core是开源“核心记忆”插件，为Claude Code赋予跨会话长期记忆能力，通过时序知识图谱记录架构决策，显著提升开发效率与代码一致性。点击标题
CORE：用于Claude、Cursor、ChatGPT和所有AI工具的统一记忆层。
你有没有过这种崩溃时刻？你辛辛苦苦跟AI解释了一整套代码架构、设计思路、命名规范，结果一关页面，它全忘了！下次打开，又得从头讲起，像在教一个失忆的实习生。这不是浪费生命吗？但现在，这一切彻底改变了！
最近，一位技术极客开发者搞出了一个叫“核心记忆”（CORE Memory）的神器，专门给Claude Code装上了“长期记忆插件”。以前，Claude虽然超级听话、指令执行精准，但它有个致命短板——没有记忆！你今天教它用的是PostgreSQL，明天它就问你：“我们数据库用的是啥？”简直让人抓狂。
但这位开发者不认命。他之前为了给AI加上记忆功能，不得不手动搭建一堆子代理、钩子函数，过程繁琐到想放弃。可就在Claude Code插件系统正式上线后，他灵机一动，把整个“核心记忆”系统打包成了一个插件。现在，安装它只需要三行命令，三分钟搞定，比泡一碗泡面还快！
第一步，添加插件市场：输入命令“/plugin marketplace add https://github.com/RedPlanetHQ/redplanethq-marketplace.git”；
第二步，安装核心记忆插件：“/plugin install core-memory@redplanethq”；
第三步，通过MCP认证，登录或注册CORE账号完成授权。
搞定！接着，你只要运行“/core-memory:init”，它就会自动扫描你的整个代码库，提炼出关键架构、模块关系、命名习惯，甚至历史决策逻辑，全部存进它的“长期记忆”里。
这意味着什么？
举个例子：以前你想让AI帮你修改一个用户服务模块，你得先花十分钟解释：“这个服务最早是用Express写的，后来因为性能问题迁到了Fastify，中间还因为权限模型重构过两次……”
现在呢？你直接说：“回忆一下用户服务的设计背景。”AI立刻调出完整上下文，知道你为什么放弃JWT改用OAuth2，为什么把数据库从PostgreSQL换成Supabase——不仅记得“做了什么”，更记得“为什么这么做”。
这背后的技术叫“时序知识图谱”（Temporal Knowledge Graph）。它不像普通笔记那样只记录当前状态，而是像一个会思考的工程师，把每一次技术选型、架构调整、bug修复的时间线、原因、权衡都串起来。久而久之，它就成了你团队的“活体维基”——越用越懂你，越用越精准。
更厉害的是，这套系统已经在LoCoMo基准测试中拿下了88.24%的记忆召回准确率！
LoCoMo是什么？
它是专门衡量AI长期记忆能力的权威测试，能在这个测试里拿高分，说明它真的记住了、理解了，而不是瞎猜。
LoCoMo专门用来考验AI“长期记忆+逻辑推理”能力的超级难题。整个测试包含10段超长对话，每段对话超过300轮，总共1540个问题，覆盖四大维度：单跳回忆（比如“你最喜欢的前端框架是什么？”）、多跳推理（比如“你们团队还有谁在用React？”）、时间线理解（比如“你什么时候从Vue转到Next.js的？”）以及开放域知识整合。你可以把它理解成AI界的“记忆高考”——考的不是死记硬背，而是如何在混乱、矛盾、不断演化的对话流中，精准提取并关联信息。
而CORE在这场考试中，单跳回忆91%、多跳推理85%、时间理解88%、开放域71%，综合88.24%——这不仅是数字，更是对“个体化记忆系统”可行性的强力证明。要知道，过去大多数AI的记忆，不过是临时缓存或静态数据库，换个聊天窗口就清零，换个项目就得重新解释一遍“我为什么不用Webpack”。但CORE不一样，它试图模仿人类记忆的本质：混乱、叙事化、充满矛盾却又能自我调和。
那么问题来了：为什么给“个人”建记忆这么难？
因为人类的记忆从来不是整齐划一的表格。你可能去年疯狂吹捧Rust，今年却因为项目 deadline 又回到Python怀抱；你搬到了杭州，但远程办公让你的工作节奏没变；你嘴上说讨厌Kubernetes，但团队规模一扩大，你又默默部署了集群。这些看似矛盾的行为，恰恰构成了真实的你。而传统数据库只会记录“最新状态”，把历史覆盖掉，结果AI永远只能看到你今天的切片，看不到你一路走来的轨迹。
CORE的突破
就在于它不只存“事实”，更存“故事”和“演变”。
它的记忆构建分四个阶段：
首先是标准化（Normalization），把杂乱的聊天记录、文档、日志整理成有上下文关联的语义块；
接着是知识抽取（Extraction），识别出人、工具、项目、决策等实体，并打上时间戳和来源；
然后是冲突解析（Resolution），当你说“我再也不用TypeScript了”和三个月后“新项目必须用TS”同时存在时，系统不会粗暴覆盖，而是保留两个观点，并记录转变的背景；
最后是图谱融合（Graph Integration），把这些碎片编织成一张带时间轴的知识图谱，让每个事实都能回溯到它诞生的情境。
举个例子：当你某天问CORE，“我们为什么选Next.js而不是Nuxt？”系统不会只回答“因为SSR性能好”。它会调取你团队当时的讨论记录、技术选型会议纪要、甚至你吐槽Vite打包慢的那条Slack消息，综合告诉你：“2024年3月，因SEO需求提升，且团队已有React经验，同时Next.js 14的App Router解决了你之前担心的路由复杂问题——这些共同促成了迁移决策。”这才是真正有上下文的回忆。
而在回忆调用阶段，CORE更是玩出了花。它同时启动关键词搜索、语义向量检索和图谱路径遍历三重机制。比如你问“上次部署失败的原因？”，它不仅能找到“部署失败”这个关键词，还能通过语义理解关联到“CI/CD超时”“Docker镜像拉取异常”等近义表述，再顺着“项目A → 部署流水线 → 2025年1月”这条图谱路径，精准定位到那次凌晨三点的故障复盘。之后，系统还会智能重排结果，过滤掉过时或低可信度的信息，最终输出既有事实陈述又有原始上下文的完整回答。
开发者团队实测几周后发现，AI写出来的代码不仅符合现有规范，还能主动规避历史踩过的坑，比如自动避开某个已知的并发漏洞模式，或者沿用团队约定的错误处理风格。
而且，这位开发者非常硬核——他不仅开源了整个项目，还允许你自建私有服务器！如果你对数据隐私有极高要求，完全可以在自己内网部署“核心记忆”系统，所有代码上下文、决策记录都留在本地，绝不外泄。项目地址就放在GitHub上，名字叫RedPlanetHQ/core，任何人都能免费下载、审查、改进。这种开放精神，才是真正推动技术进步的力量。
这位开发者是RedPlanetHQ团队的核心成员，长期深耕AI工程化与开发者工具领域。他深知现代软件开发的痛点：知识碎片化、上下文丢失、新人上手慢、老员工离职带走“隐性知识”。所以他才决心打造一个能“记住一切”的AI协作者。他的目标不是取代程序员，而是让程序员从重复解释中解放出来，专注真正有创造力的工作。