企业官网建设流程全解析

先别急着夸“AI 帮你写代码”有多爽，等你连续开第三个 Claude Code 会话，发现它又把早上刚定的接口设计方案忘得一干二净，你就知道什么叫“最熟悉的陌生人”。每次都是重新自我介绍、重新讲背景、重新贴上下文，项目一大，光喂背景就能喂掉半天的额度预算。这也是 claude-mem 这类工具出现的原因：它要解决的不是“AI 能不能写”，而是“AI 记不记得住”。

claude-mem 是一个给 Claude Code 等 AI 编码助手用的 MCP 记忆服务器，核心思路就一句话：把跨会话的长期记忆从“没有”变成“有”。它会在对话过程中自动抽取关键信息、做语义向量化、落进 SQLite 本地库，等下一次会话启动时再把相关记忆搜索出来注入上下文。适合所有已经重度依赖 Claude Code、但被无状态会话反复折磨的开发者，也适合正在搭 MCP 生态、想搞清楚“记忆层到底怎么做”的工具党。

1. 为什么需要 claude-mem：AI 编程助手最大的坑其实是“金鱼记忆”

1.1 Claude Code 会话的天然缺陷

用过 Claude Code 的人应该都有同感：单次会话之内，它表现得像个记忆力超群的结对程序员，能记住你半小时前随口提的一个变量命名偏好；但只要你关掉终端、第二天重开，它就像一个刚从海外转学来的新同事，什么都不懂，什么都不记得。API 密钥要重新给，项目结构要重新讲，连“不要用 pnpm，用 npm”这种基础偏好也得反复交代。

这不是 Claude 模型本身的问题，而是 Claude Code 的工程架构决定的。它默认按会话隔离上下文，每次会话结束，对话历史基本就进了回收站。CLI 工具本身不是为了“跨会话持续协作”设计的，它是为了“单次高效完成一组任务”设计的。但对真实项目来说，开发是连续剧，不是单元剧。你今天修的一个 bug、定的一个技术决策、记下的一条约定，明天很可能还会用到。没有记忆层，就是在反复支付背景同步的成本。

1.2 claude-mem 到底是个什么东西

claude-mem 最开始就是围绕这个痛点做的开源方案，早期版本用过 SQLite 存结构化记忆，也踩过向量库选型的坑，后来稳定下来的架构大概分四层。采集层负责在 Claude Code 对话过程中自动监听消息流，把值得留存的片段捞出来；提取层调用本地或远端模型，把对话内容压缩成结构化记忆条目；向量层用嵌入模型把记忆文本转成向量，存进带向量索引的 SQLite；检索层在下一次会话开始时按语义相似度把相关记忆捞回来，以工具结果或系统提示注入的方式塞进上下文。

这个架构听着复杂，其实用起来就一个命令的事。MCP 协议负责把 claude-mem 和 Claude Code 连起来，Claude Code 是 MCP 客户端，claude-mem 是 MCP 服务器，两者通过 stdio 通信。你不需要自己在代码里调 API，记忆的写和读都是在对话的间隙自动完成的。

1.3 它和普通“文件笔记”方案的本质区别

有人可能说，那我手动把重要内容写进 PROJECT_NOTES.md 不就行了？也可以，但那是人肉记忆，不是程序记忆。文件笔记的问题是：第一，你想不起来要去看，它就没有任何作用；第二，就算你记得去看，你也得知道关键词才能搜到；第三，笔记越写越乱，最后没人愿意维护。

claude-mem 的做法不一样。它的检索不是基于文件名或关键词，而是基于语义向量。比如你今天讨论过“用户登录模块的 Token 刷新策略”，下个星期你也许只会说“那个 token 过期的场景”，向量检索照样能把它捞出来。程序主动记录，程序主动注入，程序主动清理重复。这才是“记忆”该有的样子，不是备忘录，而是那种聊着聊着突然想起来“哦对，我们之前不是讨论过这个吗”的邻座同事。

