Claude Code 的自动项目记忆。也适用于 Cursor 和 Codex。其功能 jevmem-launch-readme-v2.mp4 自动保存来自 Claude Code 聊天的决策、约束、错误和待办事项到 JEVMEM.md 中。当您改变主意时，旧行会被标记为“已取代”，而不是删除。在下一个会话中，相关的行会被添加到 Claude 的上下文中。- [决策] 将 Postgres 16 用作主要存储；SQLite 在负载下锁定 <!-- id:k3d9xq ts:2026-09-22T10:14:02.113Z conf:0.93 --> - [约束] Node 20 是最低版本；CI 运行 20 和 22 <!-- id:p1m4zt ts:2026-09-22T10:20:41.907Z conf:0.88 --> - [已取代] 将 SQLite 用作主要存储 → id:k3d9xq <!-- id:a8s2ww ts:2026-09-20T16:02:11.000Z conf:0.81 by:k3d9xq --> 安装 (60 秒) npm install -g jevmem export TYPESAFE_API_KEY=... # https://typesafe.ai (OpenAI 或 Anthropic 密钥是可选的) cd your-project jevmem init --tool claude init 创建 JEVMEM.md 、jevmem.config.json 和被 git 忽略的 .jevmem/ 文件夹，并在 .claude/settings.local.json 中注册两个 Claude Code 钩子，添加到 .gitignore 中（详细信息）。 适用于 自动化和依赖于代理的内容：工具设置 捕捉 召回 Claude Code jevmem init --tool claude 自动化，每次轮次，通过 Stop 钩子 自动化，每次提示，通过 UserPromptSubmit Codex jevmem init --tool codex 自动化，在 jevmem watch 运行时（它监控该项目 Codex 的会话日志并运行相同的决定 → 写入路径）；否则由代理通过 MCP add_memory 发起，提示 AGENTS.md 部分 由代理发起：通过 MCP search_memory，提示 AGENTS.md Cursor jevmem init --tool cursor 由代理发起：一个 .cursor/rules/jevmem.mdc 规则告诉代理在您表述决策时调用 MCP add_memory。 如果没有，它不会捕捉到任何内容 由代理发起：该规则告诉它在非琐碎任务之前调用 search_memory Claude Desktop jevmem init --tool claude-desktop 打印一个配置片段供粘贴（每个配置一个项目，名称为 --root） 手动：请求它调用 add_memory（没有钩子，没有规则文件） 根据请求：search_memory MCP add_memory 通过与钩子相同的门进行。 客户端配置：docs/mcp.md 。 它如何决策 清洗。 从轮次中移除常见的秘密形状、电子邮件地址和卡形号码。 提出 Jev 仅限问答。 Jev 由 TypeSafe AI 回答一组固定的小问题：是否存在决策、规则、错误？是不是真正的聊天或注入尝试？它改变了哪个现有行？ 在代码中应用阈值。 用基本规则覆盖那些概率决定保存或跳过；它们存在于 jevmem.config.json 中，而不是在提示中。 写入一行。 在保存时，一个小型 LLM（或一个确定性提取，没有 LLM 密钥）写入最多 200 个字符的一行。 取代旧行。如果轮次替换了现有记忆，该行标记为 [已取代] … → id:new 并保留在文件中。 层次、问题、政策、矛盾、回忆和审计：docs/how-it-works.md 。 基准 66 个保留轮次，所有七个决策者给定相同的状态，2026-09-23 （ 方法，回归集，定价，p95，重试 ）： 决策者 保存/跳过 保存+种类 矛盾 p50 $/决策 GPT-6 Astra 98.5% 98.5% 5/5 3,469 毫秒 $0.007489 GPT-6 Luna 93.9% 93.9% 5/5 2,927 毫秒 $0.000089 Claude Fable 5.1 95.5% 95.5% 5/5 4,290 毫秒 $0.013256 Claude Opus 5.5 97.0% 97.0% 5/5 2,784 毫秒 $0.005186 Gemini 3.8 Flash 92.4% 92.4% 5/5 2,850 毫秒 $0.001174 Grok 4.7 90.9% 90.9% 4/5 3,320 毫秒 $0.004602 jevmem auto 98.5% 95.5% 5/5 300 毫秒 $0.000127 0.30 秒是 Jev API 的决定；通过真实的 Stop 钩子过程，Node 启动时间包含在内，总共 0.6 秒（成本和延迟）。 在 66 个保留轮次中，jevmem 的中位决策花费 0.30 秒，而其他六个当前 LLM 的决策时间在 2.8-4.3 秒之间。 它的准确率在 LLM 的范围内：98.5% 保存/跳过（与 GPT-6 Astra 并列为最高）和 95.5% 保存+种类， LLM 的准确率为 90.9-98.5%。 GPT-6 Astra（98.5%）和 Claude Opus 5.5（97.0%）在保存+种类的准确性上表现更好；Claude Fable 5.1 并列；GPT-6 Luna、Gemini 3.8 Flash 和 Grok 4.7 处于较低准确率。 它发现了 5/5 个矛盾，六个 LLM 中的五个也发现了。 GPT-6 Luna 更便宜（$0.000089 对比 $0.000127），但准确性较低（93.9%）且大约慢 10 倍。 这是一轮测试，差异在一两个轮次之间属于运行噪声。 如果最准确的决策最重要，GPT-6 Astra 或 Claude Opus 5.5 更佳，但每次决策的成本约为 40-60 倍，延迟约为 9-12 倍。 jevmem 适用于您希望每条消息快速、便宜地做出决策时。 隐私 发送给 TypeSafe AI：每次轮次的用户消息（以及对于问题和错误报告的助理回复）、前两轮和您的记忆行，以便进行评分。 无遥测。如果您设置了 OpenAI 或 Anthropic 密钥，保存轮次的文本也会发送到该提供商以写入该行。 首先进行清洗：常见的凭证形状（API 密钥、令牌、*_PASSWORD= 风格的对、连接字符串密码、私钥）、电子邮件地址和 16 位号码。