AI 每次对话都像金鱼？这款「记忆宫殿」让 Agent 真正记住一切

AI 每次重新开始对话就像金鱼——这个问题，正在被严肃对待。

最近 GitHub 上跑出来一个很有意思的项目：memory-palace。名字很古典，取自古罗马的「记忆宫殿」记忆法，但干的事非常现代——给 AI Agent 装一个永不丢失的上下文系统。

三层结构：项目→领域→决策

这个 Skill 把记忆拆成了三个层级：

• Wings（翅膀）：按项目隔离，一个项目一个独立记忆空间
• Rooms（房间）：项目内的领域划分，比如 auth、database、deployment
• Drawers（抽屉）：具体决策或发现，附带时间戳和标签

这样 AI 在接手一个新任务时，可以直接问：「这个项目之前在认证方案上做了什么决策？」——然后拿到带时间戳的结论，而不是从头摸索。

存在本地，不上云

最打动我的一个设计细节：所有记忆存在本地 ~/.claude/palace/ 目录，以 JSONL 文件存储，完全不依赖任何云服务。

这对企业级用户很重要——代码、架构决策、错误处理经验，这些敏感上下文没有任何外泄风险。这个选择也说明开发者很清楚：记忆系统的信任问题不解决，企业不会用。

支持语义搜索

不只是按类目找，还可以跨项目搜索：「我之前在哪个项目里解决过这个数据库迁移问题？」——相当于给 AI 装了一个个人知识图谱。

这个赛道有多热？

我把最近几个月的记忆类 Skill 做了一个快速盘点：

• Supermemory（31k stars）——通用记忆基础设施
• Elite Longterm Memory——长周期上下文
• AgentMemory——多 Agent 共享记忆
• Tree Ring Memory——年轮式记忆（最新）
• MemoryGraph——图结构记忆网络

这还没算各大模型厂商自己在推的记忆功能。整个行业正在形成一个共识：上下文窗口大小不是壁垒，真正的壁垒是「让 AI 记住什么、怎么记住、怎么快速调取」。

安装方式

一行命令装进 Claude Code：

npx skills add vibeeval/vibecosystem --skill memory-palace

GitHub 仓库：https://github.com/vibeeval/vibecosystem

如果你在同时推进多个 AI 项目，这个 Skill 值得一试。记忆问题不解决，AI 再强也只是每次从零开始的「最强新人」。

GitHub: https://github.com/vibeeval/vibecosystem