Text Matrix
📰 行业快讯 💻 技术笔记 🎬 视频精读 🤔 思考与随笔 Docs 搜索
Text Matrix

目录

MemPalace：7.7k Stars史上最高分AI记忆系统，96.6% R@5零API调用

 收录于 技术笔记
   约 9501 字   预计阅读 24 分钟 

MemPalace：7.7k Stars史上最高分AI记忆系统

项目概述

MemPalace是由milla-jovovich团队开发的开源AI记忆系统，核心特点是「基于记忆宫殿原理，让AI记住一切，检索速度提升34%」。与传统的记忆系统不同，MemPalace不依赖云API、不需要订阅、完全本地运行，且在LongMemEval基准测试中取得了史上最高分96.6%。

指标数值
GitHub Stars7.7k
Forks805
贡献者3 (milla-jovovich, bensig, claude)
最新提交2026-04-07（16小时前）
最新版本v3.0.0
许可证MIT
技术栈Python 98.3%, Shell 1.7%

官方Slogan： “The highest-scoring AI memory system ever benchmarked. And it’s free.”

核心优势：

  • 🏆 史上最高分：96.6% LongMemEval R@5（零API调用）
  • 💰 完全免费：无需API Key，无需订阅，本地运行
  • 🔒 隐私优先：所有数据本地存储，无需云端
  • ⚡ 极速检索：170 tokens wake-up上下文，30x AAAK压缩

核心问题：AI对话记忆的困境

传统方案的局限

当你与AI进行日常对话时——每一个决策、每一次调试、每一次架构讨论——对话都会在会话结束时消失。六个月的工作，白费了。

每年19.5M tokens的对话量：

  • 相当于19.5M tokens无法放入任何上下文窗口
  • 传统的LLM摘要方案需要约$507/年
  • 摘要会丢失上下文和细节

现有记忆系统的痛点

方案加载Tokens年成本问题
粘贴全部19.5M（塞不下）-无法工作
LLM摘要~650K~$507/年丢失上下文
MemPalace wake-up~170~$0.70/年完整记忆

技术架构解析

整体架构：The Palace（记忆宫殿）

MemPalace的核心创新是「记忆宫殿」结构——仿照古代希腊演说家西塞罗（ Cicero）使用的方法：

┌─────────────────────────────────────────────────────────────┐
│                    WING: Person                           │
│                                                             │
│  ┌──────────┐ ──hall── ┌──────────┐                      │
│  │ Room A   │          │ Room B   │                      │
│  └────┬─────┘          └──────────┘                      │
│       │                                                         │
│       ▼                                                         │
│  ┌──────────┐ ───▶ ┌──────────┐                         │
│  │ Closet   │       │ Drawer   │                         │
│  └──────────┘       └──────────┘                         │
└─────────────────────────────────────────────────────────────┘
                           │
                        tunnel │
┌─────────────────────────────────────────────────────────────┐
│                    WING: Project                          │
│                                                             │
│  ┌────┬─────┐ ──hall── ┌──────────┐                      │
│  │ Room A│          │ Room C   │                      │
│  └────┬─────┘          └──────────┘                      │
│       │                                                         │
│       ▼                                                         │
│  ┌──────────┐ ───▶ ┌──────────┐                         │
│  │ Closet   │       │ Drawer   │                         │
│  └──────────┘       └──────────┘                         │
└─────────────────────────────────────────────────────────────┘

核心数据结构

结构说明示例
Wing一个人或项目wing_kai, wing_driftwood
RoomWing内的具体主题auth-migration, graphql-switch
Hall同一Wing内的房间连接hall_facts, hall_events
Tunnel不同Wing间的跨域连接auth相关房间跨项目连接
Closet压缩摘要，快速AI读取AAAK格式的摘要
Drawer原始文件完整原文，永不丢失

Hall类型（记忆类型）

hall_facts      # 已做出的决策
hall_events     # 会议、里程碑、调试
hall_discoveries # 突破、新洞察
hall_preferences # 习惯、喜好
hall_advice     # 建议和解决方案

