当一条线索跑到一半、上下文窗口见底，你是从头再来，还是从断点接着跑？这是 2026 年中段 Claude Code 生态里最热的赛道——**不是生成内容，而是让 Agent 自己管理自己的工作记忆**。和"部署即上线""失败即自愈"这类面向交付的工作流不同，这一批 Skill 解决的是更底层的元问题：任务怎么拆、记到哪、断在哪、怎么续。本评测聚焦 6 款"会话记忆与任务持久化"引擎，从 claude-mem 的 8 万星现象级插件到本地内置的 planning-with-files，逐个拆解其断点续跑能力。 ## 一、评测总览表 | 引擎 | 来源 | Star | 核心机制 | 续跑方式 | 上手 | 变现 | |------|------|------|----------|----------|------|------| | claude-mem | thedotmack | ~83.2k | 自动捕获工具调用快照 | 自动全量回灌 | ★★★★ | ★★★★ | | claude-task-master | eyaltoledano | ~25k | PRD 解析→任务图 | MCP 任务查询 | ★★★ | ★★★★★ | | cpr | EliaAlberti | ~286 | /preserve /compress /resume 三段式 | 手动命令续跑 | ★★★★★ | ★★ | | planning-with-files | OthmanAdi | 高增 | Markdown 工作记忆落盘 | 文件即状态 | ★★★★★ | ★★★ | | long-running-agent | 本地内置 | — | Checkpoint + 自治循环 | 断点检查点恢复 | ★★★ | ★★★ | | remembering-conversations | 本地内置 | — | 结构化会话摘要 | 摘要检索续接 | ★★★★ | ★★★ | > 注：Star 数据截至 2026 年 6 月，社区项目波动较快；本地内置 Skill 无公开 Star，以功能完整度评估。 ## 二、逐个深度评测 ### 1. claude-mem —— 8 万星的现象级"全量黑匣子" **来源**：`thedotmack/claude-mem`｜**安装**：`npx claude-mem@latest install`｜**当前版本**：v13.8.0（2026-06-21 发布） claude-mem 是这一赛道绝对的顶流。截至发稿，star-history 给出的全局排名是 **#166**、约 **83.2k Stars**——对一个 Claude Code 插件而言近乎神话。它的机制很直接：通过 hooks 自动捕获 Agent 在会话中产生的每一次工具调用（文件读写、命令执行、搜索），写入本地 SQLite，新会话启动时再把相关上下文自动回灌。开发者 Alex Newman 的设计哲学是"零摩擦"——你什么都不用记，它替你全记。 **评测维度**：功能完整度 ★★★★☆（自动捕获成熟，但全量记录对 token 是负担）；上手难度 ★★★★（一行命令装好即用）；变现潜力 ★★★★（企业版团队记忆共享是天然付费点，且已有 augmentcode 等学习站跟踪）；训练营适用 ★★★（"装了就不忘"适合演示，但原理较深）；社区活跃 ★★★★★（日均增星仍在高位）。与竞品对比，它是**"被动全量"路线**的代表——和 cpr 的"主动精选"形成两极。它最适配的场景是：你根本不知道下次会回来要什么，那就先全存下来。 ### 2. claude-task-master（TaskMaster AI）—— PRD 到任务图的工程化 **来源**：`eyaltoledano/claude-task-master`｜**安装**：MCP 方式或 npm｜**Star**：约 **25k** 如果说 claude-mem 解决"记得住"，TaskMaster 解决的是"想得清"。它的杀手锏是把一份 PRD（产品需求文档）自动解析为结构化、有依赖关系、可优先级排序的任务图，并以 MCP 服务形式供 Cursor、Windsurf、Claude Code 读取。Agent 每次问"下一步做什么"，它就回答当前可执行的最高优先级任务。 **评测维度**：功能完整度 ★★★★★（PRD 解析、依赖管理、next-task 推荐、多 Provider 一应俱全）；上手 ★★★（需要先写 PRD、配 MCP，有学习曲线）；变现 ★★★★★（这是最像企业 SaaS 的一款，opentools 已列其定价页，PRD 驱动开发是 MakerKit 等生产级 SaaS 的标准实践）；训练营适用 ★★★★（教学价值极高：一节课讲清"需求→任务→执行"闭环）；社区活跃 ★★★★★。它的续跑方式是**"任务即状态"**——任务图写在文件里，会话断了无所谓，下次从任务列表接着领活即可。这是工程团队最该看的一款。 ### 3. cpr-compress-preserve-resume —— 三段式手动续跑 **来源**：`EliaAlberti/cpr-compress-preserve-resume`｜**安装**：clone + 三个 slash 命令｜**Star**：约 **286**（10 forks） cpr 是"小而美"路线的标杆。它不自动跑，而是给你三把手术刀：`/preserve` 把当前会话精炼存档、`/compress` 主动压缩上下文腾出窗口、`/resume` 从存档恢复。作者 EliaAlberti 在 LinkedIn 上记录了它从 100 星到 286 星的增长。它的设计信条是：**人在环中，精选胜过全量**。 **评测维度**：功能完整度 ★★★（仅三个命令，但每个都打磨过）；上手 ★★★★★（命令式，零配置）；变现 ★★（太轻量，难以独立定价，更适合作为大套件的子模块）；训练营适用 ★★★★★（三节课就能讲透"压缩—保存—恢复"的记忆三段论，教学性极强）；社区活跃 ★★★。与 claude-mem 对比，cpr 是"懂节制"的那一类——它不会把上下文撑爆，因为它让你亲手决定留什么。适合 token 敏感、追求精准的资深用户。 ### 4. planning-with-files —— Manus 式"磁盘工作记忆" **来源**：`OthmanAdi/planning-with-files`（含 shawnli、avrocc 等多 fork）｜**安装**：plugin/marketplace 添加｜**形态**：本地已内置同名 Skill 这款的灵感直接来自被 Meta 收购的 Manus——把"工作记忆"显式落盘。它维护一组同步的 Markdown 文件：`task_plan.md`（计划与进度）、`findings.md`（中间结论）、`questions.md`（待澄清问题）。每完成一步就回写文件，于是**文件本身就是任务状态**。会话中断？无所谓，下次打开文件，进度一字不差。 **评测维度**：功能完整度 ★★★★（文件 schema 清晰，但需配合 Agent 自律回写）；上手 ★★★★★（就是读写 Markdown，最透明）；变现 ★★★（可包装为"带模板的方法论套件"售卖）；训练营适用 ★★★★（讲"外脑"概念的最佳教具，半天可上手）；社区活跃 ★★★★（多 fork 说明需求旺盛）。它的续跑方式最朴素也最可靠：**没有数据库、没有隐藏状态，所见即所存**。对不信任"黑匣子记忆"的用户，这是首选。 ### 5. long-running-agent —— 本地内置的自治长跑 **来源**：Claude Code 内置 Skill｜**机制**：Checkpoint + 自治循环 这是本地无需安装即得的"长跑引擎"。它面向那些一次跑不完的任务——大重构、批量迁移、深度调研——通过周期性 checkpoint 把进度固化，断点后从最近检查点恢复，而非从头。配合 ScheduleWakeup 类机制，它甚至能在空闲时自我唤醒继续推进。 **评测维度**：功能完整度 ★★★（强在执行韧性，弱在任务拆解需配合 TaskMaster）；上手 ★★★（需要理解 checkpoint 时机与唤醒调度）；变现 ★★★（可作为长任务托管服务的底层）；训练营适用 ★★★（"挂机即交付"理念好讲，但调参有门槛）；社区活跃 —（内置无社区）。它的定位是**执行层续跑**，与上面四款的"认知层续跑"互补——你完全可以 TaskMaster 拆任务 + planning-with-files 落状态 + long-running-agent 真正跑。 ### 6. remembering-conversations —— 结构化会话摘要 **来源**：Claude Code 内置 Skill｜**机制**：会话摘要 + 检索续接 这是内置的轻量记忆方案。它把过往会话提炼成结构化摘要，下次需要时按相关性检索续接，而非全量回灌。介于 claude-mem 的"全量"和 cpr 的"手动"之间，走的是**"自动但克制"**的中间路线。 **评测维度**：功能完整度 ★★★★（摘要+检索链路完整）；上手 ★★★★（开箱即用）；变现 ★★★（可作为记忆中间件二次开发）；训练营适用 ★★★★（讲"记忆压缩与召回"平衡的好例子）；社区活跃 —（内置）。它最适合"会话多但每条都不长"的开发者——你不想全存（贵），也不想手动存（累），那就让它自动摘要。 ## 三、Skills 生态分类思维导图 ```mermaid mindmap root((跨会话记忆