2. 动手实践前，先理清 claude-mem 的准备与安装

2.1 环境依赖清单

以为 claude-mem 像普通 npm 包一样装上就能跑？没那么简单。它的依赖链里有两个硬性要求：Node.js 18 以上和 SQLite 本地写权限。Node 太老的话，MCP SDK 起不来，直接白屏。SQLite 这个反而正常，因为它用的是 sqlite-vec 做向量索引，开了本地文件，不用额外部署数据库服务，这对个人开发者来说是很友好的选择。

嵌入模型也要提前定。纯本地跑可以用 Ollama 拉一个轻量嵌入模型，比如 nomic-embed-text，走 localhost 接口，完全离线，不产生 API 费用。追求效果可以换成云端的 embedding API，但个人项目真没必要，本地模型在语义检索上的表现在记忆场景下完全够用。我一开始就头铁用了超大模型，结果一次会话抽记忆要卡十几秒，后来换回小模型又快又稳。

2.2 安装 claude-mem 的两种主流方式

装 claude-mem 的方式取决于你的系统环境和包管理偏好。npm 全局安装最省事：

npm install -g claude-mem

装完直接验证版本：

claude-mem --version

如果没有全局安装权限，或者不想污染系统环境，也可以用 npx 方式临时拉取，配合 MCP 配置里的 npx 调用。

macOS 用户如果装了 Homebrew，也能走 brew 渠道，好处是卸载干净、和 Node 环境解耦。但我自己的建议还是 npm，因为 claude-mem 后续升级频繁，npm 全局包更新一行命令就搞定，Homebrew 源偶尔会滞后。

2.3 注册到 Claude Code：MCP 配置实操

装完包不代表 Claude Code 认识它，真正关键的是 MCP 注册。Claude Code 的 MCP 配置一般写在项目根目录的.mcp.json里，或者用户级配置里，具体结构大同小异。一个最简配置长这样：

{ "mcpServers": { "claude-mem": { "command": "claude-mem", "args": [], "env": { "CLAUDE_MEM_EMBEDDING_PROVIDER": "ollama", "CLAUDE_MEM_EMBEDDING_MODEL": "nomic-embed-text", "CLAUDE_MEM_EMBEDDING_URL": "http://127.0.0.1:11434", "CLAUDE_MEM_DB_PATH": "./.claude-mem/memory.db" } } } }

配置里注意几个点。command 一定要确保在 PATH 里能找到，否则 MCP 握手直接失败。CLAUDE_MEM_DB_PATH 建议指向项目目录下的相对路径而不是全局路径，这样不同项目之间的记忆天然隔离，互不污染。Ollama 没启动的话，claude-mem 只能启动但没法索引新记忆，这一点很坑，后面排查部分我详细说。

2.4 首次启动验证：给记忆层做一次“体检”

配置完后，在 Claude Code 里直接问一句：“你能看到 claude-mem 提供了哪些工具吗？”正常情况下它会把记忆相关的 MCP 工具列出来。你也可以在终端手动启动 MCP 服务器验证：

npx claude-mem

终端会进入等待 MCP 客户端连接的状态，没有报错就是正常的。这时候回到 Claude Code 里正常聊一段需求，让它写一个函数、做一次代码审查，过几分钟再用 claude-mem 自带的管理命令查看库里的记忆数量。

如果你发现记忆一直没落库，先别急着怀疑工具，检查这三个东西：Ollama 服务是否在跑、数据库目录是否有写权限、嵌入模型名是否和本地拉取的一致。这三项占了 claude-mem 首启失败原因的八成。

3. 核心功能拆解：claude-mem 的记忆采集、存储与检索原理

3.1 记忆采集阶段：它到底在“偷听”什么

claude-mem 不是把整段对话原封不动存下来，那样既浪费存储也没意义。它的采集逻辑更接近“会议纪要员”：在 MCP 消息流里监听用户消息和助手回复，用规则加模型双重判断哪些内容值得留下。判断依据大概是这么几类：明确的技术决策、项目约束和偏好、API 或命令用法约定、项目成员和模块上下文、用户特别强调的注意事项。

