Claude Code 三种记忆方案实测

把团队昨天做过的决定交给 Claude Code，放在 CLAUDE.md、内置 auto-memory，还是仓库里的 LLM wiki？作者用同一组 30 条决策做了测试：三种方案都答对了回忆问题，CLAUDE.md 最快、最便宜；真正拉开差距的是决策变更后，旧理由能否保留，相关约束能否一起更新。

这组实验值得看，因为它测到了日常 AI 编程里更隐蔽的问题：模型记住了新数字，却可能留下与之冲突的旧规则。不过，实验由维护 wiki 插件的 Claude Code agent 完成，规模也小，结论需要带着边界读。

30 条决策都能记住，为什么还要比较

实验针对 pallets/itsdangerous 的 commit 672971d，复制四份目录，分别测试无记忆和三种记忆方案。主实验使用 Claude Code 2.1.288，每一步都通过 claude -p 开新会话，避免上一轮对话直接提供答案。

决策属于一个虚构应用，源码里查不到。例如：保留 3 把签名密钥，每 30 天轮换一次；remember-me cookie 有效期为 45 天；任何签名令牌的 max_age 不得超过 60 天。

为什么是 60 天？令牌可能在旧密钥退出签发窗口前一刻生成。此后即使还保留这把密钥用于验证，也只保证再验证 (3-1) × 30 = 60 天。令牌声明的有效期再长，密钥被移出验证列表后也没用。

没有记忆时，模型被问到「保留几把密钥」会承认不知道应用策略；但面对「90 天 cookie 能否设置 max_age=90 days」这种实际问题，却先回答了 Yes。三种记忆方案都能指出原策略下的 60 天限制。

代码能告诉模型库支持什么，团队记忆才能告诉它项目允许什么。

记录 30 条决策后，三种方案的九次问答都找到了正确事实。CLAUDE.md 每次只需一轮，因为全文已经进入上下文；auto-memory 读取一两个主题文件；wiki 则读取索引、页面和保存的对话，并逐条引用来源。

成本差异来自这些读取动作。作者没有证明 wiki 的普通问答更准，只证明这次它花了更多轮次做溯源。

CLAUDE.md 此时约 6 KB、66 行、约 1,500 tokens。作者用只回复 OK 的会话测加载成本，但无记忆会话本身就出现了 23,091 与 21,216 tokens 的波动。因此只能说，这个规模下没测出稳定的额外开销，不能推导为文件继续增长也没有成本。

决策改了以后，谁能发现连带问题

随后，产品把 remember-me cookie 从 45 天改成 75 天。密钥增加到 4 把，仍每 30 天轮换，保证验证窗口变为 (4-1) × 30 = 90 天。

CLAUDE.md 正确改成了 4 把密钥和 90 天上限，也注明替代旧策略。但它删掉了当初拒绝 2 把密钥的理由，并留下另一条旧决策：计划在 Q1 2027 切换 SHA-256，两个 serializer 并行运行 45 天。

这就冲突了。仍有效的 75 天 cookie，可能在旧 serializer 停止验证时提前失效。CLAUDE.md 方案在后续回答时发现了这个问题，但文件里没有留下提醒。

auto-memory 更新密钥策略时，用一行 Earlier: ... 保留旧理由，并主动在迁移文件里记录：45 天重叠期与新的 75 天 cookie 冲突，尚未决定如何处理。

wiki 也发现了这个冲突，还找出了另一处：退订链接虽然不传 max_age，仍然使用轮换密钥签名。密钥退出验证列表后，链接照样失效。新策略下，它实际只能存活 90 至 120 天，「永不过期」从一开始就不成立。

下面这段记录展示了 wiki 如何把当前约束、来源和未解决问题放在一起：

## 2026-10-03 max_age must be at most 90 days (supersedes the 60-day limit)

- **Rule:** No signed token in our app may use a `max_age` above 90 days.
  Source: `raw/conversations/signing-key-rotation.md:9`.
- **Why:** With 4 keys rotated every 30 days ([[signing-keys]]), a token signed on
  the last day of a key's signing window still verifies for (4-1) × 30 = 90 more days.
- **Known violation:** Unsubscribe links still have no `max_age` ([[token-types]]);
  they now stop verifying 90–120 days after signing. Unresolved.

