Recall
配套媒体
本页对应的 PPT 与演示视频
下载没反应？点这里复制直链
侧边栏预览窗口（Electron webview）会拦截下载，把下面的链接复制到 Chrome / Edge 地址栏打开即可保存。
../../recall-recommend.pptx../../recall-recommend.mp4本文目录
📌 核心价值：每次开 Claude Code 都不用再重复介绍项目背景了
Recall = Claude Code 的"项目记忆外挂"，完全本地保存、自动捕获会话、用经典 TF-IDF 算法压成 1-2K token 摘要，下次开会话 AI 直接续接上下文。
🚀 什么是 Recall？
Recall 是一款专为 Claude Code 设计的本地持久化记忆插件。它解决了一个很多人都在忍受却没人解决的痛点：Claude Code 每次打开新会话就像失忆——你得重新告诉它项目背景、技术栈、当前进度、卡在哪里。
Recall 用 4 个 Claude Code 官方钩子自动捕获会话行为（SessionStart 注入上下文、Stop / SessionEnd 触发保存），并在你的项目目录下生成两个文件：
| 文件 | 作用 | 写入策略 |
|---|---|---|
history.md |
完整日志（用户提问、Claude 回复、涉及文件、执行的命令） | append-only（持续追加） |
context.md |
紧凑摘要（目标 / 进度 / 待办 / 上次结束位置） | 覆盖写入 |
核心定位：完全离线 + 零 LLM + 零 API Key，1-2K token 让 Claude Code 无缝续接上下文
开源协议：MIT | ⭐ Stars：623 | 🍴 Forks：34 GitHub: raiyanyahya/recall
✨ 核心功能一览
🛠️ 快速上手：5 分钟装好
安装 Recall 插件
Recall 是标准的 Claude Code 插件（.claude-plugin/），不需要 pip install 也不需要配置环境变量。两条命令搞定：
# Step 1: 把仓库克隆或下载到本地任意目录
git clone https://github.com/raiyanyahya/recall.git
# Step 2: 在 Claude Code 中通过插件市场加载这个目录
# 在 Claude Code 输入框里直接粘：
/plugin add /path/to/recall
注意：路径必须是绝对路径，比如
D:/recall或~/projects/recall
配置自动保存（关键一步）
在项目根目录创建 recall.config.json：
{
"auto_save_context": "on_end",
"max_history_lines": 2000,
"redact_patterns": [
"API_KEY=*",
"sk-*",
"ghp_*",
"-----BEGIN .* PRIVATE KEY-----"
]
}
重点： auto_save_context: "on_end" 让 Recall 在每次会话结束时自动生成摘要，你完全不需要记得去执行 /recall:save，真正的"零摩擦力"自动化。
三个核心斜杠命令
/recall:save # 手动触发摘要生成（写入 context.md）
/recall:show # 打印当前 context.md 内容
/recall:log # 查看 history.md 末尾 50 行
完整代码示例（summarizer.py 核心算法）
Recall 的核心是 TF-IDF + TextRank 算法，完全 vendored，不依赖任何模型：
from collections import Counter
import math
import re
def extract_summary(messages: list[str], target_tokens: int = 1800) -> str:
"""TF-IDF + TextRank 抽取式摘要，纯 Python 实现，约 100 行"""
# 1) 分句
sentences = [s.strip() for s in re.split(r"(?<=[.!?。！？])\s+", "\n".join(messages)) if len(s.strip()) > 8]
# 2) 简单分词（中文按字符 bigram，英文按 word）
def tokenize(s: str) -> list[str]:
s = re.sub(r"\s+", " ", s)
# 英文 word
en_words = re.findall(r"[a-zA-Z]+", s)