比如你说“这个接口不能用 GET，走 POST，因为查询条件太复杂”，这是决策型记忆，会被抽取；你说“帮我看看这个报错”，这是临时任务，不会进长期记忆。采集和提取之间还有个去重步骤，同一条语义的记忆在写入前如果已经存在，就会被更新而不是新增，避免库里塞满重复内容。

3.2 提取与结构化：从对话到记忆条目的“压缩算法”

原始对话文本是不能直接当记忆用的，太啰嗦，检索效果也差。claude-mem 的提取层会把相关的多轮对话压缩成一小段结构化描述，一般是“在什么背景下，做了什么决策或了解了什么信息”，同时打上项目 ID、时间戳、对话 ID 这些元数据。

这个压缩动作本身就是一次大模型调用，所以你会注意到对话结束后 claude-mem 会在后台忙一会儿。它能自动识别记忆类型，比如技术偏好和架构决策的语义差距很大，后续存储时会走不同的标签体系。我观察到它还会做一件事：把对话里的实体名词单独拎出来建立索引，比如模块名、命令名、报错编号，相当于在向量检索之外加了一层关键词兜底。

3.3 存储层：SQLite 加向量索引的高性价比组合

存储层是 claude-mem 比较巧妙的部分。它没上专门的向量数据库，因为对一个个人项目来说，部署 Milvus 或 Qdrant 完全是杀鸡用牛刀。SQLite 文件存储文本，sqlite-vec 扩展负责向量索引，两者结合既避免了额外服务运维，又能在本地快速做近邻搜索。记忆的元数据字段、标签、项目归属、时间戳都在传统表结构里，向量存在同一套库文件里，备份一个文件就等于备份全部记忆。

这个方案的缺点是并发写能力一般，但 claude-mem 的场景是单用户、单项目，顶多几个会话同时开，完全够用。比起启动一个 Java 写的向量库，SQLite 的启动时间和内存占用几乎可以忽略不计。对很多开发者来说，“低运维”比“高并发”更实在。

3.4 检索与注入：下次会话它怎么“想”起来

真正让记忆生效的是检索阶段。新会话开始后，Claude Code 会根据对话内容触发 claude-mem 的检索工具，工具拿到当前对话的文本片段，转成向量后在记忆库里做相似度搜索，返回最相关的记忆。返回的记忆会作为系统提示或上下文片段注入给 Claude，相当于在聊正事前先被悄悄提醒了一遍“你之前说过这些”。

这里有个细节很值得注意：注入不是无限的。上下文窗口是宝贵资源，claude-mem 会按相关度给记忆排序，只挑最靠前的若干条注入，阈值和数量上限都是可配置的。默认设置下它宁可不注入也不愿浪费上下文空间，这一点我觉得设计得比某些无脑注记忆的工具聪明得多。

4. 实践中的关键环节：配置调优、项目隔离与隐私处理

4.1 项目隔离策略：千万别把两个项目的记忆搅在一起

一开始我把全局数据库路径设成了~/.claude-mem/memory.db，所有项目共用一份记忆。结果前端项目跑着跑着突然蹦出后端项目的技术方案，上下文一混，Claude 给出的代码风格都串味了。后来改成每个项目一个.claude-mem目录加独立 db 文件，清爽多了。

配置上直接用相对路径就能实现隔离：

{ "mcpServers": { "claude-mem": { "command": "claude-mem", "args": [], "env": { "CLAUDE_MEM_DB_PATH": "./.claude-mem/memory.db" } } } }

