Claude Code 文档 Skill 第五弹：AI 也能有记忆？跨会话记住你的所有工作

2601_96053648

367人浏览 · 2026-05-22 12:25:24

2601_96053648 · 2026-05-22 12:25:24 发布

Claude Code 文档 Skill 第五弹：AI 也能有记忆？跨会话记住你的所有工作

你有没有经历过这些：

「上次那个 bug 怎么修的来着？」翻半天聊天记录找不到
「三个月前做的那个功能，用了什么方案？」commit 记录太模糊
「上周讨论的架构决策在哪？」Slack/微信/邮件全搜一遍

这是 AI 最大的痛点之一——每次新会话，AI 什么都不记得，你得从头解释一遍。

今天要介绍的 mem-search Skill，就是给 AI 装上了一套「跨会话记忆系统」。它能搜索你所有历史工作，10 秒找到你想不起来的东西。

mem-search 是什么

mem-search 是 Claude Code 的持久化记忆检索引擎。它在后台持续记录你的工作内容，然后提供三层检索工作流：

搜索(Search) → 时间线(Timeline) → 获取详情(Fetch)

你不需要手动保存任何东西。AI 自动记录每个会话的 bug 修复、功能开发、架构决策——然后 mem-search 帮你把它们找回来。

三层检索工作流

第一层：Search — 快速找到相关条目

输入一个关键词，返回匹配的条目列表（ID + 标题 + 类型 + 时间戳）：

# 搜索过去所有关于 "authentication" 的工作
search(query="authentication", limit=20, project="my-project")

返回结果是摘要级的，每条约 50-100 tokens，不是全文。这样一次搜索能看到 20 条结果而不会把上下文撑爆。

支持的过滤参数：

type — 按类型筛选：observations（观察记录）、sessions（会话）、prompts（提示词）
obs_type — 按工作类型筛选：bugfix / feature / decision / discovery / change
dateStart / dateEnd — 按日期范围筛选
project — 按项目筛选

第二层：Timeline — 还原上下文

搜到一条感兴趣的记录后，展开它前后几条，还原完整上下文：

# 以 #11131 为中心，前后各展开 3 条
timeline(anchor=11131, depth_before=3, depth_after=3, project="my-project")

返回的是按时间排序的完整时间线，观察记录 + 会话 + 提示词交错排列。让你看到「这个 bug 是怎么发现的 → 怎么修的 → 修完后做了什么」。

第三层：Fetch — 获取完整详情

只对筛选出来的相关 ID 拉取全文，避免浪费 token：

# 批量拉取，一次请求搞定
get_observations(ids=[11131, 10942, 10855])

这是效率的关键： Search 阶段只花 500 tokens 浏览 20 条摘要，确定 3 条相关后才花 3000 tokens 拉取详情。如果是直接拉全文，20 条要 20000 tokens。

核心亮点

10x Token 节省

方式	Token 消耗
直接拉取 20 条全文	~20,000
Search → 筛选 → Fetch 3 条	~3,500
节省	~83%

在大上下文场景下，这一点至关重要——你不想为了找一个历史记录，把整个上下文窗口占满。

智能知识代理

除了手动 Search → Fetch，还可以用 /knowledge-agent 构建一个可查询的知识库：

「过去一个月我修过哪些认证相关的 bug？」

知识代理会读取所有匹配的观察记录，用对话方式给出综合答案，而不是丢给你一堆原始记录。

实战场景

场景一：找历史 bug 修复

「上次那个登录超时的 bug 怎么修的？」

search(query="login timeout bug", type="observations", obs_type="bugfix")
→ ID #11234: "Fixed login timeout by increasing session TTL to 24h"
→ fetch → 完整修复方案

不用再翻 Git log 和 Slack 聊天记录。

场景二：回顾架构决策

「当时为什么选 Redis 而不是 Memcached？」

search(query="Redis Memcached decision", obs_type="decision")
→ 找到当时的决策记录，包含利弊分析和最终结论

场景三：了解上周做了什么

search(dateStart="2026-05-04", dateEnd="2026-05-10", project="my-project")
→ 上周所有工作记录，一目了然

快速上手

确保 claude-mem 已配置（Claude Code 内置支持）
直接问：「帮我找一下上次修过的 XXX bug」
AI 自动调用 mem-search 的三层工作流
找到结果后你可以直接在当前会话继续工作

不需要额外安装 Skill——mem-search 是 Claude Code 原生能力。

总结

传统方式	mem-search
翻聊天记录/邮件	关键词秒搜
翻 Git log 猜上下文	Timeline 还原完整上下文
多次搜索拼凑信息	Search→Filter→Fetch 一气呵成
每次新会话 AI 失忆	跨会话记住所有工作
消耗大量 token 拉全文	10x token 节省