# 中文 bigram
zh_chars = re.findall(r"[\u4e00-\u9fff]", s)
zh_bigrams = ["".join(zh_chars[i:i+2]) for i in range(len(zh_chars)-1)]
return en_words + zh_bigrams
# 3) 计算 TF-IDF
docs_tokens = [tokenize(s) for s in sentences]
df = Counter()
for toks in docs_tokens:
for t in set(toks):
df[t] += 1
N = len(sentences)
idf = {t: math.log(N / (1 + c)) for t, c in df.items()}
def score_sentence(toks):
if not toks:
return 0.0
tf = Counter(toks)
return sum((tf[t] / len(toks)) * idf.get(t, 0) for t in toks) / len(toks)
# 4) TextRank 迭代（Pagerank 简化版）
# ... 这里省略约 60 行，详见 scripts/summarizer.py
# 5) 按分数排序，截取到目标 token 数
ranked = sorted(
enumerate(sentences),
key=lambda iv: score_sentence(docs_tokens[iv[0]]),
reverse=True,
)
summary_parts, total_tokens = [], 0
for idx, sent in ranked:
est_tokens = len(tokenize(sent)) + 5
if total_tokens + est_tokens > target_tokens:
break
summary_parts.append((idx, sent))
total_tokens += est_tokens
summary_parts.sort(key=lambda x: x[0]) # 恢复原文顺序
return "\n".join(s for _, s in summary_parts)
完整 100 行实现见
scripts/summarizer.py，支持 numpy 加速（可选）+ 纯 Python 回退。两路径采用四舍五入分数 + 按位置打破并列，保证输出完全一致。
📊 与竞品对比：Recall 为什么不一样？
Claude Code 现在有 3 种"项目记忆"方案，很多人不清楚它们各自定位。下表横向对比一下：
核心结论：
| 方案 | 一句话定位 |
|---|---|
CLAUDE.md |
规则层：你告诉 AI "我希望你这么工作" |
--continue / --resume |
会话级：重载整段历史 transcript |
| Recall（推荐） | 状态层自动化：自动捕获 + TF-IDF 摘要 + 1-2K token 续接 |
Recall 不是要替代 CLAUDE.md，而是补齐"动态状态"这一层：CLAUDE.md 写规则，Recall 维护状态。两个一起用，Claude Code 才真正"懂你的项目"。
💡 适用场景（3 个真实用例）
场景 1：跨会话续接 OAuth 调试
痛点：你在 OAuth 回调上卡了 3 个会话，每次重启 Claude Code 都要重新粘贴堆栈、相关文件、已尝试的方案……
Recall 怎么用：
- 第一次会话：把 OAuth 配置相关的 5 个文件给 AI，让它尝试不同的解法
- Stop 钩子实时追加到
history.md - SessionEnd 钩子生成
context.md：
## 目标
修复 NextAuth OAuth 回调失败（state 参数被吞）
## 当前进度
- 已读文件：app/api/auth/[...nextauth]/route.ts
- 已排除：环境变量配置错误（验证过 .env.local）
- 当前假设：state 参数在 redirect 时被 strip
- 下次先看：/api/auth/callback 路由的 req.url 解析
## 待办
- [ ] 增加 console.log debug state 参数
- [ ] 检查 NextAuth v5 的 state cookie 设置
- 重启 Claude Code：直接看到 context.md，自动续接"上次我们卡在 state 参数 strip 的问题"
效果：第二次会话完全不用重新介绍项目，AI 直接定位到你上次停下的代码位置继续分析
场景 2：50% Token 浪费问题
数据触目：
