claude-mem

兩行。重啟 Claude Code。搞定。

從下一次會話開始，你過去的編碼歷史就會自動出現在 Claude 的上下文裡。不需要手動貼上什麼東西，不需要維護任何文件，它就是安靜地在背景運作。

## 三層漸進式披露：這才是真正聰明的地方

好，技術人愛聽技術。claude-mem 最核心的設計哲學叫做 **Progressive Disclosure（漸進式披露）**，用一個生活化的比喻來說：

想像你走進一間圖書館找資料。

傳統做法是把整間圖書館的書全搬到你桌上 — 這就是大多數人用 CLAUDE.md 的方式，把所有歷史一股腦塞進 context window。結果呢？Token 燒光了，真正重要的資訊反而被淹沒。

claude-mem 的做法更像一個聰明的圖書館員。你問她：「我上週處理過認證相關的 bug 嗎？」她先拿出一張索引卡片告訴你：「有的，週二和週四各有一次。」（這是第一層，大概消耗 50-100 tokens。）

你說：「週四那次是什麼情況？」她翻出時間軸，告訴你前後發生了什麼。（第二層，中等消耗。）

你說：「給我看完整記錄。」她這才把完整的觀察筆記拿出來。（第三層，500-1,000 tokens。）


這套設計讓 claude-mem 實現了大約 **10 倍的 token 節省**。在 AI 編碼的世界裡，token 就是金錢，也是思考空間。省下的 token 意味著 Claude 可以把更多注意力放在你真正的問題上，而不是被歷史記錄塞滿腦袋。

在底層，這套系統由五個 MCP 工具驅動：`search` 負責搜索記憶索引、`timeline` 提供時間線上下文、`get_observations` 提取完整觀察、`save_memory` 手動存儲重要資訊，還有一個始終可見的 `__IMPORTANT` 工作流文檔。整個流程中，Claude 像一個有方法論的研究員，而不是一個什麼都往腦裡塞的考生。

## 引擎蓋下面：Hooks、SQLite 和向量資料庫

claude-mem 的架構不算簡單，但設計得很乾淨。

核心是六個 Hook 腳本，分別掛在 Claude Code 的五個生命週期事件上：會話開始、使用者提交提示、工具使用後、工作停止、會話結束。每個事件觸發時，claude-mem 都在背景默默做事 — 開始時注入歷史上下文，工具使用後捕獲觀察，結束時生成壓縮摘要。

存儲這端用的是雙引擎：**SQLite** 負責結構化資料（會話記錄、觀察、摘要），**Chroma 向量資料庫**負責語義搜索。搜索的時候兩邊同時查詢，既能精確匹配關鍵字，又能理解語義相似性。

中間還有一個 Worker Service 跑在本地 port 37777 上，由 Bun 管理，提供 HTTP API 和一個即時的 Web Viewer UI。你可以在瀏覽器裡打開 `http://localhost:37777`，即時看到 Claude 的記憶流 — 這個功能在 debug 的時候很好用。

AI 壓縮的部分用的是 `@anthropic-ai/claude-agent-sdk`，這是 Anthropic 官方的 Agent SDK。觀察記錄先經過 AI 處理，提取關鍵資訊，壓縮成結構化摘要，再存入資料庫。

## 跟 CLAUDE.md 到底差在哪？

每個 Claude Code 用戶都知道 CLAUDE.md — 它是 Claude Code 內建的記憶機制，一個靜態的 Markdown 文件，每次會話開始時會被載入 context。

怎麼說呢，CLAUDE.md 就像一本你手寫的筆記本。你記得寫什麼就有什麼，忘了寫就沒有。而 claude-mem 更像是一個隨時跟在你身邊的自動速記秘書 — 你做的每件事它都記，記完還幫你整理歸檔，下次需要的時候精準地把相關內容遞給你。

具體來說：CLAUDE.md 的內容是手動維護的，全部載入 context window，沒有搜索能力，沒有壓縮。claude-mem 則是自動捕獲、按需載入、支援語義搜索、AI 智能壓縮，還有 `<private>` 標籤可以排除你不想被記住的敏感內容。

兩者不是替代關係。CLAUDE.md 適合存放項目規則、編碼風格偏好這類不常變的指令；claude-mem 則負責記錄你日常的開發活動、決策過程、Bug 修復歷史。搭配使用效果最好。

## Endless Mode：讓 Claude 永遠不會「忘到一半」

claude-mem 還有一個 Beta 實驗功能叫 **Endless Mode（無限模式）**，採用所謂的「仿生記憶架構」。

問題是這樣的：Claude 的 context window 是有限的。在高強度的編碼會話中，大概執行 50 次工具操作後，context 就快爆了。到了這個時候，Claude 的表現會急劇下降 — 它開始忘記對話開頭的內容，重複問你已經回答過的問題。

Endless Mode 的解法很暴力但有效：每次工具執行完，Hook 會阻塞式地等待 Worker 處理完觀察，然後把壓縮後的摘要注入回 context，同時清除已經過時的原始內容。這樣 context 就像一條持續流動的河，而不是一個不斷被填滿的水桶。

目前 Endless Mode 還在 `beta/endless-mode` 分支上，需要手動切換。但這個方向是對的 — 長會話能力會是 AI 編碼工具的下一個戰場。

