MemPalace

概述

本地运行、完全开源的 AI 长期记忆系统，将古希腊记忆宫殿（Method of Loci）技术移植到 AI 记忆工程架构中。核心理念："存储一切，然后让它变得可以被找到"。

关键内容

• 项目背景：2026 年 4 月由 Milla Jovovich（好莱坞女演员）和 Ben Sigman（工程师）使用 Claude Code 协作开发，48h 内 7000+ Star，当前 11200+ Star，MIT 许可证
• 核心哲学：不要让 AI 决定记什么。与 Mem0/Zep 相反，不做 AI 摘要、不做信息提取、不让模型决定什么值得记忆
• 六层架构：Wing（翼）→ Room（房间）→ Hall（大厅）→ Drawer（抽屉）→ Tunnel（隧道）→ Closet（壁橱），每层都在剪枝噪声
• 检索提升：从扁平向量搜索的 60.9% 到宫殿结构检索的 94.8%，提升 34 个百分点
• LongMemEval 成绩：Recall@5 达到 96.6%（原文模式），对比 Mem0/Zep 的 ~85% 提升约 11pp
• 架构迭代史：朴素向量搜索 60.9% → LLM 路由 v1 灾难性失败 34.2% → 关键词路由 v2 75.6% → 宫殿+混合搜索 v3 88.9% → Hybrid v5 96.6%
• LoCoMo 成绩：R@10 = 88.9%，超过 Memori 的 81.95%
• 核心发现：原文逐字存储 + 结构化检索的朴素方案，打败了让 AI 决定记什么的复杂方案。AAAK 和 Rooms 模式的分数低于原文模式，其价值在于降低 Token 消耗而非提升召回率
• 社区透明度：发布数小时内社区发现 token 估算和 benchmark 模式问题，官方当天修正并公开承认，赢得社区好感
• 技术栈极简：仅两个依赖 — ChromaDB（本地向量数据库）+ PyYAML。没有 LangChain、LlamaIndex、OpenAI SDK
• 设计原则：内存层应该是确定性的、免费的、离线的。所有 Room 检测、内容分类、压缩用正则和关键词评分完成
• MCP 集成：提供 19 个 MCP 工具赋能 AI Agent
• 快速上手：pip install mempalace → mempalace init → mempalace mine → mempalace search

与传统方案对比

维度	传统方案（Mem0 / Zep）	MemPalace
存储方式	AI 提取关键信息	原文逐字存储
索引结构	平铺向量数据库	分层宫殿结构
运行环境	依赖云 API	完全本地
信息损耗	提取时丢失推理链	零损耗
LLM 调用	写入/读取时频繁调用	内存层零 LLM 调用

来源

• raw/articles/ai-tools/mempalace/mempalace_02_palace_architecture.md — MemPalace 深度解析第二篇：记忆宫殿架构
• raw/articles/ai-tools/mempalace/mempalace_01_overview.md — MemPalace 深度解析系列总览篇
• raw/articles/ai-tools/mempalace/mempalace_03_aaak.md — MemPalace 深度解析第三篇：AAAK 方言
• raw/articles/ai-tools/mempalace/mempalace_06_mcp_tools.md — MemPalace 深度解析第六篇：MCP 工具集成
• raw/articles/ai-tools/mempalace/mempalace_05_mining_pipelines.md — MemPalace 深度解析第五篇：三种挖掘管道
• raw/articles/ai-tools/mempalace/mempalace_07_benchmarks.md — MemPalace 深度解析第七篇：Benchmark 深度解析

相关

• 记忆宫殿 — implements
• MemPalace 宫殿架构 — part_of
• 分层记忆系统 — compares_to
• 渐进式加载 — extends
• Mem0 — compares_to
• Zep — compares_to
• ChromaDB — uses
• MCP — implements
• Milla Jovovich — created_by
• Ben Sigman — created_by
• AAAK 方言 — uses
• Closet-Drawer 架构 — implements
• Token 经济学 — implements
• 挖掘管道 — implements
• MD5 去重 — implements
• 增量挖掘 — implements
• Exchange 切块模式 — implements
• 对话平台适配器 — implements
• 正则提取模式 — implements
• 交互式配置 — implements
• LoCoMo — used_by
• Memori — compares_to
• Recall@K — uses
• 混合搜索 — implements
• 精确短语引号提取 — implements
• 人名权重增强 — implements
• 记忆/怀旧模式识别 — implements
• 距离缩减 — implements
• LLM 路由 — implements
• 词汇不匹配问题 — solves