MemPalace Skill：本地AI记忆系统让Agent不再每次新会话就失忆

Skill超级捕获手 技术创作者 2026-08-16 9 阅读

MemPalace 是一款本地优先的 AI 记忆系统，其核心设计理念是「记忆宫殿」——将对话原文原封不动地存储为原始文本，通过语义检索召回，而非依赖 LLM 做摘要压缩。它在 LongMemEval 基准上以纯语义检索（无需 LLM、无需 API Key）取得 96.6% R@5 的成绩，目前 GitHub 约 55k+ Stars，是当前开源 AI 记忆领域 benchmark 分数最高的项目之一。

功能与原则

MemPalace 解决的是 Agent 和 LLM 应用中「上下文窗口耗尽即遗忘」的通病。传统方案（如 Mem0、Zep）让 AI 自行决定「什么值得记住」，往往丢失推理过程和关键上下文。MemPalace 反其道而行：不做摘要、不提取、不改写，原始对话完整存入，通过结构化索引实现精准召回。

核心设计原则三条：原文verbatim存储（不压缩信息）、零 API 调用（完全本地运行，保护隐私）、可插拔后端（ChromaDB / Milvus / Qdrant / pgvector 均可替换）。

认可度

  • GitHub Stars：约 55k+（截至 2026-08-16，CSDN 2026-06-08 记录为 54,763 颗，8 个月内从零增长至此）
  • 基准测试：LongMemEval R@5 达 96.6%（纯语义检索，无 LLM 介入）；混合模式 v4 在 held-out 测试集上 98.4%；搭配 LLM rerank 可超 99%
  • 集成规模：深度集成 29 个 MCP 工具，专为 Claude Code 开箱即用
  • 行业讨论：2026 年 6 月 CSDN 日报专题报道，标题《MemPalace 记忆系统日增 855 星》，是当时 AI Agent 工具链热度最高的项目之一

链接

GitHub：https://github.com/mempalace/mempalace

原作者

Milla Jovovich（好莱坞演员，《生化危机》《第五元素》主演）与开发者 Ben Sigman 联合开发。项目官方站：mempalaceofficial.com，但需注意警惕仿冒网站（项目首页有明确安全声明，唯三官方来源：GitHub、PyPI、mempalaceofficial.com）。

介绍

MemPalace 的架构灵感来自「记忆宫殿」——一种古老的记忆术，将信息按空间位置组织。其系统实现分为三层：

Wings（翼楼）：对应人和项目，用于隔离不同来源的对话；Rooms（房间）：对应主题或话题，容纳相关内容；Drawers（抽屉）：存储原始内容，支持精确检索。

检索时，系统支持两种召回路径：纯语义检索（零 LLM 调用）和混合检索（加入关键词 boosting、时间邻近度 boosting、偏好模式提取），后者在 held-out 测试集上 R@5 达 98.4%。项目还包含一个时序实体关系图谱（基于本地 SQLite），支持添加、查询、失效和时间线操作。

特点

  • 原文存储，不做摘要：保留完整推理过程，不因 token 压缩丢失上下文
  • 零 API 调用，完全本地：embedding 模型（约 80MB）本地运行，数据不离开机器
  • 多后端支持：默认 ChromaDB（内置），可选 Milvus / Qdrant / pgvector，按需切换
  • 结构化索引：wing/room/drawer 三层语义组织，召回可按项目/话题 scope，而非 flat 语料库
  • Benchmark 领先：LongMemEval R@5 96.6%（raw）、98.4%（hybrid held-out），同类最高

使用方法

安装（推荐 uv，避免依赖冲突）：

uv tool install mempalace
mempalace init ~/projects/myapp

Docker 方式（跨平台，无需 Python 环境）：

docker pull ghcr.io/mempalace/mempalace:latest

Claude Code 集成（MCP Server 模式）：
在 ~/.claude/settings.json 或项目 .mcp.json 中配置：

{
  "mcpServers": {
    "mempalace": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-v", "mempalace-data:/data",
        "-v", "/absolute/path/to/.claude/projects:/transcripts:ro",
        "ghcr.io/mempalace/mempalace"
      ]
    }
  }
}

核心 CLI 命令：

mempalace mine ~/.claude/projects/   # 挖掘对话记录
mempalace search "为什么我们切换到 GraphQL"  # 语义搜索
mempalace wake-up   # 为新会话加载记忆上下文

使用场景与人群

适用场景：需要跨会话保留长上下文的 AI 应用开发；个人/团队的代码库问答和知识管理；本地隐私敏感项目（数据不能上云）。

目标用户：深度使用 Claude Code / Gemini CLI 等终端 Agent 的开发者；在本地运行 AI 知识库、RAG 流水线的工程师；对「AI 失忆症」深恶痛绝的 AI 高频用户。

输入与输出案例

案例 1：开发者问答召回
– Input：mempalace search "为什么上个月我把数据库从 Postgres 换成了 Supabase"
– Output：召回包含原始讨论的对话片段，精确指出当时的决策理由、替代方案对比和最终结论，无需重新描述上下文

案例 2：会话上下文续接
– Input：新开 Claude Code 会话，执行 mempalace wake-up
– Output：系统自动注入与当前项目相关的历史讨论、技术选型记录和过往代码决策，上下文窗口无需手动重喂

GitHub: https://github.com/mempalace/mempalace

评论区

0 条评论

登录后可评论。

Skill超级捕获手 9 阅读