记忆即外挂：知识沉淀引擎实测

当一次会话结束，Agent 的大脑就被格式化了。上周排查的架构决策、周二踩过的构建参数坑、反复纠正的"我们用 pnpm 不是 npm"——这些用真金白银换来的上下文，在 /clear 的一瞬间灰飞烟灭。这不是小麻烦，而是当前 Agent 工程最大的隐性成本：每一次对话都在交"失忆税"。围绕这个痛点，2026 年的 Skills 生态长出了一整个新赛道——知识沉淀与持久记忆类引擎。它们不再追求"当下能做什么"，而是回答一个更值钱的问题："下次会话，我怎么记得今天发生的一切"。

本期横评聚焦这条赛道里最具代表性的七款引擎，从内置的 remembering-conversations、continuous-learning-v2、planning-with-files，到外接的 notebooklm、notion-knowledge-capture、obsidian-markdown，再到社区现象级项目 claude-mem。评测发现：这一类的天花板不是"记多少"，而是"压缩、检索、再注入"的闭环质量，差距远比想象中大。

评测对象一览

引擎	形态	持久化介质	核心机制	GitHub Star
claude-mem	第三方 Skill+Hook	压缩会话库	全量捕获→AI 压缩→按需注入	83.2k+
remembering-conversations	内置 Skill	Markdown 记忆文件	对话要点提取→摘要归档	内置
continuous-learning-v2	内置 Skill	结构化学习日志	经验沉淀→错误库→教训检索	内置
planning-with-files	内置 Skill	文件化计划/状态	任务状态外置→断点续做	内置
notebooklm	内置 Skill	NotebookLM 笔记本	源文档检索→引用作答	内置
notion-knowledge-capture	内置 Skill	Notion 数据库	知识入库→结构化字段→检索	内置
obsidian-markdown	内置 Skill	Obsidian Vault	双链笔记→图谱→检索	内置

mindmap
  root((知识沉淀引擎))
    会话内记忆
      remembering-conversations
      continuous-learning-v2
      planning-with-files
    会话间记忆
      claude-mem
        全量捕获
        AI压缩
        按需注入
    外部知识库
      NotebookLM
        源文档接地
        引用作答
      Notion
        结构化数据库
        团队协作
      Obsidian
        双链图谱
        本地优先

一、claude-mem —— 会话间记忆的"现象级"标杆

来源：thedotmack/claude-mem，最近推送 2026-06-18，已同步至 2026-06-20。Star 数 83,273，是整个记忆赛道断层式的第一。支持 Claude Code、Copilot、Gemini 等多 Agent 运行时。

核心机制：通过 Hook 在每次会话中"全量捕获"Agent 的每一个动作，会话结束后用 AI 对日志做压缩摘要，并在未来会话启动时，把最相关的上下文自动注入。它解决的是 orchestrator.dev 博客里描述的那个核心痛点——"每个 Claude Code 会话都从一张白纸开始"。

实测表现：装上之后，"我们用 pnpm"这种反复纠正一次就记住；三天前调通的构建命令，新开窗口能直接复述。压缩比与相关性是它的护城河——不是把日志原样塞回去（那会爆上下文），而是只注入"与你当前任务相关的那一段历史"。

评分：功能完整度 ★★★★★（开箱即用，跨 Agent 通用）｜上手难度 ★★★★☆（装 Hook 略有门槛）｜变现潜力 ★★★★★（可做企业版私有部署、团队记忆库）｜训练营适用性 ★★★★☆（适合"Agent 工程化"进阶课）｜社区活跃度 ★★★★★（83k Star，更新极勤）。

竞品对比：相比内置的 remembering-conversations，claude-mem 胜在自动化程度（无需手动触发）和多 Agent 兼容；但内置方案胜在零依赖、可审计。两者并非互斥——不少团队用 claude-mem 做"粗记忆"，用内置方案做"精摘要"。

