hot-memory-mcp

问题所在

每次新聊天都要从头开始。你又要解释一遍架构，再贴一遍相同的模式。上下文窗口里塞满了重复内容。

其他记忆解决方案虽然有所帮助，但每次查找仍然都需要调用工具——这会增加延迟，还会占用 Claude 的思考额度。

Memory MCP 通过双层架构解决这个问题：

1. 热缓存（0ms） — 插件的 SessionStart 和 UserPromptSubmit 钩子会在 Claude 开始思考之前将常用知识写入上下文。Claude Code 会将钩子的标准输出添加到对话中，因此无需调用工具。
2. 冷存储（约 50ms） — 其他所有内容都可以通过语义相似度按含义搜索。

系统会学习你使用的内容并自动将其提升。最有价值的知识将立即可用，无需手动整理。

使用前后对比

安装

# Install package
uv tool install hot-memory-mcp   # or: pip install hot-memory-mcp

# Add plugin (recommended)
claude plugins add michael-denyer/memory-mcp

该插件会为你自动配置钩子和斜杠命令。在所有平台上（包括 Apple Silicon），嵌入都通过 sentence-transformers 运行。

{
  "mcpServers": {
    "memory": {
      "command": "memory-mcp"
    }
  }
}

重启 Claude Code。运行一次 memory-mcp-cli bootstrap，从项目文档中初始化记忆；钩子会注入已提升的内容，但不会自动初始化任何内容。

首次运行：嵌入模型（约 90MB）会自动下载。首次下载需要 30-60 秒。

工作原理

flowchart LR
    subgraph LLM["Claude"]
        REQ((Request))
    end

    subgraph Hot["HOT CACHE · 0ms"]
        HC[Session context]
        PM[(Promoted memories)]
    end

    subgraph Cold["COLD STORAGE · ~50ms"]
        VS[(Vector search)]
        KG[(Knowledge graph)]
    end

    REQ -->|"hook stdout"| HC
    HC -.->|"draws from"| PM
    REQ -->|"recall()"| VS
    VS <-->|"related"| KG

热缓存（约 10 项）通过两个插件钩子传递给 Claude。SessionStart 会运行 memory-mcp-cli hot-cache --force，UserPromptSubmit 会运行 memory-mcp-cli hot-cache，而 Claude Code 会将每条命令的标准输出添加到对话中。只有当文本与会话上次看到的内容不同时，命令才会输出；集合保持稳定时开销很小，发生变化时则会完整重新输出。该集合包含近期回忆、预测的下一条记忆，以及优先级最高的已提升项目。已提升记忆（约 20 项）是常用记忆的后备存储。使用 3 次以上的记忆会自动提升；未使用的记忆会在 14 天后降级。

它的不同之处

大多数记忆系统会让你每次查找都付出工具调用的代价。Memory MCP 的热缓存完全绕过了这一点——钩子会在 Claude 开始思考前，将你最常用的知识打印到对话中。

Engram 的洞见：人类记忆不会搜索——常用的模式本来就已经在那里。这就是热缓存为 Claude 带来的效果。

快速参考

所有 10 个斜杠命令和完整工具 API，请参阅 参考文档。

仪表板

memory-mcp-cli dashboard    # Opens at http://localhost:8765

浏览记忆、热缓存、注入历史、会话和知识图谱。

使用方法

Memory MCP 设计为由三个相辅相成的组件构成：

我们建议大多数用户使用插件——它会自动配置 MCP 服务并添加效率功能。想查看正在存储的内容时，可同时运行仪表板。

文档

许可证

MIT