Tool

每个用过 Cluade Code 的开发人员都有过这种体会：关闭一个会话时感觉挺好的，第二天早上打开一个新的会话，Claude 像是“失忆”了一样。你得在新的会话中跟 Claude 重新解释项目的技术决策，然后 Claude 重新读取项目文件，在能解决问题之前，就已经用掉很多 token。每天重复这么几次，会浪费大量的 token。 解决方案：这篇文章分享一个名为 claude-code-memory-setup 的 GitHub 仓库。这个仓库通过组合两个免费工具为 Claude Code 建立持久化记忆系统，可以让 token 消耗降低至原来的 1.4%。 1. 本质上是一个两层结构 第一层：Obsidian 作为声明性记忆 为所有项目创建单一的 Obsidian 仓库 Obsidian 仓库包含原子化的 Zettelkasten 风格笔记、会话日志、架构决策等 Obsidian 仓库根目录下包含一个 CLAUDE.md 文件，告诉 Claude Code 如何读写这个仓库 通过 /resume 和 /save 命令实现会话间记忆传递 /resume 让 Claude 在回答任何问题之前读取最后几个会话日志和当前项目的决策文件 /save 写入一个新的会话日志，并可选择运行 git commit 解决“昨天做了什么”的失忆问题，不需要重复解释 第二层：Graphify 作为结构性记忆 Graphify 是一个免费的 CLI 工具，它使用 tree-sitter（支持 20 多种语言）在本地解析代码库，生成知识图谱 将代码结构转换为可查询的 JSON 文件，Claude Code 查询这个文件，不需要重新读取源文件 对于一个包含 126 个 TypeScript 文件的项目，生成的图谱大小为 172KB，包含 332 个节点和 258 条边，查询成本从 20,000+ token 降至约 280 token 通过与 git hook 配对，可以在每次提交自动更新知识图谱 2. 工作流程 打开 Claude Code -> /resume 加载 Obsidian 上下文 Claude 查询 graph.json 理解代码结构 工作完成后 -> /save 写入日志 git commit 自动重建图谱 3. 记忆 vs 提示词 超越提示词工程：给 AI 提供持久化记忆和代码结构地图 记忆复合效应：提示词是短暂的，记忆是累积的 4. 实际价值 这个项目一个实用、低成本的技术方案，解决了 Claude Code 用户普遍面临的 token 浪费问题，通过建立系统化的记忆机制大幅提升工作效率和成本效益。 ...

译者：Carl Cui AI 工具领域的每个人在 2025 年都在构建 MCP 服务器。MAP 协议（Model Context Protocol）是 Anthropic 在 2024 年底提出的，出发点是建立一个通用标准，用来连接 AI agent 与外部工具、服务：给模型一个结构化的 schema，它就可以调用任何东西。 2026 年年初，一项研究在基于 MCP 的代理和基于 CLI 的代理之间做了 75 次比较测试，测试内容相同。CLI 在每个效率指标上都比 MCP 表现要好，它在 token 上的开销能低 10 ~ 32 倍。 CLI 可靠性大约达到了 100%，而 MCP 只有 72%。Perplexity 公开宣布从他们的 agent 架构中移除了对 MCP 的支持，理由是 token 开销和可靠性问题。Anthropic 自己的内部研究发现，让模型编写 shell 脚本而不是调用 MCP 工具，可以将 token 使用量减少 98.7%。 根本问题在于：MCP 会将整个 schema 都扔进你的上下文窗口中。每个工具的定义、每个参数的说明、每次任务执行前的认证流程……全都给你塞过来。搞上三四个 MCP 服务器，你就在 agent 做任何有用的事情之前消耗了 150,000 个 token。 MCP 炒作周期刚刚碰壁了吗？ ...