Recall: Claude Codeのローカルプロジェクトメモリ — サマリーにトークンを消費しない方法

Recall は、Claude Code向けの完全ローカルなプロジェクトメモリプラグインで、要約にモデルトークンを一切消費せずにコールドスタート問題を解決します。セッションのトランスクリプトを .recall/history.md に保存し、古典的なPython要約器(LLM呼び出しではない)を使ってコンパクトな context.md(約1〜2Kトークン)に凝縮します。
仕組み
- セッション中:
Stop/SessionEndフックが新しいアクティビティを.recall/history.mdにインクリメンタルに追記します。新しいターンのみ、完全ローカルです。 - セッション開始時:
SessionStartフックがcontext.mdを提示し、Claudeに確認を促します: 保存されたコンテキストから再開しますか? および このセッションを記録し続けますか?
主な利点
- メモリにトークンを消費しない: 要約は決定論的アルゴリズムによってローカルで行われ、API呼び出しは不要。APIキーや外部モデルも必要ありません。
- プライバシー: トランスクリプト(コード、パス、シークレット)がマシンから出ることはありません。ほとんどのメモリツールはコンテキストをモデルエンドポイントに送信しますが、Recallはそうしません。
- 低摩擦:
pip install不要、ローカルモデルの実行不要、キー設定不要。プラグインをロードするだけで即座にオフラインで動作します。
出力ファイル
.recall/ 内の2つのファイル:
history.md— プロンプト、応答、操作したファイル、実行したコマンドの追記専用ログ。context.md— 上書きされる要約。目標、概要、次のステップ/未解決のスレッド、操作したファイル、中断した場所を含みます。
ビルトインのClaude Codeメモリとの比較
| 機能 | CLAUDE.md | --continue / --resume | Recall |
|---|---|---|---|
| 内容 | 手書きのメモとルール | 以前の会話を再読み込み | 自動キャプチャされたセッションログ + ローカル要約 |
| メンテナンス | 手動 | なし(セッションを選択) | なし — 作業中に自動記録 |
| 保持するもの | 従うべき指示 | 以前の完全なトランスクリプト | 目標、ファイル、コマンド、中断した場所、次のステップ |
| 再開コスト | 小 | 大(完全なトランスクリプトを再生) | 約1〜2Kトークン(コンパクトなダイジェスト) |
| 形式 | 編集可能なMarkdown | ローカルセッション状態 | .recall/ 内のプレーンテキスト — diff可能&共有可能 |
| Claudeの扱い | 指示 | 会話 | フェンスされた信頼できない参照データ |
要するに: CLAUDE.md は「あなたにこう働いてほしい」という指示であり、Recallは「前回何をしてどこで止まったか」という情報です — トークンを一切使わずにオフラインで生成されます。
📖 フルソースを読む: HN LLM Tools
👀 See Also

Claude Code用の2つのMCPツール:アイデア検証と取引エージェントメモリ
開発者がClaude Code向けに2つのMCPツールを構築しました。idea-reality-mcpは、コーディング前にGitHubとHacker Newsをチェックして重複を回避し、tradememory-protocolはAI取引エージェントに取引履歴をコンテキスト付きで保存し、戦略パフォーマンスを追跡するメモリ機能を提供します。両方ともオープンソースでPyPIで利用可能です。

ハブキャップブリッジ:CDPを介したCLIとブラウザJavaScript間の持続的双方向メッセージング
Hubcap Bridgeは、Chrome DevTools Protocolを介してローカルプロセスとブラウザページ内で実行されるJavaScriptの間に持続的な双方向メッセージチャネルを作成する、Hubcap CLIツールの新機能です。これにより、Claude Codeスキルが公開APIを必要とせずに、Webアプリの内部JavaScript APIを通じて対話できるようになります。

latexnav: LaTeXファイルのLLMと人間によるナビゲーションツール
latexnavは、定理、定義、セクション、ラベル、相互参照、依存関係などの構造要素を抽出し、行番号付きの要約を提供することで、大規模な原稿を効率的にナビゲートするための、無料のオープンソースPythonツールです。これにより、LLMと人間の両方がLaTeXファイルを効果的に扱えるよう支援します。

OpenClawコンポーネントの抽出:開発者が語るレーンキューとメモリシステムの実践経験
ある開発者が、個人用AIエージェントで使用するためにOpenClawから特定のコンポーネントを抽出しようと試み、Lane Queueタスク実行システムのテストとmemsearchメモリシステムの調査を行いました。ドキュメントを基にPythonでLane Queueを再実装することに成功しましたが、ドキュメントの不足点と13の実装上の問題が明らかになりました。