路径一旦定好，后续就算在同一个项目仓库里开十个会话，记忆都会落到同一个库文件，天然共享。而切到另一个项目目录时，就读取另一个库，互不干扰。这对多项目并行开发的意义很大，相当于给每个项目配了一个专属记忆保险箱。

4.2 嵌入模型的选择：本地、云端还是混合

嵌入模型直接影响记忆检索质量，但没必要盲目求大。我用过三种方案，最后留在本地的 Ollama nomic-embed-text：效果够用，速度飞快，离线可用。本地模型拉取命令：

ollama pull nomic-embed-text

如果你的记忆里有大量中文技术术语，建议换用带中文泛化能力的 bge-m3 或类似模型，对中文语义的理解比 nomic 好不少。云端 API 方案在测试阶段效果好，但每次检索都产生网络延迟和费用，日常使用不划算。混合方案则是本地模型为主、云端兜底，适合记忆库很大的场景，但对个人开发者来说配置复杂度就上去了。

4.3 记忆隐私与 PII 匿名化处理

写代码的场景里经常出现 API 密钥、邮箱、个人账号 ID，如果不处理就直接入库，等于把敏感信息散落在本地文件里，将来这个库文件丢了、传了、泄漏了，都是风险。claude-mem 内置的 PII 匿名化会在记忆写入前扫描敏感片段，用脱敏占位符替换原文，检索出来时再在上下文中呈现脱敏版本。

这个设计很关键：记忆是为了辅助编程，不是为了记录隐私。你在配置里可以启用提醒环节，正则加语义双重识别敏感字段。测试时它甚至能识别出“sk-”开头的疑似密钥片段。当然它不可能识别全部敏感信息，所以个人使用习惯也很重要：涉及生产密钥的会话，要么不聊，要么聊完手动清理对应记忆条目。

4.4 记忆数量的控制与清理机制

记忆不是越多越好。一条条高质量的记忆是好帮手，一千条混乱的碎片记忆就是上下文污染源。claude-mem 常见的做法是按“最近使用”和“相关度”双维度管理记忆生命周期。高频使用的记忆会保持在活跃区，低频的会归档，超时的可以手动清理。

清理命令一般是 claude-mem 自带的管理 CLI，能按项目、按时间范围、按关键词删除。我自己的习惯是每周五清一次这周产生的临时性记忆，比如“今天把 ESLint 临时关了一下跑测试”这种，只保留真正的决策和约束。记忆库保持在一百条以内，检索质量最好。

5. 实操问题排查：我在使用 claude-mem 时踩过的坑

5.1 MCP 握手成功但工具列表为空

这个现象最迷惑人：配置检查了，进程也启动了，Claude Code 里就是看不到记忆工具。后来发现是 claude-mem 在握手阶段发了一个初始化请求，而我的环境变量里没有配好 Ollama 地址，导致工具注册时候选列表被异常截断。解决办法很简单：先把 embedding provider 配好，重启 Claude Code 会话重新握手。

排查顺序建议：先确认 Ollama 服务活着，再确认 claude-mem 能手动启动不报错，最后才检查 Claude Code 的配置。MCP 类工具的问题九成都在配置和依赖链，代码本身故障概率不高。

5.2 记忆写入失败但没有任何报错提示

还有一次更诡异：对话结束，claude-mem 看起来在后台跑了一段，但数据库里一条记忆都没有，日志也没看到错误。查了半天发现是数据库路径指向的目录不存在，SQLite 写文件时自动失败并把异常吞掉了。这个坑在早期版本里确实存在，目录不存在的场景下写入静默失败。

解决办法很蠢但有效：装完 claude-mem 后先手动创建./.claude-mem目录，并且给它配好写权限。或者干脆用 db 文件的绝对路径，确保路径的父目录一定存在。后来的版本做了自动建目录处理，但老版本用户还是长点心。

5.3 检索返回的相关度不高，记忆注入像是“硬凑”

