Claude 助手

Name: Claude 助手
Author: TerminalSkills

其他社区

作者仓库星标 62
作者更新于实时读取
作者仓库 skills

流狐档案事实层信息：领域、Agent、信任分、运行环境、权限与网络

领域: 通用
兼容 Agent: Claude Code
Cursor
Cline
Codex
Windsurf
Gemini CLI

+20
信任分: 88 / 100 · 社区维护
作者 / 版本 / 许可: @TerminalSkills · 未声明 license
Token 消耗评级: 低消耗
接入复杂程度: 需简单配置
是否需要外部 API Key: 需要 · Vendor-specific
兼容的系统: macOS · Linux · Windows
底层运行要求: 无特殊要求
文件与系统权限: 只读
允许写入 / 修改
网络行为: 允许外网请求
安装命令数: 26 条

档案由构建时根据 SKILL.md 与安装命令自动衍生，可能与作者实际意图存在差异。

需要注意： 未限定 allowed-tools，默认拥有全部工具权限。

输出预览 claude-mem.preview

---
name: claude-mem
description: >- Claude Code forgets everything between sessions. Two open-source tools solve this by automati…
category: 通用
runtime: 无特殊运行时
---

# claude-mem 输出预览

## PART A: 任务判断
- 适用问题：通用任务拆解、检查和交付。
- 输入要求：目标材料、限制条件、期望输出和验收方式。
- 证据边界：围绕“Overview / Instructions / Option A: claude-mem (Local AI Compression)”读取原文规则，不把推断写成作者承诺。

## PART B: 执行结果
- **01** 任务判断：确认你的需求是否属于通用任务拆解、检查和交付，并标出输入、限制和预期结果。
- **02** 执行计划：优先按“Overview / Instructions / Option A: claude-mem (Local AI Compression)”拆成步骤，说明每一步会读取什么、修改什么、产出什么。
- **03** 交付结果：给出可复制的命令、文件改动、检查清单或内容草稿，并说明如何继续迭代。
- **04** 风险边界：结合 读取文件、写入/修改文件、会按任务需要访问外部网络、需要准备 Vendor-specific API Key 给出执行前确认项。

## Running Rules
- 读取文件、写入/修改文件；会按任务需要访问外部网络；需要准备 Vendor-specific API Key。
- 先小样例验证，再放大到真实任务。
- 交付时同时给结果、检查口径和下一步迭代建议。

SKILL.md SKILL.md

---
name: claude-mem
description: >- Claude Code forgets everything between sessions. Two open-source tools solve this by automati…
category: 通用
source: TerminalSkills/skills
---

# claude-mem

## 什么时候使用
- claude-mem 是一个通用扩展技能，按 SKILL 适合处理通用任务拆解、检查、交付和复盘，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。 把任务拆成可执行、可检查、可继续迭代的步骤；使用前要准…
- 面向通用任务拆解、检查和交付，优先处理能明确输入、步骤和验收标准的工作。

## 需要提供什么
- 目标材料、目录范围、期望结果和不可改动内容。
- 是否允许联网、执行命令、读写文件或调用外部服务。

## 执行规则
- 围绕「Overview / Instructions / Option A: claude-mem (Local AI Compression)」组织步骤，不把推断写成作者事实。
- 读取文件、写入/修改文件；会按任务需要访问外部网络；需要准备 Vendor-specific API Key。
- 先跑小样例，确认结果可检查后再扩大任务范围。

## 输出要求
- 给出最终产物、关键证据、验证方式和下一步动作。
- 信息不足时标记 unknown，不编造命令、平台或依赖。

证据边界与执行链路

作者原文负责流程事实；仓库文件负责来源和命令；流狐只补充适用场景、限制和质量判断。

skill "claude-mem" {
  输入层     -> 用户目标 + 目标文件 + 禁止范围 + 验收标准
  上下文层   -> Overview / Instructions / Option A: claude-mem (Local AI Compression)
  规则层     -> SKILL.md 触发条件 / 执行顺序 / 输出格式
  运行层     -> 无特殊运行时 | 读取文件、写入/修改文件 | 会按任务需要访问外部网络
  安全层     -> 需要准备 Vendor-specific API Key + 小任务验证 + diff / 日志复核
  输出层     -> 可复制结果 + 检查清单 + 下一步迭代
}

解读按原文结构重写，命令、链接、术语均保留；右侧可核对作者原始 SKILL.md

先判断是否适合

核心用途：claude-mem 是一个通用扩展技能，按 SKILL 适合处理通用任务拆解、检查、交付和复盘，核心价值是把输入、判断、执行、验证和交付边界固定下来，避免 Agent 泛泛回答。把任务拆成可执行、可检查、可继续迭代的步骤；使用前要准备 Vendor-s…
适用任务：更适合通用任务拆解、检查、交付和复盘，尤其是输入、步骤、验收口径可以反复复用的场景。
不宜硬套：如果任务只有一次性问答、来源材料很少，或需要作者没有说明的命令和外部服务，应先降级为普通对话。

作者设计意图

触发依据：使用时机、上下文收集、输出格式和失败处理共同决定它是否适合当前任务。
来源边界：作者原文负责事实，仓库文件负责命令和文件证据；Fluxly 只补充用途、限制和使用判断。

作者的方法与取舍

执行主线：任务围绕「Overview / Instructions / Option A: claude-mem (Local AI Compression)」组织，把触发条件、必要上下文、执行规则和交付标准连成一条可复核的链路。
设计重点：重点不在重复教程，而在解释作者为什么规定这些步骤、哪些条件不可省略，以及结果偏离时应回到哪一层检查。
使用判断：先确认任务与原文边界一致，再决定是否启用；来源没有说明的命令、平台和依赖保持未知，不由 Fluxly 补写。

