Claude Code 如何检索长期记忆？ 沉默王二 原创 AI 面试 AI Agent 面试题 Claude Code Memory 记忆检索 语义检索 约 987 字 大约 3 分钟 AI的药，绝不能停 #028 聪明的你一定想问：Claude Code 存了 100 条长期记忆，只有 3 条跟当前 Prompt 相关，他是怎么精准找到的？ AI Agent 面试题 Claude Code Memory 记忆检索 语义检索 WATCH / 抖音视频 在抖音打开 王二讲Agent 每天3分钟，带你吃透Agent。 你可能以为 Claude Code 用了什么高级的向量搜索、语义匹配。 答案让你意外到惊掉下巴。 它没有。 我翻了 Claude Code 的源码和 OpenClaw 的源码，今天帮你搞清楚这三件事： Claude Code 是怎么检索长期记忆的？ 为什么这么简单的方案也能这么高效？ 有没有更高级的方案？

哈喽大家好，我是二哥呀。今天用 3 分钟，给你讲清楚 Claude Code 的长期记忆是怎么检索的。 先说第一件事，Claude Code 的长期记忆检索真的超级简单。 每次你新开一个对话，Claude Code 会去读 MEMORY.md 这个索引文件，最多读前 200 行，或者 25KB，剩下的不管了。 读完之后，哪些记忆跟你当前的问题相关呢？ 它不做任何筛选。直接把这 200 行全部塞进上下文，交给大模型自己判断。 没有向量检索，没有语义匹配，没有 embedding，没有数据库。

CLAUDE.md 更直接。整个文件注入系统指令，全量加载，当然要求你的CLAUDE.md要写的足够精简有效，这个我们上一期讲过了。 那聪明的你肯定想到了：这么简单的方案，真的够用吗？ 够用。但有条件。 大模型本身就有很强的注意力机制。200 行文本里面找 3 条相关的，对 Opus 5 来说，小菜一碟。 但代价是什么？MEMORY.md 必须控制在 200 行以内。第 201 行开始的根本不会被加载，写了也白写。 所以上期讲的 MEMORY.md 是索引非常关键。索引要精简，一条记忆一行摘要就够了。写得啰嗦，重要信息就被噪音淹没了。 这也解释了为什么 Claude Code 会自动整理记忆——合并重复的、删掉过时的。是为了在 200 行的限制内，塞下更多有效信息。 那聪明的你肯定又要问了：有没有更高级的方案？ 好像没有，但可以给你提供另外一个思路。比如说之前爆火的 OpenClaw，走的就是另一条路子。 Claude Code 是 Markdown 一个文件干两件事，存和读。OpenClaw 把这两件事拆开了：Markdown 只负责存内容，SQLite 负责找内容。

怎么找的呢？ 存记忆的时候，OpenClaw 会把 Markdown 内容切成一小块一小块的，然后交给 embedding 模型，把每一块文字转成一串数字，也就是向量。这些向量存进 SQLite。 找记忆的时候，把你当前的问题也转成向量，然后跟 SQLite 里存的向量做相似度匹配。相似度越高，说明这条记忆跟你的问题越相关。 而且 OpenClaw 还会同时跑一遍关键词匹配，两个结果合在一起排序。这就是混合检索——关键词找得准，语义找得全，再来一个排序，是经典的 RAG 思路。

好处是记忆再多也能精准找到。坏处是得额外跑一个 embedding 模型，这也就是为什么OpenClaw会很慢，很迟钝，当然了，当年吹他的人会忽略这个致命的缺点，就是慢。 最后简单总结下。 Claude Code 靠模型注意力检索，简单但有 200 行上限。OpenClaw 靠向量搜索加关键词匹配，精准但复杂。另外，不管用哪种方案，保持 MEMORY.md 精简都是最重要的——一条记忆一行摘要。 这个知识点你学废了吗？想解锁更多 AI 硬核知识，点赞关注，我是二哥，咱们下期见！

在 GitHub 上编辑此页 上次编辑于: 贡献者: 沉默王二 上一页 Claude Code 长期记忆 下一页 CLAUDE.md 写法