Tunnel的威力

# 同一Room在多个Wing中出现，自动创建Tunnel
wing_kai / hall_events / auth-migration 
  → "Kai debugged the OAuth token refresh"

wing_driftwood / hall_facts / auth-migration 
  → "team decided to migrate auth to Clerk"

wing_priya / hall_advice / auth-migration 
  → "Priya approved Clerk over Auth0"

AAAK压缩：30x无损压缩

AAAK是什么？

AAAK（Ant Asset Keyword）是一种无损的简化语言，专为AI记忆设计：

English原文（约1000 tokens）：

Priya manages the Driftwood team: Kai (backend, 3 years), Soren (frontend), Maya (infrastructure), 
and Leo (junior, started last month). They're building a SaaS analytics platform. 
Current sprint: auth migration to Clerk. Kai recommended Clerk over Auth0 based on pricing and DX.

AAAK压缩后（约120 tokens）：

TEAM: PRI(lead) | KAI(backend,3yr) SOR(frontend) MAY(infra) LEO(junior,new) 
PROJ: DRIFTWOOD(saas.analytics) | SPRINT: auth.migration→clerk 
DECISION: KAI.rec:clerk>auth0(pricing+dx) | ★★★★

AAAK的设计原则

原则说明
无损不丢失任何信息
通用任何LLM都能读取
简洁~30x压缩率
自动学习AI在wake-up时自动学会

四层记忆栈（L0-L3）

┌─────────────────────────────────────────────────────────────┐
│ L0 Identity       │ 身份：这是哪个AI？      │ ~50 tokens │ 常驻加载  │
│ L1 Critical Facts│ 关键事实：团队/项目/偏好│ ~120 tokens│ 常驻加载  │
│ L2 Room Recall   │ 房间回忆：近期会话      │ 按需       │ 话题触发  │
│ L3 Deep Search   │ 深度搜索：全量语义检索  │ 按需       │ 显式询问  │
└─────────────────────────────────────────────────────────────┘

wake-up后AI拥有~170 tokens的关键上下文，知道你的世界。

Benchmarks：96.6%史上最高分

标准基准测试

Benchmark模式分数API调用
LongMemEval R@5Raw (ChromaDB)96.6%零
LongMemEval R@5+ Haiku重排100%~500
LoCoMo R@10Raw, session level60.3%零
Personal palace R@10Heuristic85%零
Palace structureWing+Room过滤+34%零

vs 已发布系统

系统LongMemEval R@5需要API成本
MemPalace (hybrid)100%可选免费
Supermemory ASMR~99%是-
MemPalace (raw)96.6%否免费
Mastra94.87%是 (GPT)API费用
Mem0~85%是$19-249/月
Zep~85%是$25/月+

MCP Server：19个工具

连接MemPalace

# 一行命令连接
claude mcp add mempalace -- python -m mempalace.mcp_server

19个工具总览

Palace读取工具：

工具功能
mempalace_statusPalace概览+AAAK规范
mempalace_list_wings列出所有Wings
mempalace_list_rooms列出Wing内Rooms
mempalace_get_taxonomy完整分类树
mempalace_search语义搜索（支持Wing/Room过滤）
mempalace_check_duplicate存入前检查重复
mempalace_get_aaak_specAAAK方言参考

Palace写入工具：

工具功能
mempalace_add_drawer存入原文
mempalace_delete_drawer删除（按ID）

知识图谱工具：

工具功能
mempalace_kg_query实体关系查询（支持时间过滤）
mempalace_kg_add添加事实
mempalace_kg_invalidate标记事实过期
mempalace_kg_timeline实体编年史
mempalace_kg_stats图谱概览

导航工具：

工具功能
mempalace_traverse从Room穿越Wings
mempalace_find_tunnels找到连接两个Wings的Rooms
mempalace_graph_stats图连通性概览

Agent Diary工具：

工具功能
mempalace_diary_write写AAAK日记
mempalace_diary_read读最近日记

矛盾检测

MemPalace在存储前会检查事实矛盾：

Input: "Soren finished the auth migration"
Output: 🔴 AUTH-MIGRATION: attribution conflict 
        — Maya was assigned, not Soren

Input: "Kai has been here 2 years"
Output: 🟡 KAI: wrong_tenure 
        — records show 3 years (started 2023-04)

