Claude Code源码记忆系统深度详解，Agent竟会做梦？

上篇说Claude Code源码意外泄露了51万行代码，我让三万帮我全部翻了一遍，总结出5个发现：记忆系统、多Agent管理、安全架构、缓存经济学，还有未发布功能。

评论区问得最多的是记忆系统。

今天专门深挖这一块。这是三万翻得最仔细的部分，也是我觉得最颠覆认知的部分。

CLAUDE.md——你写给AI的入职手册

很多人用Claude Code，上来就开始干活。我建议先做一件事：写CLAUDE.md。

这个文件是你写给Claude Code的入职手册。告诉它：你是谁、项目是什么、代码规范是什么、你的偏好是什么。写得越清楚，它越懂你。

源码里，CLAUDE.md有4层加载机制：

• 第①层：公司统一下发的——所有人共用，比如团队统一的代码规范

• 第②层：个人全局配置的——所有项目都生效，比如你习惯的注释风格

• 第③层：代码仓库里的——整个团队共享，跟着项目走

• 第④层：本地私有的——不提交仓库，只对你自己生效

加载顺序是1到4，但优先级反过来——距离你越近的越优先。你的个人偏好，优先级高于公司规范。

这个设计很聪明。AI时代的"入职培训"，不是给新员工讲的，是你写给AI看的。你写得越清楚，AI越懂你。很多人抱怨AI不够好用，其实问题出在这里——你没告诉它你是谁。

自动记忆——记错，也要记对

Claude Code的记忆系统有4种类型：用户记忆、反馈记忆、项目记忆、参考记忆。

但源码里有一段话，让我停了很久：

"Record from failure AND success. If you only save corrections, you will avoid past mistakes but drift away from approaches the user has already validated, and may grow overly cautious."

翻译：记错误，也要记认可。只记纠正的话，AI会越来越缩手缩脚。

大多数人想到"AI记忆"，想的是：我纠正它，它记住了，下次不犯。但Claude Code的设计者想得更深——如果只记错误，AI会越来越保守，远离那些你已经验证过有效的方法。

你说"这个方向对"，它要记。你说"这个PR合并成一个是对的"，它要记。你不说话但没有推翻它的方案，它也要记——这是一个默认认可的信号。

"Corrections are easy to notice; confirmations are quieter — watch for them."

这和管理团队是一样的道理——不能天天批评下属，也要记得认可和鼓励。只有批评没有认可，下属会越来越保守，不敢做任何尝试。AI也一样。

记忆的格式也有讲究。以反馈记忆为例，要求写三个部分：规则本身、Why（当时的理由）、How to apply（什么场景触发）。

为什么要记Why？"Knowing why lets you judge edge cases instead of blindly following the rule." 知道原因才能灵活应用边界情况，不知道原因就只能机械执行。记忆不是备忘录，是决策参考。

还有一个时间细节：凡是有时间的记忆，必须存绝对时间。你说"下周四"，必须存成"2026年4月10日"。不然三个月后这条记忆不仅失效，还会添乱。

压缩——上下文满了怎么办

这是源码里我觉得最有工程价值的部分。

AI对话有个硬限制：上下文窗口就那么大，满了就没法继续。普通产品的解法是直接截断，或者提示你"新建对话"。Claude Code的解法更精细——三重压缩机制。

触发线 = 上下文窗口总量 - 13000个Token缓冲。接近这条线，压缩就启动：

• 微压缩：空间还够，轻度整理，去掉重复内容

• 自动压缩：中度紧张，提炼关键信息，压缩对话轮次

• 完整压缩：空间告急，全面重写，保留骨架

但压缩不是随便删。源码明确规定了必须保留的内容：改了哪些文件、踩过什么错误、用户给过的所有反馈。

最后一条最有意思——如果任务还没结束，必须从最近的对话里原文引用用户的话，一字不差。

为什么要一字不差？因为"把这个功能改成异步的"和"把这个功能优化一下"，执行方向完全不同。压缩后的摘要可能丢掉这个差别，原话不会。

压缩完，AI打开新的上下文，依然知道从哪里继续。对用户来说，感觉不到中断。

然后是源码注释里的那个工程细节——每天有1279个session连续压缩失败超过50次，最严重的一个session失败了3272次，浪费了约25万次API调用。修复方案：3行代码，连续失败3次就停止重试。

Token就是钱。AI产品必须时时刻刻优化缓存，否则就是在烧用户的钱。做AI产品的同学，这种细节决定你的产品能不能活下去。

文件系统——不是向量数据库

很多人会猜：Claude Code这套记忆系统，底层一定用了向量数据库。但没有——纯文件系统。

每条记忆是一个独立的Markdown文件，人可以直接打开看，可以手动改，可以用git管理，可以diff，可以回滚，可以grep。MEMORY.md是索引文件，最多200行，每条记忆不超过150字，超了会截断，还会自动提示AI"索引太长了，下次写精简一点"。

为什么不用向量数据库？源码里没解释。我的理解是：可以被人类审查的记忆，信任成本低得多。

用向量数据库，你不知道AI记住了什么。用Markdown文件，你打开就看到了。你知道你的AI在想什么、记着什么——这本身就是一种控制感。AI的控制感从哪来？就是你能用自然语言描述它的记忆，随时打开、随时修改。

Dream——AI的睡眠整理

源码里有个模块叫AutoDream，提示词第一行写的是：

"You are performing a dream — a reflective pass over your memory files." 你是在做一个梦，对记忆文件进行反思性回顾。

触发条件：距上次整理至少24小时，且期间至少有5个工作session。

做梦4个阶段：

• 定向：先搞清楚自己现在知道什么

• 收集：扫描今天的日志，找值得留下来的新信息

• 整合：把新信息写进记忆，相对时间全部换成绝对时间，新发现推翻旧记忆就直接修正，不留两条矛盾的

• 修剪：更新索引，删掉过时的，保持200行以内

  
  

整合阶段里有个词：memories that drifted——记忆漂移。某条记忆写的时候是对的，但现在情况变了，这条记忆已经不准了。做梦时把这类记忆找出来修正——不是简单叠加新内容，而是维护记忆的准确性。

人脑睡眠时也是这样工作的——整理白天信息，去掉过时的，保留重要的。Claude Code在模拟认知。

走过的弯路

我自己最早也走了弯路，以为模型够好，问题就解决了。

后来才明白：模型只是一部分，记忆才是真正的壁垒。

现在看Claude Code把记忆这件事做到了极致：记忆分层、自动提取、压缩保鲜、文件审查、每晚做梦——这是一整套完整的系统。

一个越用越懂你的AI，和一个每次从头开始的AI，是两种截然不同的产品。这个差距，靠换一个更聪明的模型弥补不了——因为它是时间积累出来的。

所以要做好AI产品，记忆是重中之重。

从Claude Code源码里得出的这些经验，不知道对你有没有帮助，欢迎评论区告诉我。

最后，如果你也想体验AI帮你提效，欢迎来打造属于你的龙虾团队。

• 国内版：easyclaw.cn

• 国际版：easyclaw.com

• 企业版：easyclaw.work

《走访100个养虾人》第三期:对话惠和传媒集团创始人齐娜，2小时深度对谈，分享如何将龙虾从工具培养为伙伴，从业务接管到反向给人照镜子。4月8日（周三）19:00，直播间见！