如果检索结果总是相关度低，大概率不是你记忆不够，而是嵌入模型建得不对：本地 Ollama 模型没拉全、嵌入维度不一致、或者文本切分太碎导致每段向量都抓不到重点。claude-mem 的记忆文本切分长度一般是 512 tokens 左右，太短检索浮于表面，太长又丢失局部语义。

调优路径：先确认模型拉的是同一个，然后用 claude-mem 自带的检索调试功能跑一个测试查询，看看返回记忆和查询的相似度分布。如果普遍低于 0.6，就换嵌入模型或调文本切分长度。多数情况下提升明显。

5.4 数据库文件越来越大的焦虑

SQLite 文件从几 MB 涨到几十 MB 的时候我慌过一阵，后来明白向量索引文件本身就会膨胀，加上记忆更新时旧向量不会立刻物理删除，体积增长是正常的。定期用 claude-mem 的清理命令做一次压缩回收，能有效减少文件体积。

压缩前建议先备份 db 文件，因为压缩过程本质是重建索引，万一断电或异常中断可能导致文件不可用。个人经验是每月压缩一次就够了，几十 MB 对现代磁盘来说根本不算什么。

6. 经验心得与进阶玩法：让 claude-mem 不只是“记忆仓库”

6.1 别把 claude-mem 当数据库，要当“项目助理”

用得越久越有个体会：claude-mem 的真正价值不在于记住所有对话，而在于记住那些“你不想重复第二遍的话”。比如项目里约定“所有日期统一用 ISO8601 格式”、“错误码前缀必须带模块编号”，这些规则只要说一次，后续会话都会自动遵守。这才是记忆层的核心性价比。

要达到这个效果，你得在聊需求时主动给 claude-mem“喂”高质量的规则型记忆。就说一句“记住：本项目的所有接口返回格式统一为 {code, message, data}，不要用其他格式”，这种清晰、面向项目约束的表述，抽取成功率远高于含糊的闲聊。

6.2 配合自定系统提示词，把记忆注入变成“条件反射”

claude-mem 的记忆注入是自动的，但你可以进一步在 Claude Code 的系统提示词里给一条指令，比如“开始任务前，先调用记忆检索工具查看是否有相关上下文”。这样即使记忆工具没有被主动触发，模型也会按照提示词养成先查记忆的习惯。相当于给 claude-mem 加了一道人肉启用的保险。

这个组合拳打下来，Claude Code 在一个项目里的体验会越来越像一个“熟悉项目的老员工”，而不是每次都要重新入职的新人。我之前测过一个场景：把 claude-mem 用了一周之后，再开新会话聊到之前定过的架构方案，Claude 能在对话中主动引用旧决策，那种感觉确实很爽。

6.3 进一步接入 Cursor 或通用 MCP 客户端

claude-mem 表面上是“claude 专用”，但它本质是标准 MCP 服务器，所以也接得上支持 MCP 的其他客户端。我在 Cursor 里试过同样的配置，只要 Cursor 的 MCP 配置指向同一个 claude-mem 命令，就能共享同一套记忆库。如果你在不同工具间切换工作，这相当于一套记忆多渠道复用。

不过要注意，不同客户端触发工具调用的时机不一样，记忆检索的效果也不同。Cursor 侧我用下来感觉注入频率没有 Claude Code 那么积极，毕竟一个是编辑器集成一个是对话式 CLI，上下文管理策略天然不同。

6.4 最后的建议：先把内存库纳入 Git 忽略

这是我踩过一次的坑。项目里的.claude-mem目录如果没加进.gitignore，哪天一个git add .把记忆库也提交上去了，不仅泄露项目讨论的敏感信息，还会导致数据库在 CI 或者别人机器上出现奇奇怪怪的冲突。早加早安心：

.claude-mem/

另外，如果你要把项目开源或者给别人演示，记得先导出并双清记忆库：清数据库、清日志。记忆这种东西，和代码不一样，里面藏的全是你思考的过程，比代码本身更私密。