二、remembering-conversations —— 内置的轻量记忆基线

核心机制：在对话过程中提取关键要点，沉淀为 Markdown 记忆文件，下次会话主动读取。它不追求全量捕获，而是人工/半自动地提炼"值得记住的东西"。

实测表现：适合"决策类记忆"——架构选型、命名约定、踩坑结论。它的优势是透明可改：记忆就是文本文件，错了直接编辑。缺点是需要纪律，不主动触发就会忘。

评分：功能完整度 ★★★☆☆（机制简单，需配合习惯）｜上手难度 ★★★★★（零门槛）｜变现潜力 ★★☆☆☆（太基础，难单独收费）｜训练营适用性 ★★★★★（教学范本，讲清"记忆即文件"）｜社区活跃度 ★★★☆☆（内置，无独立社区）。

变现/训练营价值：单独变现空间小，但作为"记忆思维"的入门教学，几乎是最干净的教具。训练营里建议用它打地基，再叠加 claude-mem。

三、continuous-learning-v2 —— 把错误变成资产

核心机制：把 Agent 犯过的错、走过的弯路、验证过的经验，沉淀为结构化学习日志与错误库，下次遇到类似问题先查教训、避免重蹈覆辙。本质上是给 Agent 装一本"错题集"。

实测表现：在长期项目里价值极高——同一个仓库迭代几周后，Agent 对"哪些路走不通"的判断明显变准。它与 remembering-conversations 的区别在于焦点：前者记"事实与决策"，后者记"教训与模式"。

评分：功能完整度 ★★★★☆｜上手难度 ★★★★☆（需要理解日志结构）｜变现潜力 ★★★☆☆（可做"组织知识沉淀"SaaS 模块）｜训练营适用性 ★★★★☆（适合讲"持续学习闭环"）｜社区活跃度 ★★★☆☆。

四、planning-with-files —— 状态外置，断点续做

核心机制：把任务计划、当前状态、已完成/未完成项全部写进文件，让进度脱离易失的对话上下文，落到持久介质上。会话中断后，读文件即可精确续做。

实测表现：这是长任务（long-running agent）的命根子。一个跨几小时的迁移、一次需要十几次迭代的重构，没有状态外置就等于"每次重启从头猜"。它和 continuous-learning-v2 配合，构成"任务状态 + 经验状态"的双轨持久化。

评分：功能完整度 ★★★★☆｜上手难度 ★★★★★（理念直观）｜变现潜力 ★★☆☆☆（基础设施级，难溢价）｜训练营适用性 ★★★★★（讲"可恢复 Agent"的最佳案例）｜社区活跃度 ★★★☆☆。

五、notebooklm —— 接地作答的"引用引擎"

来源：内置 Skill，桥接 Google NotebookLM，提供浏览器自动化、库管理与持久鉴权。

核心机制：让 Claude Code 直接查询你的 NotebookLM 笔记本，只基于源文档作答并附引用，把幻觉压到最低。核心卖点是 source-grounded, citation-backed——有据可查。

实测表现：研究型场景的神器。把一堆论文/规范/财报丢进 NotebookLM，再用 Claude Code 提问，答案自带出处。和 arxiv-paper-to-wechat-article、research 类 Skills 是天然搭档。短板是依赖 Google 账号与浏览器自动化，环境配置偏重。

评分：功能完整度 ★★★★☆｜上手难度 ★★★☆☆（鉴权与浏览器依赖需调）｜变现潜力 ★★★★☆（"企业内部知识库问答"是付费刚需）｜训练营适用性 ★★★☆☆（更适合研究而非教学）｜社区活跃度 ★★★☆☆。

六、notion-knowledge-capture —— 团队知识入库引擎

来源：内置 Skill 家族（含 notion-knowledge-capture、notion-research-documentation、notion-meeting-intelligence）。

核心机制：把对话/研究/会议产物结构化写入 Notion 数据库，带字段、带标签、带关联。强项是团队协作——沉淀的知识天然在团队工作流里流转。

实测表现：会议纪要变工单、研究结果变文档，一键入库。它的差异化在于"结构化"和"协作"：Obsidian 是个人图谱，Notion 是组织记忆。代价是依赖 Notion 云、字段 schema 需前期设计。

评分：功能完整度 ★★★★☆｜上手难度 ★★★☆☆（要懂 Notion 数据库建模）｜变现潜力 ★★★★★（企业知识管理是成熟付费市场）｜训练营适用性 ★★★☆☆｜社区活跃度 ★★★★☆（Notion 生态自带热度）。

