如果你常用 Claude Code，多半被"会话失忆"折磨过：每次新开会话，都要重新解释技术栈、历史决策和待办事项，token 就这么白白烧掉了。claude-code-memory-setup 是一套开源的记忆层搭建指南：用 Obsidian Zettelkasten 笔记库 + Graphify 代码知识图谱，为 Claude Code 打造可持久化的第二大脑，让上下文只查一次、永久复用，把 token 花在刀刃上。

为什么需要记忆层：Claude Code 的两大 token 黑洞

在使用这套方案前，先搞清楚问题出在哪：

• 🧠会话间失忆：Claude Code 不记得上一个会话，你被迫反复粘贴项目背景。
• 🔁代码库反复重读：每次问"这个函数在哪被调用"，它可能都要重新翻几十个源文件。

项目用四层互补机制解决这些问题（详见 README.md）：

一句话区分：Obsidian 负责"决定了什么"（陈述性记忆），Graphify 负责"代码怎么组织的"（结构性地图）。

架构总览：一个 Obsidian 库承载所有记忆

整套方案的"中枢"是一个统一的 Obsidian 库（单库原则：多项目共用，跨项目知识才能互相链接），目录结构推荐如下（摘自 README.md）：

~/vault/ ├── CLAUDE.md # Claude Code 自动读取的全局指令 ├── permanent/ # 沉淀后的原子笔记 ├── inbox/ fleeting/ logs/ references/ ├── my-project/ # 项目 X：架构决策、功能进度、会话日志 ├── chats/ # 导入的 Claude 对话（code / web） └── graphify/ # 各项目的代码知识图谱

⚠️ 注意：代码仓库不要放进库里，否则 Obsidian 会去索引node_modules/和构建产物。

第一步：搭好 Zettelkasten 记忆库，配好 /resume 与 /save

安装好 Claude Code 和免费的 Obsidian 后，只需三件事：

1. 建库建目录：mkdir -p permanent inbox fleeting templates logs references，再为每个项目建architecture/、logs/等子目录；
2. 写根目录的CLAUDE.md：这是 Claude Code 每次自动读取的"全局说明书"，写清项目技术栈、Zettelkasten 规则（原子化笔记、[[wikilinks]]互链、YAML frontmatter 元数据）；
3. 定义两条会话命令：
   • /resume：读取最近的会话日志和架构决策，汇总"现在做到哪了"；
   • /save：把本次做了什么、决策了什么、遗留什么写入带 wikilinks 的会话日志。

Zettelkasten 方法论的核心是一条笔记只讲一个概念、每条笔记至少两条 wikilinks，笔记越多，知识网越密，Obsidian 的 Graph 视图里能直接看到跨项目的隐藏关联。

第二步：Chat Import 管道，让历史对话变成可检索笔记

和 Claude 聊出来的决策与灵感，散落在聊天记录里等于丢了。这个管道把对话"洗"进库：

claude-extract 导出 .md → claude_to_obsidian.py 加工 → chats/ 目录

处理脚本 scripts/claude_to_obsidian.py 会为每篇对话自动识别来源（Code / Web）、按关键词生成标签、补上标准化 frontmatter，并智能插入[[wikilinks]]——对话里提到"Supabase 认证"，就会自动链到你已有的同名笔记。

自动化包装脚本 scripts/sync_claude_obsidian.sh 配合 cron 每晚定时跑一次，全程无人值守（配置方法见 scripts/README.md）。导入后在 Obsidian 图视图用tag:chat-import过滤，聊天笔记一目了然，也可用-path:chats一键隐藏。

第三步：Graphify 知识图谱，让 Claude Code 少读源码

Graphify 把代码库转成可查询的知识图谱，替代"翻源码找答案"：

• 🔒100% 本地处理：基于 tree-sitter AST，代码内容不出本机；
• ⚡SHA256 缓存：重复构建只处理改动的文件；
• 💰AST 模式 0 token 成本，支持 Python、TypeScript、Go、Rust、Java 等 20+ 语言。

安装与生成（在 Claude Code 内执行）：

pip install graphifyy graphify install --platform claude

/graphify . --obsidian --obsidian-dir ~/vault/graphify/project-name

生成的每个函数/模块都会变成库里的笔记，并产出graph.json和交互式graph.html。之后在项目的CLAUDE.md里写死三层查询规则（README.md）：

① 先查graph.json图谱 → ② 再查 Obsidian 库的决策与进度 → ③ 只有真要改代码时才读源文件。

配合graphify hook install，每次 commit 自动增量重建图谱，图谱永远是新鲜的。

第四步：SessionEnd 自动存档 Hook，忘了 /save 也有日志

/save写得再好，忘了执行也白搭。scripts/session_autosave.py 是一个SessionEnd钩子脚本：会话关闭（退出、/clear、登出）时自动触发，纯解析 JSONL 转录文件，零 LLM 调用、毫秒级完成，在库里留下一条最小化日志（首个 prompt、改动的文件、执行过的命令）。

设计得很克制：🛡️ 它是安全网而非替代品；静默失败绝不干扰会话；少于 2 条用户消息的琐碎会话直接跳过。在~/.claude/settings.json注册一下钩子即可（README.md），自动日志带tag:auto-log，方便过滤。

完整工作流：一次会话的 token 优化闭环

打开 Claude Code ├── /resume ← 从库里恢复上下文，不再重新解释 ├── 工作 ← 查 graph.json 图谱，而非重读源码 ├── /save ← 富日志：决策、待办、wikilinks └── 退出 ← SessionEnd 钩子兜底写入自动日志

对比一下每层带来的变化：

Token 节省效果：数据与证据边界

项目给出的历史参考数据：在 126 个 TypeScript 文件的 React + Supabase 项目中，图谱 332 节点、生成 456 条库内笔记、AST 模式图谱构建 0 token、每次查询从约 20,000 token 的源码读取降到约 280 token 的图查询输出（约 71 倍的检索上下文缩减）。

但项目官方态度非常诚实：这些是作者报告值，未发布完整测量数据。仓库内置了证据审计与可复现基准协议 benchmarks/README.md，以及离线统计脚本 benchmarks/summarize.py（配套 示例数据），教你怎么科学地量化自己的真实节省——这一点在同类教程里相当难得。✅

常见问题排查清单

更多细节见 README.md 的 Troubleshooting 章节。

快速上手与文件导航

仓库本身是一份文档型指南，克隆下来照做即可：

git clone https://gitcode.com/gh_mirrors/cl/claude-code-memory-setup

从/resume开始你的第一个"有记忆"的会话吧——配置一次，之后每次开口的第一个 token 都更值钱。