AI 圈炸锅!生化危机女主开源意识,赛博永生真的来了?

AI 圈每天都有新动态，现在连好莱坞明星，都要下场卷 AI！？

前脚还在用「同事.skill」疯狂提炼打工人的牛马生存经验，后脚就有国际女星+技术大佬组合搞起了「赛博永生」。

没错！就是那个《生化危机》系列中单挑丧尸、帅到封神，还在《第五元素》里演活鬼马外星女孩莉露的国际动作巨星 —— 米拉·乔沃维奇。

一边拍电影驻守演艺圈，一边跨界筑梦 AI 圈。

几日前，米拉和朋友本·西格曼在 GitHub 上开源了一个记忆宫殿的 AI 记忆系统，所有用户都可使用。据悉，该项目在 LongMemEva 的 l 测试中拿下了满分，并在 ConvoMem 和 LoCoMo 等测试中超越许多主流产品。

但相比于「记忆宫殿」的开源，米拉和主创面临更多的还是争议：这个跑分是不是太过于完美了？女明星本人搞代码，到底自己写了多少？是噱头还是复制粘贴？

今天，动画手册就和你一起走进这座「记忆宫殿」一探究竟。

搭建记忆宫殿

根据米拉在社交媒体上发布的内容，「记忆宫殿」的概念，是她本人的灵光一现。

起初是因为，米拉在使用 AI 处理个人文件时，发现它缺乏一个高效、精准且真正有用的组织与检索系统。她使用了大量现有的工具，都没能解决「如何让这海量信息像大脑一样组织并随时调取信息」的问题。

所以她「跳出框架」，思考是否能借鉴古老的空间记忆法，让 AI 与人类实现「共脑」。

她把这个点子告诉了朋友本·西格曼，两人一拍即合，马上开始谋划。米拉负责这栋虚拟记忆宫殿的架构设计，本则负责完善内部空间的搭建。

据 Mempalace 官网介绍，分类后 AI 回忆信息的准确度直接提升了 34%，让其从一个普通的检索工具进化成了「数字大脑」，解决了大模型在长文本下出现断片的问题，并且能分门别类、快速准确地提取信息。

看上去，其实就是一个优化不是吗？但既然能让技术大佬都下场评判，他们具体是怎么做的呢？

米拉提到的古老空间记忆法，出自古希腊的记忆宫殿术。过去，演说家们为了更快地记住需要背诵的内容，会把所有想法放在想象中的各个建筑和房间里，这样一来，只要走进某个房间，就能快速想起自己要说的内容。

所以在他们的设计思路中，这个工具就像是把「记忆」分成了四个分工明确的空间：

Wing（侧厅）用来存放个人或者项目的所有内容；Room（房间）用来存放聊天或文件的话题和主题；Closet（壁橱）用来放置被 AI 压缩好的精简版摘要；Drawer（抽屉）负责存放最原始的完整文件。

基于这些理论，记忆宫殿首先要解决的问题是：无论大模型有多大的上下窗口容量，AI 依旧会忘记对话早期的核心细节。

所以他们构想，是不是能让 AI 拥有一个永久性的数字大脑？哪怕是几年后，AI 依然能记得他们之前讨论过的某个剧本灵感，而不是每次聊天都得重新自我介绍。

以往的记忆系统为了节省存储空间和计算成本，通常会进行把长篇大论的对话压缩成一条条短小的标签。

但 MemPalace 能够先存储所有内容，一字不落地保留原始对话，然后再利用记忆宫殿的层级（侧厅 > 房间 > 抽屉）给原始记录打上标签，当你需要某段记忆时，它会直接带你回到记忆宫殿的对应房间，把当时完整的对话现场还原到 AI。

既然想模拟人类的大脑存储方式，那么记忆的提取，也肯定会超越简单的关键词搜索。米拉回忆道，在记忆台词或复杂的电影分镜时，演员通常会把台词关联到具体的场景位置，这就是人类在大脑中提取信息时，根据对应「场景」进行回忆的方法。

