claude-memory-engine 0.6.0

Reusable lessons/memory engine for Claude Code: frontmatter lessons, auto-CATALOG, offline retrieval, path-triggered lessons, auto-maintenance, parallel-session and sub-agent guards.

Долговременная автообновляемая память «уроков» для Claude Code: нужный урок показывается сам, когда он пригодится. Подбор подходящих уроков ведёт обычный код, а не ИИ, поэтому работает быстро, офлайн и без сторонних зависимостей.

Русский · English

Что это

claude-memory-engine добавляет в Claude Code долговременную память «уроков». Урок: короткая запись о том, как в проекте принято делать, на какие ошибки уже наступали и что нельзя ломать. Уроки записывает сам ассистент по ходу работы над проектом; при желании вы можете добавлять их и сами, но это не обязательно. Движок упорядочивает уроки и подсказывает вашей LLM нужный урок тогда, когда он ей пригодится.

Важно: в движок входит только механизм. Ваши уроки (это ваши знания и, возможно, приватные данные) хранятся отдельно.

Зачем это нужно

Когда работаешь с ИИ-ассистентом над проектом, возникает общая проблема: у него нет единой сквозной памяти. Из-за этого одни и те же ошибки повторяются раз за разом. Чтобы их избежать, приходится всё больше записывать в память проекта; она разрастается, а большой файл ассистент уже не читает целиком, и внимание достаётся только первым 200 строкам. В итоге вести сложный проект становится тяжело и долго.

Движок убирает эту боль: уроки лежат маленькими отдельными markdown-файлами, нужный урок показывается сам в подходящий момент, оглавление со всеми уроками собирается автоматически, а размер памяти держится под контролем. Подробнее: смотрите раздел «Возможности» ниже.

Быстрый старт

Самый короткий путь:

pip install claude-memory-engine
cd /путь/к/вашему/проекту
claude-memory init

Первая команда ставит движок. Команда cd переводит вас в папку вашего проекта. Команда claude-memory init подключает движок к этому проекту: создаёт файл настроек, папку для уроков и делает так, чтобы движок срабатывал в нужные моменты. На этом всё: подсказки заработают со следующей сессии Claude Code. Настраивать ничего не нужно, по умолчанию всё работает; как изменить настройки под себя, описано ниже в разделе «Настройка».

Как устроено

Движок состоит из трёх слоёв.

1. Логика. Набор небольших программ на Python, которые делают всю работу: находят нужный урок, собирают оглавление, отправляют устаревшее в архив и так далее. Это чистый Python без сторонних библиотек, отдельно ставить ничего не нужно.

2. Связка с Claude Code. Один маленький скрипт, который Claude Code вызывает в нужные моменты (в начале сессии, перед правкой файла и тому подобное) и который просто запускает логику.

3. Данные. Сами уроки: ваши знания о проекте. Они хранятся отдельно и в движок не входят.

Зачем это деление: первые два слоя составляют универсальный механизм, который переносится в любой проект, а третий слой содержит только ваши приватные данные. Поэтому движок легко переиспользовать и даже открыть публично, а ваши уроки при этом остаются только у вас.

А вот что происходит на каждый ваш запрос: запрос приходит к Claude Code и через хук запускает движок; тот подбирает урок из памяти обычным кодом и возвращает его в контекст LLM; после этого ассистент отвечает с учётом урока.

flowchart LR
  Q["Ваш запрос"] -->|"1. запрос"| C["Claude Code (ваша LLM)"]
  C -->|"2. хук на запрос"| E["Движок: подбор урока кодом, не ИИ"]
  L["Уроки (markdown)"] -.->|"3. источник"| E
  E -->|"4. нужный урок"| C
  C -->|"5. ответ с учётом урока"| A["Ответ"]

Движок срабатывает и на другие события Claude Code: перед правкой файла (урок по пути), в начале и в конце сессии, при завершении работы.

Пример вывода для вашего LLM-ассистента

Подсказку с подходящими уроками движок добавляет в контекст вашего LLM-ассистента (в чате вы её обычно не видите). Выглядит она примерно так:

[память] Возможно полезные уроки. Прочтите нужные ДО действий:
  • по смыслу:
    - api-error-format: ошибки отдаём в формате {code, message}
    - db-migrations: новые поля БД только через миграцию, не руками
  • по пути файла:
    - payment-flow: не менять статус оплаты вручную

Уроки в примере выдуманы для иллюстрации. По умолчанию надписи английские; перевод — в разделе «Настройка».

Возможности

Уроки и порядок

• Уроки хранятся маленькими markdown-файлами с короткой шапкой (название, тема, ключевые слова) плюс одно «горячее ядро» (главный файл, который читается всегда) с ограничением размера, чтобы оно не разрасталось.
• Оглавление всех уроков собирается само из их тем; вручную его вести не нужно.

