引言“她在银幕上打败了病毒变异的僵尸现在她要解决 AI 的记忆问题。”这是一天一个开源项目系列的第79篇。今天的项目是MemPalaceGitHub。先说一个让人意外的背景这个项目的联合创始人是米拉·乔沃维奇Milla Jovovich——对就是《生化危机》里的 Alice《第五元素》里的 Leeloo那位打遍全系列丧尸的好莱坞动作女星。她没有技术背景但长期重度使用 AI 工具对现有记忆解决方案深感沮丧于是和加密行业 CEO Ben Sigman 一起主要借助Claude Code花了数月时间把这个项目做了出来。这本身就是一件值得关注的事一个非工程师借助 AI 编程工具做出了一个 AI 基础设施项目。然后是产品本身。LLM 本质上是无状态的——每次开启新会话你的 AI 助手就像第一次见面不记得上周商量好的技术方案不知道你偏好 TypeScript不了解项目背景。对独立开发者来说每次重建上下文相当于每月白白损失 200-600 欧元的时间成本。MemPalace用一个 2000 年前的认知技术来解决这个问题记忆宫殿Method of Loci。古希腊演说家通过将要记的内容放置在想象的建筑空间里来增强记忆。MemPalace 将这套空间隐喻转译为 AI 记忆架构人和项目是翼廊Wings具体话题是房间Rooms原始内容住在抽屉Drawers里。48k Stars6.3k Forks——发布 48 小时内涨到 22k Stars是近期最受关注的 AI 工具之一。你将学到什么记忆宫殿隐喻如何映射到 AI 记忆架构4 层渐进式加载如何用 170 Token 启动完整记忆系统零 LLM 写路径彻底消除记忆存储的 API 成本时序知识图谱防止过期信息污染记忆MCP 集成29 个工具如何与 Claude Code 无缝协作独立评测揭示的争议哪些宣传存在夸大成分前置知识了解 LLM 上下文窗口的基本限制Python 基础可选用过 Claude Code、Cursor 或类似 AI 编程助手有助于理解应用场景项目背景它是什么MemPalace是一个本地优先的开源 AI 记忆系统通过 MCPModel Context Protocol协议为 AI 助手提供跨会话持久化记忆能力。核心设计哲学问题LLM 无状态每次对话从零开始 ↓ 传统解法云端记忆服务Mem0、Zep 问题需要 API Key、数据上云、月费高昂 MemPalace 解法本地优先 ✅ 完全离线运行核心功能无需任何 API Key ✅ 数据留在本地隐私不上云 ✅ 零 LLM 写路径存储时不调用 AI零 API 成本 ✅ MCP 协议对接主流 AI 助手关于作者这个项目有一段颇为有趣的背景Milla Jovovich好莱坞女演员以《第五元素》中的 Leeloo 和《生化危机》系列闻名。非技术背景但长期重度使用 AI 工具对现有记忆解决方案感到沮丧于是发起了这个项目Ben Sigman加密货币 / 区块链行业 CEO技术背景开发者两人花费数月主要借助Claude Code协作开发大量代码由 AI 辅助生成——这本身就是对AI 工具能力上限的一次公开测试。项目于 2026 年 4 月 5 日首发最初放在 Milla 的个人账号随后迁移至MemPalace组织账号。项目数据⭐GitHub Stars: 48,500发布 48 小时内涨 22kForks: 6,300Commits: 503develop 分支协议: MIT语言构成: Python 88.9%、HTML 4.6%、CSS 3.1%、Vue 1.4%PyPI:pip install mempalace主要功能核心隐喻记忆宫殿空间结构MemPalace 最独特的设计是用空间隐喻来组织 AI 记忆记忆宫殿Palace └── 翼廊Wing ← 顶层一个人 / 一个项目 / 一个主题 └── 房间Room ← 二层具体话题如 auth、billing、架构设计 └── 走廊Hall ← 三层记忆类型分类 │ facts事实/ events事件/ decisions决策 │ preferences偏好/ emotional情感 ├── 抽屉Drawer ← 原文逐字存储800 字符块 └── 壁橱Closet ← AAAK 压缩摘要版本 隧道Tunnel ← 跨翼廊连接通路相同 Room 名的快速导航这套组织方式并非单纯的比喻而是有神经科学依据Method of Loci 技法会激活海马体的位置细胞系统帮助人类构建更强的记忆关联。MemPalace 的空间隐喻试图为 AI 提供类似的结构化索引。