核心用法
Claude Memory Pro 是 Claude Code 官方记忆系统的进化版，采用5层渐进式记忆架构管理跨会话信息：
- Layer 1 热记忆：当前对话实时上下文
- Layer 2 会话记忆：单次会话的完整记录
- Layer 3 长期记忆：按类型（user/feedback/project/reference）分类持久存储
- Layer 4 实体银行：复杂实体档案与可复用流程
- Layer 5 反思层：系统自我学习与优化
Token 智能管理是核心亮点：配置完成阈值（90%）、边际收益递减检测（连续3次增量<500）、最大继续次数（10次）等参数，自动决策何时停止生成，避免无效消耗。
成本追踪系统监控 input/output tokens、缓存读写、搜索请求等5类指标，提供复用缓存、压缩上下文、精简输出、批量操作4大优化策略。
显著优点
1. 官方正统性：直接源于 Claude Code 核心技能，架构经过 Anthropic 工程验证
2. 经济可控：Token 预算管理+成本追踪，显著降低长期 API 消耗
3. 渐进式持久化：从热记忆到反思层的5层漏斗，平衡即时性与持久性
4. 类型化存储：4类记忆类型（user/feedback/project/reference）避免信息混杂
5. 自我进化：反思层支持从历史交互持续学习，系统越用越懂用户
潜在局限
1. 维护成本：需每月检查过时记忆、每季度清理反思层，手动维护负担存在
2. 冷启动问题：初期记忆库为空，需积累一定交互后才能发挥价值
3. 判断依赖："值得保留"的评估标准主观，可能遗漏关键信息或存储冗余
4. 本地文件依赖：基于文件系统的存储，多设备同步需额外方案
适合人群
- 长期项目开发者：需要 AI 记住技术选型、代码规范等跨会话上下文
- 成本敏感用户：希望量化并优化 Claude API 调用成本
- 个人知识库构建者：追求与 AI 的协作随时间持续进化
- Claude Code 深度用户：希望将官方最佳实践迁移到更多场景
常规风险
- 敏感信息泄露：user/feedback 类型可能包含个人偏好，需控制文件访问权限
- 记忆污染：过时或错误记忆若未定期清理，可能长期误导后续输出
- 过度依赖：自动记忆管理可能让用户忽视显式确认的重要性
- 成本误判：Token 预算算法为启发式规则，极端场景可能非最优
使用建议
初始化后立即创建 typed/user/ 下的基础偏好档案，并在前10次对话中主动验证记忆保存质量，建立可信基线。