所以他们希望 AI 的记忆也能够做到：有位置且立体。

比如，当你想要用 AI 找到一个关于「唐朝服饰」的细节时，不是靠着翻找几万行代码，而是从记忆宫殿直达「唐朝研究」的房间，从「服饰」的抽屉中拿到你想要的信息。

但作为一个公众人物，米拉要把个人记忆上传到任何云端服务器，不就真的没有一点儿隐私了么？所以，他们坚持建立一个全本地、零云端、零 API 成本的系统。

这个「记忆宫殿」得盖在本地硬盘里，开起的钥匙也必须握在自己手里。

米拉在发布视频中还提到：这个「记忆宫殿」，不单纯是技术工具，也是一个灵魂备份。

这不就是我们常说的「赛博永生」吗？

试想，如果系统能完整记录一个人的性格、偏好、经历和思考逻辑，那么在未来，这种「记忆宫殿」不就具备了转化成一个数字生命存在的条件。

但不是所有人，都愿意为这个科幻故事买单。

打假宫殿技术

影坛女星进军 AI 圈的噱头，给记忆宫殿赚足了眼球。借助明星效应，MemPalace 在短时间内火爆出圈，短短几天内就拉动了本地化 AI 记忆技术的普及。

网友直接戏称，MemPalace 应该被叫做「Multi-Pass！」（米拉在《第五元素》中饰演的女主角莉露经常说的经典台词）就像是万能通行证一样，这个系统能带网友们通往「个人 AI 记忆世界」。

不过，四面八方的质疑声，也随之汹涌而来。

对于这个明星+开发者的组合，许多开发者还是觉得项目背后的营销成分略高，模型的功能也被吐槽含有吹牛和夸大其词的成分。

我们大致梳理了一下几个最主要的争议：

第一，米拉到底在这个项目中贡献了多少代码？

虽然米拉本人在视频中展示了自己使用 Claude Code 的编程过程，但有人发现，她似乎只是一个 MemPalace 的「代言人」，她在 GitHub 上的历史记录是空缺的，且活跃时间非常短暂。

第二，这项技术是旧壶装新酒，换汤不换药。

在技术大佬的眼中，MemPalace 中的侧厅（Wings）、房间（Room）、抽屉（Drawers）等，本质上就是我们电脑里一直在用的层级文件系统，底层不还是最普通的文件夹逻辑么？所以，技术圈认为它的底层是 1970 年代的文件夹逻辑，中间层是向量搜索，只是最外层套了个古希腊文学的壳。

第三，这项技术的跑分虚高。

我们可以先看看本·西格曼在社媒上分享这张图片，清晰展示了 MemPalace（图中简称 MemPal）与其竞争对手在 AI 检索性能上的对比测试结果。

技术大神们对这张表最不买账的地方在于：在真实的、海量的非结构化数据中，100% 的召回率几乎是不可能的。许多人都在怀疑这个测试可能被过度优化，或者搜索窗口设置得太大，所以测试失去了实际参考意义。

短短 24 小时，MemPalace 就被开发者社区批的体无完肤，本·西格曼默默将 LongMemEval 原始模式中的得分更新为 96.6%。

对于以上的质疑声，我们很难去评判到底谁对谁错。不过有一件事我们完全可以肯定 ——AI 正在悄悄改写「谁才有资格创作」这件事儿。以及，它甚至拓宽了明星代言的平台（bushi）。

正如我们在前面所讨论的，很多技术大佬评价 MemPalaca，都一致认为它的底层逻辑真没这么难：

第一步，打个「地基」，准备好编程工具，保证有一个良好的运行环境。

第二步，搬回「图纸」，把 Github 代码仓库里的代码下载下来，并在电脑终端输入指令。

第三步，装修「房间」，安装插件以及 MemPalace 运行时需要的各种库。

第四步，打副「钥匙」，把 MemPalace 连接到大模型大脑。

所以，但凡抛开那些高深的技术细节，就把它当成一个有着高私密性的 AI 助手，或是你的「私人专属搜索引擎」，这个记忆宫殿还是挺受人待见的。

怎么着，大家也想来试试，这个「永生」到底是个什么玩意儿？每个人心里也或多或少想过，有可能我们已经在赛博时代的路上了。