Claude 记忆

要解决的具体问题

当 AI Agent 需要跨 Claude Code、Codex 等多个平台运行时，常面临记忆割裂的问题：在 A 平台积累的任务上下文、用户偏好，无法直接复用到 B 平台，Agent 需要重复感知和学习，既浪费资源又影响输出连贯性。

核心能力与工作逻辑

claude-mem 通过 21 个分工明确的子技能文件，构建了跨平台的记忆体系。核心能力包括：

• 记忆采集：通过 memory_extract 类子技能，从对话记录、任务日志中提取关键信息，比如用户的写作偏好、项目的约束条件。
• 标准化存储：用 memory_serialize 等技能将提取的信息格式化，确保不同平台的 Agent 都能解析。
• 按需调度：依靠 memory_retrieve 类子技能，在 Agent 执行任务时快速匹配相关记忆，比如用户之前偏好的代码风格。

工作流程上，Agent 先通过采集技能获取记忆，再存入标准化存储，后续执行任务时自动调度对应记忆，实现跨平台复用。

适用边界与注意点

该技能仅针对提供兼容列表内的 Agent 平台（如 Claude Code、Codex）做了适配，其他平台可能需要额外调整。另外，记忆的采集和复用依赖 Agent 的上下文传递，如果中间环节存在信息截断，可能导致部分记忆失效。