Подсказки в нужный момент

• На каждый ваш запрос движок сам подбирает подходящие уроки по словам и показывает их вашей LLM; если ничего важного нет, он молчит. Подбор делает обычный код, без обращения к ИИ.
• Урок можно привязать к файлу: тогда он покажется ровно перед тем, как ассистент соберётся править этот файл.
• Подсказки остаются быстрыми, даже когда уроков становится много (за счёт внутреннего кэша).

Память сама себя поддерживает

• Старые записи уходят в архив, большой архив остаётся удобным для поиска, а в конце сессии движок помечает устаревшие правила и оборванные привязки уроков к файлам.
• Размер памяти под контролем, в свалку она не превращается.

Страховки

• Если две сессии правят один и тот же файл памяти, вторая получает мягкое «перечитай и повтори» вместо тихой потери правок.
• В конце работы движок мягко напоминает записать урок, если после свежего коммита заметки ещё нет (особенно когда коммит закрывает задачу).
• Не даёт случайно запустить вспомогательного помощника (суб-агента) на самой дорогой модели и ведёт журнал таких запусков.
• Предупреждает, если модель сессии незнакомая или список известных моделей давно не сверяли.
• Проверяет файл настроек при старте и ловит опечатки, пока они не сломали работу.

Гибкость

• Любой язык: все надписи движка переводятся через настройки, не трогая код.
• Корректно работает внутри git-worktree (отдельной рабочей копии репозитория).
• Ноль сторонних зависимостей: нужен только обычный Python.

Карта модулей

Таблица для тех, кто будет читать или дорабатывать код: какая возможность каким модулем реализована. Обычному пользователю она не нужна.

Уроки и порядок

Возможность	Модуль
Авто-оглавление и проверка здоровья памяти	catalog_generate

Подсказки

Возможность	Модуль
Подбор уроков по запросу	memory_retrieve
Кэш быстрого подбора	sqlite_index
Уроки по пути файла (в том числе в git-worktree)	applies_to

Память сама себя поддерживает

Возможность	Модуль
Архивирование старых уроков	memory_archive
Навигация по большому архиву	precedent_index
Удаление архивных уроков по сроку хранения	archive_prune
Пометка устаревшего в конце сессии	staleness

Страховки

Возможность	Модуль
Защита параллельных сессий	memory_concurrency
Формат однострочного маркера сессии	session_marker_guard
Напоминание записать урок на выходе	stop_check
Контроль дорогой модели у суб-агентов	subagent_model_guard
Журнал делегирования суб-агентам	subagent_efficiency_log
Напоминание сверить реестр моделей	model_registry_guard
Самопроверка настроек	self_check

Гибкость

Возможность	Модуль
Переводимые надписи (i18n)	messages

Инфраструктура

Возможность	Модуль
Все настройки движка	config
Запуск логики из хука	hooks_cli
Регистрация хуков в settings.json	installer
Команда claude-memory (init/uninstall/doctor/config)	cli

Установка

Поставить движок можно двумя способами. Оба дают один и тот же результат и одинаково подключают хуки. Разница только в том, где лежит сам движок: своя копия внутри каждого проекта (способ A) или одна общая установка на всю машину (способ B). На то, где хранятся уроки, выбор способа не влияет.

Способ A: git + install.sh

Подходит, когда важно, чтобы проект был полностью самодостаточным: движок лежит внутри проекта, ничего внешнего.

git clone https://github.com/Arnoldig/claude-memory-engine.git
cd claude-memory-engine
./install.sh /путь/к/вашему/проекту /путь/к/папке/памяти

Скрипт install.sh кладёт движок внутрь проекта (в папку .claude/memory_engine/), ставит связующий скрипт, создаёт файл настроек и каталог памяти, а также прописывает хуки в settings.json, не затирая чужие. Повторный запуск безопасен: дубликаты не появляются. Аргументы можно опустить: тогда проектом считается текущая папка, а для памяти берётся ~/.claude/memory.

Способ B: pip + одна команда

Подходит, когда машина одна, а проектов много: движок ставится один раз, а подключается к проектам одной командой.

pip install claude-memory-engine
claude-memory init /путь/к/вашему/проекту /путь/к/папке/памяти

Здесь движок остаётся в окружении pip и в проект не копируется; команда claude-memory init разворачивает в проект только тонкий слой: связующий скрипт, файл настроек и регистрацию хуков. Аргументы те же и так же необязательны.

Важная деталь: связующий скрипт запоминает именно тот Python, которым вы поставили пакет. Если потом сменить окружение или переустановить пакет, выполните claude-memory init ещё раз, чтобы обновить эту привязку.

Какой способ выбрать

Вопрос	Способ A (git)	Способ B (pip)
Где лежит движок	внутри проекта, своя копия в каждом	один раз в окружении pip
Нужна ли копия исходников на машине	да	нет
Как обновить версию	склонировать заново и снова запустить install.sh	pip install -U в одном месте
Как подключить новый проект	склонировать и запустить install.sh	одна команда claude-memory init
Зависит ли проект от внешнего	нет, самодостаточен	да, нужен установленный пакет

Коротко, по одному признаку: способ A держит отдельную копию движка внутри каждого проекта (проект ни от чего внешнего не зависит), а способ B держит один общий движок на всю машину (ставить и обновлять удобно в одном месте).

