MemPalace - GitHub 最强 AI 记忆系统

简介

MemPalace 是一款开源的 AI 记忆系统，由《生化危机》女主角 Milla Jovovich 与程序员老友 Ben Sigman 及 Claude 共同打造。

该项目在 LongMemEval 基准测试中拿下96.6% 的史上最高分，而且完全免费、本地可运行。

GitHub: https://github.com/milla-jovovich/mempalace Stars: 30,000+ | Fork: 3,800+

为什么需要 AI 记忆系统

现在的 AI 对话存在一个核心问题：每次对话都是从头开始，AI 不记得你们之前聊过什么。

传统方案要么把所有历史塞进上下文（成本太高），要么用向量数据库搜索（效果有限）。

MemPalace 提出了全新的解决思路：记忆宫殿法。

核心设计：记忆宫殿

MemPalace 的名字来源于古希腊演说家常用的"记忆宫殿法"——通过在脑中构建虚拟空间来存储和检索信息。

层级结构

1
2
3
4
5
6
7

Palace（宫殿）
├── Wings（翅膀）- 一个人或一个项目
│   └── Rooms（房间）- 具体主题（如认证、计费、部署）
│       └── Drawers（抽屉）- 原始对话记录
│       └── Closets（衣柜）- 压缩摘要
│   └── Halls（走廊）- 记忆属性（建议、偏好、决策）
└── Tunnels（隧道）- 打通不同 wing 的同一主题

检索效率

在 22000+ 真实对话中的测试结果：

性能对比

基准测试成绩

成本对比

6 个月对话数据（约 1950 万 tokens）：

安装使用

安装

1

pip install mempalace

初始化

1
2
3
4
5
6
7
8

# 创建记忆宫殿
mempalace init ~/projects/myapp

# 挖掘项目数据
mempalace mine ~/projects/myapp

# 挖掘对话记录
mempalace mine ~/chats/ --mode convos

使用方式

自动模式（需要 MCP 支持）：

1

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

手动模式：

1
2
3
4
5

# 加载基础记忆（170 tokens）
mempalace wake-up > context.txt

# 按需搜索
mempalace search "auth decisions" > results.txt

Python API

1
2
3

from mempalace.searcher import search_memories

results = search_memories("auth decisions", palace_path="~/.mempalace/palace")

核心技术

AAAK 语言

MemPalace 为 AI 专用设计了一种压缩语言 AAAK，可以在保持精度的同时大幅减少 token 消耗。

• RAW 模式：96.6% 召回率
• AAAK 模式：84.2% 召回率，省 token

记忆堆栈

1
2
3

L0 + L1: 常驻记忆（~170 tokens）- 每次对话加载
L2: 房间级召回（按需）
L3: 全局深度搜索

本地隐私

所有数据都在本地处理，不上传云端，解决隐私担忧。

团队背景

MemPalace 由"一个架构师 + 一个程序员 + Claude"打造：

• 架构师：Milla Jovovich（《生化危机》女主角）
• 程序员：Ben Sigman（资深开发者）
• AI：Claude

据 Milla 介绍，她私下一直在做游戏项目，过程中意识到信息管理比项目本身更重要，于是找到了相识 20 年的老朋友 Ben 一起研究这个问题。

总结

MemPalace 是一个革命性的 AI 记忆系统：

• 史上最高分：LongMemEval 96.6%
• 超低成本：年费用约 $10
• 完全本地：隐私安全
• 开源免费：GPLv3

如果你想让 AI 记住你们之前的对话，MemPalace 值得一试。

项目地址： https://github.com/milla-jovovich/mempalace