Claude-Mem 是一个专为 Claude Code 等编码智能体设计的长期记忆插件。它解决的核心问题是 AI 辅助编程时的上下文遗忘：智能体会话结束后便丢失对项目的一切了解。claude-mem 通过自动捕获智能体在会话中的所有操作，利用 AI 生成结构化语义摘要并存入 SQLite 数据库，在未来的会话中智能地将相关记忆注入上下文，从而实现跨会话的项目知识连续性。项目采用渐进式记忆检索，仅在需要时按层级加载详细记忆，显著节省 token 成本。内置 Web 界面可实时查看记忆流，并通过 MCP 工具提供自然语言搜索历史操作的能力。适合所有重度使用 Claude Code 并期望其能“记住”项目历史的一线开发者。
Cursor 团队在推出云智能体一年后，分享了构建过程中的关键教训。核心发现是：云智能体的输出质量很大程度上取决于是否拥有完整的开发环境，这与本地智能体继承本地环境的做法不同。为达到“完整环境”，团队需要重建大量基础设施，包括 VM 休眠/恢复、快照/回滚/分支管道、网络访问控制等，最终形成了智能体专用的“企业 IT”系统。可靠性方面，早期的工作窃取架构仅达到一个九的可用性，迁移至 Temporal 的持久执行框架后，可靠性提升至两个九以上，目前 Temporal 每日处理超过 5000 万个动作、700 万个独立工作流。另一个重要经验是将智能体循环、机器状态与对话状态解耦，使得智能体可跨不同 pod 运行、子智能体可比父智能体存活更久。此外，团队发现随着模型变强，应将更多逻辑从硬编码的 harness 移至智能体可控的工具中，例如让智能体直接使用 GitHub CLI、Playwright 等。文章还介绍了自我修复环境（如 autoinstall）的前景。适合对智能体工程、持久执行、云基础设施有兴趣的工程师阅读。
使用多个AI工具时，上下文在每个会话中丢失，导致每天浪费大量时间重新解释。Unibase Memory是一款Chrome扩展，它能捕获、存储并跨ChatGPT、Claude和Gemini注入记忆，实现真正的共享上下文。文章详细介绍了从安装到高级工作流（研究到写作、品牌语音持久化、跨工具构建）的五个步骤，并探讨了本地加密与可选去中心化同步的架构。对于使用多模型AI工作流的工程师和创作者，这是解决AI记忆碎片化的实用工具介绍。