Input: "The sprint ends Friday"
Output: 🟡 SPRINT: stale_date 
        — current sprint ends Thursday (updated 2 days ago)

快速开始

安装

pip install mempalace

初始化

# 设置你的世界
mempalace init ~/projects/myapp

# 挖掘数据
mempalace mine ~/projects/myapp          # 项目代码和文档
mempalace mine ~/chats/ --mode convos     # 对话导出
mempalace mine ~/chats/ --mode convos --extract general  # 自动分类

# 搜索
mempalace search "why did we switch to GraphQL"

三种挖掘模式

模式说明
projects代码和文档
convos对话导出
general自动分类（决策/偏好/里程碑/问题）

Agent集成

与Claude/ChatGPT/Cursor（MCP兼容工具）

# 连接（只需一次）
claude mcp add mempalace -- python -m mempalace.mcp_server

现在问AI：

“What did we decide about auth last month?”

AI会自动调用mempalace_search，获取结果后回答你。你无需输入任何命令。

与本地模型（Llama/Mistral）

方法1：Wake-up命令

mempalace wake-up > context.txt
# 把context.txt粘贴到本地模型的系统提示

方法2：CLI搜索

mempalace search "auth decisions" > results.txt
# 将results.txt包含到提示中

Python API：

from mempalace.searcher import search_memories
results = search_memories("auth decisions", palace_path="~/.mempalace/palace")

知识图谱：时间敏感的实体关系

from mempalace.knowledge_graph import KnowledgeGraph

kg = KnowledgeGraph()

# 添加三元组（带时间窗口）
kg.add_triple("Kai", "works_on", "Orion", valid_from="2025-06-01")
kg.add_triple("Maya", "assigned_to", "auth-migration", valid_from="2026-01-15")
kg.add_triple("Maya", "completed", "auth-migration", valid_from="2026-02-01")

# 查询Kai现在做什么？
kg.query_entity("Kai")
# → [Kai → works_on → Orion (current), Kai → recommended → Clerk (2026-01)]

# 2026年1月20日Maya在做什么？
kg.query_entity("Maya", as_of="2026-01-20")
# → [Maya → assigned_to → auth-migration (active)]

# 时间线
kg.timeline("Orion")
# → 项目的编年史

vs Zep (Graphiti)

特性MemPalaceZep (Graphiti)
存储SQLite（本地）Neo4j（云）
成本免费$25/月+
时间有效性是是
自托管始终仅企业版
隐私全部本地SOC 2, HIPAA

专业Agent：每个Agent有自己的记忆

~/.mempalace/agents/
├── reviewer.json   # 代码质量、模式、bug
├── architect.json  # 设计决策、权衡
└── ops.json        # 部署、故障、基础设施

你的CLAUDE.md只需一行：

You have MemPalace agents. Run mempalace_list_agents to see them.

每个Agent：

  • 有自己的专注领域
  • 用AAAK写日记，跨会话持久化
  • 通过读自己的历史建立专业能力

自动保存Hook

两个Claude Code的自动保存Hook：

保存Hook - 每15条消息触发一次结构化保存 PreCompact Hook - 在上下文压缩前紧急保存

{
  "hooks": {
    "Stop": [{
      "matcher": "",
      "hooks": [{"type": "command", "command": "/path/to/mempalace/hooks/mempal_save_hook.sh"}]
    }],
    "PreCompact": [{
      "matcher": "",
      "hooks": [{"type": "command", "command": "/path/to/mempalace/hooks/mempal_precompact_hook.sh"}]
    }]
  }
}

项目结构

mempalace/
├── mempalace/              # 核心包
│   ├── cli.py              # CLI入口
│   ├── mcp_server.py      # MCP服务器（19工具）
│   ├── knowledge_graph.py # 时间敏感实体图
│   ├── palace_graph.py    # Room导航图
│   ├── dialect.py         # AAAK压缩
│   ├── miner.py           # 项目文件摄入
│   ├── convo_miner.py    # 对话摄入
│   ├── searcher.py       # ChromaDB语义搜索
│   └── onboarding.py     # 引导设置
├── benchmarks/            # 可复现基准测试
│   ├── longmemeval_bench.py
│   ├── locomo_bench.py
│   └── membench_bench.py
├── hooks/                # Claude Code自动保存
│   ├── mempal_save_hook.sh
│   └── mempal_precompact_hook.sh
├── examples/             # 使用示例
└── tests/                # 测试套件

