lucasrosati/claude-code-memory-setup

解决的问题

该项目提供了一套全面的配置，赋予 Claude Code 持久的长期记忆和代码库感知能力。它解决了会话间的“失忆”问题（用户必须重复解释项目细节），以及 AI 因重新读取整个代码库以理解结构而产生的高额 Token 成本。

运作方式

该系统采用三层架构来管理上下文：

1. 项目记忆 (Obsidian)： 一个使用 Zettelkasten 方法的集中式 Obsidian 知识库，作为“第二大脑”。它存储决策、进度和知识。Claude Code 通过 CLAUDE.md 指令文件以及自定义的 /resume 和 /save 指令与此知识库交互。
2. 代码地图 (Graphify)： 它整合 Graphify 将代码库转换为可查询的知识图谱。这允许 Claude 通过 AST 查询结构信息，而非读取原始文件，从而显著降低 Token 使用量。
3. 对话导入管线： 一个基于 Python 的管线，用于导出 Claude 对话（来自 CLI 和 Web 应用程序）并将其导入 Obsidian 知识库，转化为带有标签且相互链接的笔记。

此外，系统提供了一个安全网自动保存钩子，可在会话结束时自动从对话记录中提取事实并记录到知识库中。

适用对象

使用 Claude Code 并希望在多个会话间维护持久知识库，且在处理大型代码库时希望优化 Token 消耗的开发者。

特色亮点

• 持久记忆： 使用 Obsidian 进行声明式记忆（决策、架构）。
• Token 效率： 利用 Graphify 进行结构化代码库映射，避免冗余的文件读取。
• 自动同步： 包含将对话历史转换为可搜索知识库笔记的管线。
• Zettelkasten 整合： 为 AI 辅助开发实现了结构化的笔记系统。
• 会话连续性： 自定义指令和钩子确保进度和上下文能自动保存。