## 2026-10-03 ~~max_age must be at most 60 days~~ (superseded)

要看的是 Known violation 那一行：记忆除了保存答案，还保存了答案暂时无法覆盖的例外。wiki 又核对了 signer.py:227-242，确认库只尝试当前密钥列表。

代价也明确：wiki 写入成本约为另外两种方案的三倍。作者提到每批约 $0.50 的取舍，额外工作包括分配页面、添加引用、交叉检查已有决策。发现冲突的价值，正来自最后一步。

auto-memory 的边界，比选型口号更实用

auto-memory 默认位于 ~/.claude/projects/<path>/memory/，不随仓库提交。每个会话加载 MEMORY.md 索引，细节文件按需读取。

路径规则容易踩坑。项目路径会先解析符号链接，再把非字母数字字符替换为 -。macOS 的 /tmp/x/a 因而对应 ~/.claude/projects/-private-tmp-x-a/memory/。

autoMemoryDirectory 会直接替换整个存储路径，不再自动追加项目子目录。两个仓库配置同一路径，就会共用一个 MEMORY.md。这能用于主动共享，也可能混入另一个项目的事实；作者只测了文件落点，没有测混用后的回忆质量。

在 2.1.306 的检查中，Git 仓库使用顶层目录确定记忆位置，深层子目录和该仓库的 worktree 共用主检出目录的记忆。会话记录却按启动目录存放，不能看到某个 transcripts 目录，就认定那里也有记忆。

索引还有硬上限：前 200 行，或能完整装入 25,000 个计数单位的整行，先到哪个就停。截断不会切断一行，但后面的事实也不会进入上下文。

作者从 2.1.296 追测到 2.1.306，逐步修正了「字符」的含义：2.1.302 的中文测试排除了按 UTF-8 字节计数，2.1.303 的 emoji 测试进一步指向 JavaScript string.length，即 UTF-16 代码单元。一个 😀 计两单位。

因此，中文索引超过磁盘上的 25 KB，仍可能完整加载。控制台警告里的 KB 也不能直接当成文件字节数。

关闭开关同样有优先级。"autoMemoryEnabled": false 会停止加载索引，但显式环境变量 CLAUDE_CODE_DISABLE_AUTO_MEMORY 优先：设为 0 可以覆盖关闭设置，设为 1 可以覆盖开启设置。排查 CI 或本机行为时，需要同时检查 shell 环境。

我的判断

我认可这篇最有用的区分：常驻规则、个人记忆、团队决策，适合不同的维护方式。尤其是「为什么拒绝另一个方案」以及「新决定影响哪些旧约束」，往往比最终选项更值得留下。

但这里证明的是一套具体 wiki 工作流的表现。作者使用自己维护的 vellumlabs/llm-wiki-kit，通过 /llm-wiki:init 和 /llm-wiki:capture 写入；引用来源、保留历史、交叉检查，都来自这套工作流的要求。Markdown 文件夹不会自动获得这些能力。

同样，CLAUDE.md 这次丢了理由，不足以证明它必然丢理由。团队也可以用 ADR 记录决策历史，让 CLAUDE.md 只保存入口。原文没有与这种做法比较，不能替 wiki 宣布胜出。

数据也需要降温：一个库、一个虚构应用、30 条决策，每个单元格只跑一次。相同 wiki 构建提示曾生成 21 页，另一次只有 17 页。费用来自订阅 OAuth 会话的 CLI 报告，并不等于 API 账单。

作者没有测试数百条决策、多人同时编辑或 MCP memory servers。提供的附录在第 26 条处截断，29 条后续决策并未完整展示，也限制了按当前文本复现。性能排名应当视为小样本观察。

能拿来做什么

• 把每次任务都需要的测试命令、代码规范和提交约束放进 CLAUDE.md。针对小规模规则集，原文没有提供必须提前拆库的证据。
• 把个人工作偏好放进 auto-memory，并让 MEMORY.md 每条只占一个短行，详细内容进入主题文件。多人项目需要共享的约束，应另有仓库内来源。
• 修改 cookie 时长、密钥轮换或兼容窗口时，要求 agent 同时列出旧理由、关联约束和未解决冲突。可以使用 wiki 或 ADR，关键是把检查动作写进流程。
• 用 claude -p 做内部评估时，每次开新会话，并通过 --output-format json 记录 num_turns、total_cost_usd 和 usage。除了测试能否答对，还要测试决策变化后能否发现过期规则。