与任务持久化)) 认知层:想得清 任务图编排 claude-task-master 工作记忆落盘 planning-with-files 记忆层:记得住 被动全量 claude-mem 主动精选 cpr 自动摘要 remembering-conversations 执行层:跑得久 自治长跑 long-running-agent ``` 三类引擎各司其职：**认知层**决定"做什么"（任务图），**记忆层**决定"记住什么"（上下文），**执行层**决定"跑多久"（韧性）。一个成熟的 Agent 工作站，往往三层各取一款组合使用。 ## 四、推荐排行榜 **按"开箱即用"排序**：① cpr（命令式零配置）＝ planning-with-files（纯 Markdown）＞ remembering-conversations（内置）＞ claude-mem（一行装）＞ TaskMaster（需配 MCP）＞ long-running-agent（需调参） **按"变现潜力"排序**：① TaskMaster（企业 SaaS 相，已有定价页）＞ claude-mem（团队记忆共享）＞ planning-with-files（方法论套件）＞ long-running-agent（托管服务底层）＞ remembering-conversations ＞ cpr **按"训练营教学"排序**：① cpr（三段论一节课讲透）＞ planning-with-files（外脑概念最佳教具）＞ TaskMaster（需求闭环教学）＞ remembering-conversations（压缩召回平衡）＞ claude-mem ＞ long-running-agent **按"断点续跑可靠性"排序**：① planning-with-files（文件即状态，最透明）＞ TaskMaster（任务图落盘）＞ cpr（手动存档可控）＞ long-running-agent（checkpoint）＞ claude-mem ＞ remembering-conversations（摘要有损） **综合首推**：追求零摩擦选 **claude-mem**；追求工程化交付选 **TaskMaster**；追求透明可控选 **planning-with-files**——这三款覆盖了 90% 的真实需求，且恰好代表"全量—任务—文件"三条互不冲突的技术路线，组合使用效果最佳。 ## 参考来源 1. [claude-mem — Persistent Context Across Sessions（GitHub）](https://github.com/thedotmack/claude-mem) — thedotmack 主仓，自动捕获工具调用、跨会话持久记忆的核心实现 2. [claude-mem v13.8.0: Persistent Agent Memory Across Sessions（Augmentcode）](https://www.augmentcode.com/learn/claude-mem-v13-persistent-agent-memory) — 2026-06-21 发布版本的功能与 star 增长记录 3. [claude-task-master — AI-powered task-management（GitHub）](https://github.com/eyaltoledano/claude-task-master) — eyaltoledano 主仓，PRD 解析为结构化任务图、MCP 服务 4. [cpr-compress-preserve-resume（GitHub）](https://github.com/EliaAlberti/cpr-compress-preserve-resume/tree/main) — EliaAlberti 三段式 /preserve /compress /resume 记忆插件 5. [Planning with Files: Manus-Style Claude Code Plugin（aibit.im）](https://aibit.im/en/article/planning-with-files-manus-style-claude-code-plugin) — planning-with-files 的 Manus 式工作记忆落盘机制解析 6. [Orchestrate subagents at scale with dynamic workflows（Claude Code Docs）](https://code.claude.com/docs/en/workflows) — 官方对 workflow、subagent、skill 编排模型的权威说明 > [!tip] 51学通信知识星球 > **星主：爱卫生**（微信：gprshome201101）——公众号「51学通信」创办者，19 年通信行业运维与讲师经验，著有《GPRS网络信令实例详解》《EPC原理与实践》《5G核心网原理与实践》三本纸质书（各大电商平台有售）。 > **星球定位**：深耕 5G 核心网、IMS、NFV/AI、云原生等 ICT 领域，主打运维岗位与信令分析。 > **当前规模**：5200 篇主题 / 990 个回答，198 元/年。 > **加入福利**：加入星球后请加爱卫生微信，拉您进知识星球年度陪伴与答疑群——不限量回复您的各种问题，另有群内分享。 > **AI 加持**：51学通信知识星球已作为 skill 接入 WorkBuddy，使用 deepseek-4-flash 在海量星球帖子中精准找贴、找视频、找 FAQ 和案例，做总结、找文档和 PPT 等场景全覆盖。