# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
用Claude Code写代码的人，终于不用每次开新会话都从头解释项目背景了。
顶GitHub开源热榜的一款持久化记忆系统Claude-Mem，直击AI编程助手最致命的痛点：跨会话失忆。
Claude-Mem本身100%免费，还能帮你省token钱。
它通过”三层渐进式披露”的检索架构，常规使用下能节省90% Token，测试阶段的“无尽模式”更是能把Token消耗砍掉95%，工具调用次数上限直接拉高20倍。
传统AI编程助手有个绕不开的问题，每次新会话都是一张白纸。
昨天刚聊完的架构设计、上周敲定的编码规范、刚刚那些踩过的坑，AI统统不记得。开发者只能一遍遍重复解释，时间和Token都在这种“复读”中白白流失。
Claude-Mem的解法是在本地环境搭建一套完整的记忆系统。
它采用事件驱动架构，通过五个生命周期钩子（SessionStart、UserPromptSubmit、PostToolUse、Stop、SessionEnd）在后台静默运行。
每当Claude Code执行文件读写、代码编辑、命令执行这类工具调用，系统都会自动把这些操作捕获下来，存成“观察记录”。
存储方案走的是混合路线：SQLite配合FTS5负责全文检索，Chroma向量数据库则用来做语义搜索。
所有数据都躺在用户本地的目录里，隐私方面不用担心。
会话结束时系统会调用Claude Agent SDK，把整个会话期间那些冗长的原始工具使用记录，压缩成结构化的精炼摘要。
包含调查内容、学习成果、已完成工作、后续步骤这几个关键模块。
下次开新会话时，系统自动查库、检索、注入上下文，无缝衔接上回的工作。
Claude-Mem最大的亮点是一套“渐进式披露”检索工作流。
传统记忆系统做法把所有历史记录一股脑塞进上下文窗口，简单粗暴但极其烧钱。
Claude-Mem反其道而行，把检索拆成三层：
第一层是索引层，用search工具拉一个只包含ID、标题和类型的紧凑列表，每条结果大约只吃50到100个Token；
第二层是时间线层，用timeline工具获取某条感兴趣记录前后的时序上下文；
第三层才是完整细节，用get_observations根据筛选出的具体ID批量获取详情，单条成本在500到1000 Token之间。
这套分层策略作用下，一个原本需要20000 Token才能完整加载的上下文，经过筛选后可能只需要3000 Token就能拿到所有必要信息，而且相关度是100%。
处于测试阶段的无尽模式（Endless Mode）则更激进，它把工具输出实时压缩成大约500 Token的观察记录，Token节省率直接拉到95%。
由于上下文窗口占用率大幅下降，工具调用次数上限也跟着水涨船高，提升了约20倍，处理那些又长又复杂的任务也不用担心不够用了。
功能之外，Claude-Mem在用户体验上也下了功夫。
它内置了mem-search技能，支持自然语言查询项目历史。想知道“上周修复了哪些bug”直接问就行。
系统还提供了一个本地Web界面，可以实时查看记忆流、会话摘要，也能在稳定版和Beta版之间切换配置。
隐私控制方面，用户可以用标签阻止敏感信息被记录，新版本还引入了双标签系统，控制粒度更细。
安装流程走的是Claude Code插件市场，两条命令加一次重启就能搞定，不需要折腾复杂的环境配置。
GitHub
https://github.com/thedotmack/claude-mem
文章来自于微信公众号 “量子位”，作者： “梦晨”
【开源免费】字节工作流产品扣子两大核心业务：Coze Studio（扣子开发平台）和 Coze Loop（扣子罗盘）全面开源，而且采用的是 Apache 2.0 许可证，支持商用！
项目地址：https://github.com/coze-dev/coze-studio
【开源免费】n8n是一个可以自定义工作流的AI项目，它提供了200个工作节点来帮助用户实现工作流的编排。
项目地址：https://github.com/n8n-io/n8n
在线使用：https://n8n.io/（付费）
【开源免费】DB-GPT是一个AI原生数据应用开发框架，它提供开发多模型管理（SMMF）、Text2SQL效果优化、RAG框架以及优化、Multi-Agents框架协作、AWEL（智能体工作流编排）等多种技术能力，让围绕数据库构建大模型应用更简单、更方便。
项目地址：https://github.com/eosphoros-ai/DB-GPT?tab=readme-ov-file
【开源免费】VectorVein是一个不需要任何编程基础，任何人都能用的AI工作流编辑工具。你可以将复杂的工作分解成多个步骤，并通过VectorVein固定并让AI依次完成。VectorVein是字节coze的平替产品。
项目地址：https://github.com/AndersonBY/vector-vein?tab=readme-ov-file
在线使用：https://vectorvein.ai/（付费）
【开源免费】AutoGPT是一个允许用户创建和运行智能体的（AI Agents）项目。用户创建的智能体能够自动执行各种任务，从而让AI有步骤的去解决实际问题。
项目地址：https://github.com/Significant-Gravitas/AutoGPT
【开源免费】MetaGPT是一个“软件开发公司”的智能体项目，只需要输入一句话的老板需求，MetaGPT即可输出用户故事 / 竞品分析 / 需求 / 数据结构 / APIs / 文件等软件开发的相关内容。MetaGPT内置了各种AI角色，包括产品经理 / 架构师 / 项目经理 / 工程师，MetaGPT提供了一个精心调配的软件公司研发全过程的SOP。
项目地址：https://github.com/geekan/MetaGPT/blob/main/docs/README_CN.md
【开源免费】graphrag是微软推出的RAG项目，与传统的通过 RAG 方法使用向量相似性作为搜索技术不同，GraphRAG是使用知识图谱在推理复杂信息时大幅提高问答性能。
项目地址：https://github.com/microsoft/graphrag
【开源免费】Dify是最早一批实现RAG，Agent，模型管理等一站式AI开发的工具平台，并且项目方一直持续维护。其中在任务编排方面相对领先对手，可以帮助研发实现像字节扣子那样的功能。
项目地址：https://github.com/langgenius/dify
【开源免费】RAGFlow是和Dify类似的开源项目，该项目在大文件解析方面做的更出色，拓展编排方面相对弱一些。
项目地址：https://github.com/infiniflow/ragflow/tree/main
【开源免费】phidata是一个可以实现将数据转化成向量存储，并通过AI实现RAG功能的项目
项目地址：https://github.com/phidatahq/phidata
【开源免费】TaskingAI 是一个提供RAG，Agent，大模型管理等AI项目开发的工具平台，比LangChain更强大的中间件AI平台工具。
项目地址：https://github.com/TaskingAI/TaskingAI
【开源免费】LangGPT 是一个通过结构化和模板化的方法，编写高质量的AI提示词的开源项目。它可以让任何非专业的用户轻松创建高水平的提示词，进而高质量的帮助用户通过AI解决问题。
项目地址：https://github.com/langgptai/LangGPT/blob/main/README_zh.md
在线使用：https://kimi.moonshot.cn/kimiplus/conpg00t7lagbbsfqkq0
