← 返回信息流
Agent SkillLINUX DO · AI·1 小时前

/trans新插件让Claude Code拥有跨会话记忆

原标题:[开源推广] /trans新插件:让 Claude Code 拥有跨会话记忆。

速览

针对Claude Code会话中断后记忆丢失及费用高的问题,/trans插件提供了trans_search等MCP工具,实现向量与关键词融合的混合检索,并自动hook注入提示,让AI能自主调用工具翻找历史会话,恢复记忆。该项目还感谢社区提供的语义向量模型,可避免误触发。

AI 深度解读

背景

Claude Code 是 Anthropic 推出的命令行 AI 编程助手,支持通过 --resume 标志恢复之前的会话。然而,实际使用中存在一个两难困境:如果恢复会话,AI 会加载完整的对话历史,导致缓存费用迅速攀升;如果开启全新的会话,AI 将完全丢失之前的所有上下文,用户需要重新描述项目状态、已解决的问题和未完成的细节。这种“记忆断层”在长时间或复杂的开发任务中尤为突出,例如隔夜后继续工作,或需要引用先前某个 Merge 冲突的解决方案时,Claude 无法主动回忆,用户只能手动翻查历史记录或重新输入。

核心内容

该开源项目 /trans 是一个为 Claude Code 设计的插件,旨在通过跨会话记忆机制彻底解决上述问题。其核心思路是:将历史会话中的关键信息持久化存储,并在新会话中通过智能检索让 AI 自主获取所需记忆,从而在不依赖完整对话恢复的前提下,实现上下文连贯。

解决的两个核心痛点

  1. 记忆错乱
    用户可能在当前会话中随口提问:“上个月那个 Merge 冲突,你是用什么正则解的来着?” 传统模式下,Claude 无法回答,因为该信息不在当前会话中。/trans 插件通过 trans_search 工具(属于 trans 技能的一部分)赋予 Claude 混合检索能力——融合向量检索与关键词检索,并采用 RRF(Reciprocal Rank Fusion)算法排序。当用户提问时,Claude 会自动调用 MCP Tool(如 trans_searchtrans_scan),在历史会话数据库中快速定位相关信息,并返回具体的会话 ID、行号及答案。

  2. 会话续接
    当会话因超时、关闭或手动重置而断开后,用户开启新会话。Claude 仅能通过当前工作区的文件内容进行部分还原,但大量细节(如之前讨论过的配置、临时决策、未记录的问题)会被遗忘。/trans 插件通过全自动的 UserPromptSubmit Hook 机制实现无缝续接:当用户在新会话中提及一个与历史相关的细节时,Hook 会向 AI 注入一条提示,AI 据此决定是否调用底层的五个 MCP Tools(包括 trans_searchtrans_scantrans_expand 等)进行检索,并最终给出答案。用户只需等待,无需手动干预。

配置与使用

插件需要用户配置 Embedding 模型(具体教程在原文中点击可展开详情),以支持向量化存储。安装后,/trans 的 Hook 会监控用户输入,但不会无差别触发。例如,用户问“昨天天气”这类与历史无关的问题时,Hook 会根据上下文分析,判断是否需要启用 /trans 检索,避免误触发。只有涉及历史会话记忆的提问才会激活 AI 的检索行为。

项目状态与致谢

该项目首次在 LINUX DO 论坛发布,作者希望社区给予 Star 支持,并欢迎反馈。特别感谢提供了语义向量模型的 @unsafe 以及所有提出建议的社区成员。

关键要点

  • 跨会话记忆:不依赖 --resume 恢复整个对话历史,而是通过持久化存储关键信息,在新会话中按需检索,大幅降低缓存费用。
  • 混合检索技术:采用向量检索与关键词检索融合的 RRF 算法,兼顾语义相似度与精确匹配,提升记忆召回率。
  • MCP Tool 体系:插件提供了五个底层工具(trans_searchtrans_scantrans_expand 等),AI 可根据上下文自主调用,无需用户手动指定。
  • 自动 Hook 注入:通过 UserPromptSubmit Hook 智能判断是否需要触发记忆检索,仅当用户输入与历史相关时才注入提示,避免干扰正常对话。
  • 配置要求:用户需自行配置 Embedding 模型,以实现向量化存储和检索。
  • 开源与社区驱动:项目在 LINUX DO 论坛首次发布,依赖社区贡献(如语义向量模型),并持续接受反馈。

意义与影响

  • 降低 Claude Code 的使用成本:用户无需频繁通过 --resume 恢复完整会话,避免了大量缓存开销,尤其适合长时间、多 Session 的开发场景。
  • 提升开发效率:AI 能够主动回忆并利用历史会话中的信息,减少了重复提问和手动翻查的耗时,让开发者更专注于核心任务。
  • 推动 MCP 工具生态发展:该项目展示了如何通过 MCP(Model Context Protocol)扩展 Claude 的能力,为其他 AI 编程助手提供了可复用的跨会话记忆架构。
  • 降低使用门槛:自动化的 Hook 机制和智能触发逻辑,使得用户无需学习复杂的提示词或手动管理记忆,即可获得近乎无感的记忆延续体验。
  • 社区协作模式:借助开源社区的模型和反馈,项目快速迭代,体现了 AI 工具链中“基础模型 + 插件生态”的共建价值。
查看原文 →linux.do