一个非常有用的必装工具：claude-mem 重点功能就是给 Agent 加长期记忆，必须安排上 claude-mem 做的是跨会话持久上下文。它会记录 agent 会话，压缩成可检索记忆，再把相关上下文注入后面的任务。README 里还有 progressive disclosure、skill-based search、web viewer 和 private tag。 GitHub 现在约 78.7k stars，今天新增 352 stars。用 Claude Code、Codex、Gemini CLI、OpenCode 跑长期项目的人可以重点看。 仓库地址：

我不确定是不是因为我阅读习惯的原因，在使用 Nowledge Mem 的时候，查出来的图谱，或者说图上推理图谱分析之类的功能，我都会有一种无措感，不知道看什么，只感觉节点好多，看起来好酷。。。

觉得Claude消耗TOKEN太多了？ 可以试试这个叫Claude-Mem的项目，目前已经75k star 具体功能如下： 持久化内存 - 上下文跨会话保留 📊 渐进式披露 - 分层内存检索,具有令牌成本可见性 🔍 基于技能的搜索 - 使用 mem-search 技能查询项目历史 🖥️ Web 查看器界面 - 在 http://localhost:37777 实时查看内存流 💻 Claude Desktop 技能 - 从 Claude Desktop 对话中搜索内存 🔒 隐私控制 - 使用 标签排除敏感内容的存储 ⚙️ 上下文配置 - 精细控制注入的上下文内容 🤖 自动操作 - 无需手动干预

兄弟们有人真的把 Claude 搭成了一家公司。 不是比喻，是真的按组织架构图塞了 42 个技能。 开发部：Superpowers、Context7、Skill Creator、MCP Builder、Webapp 测试、Claude-Mem。 设计部：UI UX Pro Max、Taste、前端设计、Transitions、Web artifacts、品牌指南。 营销部 45 个技能，社媒 17 个，财务 8 个，小企业 31 个，法律 9 个。 文案、SEO、线索磁铁、Reels、缩略图、报表、对账、审计、合同、NDA、合规，全给你分好了。 最离谱的是，每个技能都是真的，能直接装。 这已经不是用 Claude 了。 这是在给 Claude 招了一整栋写字楼。 结构看下图👇

给 LLM Agent 堆越花哨的"记忆"架构，效果不一定越好。一篇新论文实测了 12 个记忆系统，没有通用赢家。 它把 Agent 记忆当成数据库来拆——表示与存储、抽取、检索与路由、维护四个模块，拉来 Mem0、Letta、Zep、Cognee、MemOS、MemTree、A-MEM、LightMem 等 12 个系统，外加 Long Context 和 Embedding RAG 两个基线，跑 5 类负载、11 个数据集。 几个反直觉的点： 1）在数据库操作类任务 DB-Bench 上，裸的 Long Context（48.20 EM）和最朴素的 MemoChat 反而赢过一众精致记忆系统。强记忆看的是它对主导瓶颈的对齐程度，而不是用了多花哨的表示。 2）检索的关键是怎么组织证据供后续重建，而不是把最相关那条排第一。证据拉远时图/层级结构碾压扁平：A-MEM Recall@10 达 85.9，而 Embedding RAG 的 Answer-F1 从 37.1 断崖跌到 7.4。 3）成本由"维护范围"而非"结构本身"决定，局部维护远胜全局重组。LongBench 上 LightMem 稳在 17.3 秒，而做全局协调的 Mem0/MemoChat/MemoryOS/A-MEM 飙到 374~552 秒，20~30 倍延迟差。 4）别急着压缩：保留原文胜过摘要，压一压 Substring-EM 就从 26.0 掉到 10.7；抽取要保上下文（MemOS Fast 25.5 EM vs Fine 2.5）；维护要保守整合，激进的延迟刷新反而把分数拉低。 还有个普遍毛病叫"过去的幻觉"：事实更新后系统照样返回旧值。所以论文标题才会问，我们真的准备好迎接 Agent 原生的记忆系统了吗。