边界和复核

依赖条件：需要提前准备 Vendor-specific API Key，未配置前不要直接跑完整任务。
权限提醒：会涉及 read / write 权限，执行前要说明可读写范围、命令边界和回退方式。
质量标准：结果应包含明确产物、必要证据和下一步动作；如果只是泛泛解释，需要补充输入和验收条件后重跑。

Claude Code Persistent Memory

Overview

Claude Code forgets everything between sessions. Two open-source tools solve this by automatically capturing context and injecting it into future sessions:

claude-mem — captures session activity, compresses it with AI, injects relevant memories on next session. Lightweight, local-first.
Claude Subconscious — a background Letta agent that watches sessions, builds up memory over time, and whispers guidance back. Cloud or self-hosted.

Both eliminate the need to re-explain context when returning to a project.

Instructions

Option A: claude-mem (Local AI Compression)

GitHub: thedotmack/claude-mem

Setup

npm install -g claude-mem
cd your-project
claude-mem init
claude-mem setup-hooks

This creates .claude-mem/ with config, compressed memories, and an index. Hooks auto-capture after each session and auto-inject before the next.

How It Works

Capture — hooks into Claude Code session, records interactions
Compress — AI summarizes session into structured memory (decisions, code changes, learnings)
Store — compressed memories saved to .claude-mem/ directory
Retrieve — on new session, relevant memories injected into context

Commands

claude-mem capture                     # Capture current session
claude-mem inject                      # Inject memories into context
claude-mem search "auth flow"          # Semantic search through memories
claude-mem list                        # List all memories
claude-mem stats                       # Show memory stats
claude-mem compress                    # Reduce storage for old memories

Configuration

{
  "compression": {
    "model": "claude-sonnet-4-20250514",
    "strategy": "smart"
  },
  "inject": {
    "maxMemories": 10,
    "relevanceThreshold": 0.7,
    "strategy": "semantic"
  }
}

Strategies: smart (AI picks what's important), full (captures everything), minimal (only decisions and errors).

Option B: Claude Subconscious (Letta Background Agent)

GitHub: letta-ai/claude-subconscious

Setup

/plugin marketplace add letta-ai/claude-subconscious
/plugin install claude-subconscious@claude-subconscious
export LETTA_API_KEY="your-api-key"

Get your API key from app.letta.com. Or self-host:

pip install letta
letta server --port 8283
export LETTA_BASE_URL="http://localhost:8283"

Modes

Mode	Behavior	Token Cost
`whisper` (default)	Short guidance before each prompt	Low
`full`	Full memory blocks + message history	Higher
`off`	Disabled	None

Which to Choose

	claude-mem	Claude Subconscious
Storage	Local files (.claude-mem/)	Letta cloud or self-hosted
Cost	Uses your Claude API for compression	Requires Letta API key (free tier)
Latency	Near-zero (local)	~1-2s per whisper
Memory style	Compressed session summaries	Continuous learning agent
Best for	Local-first, privacy-sensitive	Rich cross-session context

Examples

Example 1: Session Continuity with claude-mem

# Session 1: Work on auth module
$ claude-mem stats
Memories: 12 | Storage: 45KB | Last capture: 2 hours ago

# Session 2: Return to project — auto-injected context
# Claude already knows: "You implemented JWT auth with RS256, refresh tokens in Redis"

Example 2: Architecture Recall with Subconscious

After discussing a REST-to-GraphQL migration, you start a new session:

[subconscious] Last session you decided to switch from REST to GraphQL for the
user service. Migration is 60% done — resolvers for User and Project are complete,
Order and Payment still need conversion. You preferred code-first schema with TypeGraphQL.

Guidelines

Pair with CLAUDE.md — use CLAUDE.md for static project context, persistent memory for dynamic decisions
One tool per project — don't run both claude-mem and Subconscious simultaneously
For claude-mem: set relevanceThreshold higher (0.8+) if too much context is injected
For Subconscious: whisper mode gives 90% of the value at lower token cost
Add .claude-mem/memories/ to .gitignore for private projects
Memory quality depends on session length — short sessions produce less useful memories

安装命令

一键复制安装选择包管理器,点击右侧复制,粘贴到终端回车即可

npx skills add TerminalSkills/skills/skills/claude-mem -y

查看通用安装教程

查看 Skill 原文

兼容工具

Claude Code
Cursor
Cline
Codex
Windsurf
Gemini
OpenCode
Roo Code
AAide
+Augment
GitHub Copilot
OpenClaw
KKiro
Junie
WWarp
Goose
Trae
Kilo Code
OpenHands
Amp
Zencoder
CContinue
AIAider
CodeBuddy
CodeGeeX
Replit Agent

安全审计

88 / 100

社区

未声明 license/许可。
未声明 version。
未限定 allowed-tools，默认拥有全部工具权限。

元信息

来源: github
TerminalSkills/skills
English

@TerminalSkills 的其他技能

分类与标签

分类其他

先判断是否适合

作者设计意图

作者的方法与取舍

边界和复核

Claude Code Persistent Memory

Overview

Instructions

Option A: claude-mem (Local AI Compression)

Setup

How It Works

Commands

Configuration

Option B: Claude Subconscious (Letta Background Agent)

Setup

Modes

Which to Choose

Examples

Example 1: Session Continuity with claude-mem

Example 2: Architecture Recall with Subconscious

Guidelines

讨论