让 AI 真正记住你说过的一切

MemPalace AI记忆宫殿

你有没有这种感觉——

和 AI 聊了几个小时，呕心沥血讨论了一个复杂的技术方案，结果关掉窗口的那一刻，所有心血跟着消失了。

下次再打开新的对话，你只能从头开始：「我们上次聊的那个方案是什么来着？」

扎心吧？

这种感觉，用过 AI 辅助编程或者深度思考的朋友，应该都不陌生。

它叫 MemPalace，一个 AI 记忆系统

简单来说，MemPalace 能记住你和 AI 的每一次对话、每一个决策、每一段讨论，然后让它们变得可搜索。

听起来好像没什么特别？但它的测试成绩确实让人眼前一亮：

LongMemEval 得分 96.6% —— 目前已发布评测中的最高分。

而且它是完全本地运行、免费开源、不依赖任何云服务。安装之后，所有数据都在你自己的电脑上。

它是怎么工作的？

MemPalace 引入了一个很有意思的概念——宫殿架构。

想象一座巨大的宫殿，信息按照层级被整齐地存放：

Wings（侧殿）：按人或项目划分。比如「张三负责的那个项目」「我自己的 side project」。

Rooms（房间）：每个侧殿里的主题房间。比如「认证模块」「数据库设计」「为什么当初选了 PostgreSQL」。

Closets（储物间）：每个房间的摘要，指向原始内容。

Drawers（抽屉）：最底层，存放原始对话文本——那些被否决的方案、调了很久才解决的 bug，全部原文保存。

这样的结构有什么好处？

测试数据显示，同样的搜索，在不同层级过滤下的表现差异巨大：

搜索全部内容：60.9% 准确率
限定 Wing 搜索：73.1%
Wing + Hall 组合：84.8%
Wing + Room 组合：94.8%

也就是说，这个宫殿结构本身，就带来了 34% 的检索效率提升。它不只是存储，更是一张可导航的地图。

它能做什么？

存下你说的每一句话

你与 AI 的每一次对话——包括那些最终没有采纳的建议、被否决的方案、调试过程中的弯路——全部原文保存，没有压缩、没有「智能总结」。

团队里谁负责什么模块、去年十一月份做的技术选型是什么、某个 bug 当时是怎么排查的——这些细节，不会再随着会话结束而消失。

让记忆变得可搜索

六个月的高频 AI 使用，大概会产生 1950 万 Token 的内容。

这些信息如果全部塞进上下文窗口，窗口塞不下，成本也高得离谱。

MemPalace 的做法是：平时只加载最关键的 170 个 Token（你的项目、你关心的人），等到需要的时候再精确搜索。

这么说吧：

方案	年费用
粘贴全部内容	不可行
LLM 总结	约 $507
MemPalace 唤醒	约 $0.70

差了 700 倍。

跨项目联想

更实用的是「隧道」机制——当两个不同项目的侧殿里，都有和「认证」相关的房间时，MemPalace 会自动建立连接。

你问「认证方案是怎么考虑的」，它能同时调取所有相关记忆，帮你看到不同项目间的关联和差异。

知识图谱

MemPalace 还内置了一个时序知识图谱，记录实体之间的关系和变化时间。

比如「谁在什么时间负责什么项目」「某个决策是什么时候做出的」，查询的时候能自动计算时间窗口，而不是给你一个过时的答案。

怎么安装和使用？

安装其实很简单，一条命令搞定：

bash
pip install mempalace

然后初始化：

bash
mempalace init ~/projects/myapp

接着「挖掘」你的数据：

bash
mempalace mine ~/projects/myapp  # 挖掘项目文件
mempalace mine ~/chats/ --mode convos  # 挖掘对话记录

之后你不需要手动操作这些命令——只要把 MemPalace 和你的 AI 工具连接起来，剩下的就交给它自动处理。

连接 AI 工具

Claude Code（推荐）：

bash
claude plugin marketplace add milla-jovovich/mempalace
claude plugin install --scope user mempalace

其他 MCP 兼容工具（ChatGPT、Cursor、Gemini 等）：

bash
claude mcp add mempalace -- python -m mempalace.mcp_server

连接之后，AI 会自动调用 19 个工具来管理记忆。下次你问「上次讨论的那个方案具体是什么」，AI 就会自己去搜索并回答你。

适合谁用？

如果你是：

独立开发者 —— 同时跑着好几个项目，每次切换都要重新解释背景
技术团队负责人 —— 想知道某个技术决策是怎么做出的、谁做了什么
长期依赖 AI 辅助 —— 花了很多时间在 AI 对话上，希望能复用这些积累

那么 MemPalace 可能正是你需要的那个「外脑」。

它目前的局限

团队在 README 里也很坦诚地提到了一些情况：

AAAK 压缩模式目前还是实验性的，准确率反而比原始模式低
96.6% 的高分是在原始模式下达成的
一些高级功能（比如矛盾检测）还在开发完善中

但作为核心功能的记忆存储和检索，目前的表现已经相当稳定。

资源分享

如果你想给 Agent 配置这个能力，可以复制下面的内容给你的 Agent：

我需要你安装并配置 MemPalace 作为你的记忆系统。

1. 安装：pip install mempalace
2. 初始化：mempalace init ~/.mempalace
3. 挖掘对话：mempalace mine <你的对话目录> --mode convos
4. 连接 MCP：claude mcp add mempalace -- python -m mempalace.mcp_server

或者通过 Claude Code 插件安装：
claude plugin marketplace add milla-jovovich/mempalace
claude plugin install --scope user mempalace

配置完成后，在每次对话开始时使用 mempalace wake-up 加载关键信息，
并在对话过程中使用 mempalace search 检索相关记忆。

GitHub 地址：https://github.com/milla-jovovich/mempalace

觉得有收获？别吝啬，点赞、转发、分享给需要的朋友！

关注我，持续输出 AI 和工具实践干货~