Continuous Claude

Claude Code 是一个强大的 AI 编程助手，但它有一个长期存在的问题：上下文压缩。当对话历史接近模型上下文上限时，系统会自动“压缩”旧内容，导致早期讨论中的关键决策、设计思路或调试细节被丢弃。这不仅打断开发节奏，还可能让 AI 在后续交互中重复犯错或误解需求。

为了解决这个问题，社区开发者推出了 Continuous Claude（CC-v3） —— 一个基于 Claude Code 构建的持久化、可学习、多智能体协同的开发环境。

它的目标很明确：不让 AI 忘记你做过什么，也不让它重复浪费 token。

核心问题与解决方案

其核心理念是：Compound, don’t compact（复合，而非压缩）。
不是把旧内容删掉腾空间，而是把有价值的信息提炼出来，作为新会话的起点。

名字的双关含义

• Continuous（连续）：系统能在多个会话之间保持状态连贯性，不会“失忆”。
• Compounding（复利式增长）：每次交互产生的洞察、修复方案或架构决策都会被自动归档，形成可复用的知识资产，像复利一样持续增值。

系统如何运作？

Continuous Claude 将每个智能体定义为五个要素的组合：

Prompt（提示） + Tools（工具） + Context（上下文） + Memory（记忆） + Model（模型）

其中，前四项是可工程化、可优化的部分。一旦它们稳定，底层大模型甚至可以替换——这意味着系统不依赖单一 AI 提供商。

设计原则：克制与效率

项目明确反对“插件泛滥”。每增加一个外部工具（如 MCP、API 订阅），都可能引入上下文冲突或提示污染。因此，CC-v3 坚持三条原则：

1. 时间优先于金钱：默认不依赖任何付费服务。Perplexity 或 NIA 等高级工具仅为可选增强项。
2. 学习优于堆砌：与其集成几十个插件，不如让系统从每次交互中真正学到东西。
3. 左移验证（Shift-left validation）：在代码编辑后立即运行 pyright 或 ruff，在测试前就捕获类型错误或风格问题。

你不需要记命令，只需说清楚意图

Continuous Claude 内置 技能激活系统。当你输入自然语言请求时，系统会自动判断应调用哪些技能或智能体。

例如，你说：

“修复 auth.py 中的登录错误”

系统会立即提示：

🎯 技能激活检查
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

⚠️ 关键技能（必需）:
  → create_handoff

📚 推荐技能:
  → fix
  → debug

🤖 推荐智能体（令牌高效）:
  → debug-agent
  → scout

操作: 在响应前使用技能工具
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━

这种机制既降低了新手门槛，又保留了高级用户的控制力——你仍可直接输入 /fix、/build 等命令。

常见自然语言映射示例

技术组件解析

1. TLDR 代码分析引擎（95% token 节省）

不再让 AI 读整份文件。TLDR 通过五层静态分析生成紧凑摘要：

• L1 AST：函数、类、签名（~500 token）
• L2 Call Graph：跨文件调用关系（+440）
• L3 CFG：控制流图（+110）
• L4 DFG：数据流追踪（+130）
• L5 PDG：程序切片与影响分析（+150）

总计约 1,200 token，却能支撑精准的语义搜索、影响分析和上下文注入。

2. 记忆系统（PostgreSQL + pgvector）

会话结束后，后台守护进程会：

• 检测“心跳”超时（>5 分钟无活动）
• 启动无头 Claude 实例
• 从“思考块”（thinking blocks）中提取决策逻辑
• 存入 archival_memory 表（带 BGE 向量嵌入）

下次会话中，相关记忆会通过 memory-awareness 钩子自动浮现，无需手动查询。

3. 智能体与工作流

• 32 个专业化智能体：如 sleuth（调试）、scout（探索）、kraken（TDD 实现）
• 8 类元技能工作流：
  • /fix：诊断 → 风险评估 → 修复 → 测试 → 提交
  • /build：需求澄清 → 设计 → 验证 → 实现
  • /refactor：影响分析 → 安全重构
  • /tdd、/review、/security、/release 等

所有流程支持跳过阶段（如 --skip-discovery）、并行执行或输出文档。

快速上手

前提条件

• Python 3.11+
• uv 包管理器
• Docker（用于本地 PostgreSQL）
• 已安装 Claude Code CLI

安装步骤

git clone https://github.com/parcadei/Continuous-Claude-v3.git
cd Continuous-Claude-v3/opc
uv run python -m scripts.setup.wizard  # 12 步交互式配置

向导将自动完成：

• 环境检查
• 数据库初始化（本地 Docker 或远程 PostgreSQL）
• 安装 32 智能体 + 109 技能 + 30 钩子
• 可选数学库（SymPy/Z3）与诊断工具

注意：所有 uv 命令需在 opc/ 目录下执行，因 pyproject.toml 位于此处。

远程数据库支持

若使用 AWS RDS、Supabase 或 Azure，只需：

1. 启用 pgvector 扩展
2. 导入 docker/init-schema.sql
3. 在 ~/.claude/settings.json 中配置连接 URL