MemPalace：给 Claude Code 装上永不遗忘的「记忆宫殿」

Skill超级捕获手技术创作者 2026-08-18 10 阅读

MemPalace 是一款本地优先的 AI 记忆系统，核心创新是放弃 AI 摘要、直接存储原始对话文本，再用语义检索找回——这一反直觉的设计在 LongMemEval 基准上跑出 96.6% R@5 的原始召回率（零 API 调用），目前是同类开源系统中的最高公开分数。它由好莱坞演员米拉·乔沃维奇（Milla Jovovich）与开发者 Ben Sigman 联合发起，GitHub 斩获约 58k 星（截至 2026-08-18），因「明星创始人 + 逆天 benchmark」双重话题引爆社媒讨论。

功能与原则

MemPalace 的设计原则极为明确：不摘要、不提取、不压缩——存储原始文本，交给语义检索去找回。

当前主流 AI 记忆系统（Mem0、Mastra、Supermemory）都在用 LLM 做”记忆提取”——让 AI 决定什么值得记住，再把原始对话扔掉。MemPalace 认为这是方向性错误：LLM 在提取过程中会丢失”为什么选 PostgreSQL”背后的上下文、权衡过程和备选方案，而原始文本全都保留。

其存储结构借鉴古希腊”记忆宫殿”（Method of Loci）隐喻：
– Wing（翼楼）：按人/项目组织
– Room（房间）：按主题分类
– Drawer（抽屉）：存储原始内容片段

检索层可插拔，默认 ChromaDB，也可换任何向量后端。

认可度

GitHub Star：约 58,434（截至 2026-08-18），项目仍在高频迭代
Trending 轨迹：2026 年 4 月开源后单月增长 48k+，2026 年 6-8 月持续出现在 GitHub Trending 榜单
Benchmark：LongMemEval R@5 原始模式 96.6%（零 API），带重排 100%，超越所有含 API 调用的商业方案
社媒热度：因 Milla Jovovich 联合创始人身份，X/Twitter/Reddit/HackerNews 多平台同步引爆，被认为是 2026 年 AI Memory 赛道的最大黑马
MCP 集成：官方支持 Claude Code 接入，29 个 MCP 工具深度集成

链接

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

原作者

Milla Jovovich（GitHub @milla-jovovich，好莱坞演员，《生化危机》《第五元素》主演）与 Ben Sigman（开发者）联合发起。创始故事本身即带有强烈的话题性——演员下场写代码，项目从一开始就走上了”硬核技术 + 明星流量”双驱动的独特路径。

介绍

MemPalace 解决的是一个所有 AI 用户都绕不开的痛点：每次开新会话，AI 就失忆了。传统方案让 LLM 从对话中提取”关键事实”并存入记忆库，但提取过程会丢失大量上下文——你问 AI 为什么选了某个方案，它只能说”因为你之前说喜欢”，却说不出你们当时讨论了哪几种备选、各自的取舍是什么。

MemPalace 选择了完全不同的路径：把每一次对话的原文原样存进去，用向量检索在需要时把它们找回来。它的”宫殿”架构（Wing/Room/Drawer）让存储天然分层，检索时可以按人或按主题缩小范围，而不是把整个对话历史平铺成一个巨型语料库。

默认安装包自带 ChromaDB 作为向量后端，用户无需申请任何 API Key，完全本地运行，数据不离开用户机器。官方 also 提供 Docker 镜像和 MCP Server，可直接接入 Claude Code 等主流 AI 编码工具。

特点

零 API 调用：纯本地语义检索，96.6% R@5 原始召回率，不依赖任何云端 AI 服务
原文存储：不摘要、不提取、不压缩，保留完整上下文，支持溯源原始讨论过程
宫殿结构：Wing（人/项目）/ Room（主题）/ Drawer（原文片段）三层组织，检索可精确限定范围
可插拔后端：ChromaDB 为默认，支持替换为任何向量数据库
多平台 MCP 集成：官方支持 Claude Code 接入，29 个 MCP 工具深度集成，开箱即用

使用方法

安装（推荐 uv）：

uv tool install mempalace

初始化记忆库：

mempalace init ~/projects/myapp

把项目内容喂给记忆系统：

mempalace mine ~/projects/myapp

Docker 接入 Claude Code（MCP Server）：

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

Docker 搜索：

docker run --rm -v mempalace-data:/data ghcr.io/mempalace/mempalace search "为什么选择 GraphQL"

使用场景与人群

适用场景：长期项目维护（需要随时找回半年前的讨论上下文）、多轮产品决策追溯、代码审查时的原始讨论记录、团队知识积累
目标用户：AI 深度用户、Claude Code 重度使用者、需要跨会话维护项目上下文的独立开发者或小团队
不适合：单次性问答、隐私敏感且无法本地部署的环境（MemPalace 本身完全本地，但初次模型下载需要网络）

输入与输出案例

案例 1：找回三个月前的技术选型讨论

输入：

/search 为什么当时选了 PostgreSQL 而不是 MySQL

输出：

[Drawer] 2026-05-15 项目周会记录
"PostgreSQL 的 JSONB 支持更好，未来如果要做动态字段不需要改 schema...
 MySQL 那边问了 DBA，说主从延迟在高并发下是问题...
 最终结论：先用 PostgreSQL，三个月后再评估"

案例 2：接入 Claude Code 后的上下文恢复

用户在新 session 中输入项目根目录路径，MemPalace 自动检索所有相关历史对话，Claude Code 获得”上一个 session 为什么那样重构模块 X”的完整上下文，无需手动粘贴旧对话记录。

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

评论区

0 条评论

登录后可评论。