Уточнение: файл настроек у каждого проекта свой (<проект>/.claude/claude-memory.config.json) при любом способе установки. Поэтому отдельная память на каждый проект настраивается одинаково и в способе A, и в способе B. Общим для всех проектов в способе B остаётся только код движка.

Где хранить уроки (общий пул для всех проектов или отдельный на каждый проект) задаётся настройкой memory_dir и работает одинаково при любом способе: один и тот же путь к памяти у всех проектов даёт общий пул уроков, свой путь на проект даёт раздельные.

В обоих случаях хуки начинают работать со следующей сессии Claude Code.

Настройка

Все настройки лежат в файле проекта .claude/claude-memory.config.json. Сразу после установки он минимальный и содержит только пути проекта:

{
  "memory_dir": "~/.claude/memory",
  "project_root": "."
}

(у вас в этих двух строках будут реальные пути, подставленные при установке)

Менять что-либо не обязательно: из коробки всё работает на значениях по умолчанию. Чтобы настроить под себя, откройте файл любым текстовым редактором из корня проекта (вместо $EDITOR подставьте свой, например nano или code):

$EDITOR .claude/claude-memory.config.json

Если вы ставили движок через pip (способ B), есть две удобные команды: claude-memory config показывает текущие настройки, а claude-memory doctor проверяет файл на опечатки.

Ниже частые правки в формате «было → стало». Нужные ключи добавляются в файл рядом с уже имеющимися; файл целиком не заменяется.

Перевести надписи движка на свой язык. Добавлен ключ messages. В нём каждая строка заменяет одну встроенную английскую фразу: слева имя фразы, справа ваш текст. Заменяются только указанные строки, остальные остаются английскими.

{
  "memory_dir": "~/.claude/memory",
  "project_root": ".",
  "messages": {
    "unit.chars": "символов",
    "retrieve.hook_header": "[память] Возможно полезные уроки. Прочтите нужные ДО действий:"
  }
}

Что именно меняется в этом примере:

Имя фразы	Было (по умолчанию)	Стало
unit.chars	chars	символов
retrieve.hook_header	[memory:retrieve] Possibly relevant lessons … (full list: CATALOG):	[память] Возможно полезные уроки. Прочтите нужные ДО действий:

Здесь unit.chars: слово для единицы размера, когда движок сообщает объём памяти (например, «12000 символов»). А retrieve.hook_header: заголовок, который движок печатает перед списком подсказанных уроков.

Задать свои разделы в оглавлении уроков. Добавлен ключ topic_order (слева короткое имя темы, справа заголовок раздела). По умолчанию это технические темы (workflow, testing, infra, security, docs, core); здесь заменяем их на свои.

{
  "memory_dir": "~/.claude/memory",
  "project_root": ".",
  "topic_order": [
    ["backend", "Backend"],
    ["frontend", "Frontend"],
    ["ops", "Эксплуатация и CI"]
  ]
}

Увеличить лимит «горячего ядра» (главного файла памяти). Добавлены ключи core_budget_bytes и core_size_unit. По умолчанию лимит 15000; здесь увеличиваем до 20000.

{
  "memory_dir": "~/.claude/memory",
  "project_root": ".",
  "core_budget_bytes": 20000,
  "core_size_unit": "chars"
}

Полный список всех опций со значениями по умолчанию находится в файле examples/claude-memory.config.json в репозитории.

Требования

• Python 3.9 или новее.
• Claude Code (движок работает через его хуки).
• Сторонние библиотеки не нужны: используется только стандартная библиотека Python.

Тесты и разработка

Этот раздел для тех, кто дорабатывает код движка: тесты проверяют, что после изменений всё по-прежнему работает правильно. Обычному пользователю они не нужны.

Тесты не требуют сети, внешней базы данных или Docker: только стандартная библиотека Python (их более 200). Запустить так:

pip install pytest
python3 -m pytest

Первая команда устанавливает pytest (программу, которая прогоняет тесты), вторая запускает весь набор и показывает, что всё «зелёное».

Удаление

Движок не трогает ваши уроки: папка с уроками (memory_dir) при удалении остаётся на месте.

Если ставили через pip (способ B), отключить движок в проекте можно одной командой:

claude-memory uninstall

Она убирает из проекта связующий скрипт, регистрацию хуков и файл настроек. Чтобы убрать и сам пакет из окружения: pip uninstall claude-memory-engine.

Если ставили через git (способ A), удалите вручную папку .claude/memory_engine/, файл .claude/hooks/cme_hook.sh, файл .claude/claude-memory.config.json и строки с cme_hook.sh в .claude/settings.json.

Статус

Движок стабилен и используется в реальном рабочем проекте. Вопросы, идеи и сообщения об ошибках приветствуются через Issues репозитория.

Лицензия

Apache-2.0. См. файл LICENSE.