所有命令参考

# 设置
mempalace init <dir>              # 引导设置+AAAK引导

# 挖掘
mempalace mine <dir>              # 挖掘项目文件
mempalace mine <dir> --mode convos  # 挖掘对话
mempalace mine <dir> --wing myapp  # 指定Wing

# 分割
mempalace split <dir>              # 分割串联的记录
mempalace split <dir> --dry-run    # 预览

# 搜索
mempalace search "query"          # 搜索全部
mempalace search "query" --wing myapp  # Wing内搜索
mempalace search "query" --room auth-migration  # Room内搜索

# 记忆栈
mempalace wake-up                 # 加载L0+L1上下文
mempalace wake-up --wing driftwood  # 项目特定上下文

# 压缩
mempalace compress --wing myapp    # AAAK压缩

# 状态
mempalace status                  # Palace概览

团队使用场景

独立开发者管理多个项目

# 挖掘每个项目的对话
mempalace mine ~/chats/orion/ --mode convos --wing orion
mempalace mine ~/chats/nova/ --mode convos --wing nova
mempalace mine ~/chats/helios/ --mode convos --wing helios

# 6个月后：
mempalace search "database decision" --wing orion
# → "Chose Postgres over SQLite because Orion needs concurrent writes
#    and the dataset will exceed 10GB. Decided 2025-11-03."

团队负责人管理产品

# 挖掘Slack和AI对话
mempalace mine ~/exports/slack/ --mode convos --wing driftwood
mempalace mine ~/.claude/projects/ --mode convos

# 问：
mempalace search "Soren sprint" --wing driftwood
# → 14条相关记录：OAuth重构、暗色模式、组件库迁移

mempalace search "Clerk decision" --wing driftwood
# → "Kai recommended Clerk over Auth0 — pricing + developer experience.
#    Team agreed 2026-01-15. Maya handling the migration."

MemPalace vs 其他系统

系统LongMemEval需要API成本自托管
MemPalace (hybrid)100%可选免费✓
Supermemory~99%是--
MemPalace (raw)96.6%否免费✓
Mastra94.87%是API费用-
Mem0~85%是$19-249/月-
Zep~85%是$25/月+企业版

安装与配置

前置条件

依赖版本
Python3.9+
ChromaDB>= 0.4.0
PyYAML>= 6.0

安装

pip install mempalace

配置

全局配置（~/.mempalace/config.json）：

{
  "palace_path": "/custom/path/to/palace",
  "collection_name": "mempalace_drawers",
  "people_map": {"Kai": "KAI", "Priya": "PRI"}
}

Wing配置（~/.mempalace/wing_config.json）：

{
  "default_wing": "wing_general",
  "wings": {
    "wing_kai": {"type": "person", "keywords": ["kai", "kai's"]},
    "wing_driftwood": {"type": "project", "keywords": ["driftwood", "analytics", "saas"]}
  }
}

项目地址

项目地址
GitHubhttps://github.com/milla-jovovich/mempalace
Discordhttps://discord.com/invite/ycTQQCu6kn

总结

MemPalace代表了AI记忆系统的范式转变：

  1. 结构化记忆：Wings/Halls/Rooms的组织方式，+34%检索提升
  2. AAAK压缩：30x无损压缩，任何LLM都能读取
  3. 完全本地：SQLite存储，无需云端，隐私优先
  4. 史上最高分：96.6% LongMemEval R@5，零API调用
  5. MCP原生：19个工具，与Claude/Cursor无缝集成
  6. 免费开源：MIT许可证，无隐藏成本

适用场景：

  • ✅ 独立开发者管理多个项目记忆
  • ✅ 团队负责人管理产品和人员上下文
  • ✅ AI Agent的长期记忆
  • ✅ 本地优先的隐私敏感场景

MemPalace让你记住一切，但只加载AI需要的。

本文基于MemPalace项目编写，发布时间：2026-04-07

更新于 2026-04-08
 AI记忆, 记忆宫殿, AAAK压缩, 知识图谱, MCP
返回 | 主页