- 重启会话前重新介绍项目：5,000 – 15,000 token
- 读 Recall 的
context.md：1,000 – 2,000 token - 节省 70% – 87% 的 Token
对按量计费的用户，比如 Claude API / Cursor Business / Claude Code 订阅——这直接关联真金白银。对订阅版用户，1-2K token 压缩让上下文能装下更多近期代码变更。
场景 3：3 人协作 vs 10 人团队的不同用法
个人开发者：当 ~/.recall/ 私有记忆，每项目独立 context.md。
小团队（3-5 人）：把 .recall/ 整个目录 git push 到共享仓库，新成员 git clone 后立刻获得 AI 的项目上下文——比"老员工带新人"更快。
企业团队（10+ 人）：每个代码仓库一个 context.md，配合 PR Review 时自动 commit 新的 context 增量，AI 始终理解"代码库现在到哪一步"。
注意：Recall 默认是单机的，多人协作需要团队约定 .recall/ 的提交策略——别让敏感 API key 通过 git 泄露。
🔄 Recall 工作流：四阶段全自动
关键工程亮点
| 维度 | 实现 |
|---|---|
| 算法 | TF-IDF + TextRank（2004 年成熟算法）— 故意不用 LLM |
| 可选 numpy 加速 | 有则 numpy 更快，无则纯 Python（输出完全一致） |
| 脱敏处理 | 写入前剥离 API_KEY=* / sk-* / ghp_* / PEM 密钥等 |
| Hardened git 读取 | 禁用 core.fsmonitor、diff.external、钩子、分页器 |
| 写入路径限制 | output_dir 强制保留在项目内部，禁止写到上级目录 |
| 范围限定 | 仅读取当前 cwd 对应的会话记录 |
| Windows 兼容 | 三连修：`python3 ... |
| CI 质量门 | Python 3.9-3.13 × with/without numpy、pytest、Bandit、CodeQL、密钥扫描 |
为什么用 20 年前的老算法？ 因为这个场景只需要"准确提取关键信息"，不需要"创造性生成"。20 年老算法 + 1-2K token 摘要 + 完全离线 = 比任何"AI 摘要工具"都省 token、都安全。
🔐 隐私与安全
Recall 是少数几个默认最隐私的记忆工具：
| 隐私保障 | 实现细节 |
|---|---|
| ❌ 无网络调用 | 摘要器只用 Python 标准库，不发任何外部请求 |
| ❌ 无 API Key | 不需要配置任何第三方凭证 |
| ❌ 无遥测 | 不收集任何使用数据 |
| ✅ 写入前脱敏 | 自动过滤常见密钥形态（best-effort，非 100%） |
| ✅ 输出路径锁定 | 禁止把 .recall/ 写到项目外部 |
唯一警告：如果你打算把 .recall/ commit 到 GitHub，请先扫一遍 context.md，确保没有把公司密钥或个人 token 写进去。 Recall 的脱敏是 best-effort，不替代人工 review。
💰 定价方案
Recall 100% 免费 + 开源（MIT）：
- ✅ 全部功能免费
- ✅ 商用免费
- ✅ 修改源码 / Fork / 二次分发都可以
- ❌ 无 Pro 版 / 无企业版 / 无 SaaS 升级路径
GitHub 仓库：raiyanyahya/recall 开源协议：MIT
🎯 总结
Recall 把 Claude Code 的"会话冷启动浪费"问题彻底解决，用的是 20 年前成熟的 TF-IDF + TextRank 算法，完全本地、完全免费、完全隐私。
适用人群：
- ✅ Claude Code 订阅版 / API 用户（直接省 token）
- ✅ 长周期项目（多次跨会话续接）
- ✅ 隐私敏感场景（金融 / 医疗 / 内部工具）
- ✅ 重视"项目状态可追溯"的团队
不适合：
- ❌ 偶尔用 Claude Code 的轻度用户（成本收益不高）
- ❌ 需要跨模型记忆（当前只支持 Claude Code Hook）
- ❌ 不想碰一行配置的用户（虽然配置只有 5 行 JSON）
推荐指数：⭐⭐⭐⭐⭐（满分 5 星）
立即体验：
git clone https://github.com/raiyanyahya/recall.git
/plugin add /path/to/recall
# 在项目根目录创建 recall.config.json（见上文）
# 重启 Claude Code，享受"自动记忆"
数据截至 2026-06-30，最新信息请以 GitHub 仓库 为准。