4 层渐进式加载170 Token 启动这是 MemPalace 最值得关注的工程设计——按需加载极度节省 TokenL0身份文件约 50-100 Token 我是谁我在哪个项目上工作 ↓需要更多上下文时 L1重要度排名前 15 条记忆约 500-800 Token 最近的决策、关键偏好、重要事实 ↓需要深入某个话题时 L2当前翼廊/房间范围的语义召回 当前项目相关的记忆向量检索 ↓需要全局搜索时 L3全量语义搜索无上限 跨所有翼廊的全库检索实际对话启动时只加载 L050-100 TokenAI 助手根据对话需要按需深入——这使得日常对话的记忆成本极低。零 LLM 写路径存储不花 API 钱MemPalace 的记忆写入流程完全不调用 LLM# 传统 AI 记忆系统有 API 成本用户说了什么 → 调用 LLM 提取关键信息 → 存储摘要 ↑ 花钱慢依赖网络# MemPalace 的写路径用户内容 → 正则规则关键词评分 → 自动分类到 Wing/Room/Hall → 原文切块800字符100字符重叠→ ChromaDB ↑ 完全本地零 API 调用项目挖掘mempalace mine# 扫描整个项目目录按规则自动分类记忆mempalace mine ~/projects/myapp# 四优先级分类规则# 1. 文件夹名如 auth/ → auth 房间# 2. 文件名如 billing.md → billing 房间# 3. 关键词评分内容关键词匹配# 4. 默认放入 general 房间时序知识图谱防止过期信息污染MemPalace 使用 SQLite 存储实体三元组并附带有效期时间窗口-- 知识图谱结构CREATETABLEknowledge_graph(subjectTEXT,predicateTEXT,objectTEXT,valid_fromTEXT,-- ISO 时间戳valid_toTEXT,-- NULL 表示当前有效wingTEXT,confidenceREAL);-- 示例条目-- (项目, 使用语言, TypeScript, 2026-01-01, NULL, myapp)-- (部署方式, 使用平台, Vercel, 2026-01-01, 2026-03-15, myapp)-- ↑ 已过期2026-03-15 后不再有效这避免了一个常见问题三个月前记录的项目用 Vercel 部署在你迁移到 AWS 之后还在污染 AI 的上下文。29 个 MCP 工具与 Claude Code 无缝集成# 添加 MCP 服务器到 Claude Codeclaude mcpaddmempalace -- python-mmempalace.mcp_server29 个 MCP 工具覆盖宫殿导航navigate_to_wing、navigate_to_room、隧道跳转记忆读写store_memory、retrieve_memory、search_across_palace知识图谱add_entity、query_relationships、update_fact智能体日记每个 Agent 独立日记本记录推理过程自动钩子session 结束 / pre-compaction 时自动提取并归档关键信息快速上手# 安装pipinstallmempalace# 初始化项目记忆mempalace init ~/projects/myapp# 扫描并导入项目文件mempalace mine ~/projects/myapp# 语义搜索mempalace search认证方案# 生成当前上下文摘要适合粘贴到 AI 对话开头mempalace wake-upcontext.txt# 集成到 Claude CodeMCPclaude mcpaddmempalace -- python-mmempalace.mcp_server开发环境gitclone https://github.com/MemPalace/mempalace.gitcdmempalace pipinstall-e.[dev]pytest tests/-v项目详细剖析整体架构┌─────────────────────────────────────────────────────┐ │ MCP 接入层29 个工具 │ │ Claude Code / ChatGPT / Cursor / 任意 MCP 客户端 │ └──────────────────────┬──────────────────────────────┘ │ ┌──────────────────────▼──────────────────────────────┐ │ 记忆编排层Python │ │ 4 层加载控制 / 空间导航 / 自动钩子 / 重要度排序 │ └──────┬────────────────────────────┬─────────────────┘ │ │ ┌──────▼──────────────┐ ┌──────────▼─────────────────┐ │ 向量存储层 │ │ 知识图谱层 │ │ ChromaDB │ │ SQLite │ │ Drawers原文块 │ │ 实体三元组 │ │ 语义向量索引 │ │ 时序有效期管理 │ └─────────────────────┘ └────────────────────────────┘AAAK 压缩格式MemPalace 发明了一种叫AAAKAgent Accessible Abbreviated Knowledge的压缩格式用于 Closets壁橱存储原始文本 The authentication module uses JWT tokens with a 24-hour expiration. Refresh tokens are stored in Redis with a 30-day TTL. AAAK 压缩后 auth: JWT, 24h exp; rfsh tkn: Redis, 30d TTL设计理念任何 LLM 都能原生读取不是二进制压缩而是结构化英文缩写。团队宣称 30 倍压缩率但独立评测发现启用 AAAK 后检索质量下降约 12.4%55 字符硬截断会丢失语义。与竞品的差异化对比维度MemPalaceMem0ZepHindsight部署方式纯本地仅云端仅云端云 本地定价免费$249/月企业版付费免费 付费写路径 LLM无零成本有有有记忆组织空间隐喻宫殿扁平摘要知识图谱多策略LongMemEval 分数96.6%存疑见下文49.0%63.8%91.4%值得了解的争议发布后独立技术分析揭示了若干值得关注的问题项目团队基本予以承认1. 基准测试的误导性宣传的 96.6% LongMemEval 分数实际上只测了 ChromaDB 原始 Embedding 能力——宫殿的空间结构完全没参与评测。启用宫殿特性后开启 Room 检索89.4%下降 7.2 个百分点开启 AAAK 压缩84.2%下降 12.4 个百分点2. 30 倍无损压缩失实AAAK 的 55 字符硬截断会丢失句子Token 计数用len(text)//3替代真实 Tokenizer团队后来公开承认并更新了文档。3. 部分功能未实现README 提及的矛盾检测在knowledge_graph.py中完全没有代码实现事实核查模块存在但未集成进主流程。为什么仍然值得关注这些批评主要针对宣传内容但核心设计理念是真实有价值的空间隐喻组织、4 层渐进加载、零 LLM 写路径——这三个设计思路在独立于基准测试数字之外仍然代表了 AI 记忆架构的一种值得探索的方向。团队在社区质疑后的公开透明态度也给项目的长期可信度加分。项目地址与资源官方资源GitHub: https://github.com/MemPalace/mempalace官网: https://www.mempalace.techPyPI:pip install mempalace技术参考独立分析报告: lhl/agentic-memory ANALYSIS-mempalace.mdMethod of Loci: 维基百科 - 记忆宫殿技法MCP 协议: Model Context Protocol 官方文档竞品参考Mem0: https://mem0.ai最易上手的云端记忆服务Zep: https://www.getzep.com企业级知识图谱记忆Hindsight: https://hindsight.soSOTA 多策略检索总结与展望核心要点空间隐喻的真正价值翼廊/房间/抽屉的层次结构不只是比喻而是一种真实有效的记忆索引组织方式降低了用户理解和管理 AI 记忆的认知负担4 层渐进加载以极低的 Token 成本170 Token启动按需深入——这种渐进式设计思路对所有 Agent 记忆系统都有参考价值零 LLM 写路径把存储成本降到零是本地优先理念的极致体现时序知识图谱有效期机制防止历史信息污染当前上下文是被低估的实用细节AI 辅助构建 AI 工具的示范意义由非工程师借助 Claude Code 主导开发本身就是一次关于 AI 工具能力边界的公开实验坦诚的团队态度面对独立评测揭示的问题公开承认并修正文档比许多商业产品更诚实适合谁使用AI 工具重度用户每天都在重建上下文的独立开发者和创意工作者隐私优先用户不愿意将工作记忆上传云端的个人和团队AI Agent 开发者需要为 Agent 提供长期记忆基础设施的工程师研究者研究 AI 记忆架构、持久化记忆设计模式的学者和工程师值得思考的问题MemPalace 提出了一个有趣的问题AI 记忆的组织单位应该是什么Mem0 选择摘要条目Zep 选择知识图谱实体MemPalace 选择空间位置。没有哪种答案是绝对正确的但选择空间隐喻有一个深刻的隐含假设人类使用 AI 的方式越来越像在一个共同的工作空间里长期协作。当 AI 助手开始有了我们在 auth 房间讨论过这个的记忆人机协作的性质就悄然发生了变化。访问我的个人网站探索更多实用知识和有趣产品