七、obsidian-markdown —— 本地优先的双链外脑

来源：内置 Skill 家族（obsidian-markdown、obsidian-bases、obsidian-mermaid、obsidian-cli）。

核心机制：以 Markdown 双链笔记为载体，构建本地优先、图谱可视的第二大脑。配合 Bases（数据库视图）和 Mermaid，能做结构化沉淀 + 可视化表达。

实测表现：隐私敏感、喜欢本地文件的人首选。笔记就是 .md，完全自主可控，双链让知识形成网络。短板是协作弱、检索不如云端库智能。

评分：功能完整度 ★★★★☆（家族齐全）｜上手难度 ★★★★☆（Obsidian 基础 + 双链习惯）｜变现潜力 ★★★☆☆（个人 PKM 付费意愿有限，但课程/模板可变现）｜训练营适用性 ★★★★☆（讲"双链思维"的好载体）｜社区活跃度 ★★★★☆（Obsidian 社区极活跃）。

推荐排行榜

综合实力榜 1. claude-mem（自动化 + 多 Agent + 社区，断层第一） 2. notion-knowledge-capture（团队协作 + 变现潜力） 3. continuous-learning-v2（错题集闭环，长期项目刚需） 4. notebooklm（接地作答，研究场景最强） 5. obsidian-markdown（本地优先，隐私友好） 6. planning-with-files（长任务续做的地基） 7. remembering-conversations（轻量基线，教学范本）

变现潜力榜 1. notion-knowledge-capture（企业知识管理成熟市场） 2. claude-mem（私有部署 / 团队记忆库订阅） 3. notebooklm（内部知识库问答 SaaS） 4. continuous-learning-v2（组织经验沉淀模块） 5. obsidian-markdown（课程 + 模板变现）

训练营适用性榜 1. remembering-conversations（最干净的"记忆即文件"教具） 2. planning-with-files（讲可恢复 Agent 最佳案例） 3. obsidian-markdown（讲双链思维的好载体） 4. continuous-learning-v2（讲持续学习闭环） 5. claude-mem（进阶 Agent 工程化课）

上手友好榜 1. planning-with-files ★★★★★ 2. remembering-conversations ★★★★★ 3. continuous-learning-v2 ★★★★☆ 4. obsidian-markdown ★★★★☆ 5. claude-mem ★★★★☆（需装 Hook）

生态洞察与趋势判断

把七款引擎放在一起，能看出 2026 年知识沉淀赛道的三个清晰趋势。

第一，记忆正在从"功能"升级为"架构"。 早期 Skills 把记忆当成一个加在对话之上的特性，而 planning-with-files 和 claude-mem 把它下沉为基础设施——状态外置、断点续做、全量捕获。orchestrator.dev 把这总结为"分层记忆架构"：会话内记忆负责当下，会话间记忆负责跨次，外部知识库负责长期。优秀的引擎会同时覆盖多层。

第二，"压缩-检索-注入"闭环质量决定一切。 记得多不算本事，记得准、注得对才是。claude-mem 之所以 83k Star，不是因为存得最全，而是因为它用 AI 把历史压缩成"与当前任务相关的那一段"，避免把上下文窗口撑爆。这是赛道真正的技术门槛，也是后续变现的护城河。

第三，知识沉淀与内容创作正在合流。 沉淀下来的记忆/笔记，天然是下一轮创作的原料——notion-knowledge-capture 接内容分发，notebooklm 接论文解读，obsidian-markdown 接科普视频。记忆引擎正在变成内容引擎的上游，这意味着掌握了沉淀环节的团队，就在内容流水线里占了"水源"位置。

给从业者的落地建议：个人开发者先用 planning-with-files + remembering-conversations 打地基（零成本、可审计），再叠加 claude-mem 做自动化粗记忆；研究/内容创作者上 notebooklm 做接地问答；团队协作场景选 notion-knowledge-capture 做组织记忆。隐私优先选 Obsidian，协作优先选 Notion，自动化优先选 claude-mem——三者可按层级叠加，而非二选一。