Claude-Mem 记忆搜索深度指南：8 种工具 + 实战技巧

TL;DR

Claude-Mem 提供 8 种搜索工具，覆盖全文搜索、过滤搜索、上下文检索三大类。本文深入讲解每种工具的参数、使用场景和实战技巧，帮你从”会用”升级到”用好”。

一、为什么需要深度掌握搜索

之前的入门教程讲了”用自然语言搜索”。但当你的记忆库积累到几百条记录时，模糊搜索就不够用了。

你需要精准控制：
– 搜什么：只搜 bug？只搜决策？只搜某个文件相关？
– 搜多少：返回 3 条还是 50 条？
– 怎么省：如何用最少的 Token 获取最有价值的信息？

这就是本文要解决的问题。

二、8 种搜索工具全览

Claude-Mem 的搜索系统基于 HTTP API，运行在本地 37777 端口。所有查询通过 mem-search 技能自动调用，你只需用自然语言描述需求。

2.1 工具分类

三、全文搜索详解

3.1 搜索观察记录（Search Observations）

这是最常用的搜索。观察记录包含：bug 修复、功能实现、架构决策、代码发现等。

基础用法：

"搜索关于认证的观察记录"

带参数：

"搜索认证相关，只要 bugfix 类型，最近 5 条"

实际 API 调用：

curl "http://localhost:37777/api/search/observations?query=认证&type=bugfix&limit=5"

返回格式（索引模式）：

| ID | Time | Type | Title | Tokens |
|----|------|------|-------|--------|
| #1234 | 12:30 PM | bugfix | 修复JWT过期问题 | ~150 |
| #1198 | 11:45 AM | bugfix | 解决登录状态丢失 | ~120 |

为什么先返回索引？

这是 Claude-Mem 的核心设计理念——渐进式披露。

先给你一个”书单”（~50 token/条），你选中感兴趣的，再获取”全书”（~500 token/条）。省 10 倍资源。

3.2 搜索会话（Search Sessions）

会话是更高层级的摘要。一个会话可能包含几十条观察记录。

适用场景：
– “上周我们讨论了什么主题？”
– “这个项目的开发历程是什么？”

用法：

"搜索包含数据库迁移的会话"

与 observations 的区别：

3.3 搜索提示词（Search Prompts）

搜索你曾经问过 Claude 的原始问题。

适用场景：
– “我之前怎么问的那个问题？”
– “找到那个关于性能优化的提问”

用法：

"搜索我之前关于 PostgreSQL 的提问"

四、过滤搜索详解

当你明确知道要找什么类型的内容时，过滤搜索比全文搜索更精准、更省 Token。

4.1 按类型过滤（By-Type）

Claude-Mem 自动给每条记录打标签。常见类型：

用法：

"显示所有 decision 类型的记录"
"最近 10 条 bugfix"

为什么要用类型过滤？

假设你记忆库有 500 条记录，其中只有 30 条是架构决策。

• 全文搜索”架构”：可能返回 100 条包含”架构”这个词的记录
• 类型过滤 decision：精准返回那 30 条决策记录

信噪比完全不同。

4.2 按概念过滤（By-Concept）

概念是比类型更细粒度的标签。

常见概念：
– authentication：认证相关
– performance：性能相关
– security：安全相关
– database：数据库相关

用法：

"搜索 security 概念相关的所有记录"

4.3 按文件过滤（By-File）

当你想知道某个文件的修改历史时，这个最有用。

用法：

"显示所有关于 auth.ts 的修改记录"
"worker-service.ts 的历史变更"

返回内容：
– 这个文件被修改的所有观察记录
– 每次修改的原因和内容
– 相关的 bug 修复和功能实现

五、上下文检索详解

5.1 最近上下文（Recent Context）

获取最近几个会话的上下文摘要。

适用场景：
– 新开一个会话，想快速回顾昨天的进度
– 接手别人的项目，想了解最近在做什么

用法：

"获取最近的上下文"
"显示最近 3 个会话的摘要"

5.2 时间线（Timeline）

以某个时间点或某条记录为锚点，获取前后的上下文。

适用场景：
– “那个 bug 修复前后发生了什么？”
– “这个决策是基于什么讨论做出的？”

用法：

"显示 #1234 前后的时间线"
"那个认证 bug 发生时的上下文"

时间线的价值：

单独看一条记录，你只知道”修复了登录 bug”。

看时间线，你能知道：
1. 这个 bug 是什么时候发现的
2. 之前尝试了哪些方案
3. 最终为什么选择这个方案
4. 修复后又做了什么验证

六、Token 优化策略

6.1 上下文的代价

每次搜索都会消耗 Token。Claude 的”注意力”是有限的。

黄金法则：先索引，后详情。

❌ "显示所有 bug 修复的完整内容"  // 可能消耗 25000 token
✅ "显示最近 5 条 bug 修复"       // ~750 token
✅ "展开 #1234 的详情"           // ~500 token

6.2 渐进式披露实战

第一步：索引筛选

"搜索认证相关的记录，最近 10 条"

第二步：选择目标
看返回的索引，找到感兴趣的 ID。

第三步：获取详情

"展开 #1234 和 #1198 的详情"

第四步：基于详情行动

"参考 #1234 的方案，帮我修复当前的认证问题"

6.3 上下文腐烂问题

Claude 的准确度会随着上下文长度增加而下降。这不是 bug，是 LLM 的固有特性。

原因：
– Token 之间的关系是 n² 复杂度
– 长上下文训练数据有限
– 注意力机制有衰减

应对策略：
1. 压缩：定期总结历史，删除冗余
2. 分批：不要一次加载太多
3. 精准：用过滤搜索代替模糊搜索

七、高级技巧

7.1 组合搜索

同时使用多个过滤条件：

"搜索上周关于支付模块的 bugfix，只要涉及 payment.ts 的"

这相当于：
– 时间过滤：上周
– 类型过滤：bugfix
– 文件过滤：payment.ts
– 关键词：支付模块

7.2 对比分析

利用时间线功能对比不同时期的决策：

"对比 12 月初和现在关于数据库选择的讨论"

7.3 知识图谱构建

通过概念搜索，构建项目的知识图谱：

"显示所有 security 概念的记录，按时间排序"

这样你能看到安全相关的决策演进历程。

7.4 错误复盘

结合 bugfix 类型和时间线，复盘问题的发现和解决过程：

"显示 #1234 这个 bug 的完整时间线，从发现到解决"

八、中文版项目

如果你希望使用中文优化版的 Claude-Mem，可以访问社区中文版项目：

GitHub 地址：https://github.com/cfrs2005/claude-mem

中文版特点：
– 中文文档和注释
– 针对中文分词优化
– 社区维护和支持

九、常见问题

Q：搜索结果太多怎么办？

A：添加过滤条件。依次尝试：时间范围 → 类型 → 概念 → 文件。

Q：搜索结果不准确怎么办？

A：换关键词。”登录问题” → “认证失败” → “JWT 过期”。不同表达匹配不同记录。

Q：如何知道有哪些可用的类型和概念？

A：

"显示所有可用的记录类型"
"显示所有概念标签"

Q：能搜索代码片段吗？

A：能。Claude-Mem 会记录对话中出现的代码。搜”那段处理用户输入的代码”。

十、小结

核心心法：
1. 先索引后详情，省 10 倍 Token
2. 过滤搜索比全文搜索更精准
3. 时间线帮你理解决策的来龙去脉

参考链接

• Claude-Mem 官方文档
• 中文版 GitHub
• Context Engineering 指南