## 26,000 顆星之外的故事

到目前為止，claude-mem 聽起來很棒對吧？技術扎實、解決真實痛點、安裝方便。但故事不只是這樣。

打開 claude-mem 的 GitHub README，你會發現最頂部 — 比專案名稱還上面 — 放的是一組 Solana 區塊鏈的連結：Bags.fm、Jupiter、DEXScreener。這是一個叫 **$CMEM** 的加密代幣。

是的，一個 Claude Code 插件有自己的 meme coin。

$CMEM 社群在 X（前 Twitter）上很活躍，宣稱將推出需要持有代幣才能使用的 "CMEM Pro" 消費者應用。社群成員說著類似「你能感受到 feed 裡的氛圍變化了」這種話，搭配各種火箭表情符號。

這不是孤例。2025-2026 年的 Solana 生態出現了一波「AI 開源專案代幣化」的風潮。Gas Town 的 $GAS 代幣在開發者公開表態後暴漲，然後崩跌。RedwoodJS 框架的代幣漲到 250 萬美元市值後，團隊收取了超過 10 萬美元的費用，接著代幣暴跌 96%。

我不是說 claude-mem 一定會走同樣的路。但當一個開源專案的 README 頂部放的是代幣交易連結而不是使用說明的時候，你得問自己：**技術決策會不會受到代幣利益的影響？**

截至研究時間，BeInCrypto 的預測分析顯示 $CMEM 2026 年呈看跌趨勢。不是投資建議，但值得你知道。

## AI 記憶大戰：不只 claude-mem 在搶這塊市場

AI Agent 的記憶能力已經成了一個數千萬美元級別的賽道：

**Mem0** 拿了 2,400 萬美元融資，定位是通用的 AI 記憶層，目標是成為所有 AI Agent 的「記憶護照」。在基準測試中，它的回應準確率比 OpenAI 的原生記憶功能高出 26%，p95 延遲低了 91%。Apache-2.0 授權，對企業友好。

**Letta（前身 MemGPT）** 拿了 1,000 萬美元，走的是更激進的路線 — 把作業系統的記憶管理概念搬到 AI Agent 上，分層級的記憶架構讓 Agent 自主管理自己要記住什麼、忘掉什麼。

**Supermemory** 拿了 260 萬美元，主打通用記憶 API，從雜亂的資料中提取結構化見解。

claude-mem 在這個格局裡的獨特之處是：它是唯一專為 Claude Code 深度設計的方案，直接整合 Hooks 系統，零配置即可使用。但 AGPL-3.0 的授權對企業來說是個門檻 — 如果你修改了程式碼並部署到伺服器上，就必須公開源碼。相比之下，Mem0 和 Letta 的 Apache-2.0 授權寬鬆得多。

## 該不該裝？我的建議

說完了技術、說完了爭議，回到最實際的問題：你該不該用 claude-mem？

**如果你是個人開發者**，而且你每天都在用 Claude Code — 裝。兩行命令的事，裝完之後跨會話的體驗提升是肉眼可見的。它確實解決了一個真實的、每天都在發生的痛點。

**如果你在團隊或企業環境裡**，先停一下。AGPL-3.0 授權可能跟你公司的合規政策衝突。另外，claude-mem 的 AI 壓縮功能會把你的程式碼觀察送到 Anthropic API 處理 — 如果你的專案有嚴格的資料外洩防護要求，這一點需要評估。你可以考慮 Mem0 或 Letta 這類 Apache-2.0 的替代方案。

**如果你對 $CMEM 代幣有興趣** — 這不是投資建議，但我建議你先看看 $GAS 和 RedwoodJS token 的故事再做決定。開源專案代幣化的歷史還很短，成功案例幾乎為零。

**安全面的注意事項**：claude-mem 把所有記憶存在本地（SQLite + Chroma），不依賴雲端服務，這一點值得肯定。它也支持 `<private>` 標籤排除敏感內容。但 Worker Service 在 port 37777 上跑了一個 HTTP API，確保你的防火牆設定不會讓它暴露在外網。

## 記憶只是起點

寫到這裡，我想起 claude-mem 官網上提到的一個概念 — **RAD（Retrieval Augmented Development）**。就像 RAG 標準化了 AI 如何檢索外部知識，RAD 要標準化的是 AI Agent 如何捕獲和檢索自己的工作記憶。

這不只是一個插件的故事。AI 編碼助手記住上下文的能力，將直接決定它從「偶爾幫忙的工具」進化成「真正的開發夥伴」的速度。不管是 claude-mem、Mem0 還是 Anthropic 自己未來可能推出的解決方案，這個方向是不會錯的。

至於我？那天凌晨兩點裝完 claude-mem 之後，隔天早上開啟新會話，Claude 開口就說：「根據昨天的討論，你選擇了 SQLAlchemy 來處理 ORM，主要考慮是靈活性。要繼續做 user model 的 migration 嗎？」

我笑了。

這才對嘛。

---

**延伸閱讀：**
- [claude-mem 官方文件](https://docs.claude-mem.ai/)
- [claude-mem GitHub](https://github.com/thedotmack/claude-mem)
- [Letta AI Agent Memory Benchmark](https://www.letta.com/blog/benchmarking-ai-agent-memory)