CogniKernel

我打造 CogniKernel，是因为我和 Claude Code 一直在重复同样的对话——

会话结束，第二天回来，它又想重新讨论上周已经定下来的决定，

更糟的是，它会重试我们已经验证过行不通的方案。

我曾像维护变更日志一样手动维护 CLAUDE.md，却仍然不断丢失上下文。

我试过的每款记忆工具，解决办法都是把我的会话记录发给大模型去"摘要出重要内容"。

这意味着多一个 API key、每次会话都要额外付 token 费用，

而且我的代码要离开本机。这个权衡让我无法接受。

所以 CogniKernel 走了另一条路：记忆抽取是*分类，而不是生成*。

两个小型微调的编码器模型（约 130MB 的 ONNX）在本地 CPU 上毫秒级运行——

一个负责给句子打分，判断是否值得记住以及属于哪类，

另一个负责检测新旧决策的替换关系。无需调用 API，

数据完全不出本机。整个流程中唯一涉及的大模型，就是你本身在用的编码 Agent。

几个让我自豪的设计：

- 已放弃的方案会被放进"墓地"，避免 Agent 重蹈覆辙

- "不要做 X"这类规则会在你即将做 X 的那一刻浮现——而不是写完三个文件之后才提醒

- 同一个目录下，Claude Code 和 Codex 共享一份记忆存储

- 所有钩子都是失败开放（fail-open）的：记忆模块可以挂，但绝不会拖垮你的会话

在四个多会话项目中，对比扁平笔记和无记忆的基线，

它的文件读取次数在每一个项目上都减少了 2 到 4 倍。

项目采用 Apache-2.0 协议，已发布到 PyPI：pip install "cognikernel[embedding]"

非常期待听到正在用 Claude Code 跑长期项目的各位的反馈——

特别是你觉得哪些*应该*被记住的内容，是我目前还没覆盖到的。