claude-supermemory
claude-supermemory 是一款专为 Claude Code 设计的记忆增强插件,旨在让 AI 具备跨会话、跨项目的持久化记忆能力。它解决了传统 AI 助手在对话结束后即“遗忘”上下文的痛点,使 Claude 能够实时学习并积累你的工作成果,无论是个人开发习惯还是团队共享的项目知识,都能被有效保留和调用。
这款工具特别适合需要长期维护复杂代码库的开发者及协作紧密的技术团队使用。通过集成 Supermemory 服务,claude-supermemory 支持自动捕获关键对话、区分个人与团队记忆空间,并允许用户通过自然语言指令(如"super-search"回顾过往工作,或"super-save"保存重要决策)灵活管理知识库。其独特的技术亮点在于智能化的信号提取机制,能识别“架构”、“修复”等关键词自动归档高价值信息,同时提供细粒度的项目级配置,确保不同仓库拥有独立的记忆容器。只需简单配置 API 密钥,即可让 AI 伴随你的成长不断进化,成为真正懂你项目历史的智能伙伴。
使用场景
某后端开发团队正在维护一个微服务架构的电商系统,需要在多轮迭代中持续修复漏洞并优化代码结构。
没有 claude-supermemory 时
- 记忆断层严重:每次开启新的 Claude Code 会话,AI 都会“失忆”,开发者必须重新粘贴之前的架构决策、API 密钥格式和特定的业务逻辑背景。
- 团队协作困难:团队成员间缺乏共享的知识库,新人接手项目时无法快速了解历史遗留问题的解决方案,导致重复踩坑。
- 关键信息流失:重要的调试过程、Bug 修复思路仅存在于临时的聊天窗口中,会话结束后若无手动整理,这些宝贵经验便永久丢失。
- 配置管理混乱:不同项目的特定设置(如容器标签、信号关键词)需要人工口头传达或查阅分散的文档,极易出错。
使用 claude-supermemory 后
- 跨会话持久记忆:claude-supermemory 自动保存对话中的关键决策,新会话开始时 AI 能立即调用历史上下文,无需重复背景介绍。
- 团队知识共享:通过"Team Memory"功能,架构模式和修复方案自动同步给全队,新人询问时可直接获取经过验证的团队级最佳实践。
- 智能自动捕获:系统识别"bug"、"fix"、"architecture"等关键词自动存档重要对话,确保核心开发逻辑被永久记录并可随时通过
super-search检索。 - 精细化项目配置:利用
/claude-supermemory:project-config命令为每个仓库独立设定规则,AI 能精准区分不同项目的上下文环境,避免配置冲突。
claude-supermemory 将临时的代码对话转化为团队可复用的长期资产,让 AI 真正伴随项目共同成长。
运行环境要求
- 未说明 (作为 Claude Code 插件,取决于宿主环境)
未说明
未说明

快速开始
克劳德-超级记忆
✨ 需要 Supermemory Pro 或更高版本 - 为您的 Claude 代码解锁最先进的记忆功能。
一个 Claude 代码插件,利用 Supermemory 在会话之间为您的 AI 提供持久记忆。您的代理能够记住您之前的工作内容——跨会话、跨项目。
功能
- 团队记忆 — 团队共享的项目知识,与个人记忆分开
- 自动捕获 — 会话结束时保存对话
- 项目配置 — 每个仓库的设置、API 密钥和容器标签
安装
/plugin marketplace add supermemoryai/claude-supermemory
/plugin install claude-supermemory
设置您的 API 密钥(可在 app.supermemory.ai 获取):
export SUPERMEMORY_CC_API_KEY="sm_..."
工作原理
- super-search — 查询过去的工作或之前的会话,Claude 会在您的记忆中搜索
- super-save — 请求保存重要信息,Claude 会将其保存给团队
命令
| 命令 | 描述 |
|---|---|
/claude-supermemory:index |
索引代码库架构和模式 |
/claude-supermemory:project-config |
配置项目级设置 |
/claude-supermemory:logout |
清除已保存的凭据 |
配置
环境变量
SUPERMEMORY_CC_API_KEY=sm_... # 必需
SUPERMEMORY_DEBUG=true # 可选:启用调试日志
全局设置 — ~/.supermemory-claude/settings.json
{
"maxProfileItems": 5,
"signalExtraction": true,
"signalKeywords": ["remember", "architecture", "decision", "bug", "fix"],
"signalTurnsBefore": 3,
"includeTools": ["Edit", "Write"]
}
| 选项 | 描述 |
|---|---|
maxProfileItems |
上下文中的最大记忆条目数(默认:5) |
signalExtraction |
仅捕获重要对话(默认:关闭) |
signalKeywords |
触发捕获的关键字 |
signalTurnsBefore |
信号出现前的上下文轮次(默认:3) |
includeTools |
显式捕获的工具 |
项目配置 — .claude/.supermemory-claude/config.json
每个仓库的覆盖设置。运行 /claude-supermemory:project-config 或手动创建:
{
"apiKey": "sm_...",
"repoContainerTag": "my-team-project",
"signalExtraction": true
}
| 选项 | 描述 |
|---|---|
apiKey |
项目专用的 API 密钥 |
personalContainerTag |
覆盖个人容器标签 |
repoContainerTag |
覆盖团队容器标签 |
许可证
MIT
版本历史
v0.0.22026/02/09常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
NextChat
NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。