1. 项目定位与用途
MemPalace 是一个本地运行的 AI 记忆系统，定位为"记忆宫殿"式对话管理工具。它允许用户将每次与 AI 的对话、决策过程、调试记录和架构讨论持久化存储，形成可搜索、可导航的个人知识库。系统完全免费开源，无需 API 密钥或云服务，所有数据保留在本地。主要用途是为 AI 交互提供长期记忆能力，避免每次会话后上下文丢失，支持开发者、研究人员和任何频繁使用 AI 助手的用户构建持续积累的知识体系。
项目档案命令行工具
milla-jovovich/mempalace CLI 工具：安装、命令与使用场景
MemPalace 是一个本地运行的免费 AI 记忆系统，采用古希腊记忆宫殿隐喻组织对话，通过原始逐字存储和语义搜索实现高召回率。适用于保存 AI 对话历史、记录项目决策、构建知识库。本页提供项目介绍、安装指南、使用教程和基准测试结果。
AI 总结
MemPalace 是一个本地运行的 AI 记忆系统，采用古希腊记忆宫殿隐喻组织对话，通过原始逐字存储和语义搜索实现高召回率（LongMemEval 96.6%），完全免费开源，无需 API 密钥。
中文项目介绍
MemPalace 是一个本地运行的 AI 记忆系统，旨在解决与 AI 对话、决策、调试和架构讨论在会话结束后记忆消失的问题。它采用古希腊"记忆宫殿"（Method of Loci）的隐喻，将对话内容组织成翼（wings）、厅（halls）和房间（rooms）的结构，使记忆可导航、可查找。
系统采用原始逐字存储（raw verbatim storage）方式，将完整对话保存在 ChromaDB 中，不进行 AI 摘要或信息提取，从而保留所有细节。在 LongMemEval 基准测试中，这种原始模式达到了 96.6% 的 Recall@5 成绩，是目前已发布最高分。此外，系统还提供实验性的 AAAK 压缩方言，通过实体编码和句子截断实现高密度存储，但目前效果不如原始模式。
MemPalace 完全本地运行，无需任何外部 API 或云服务，支持多种对话格式导入（Claude Code、ChatGPT、Slack 等），并提供 CLI、MCP 服务器和自动钩子等多种使用方式。适用场景包括保存 AI 对话历史、记录项目决策过程、构建可搜索的个人/团队知识库以及长期记忆管理。
详细信息与使用说明
2. 核心问题与解决思路
MemPalace 解决的核心问题是：传统 AI 对话在会话结束后上下文即消失，导致六个月的工作成果可能瞬间丢失。现有记忆系统通常让 AI 自动决定"什么值得记住"，这会丢失关键背景信息（如"为什么选择 Postgres"的完整解释）。MemPalace 采用不同策略：**存储一切，然后使其可查找**。它借鉴古希腊 orators 的记忆宫殿技术，将对话按项目和主题分类组织成翼、厅、房间的层次结构，用户保留每句话，结构提供导航地图而非平面搜索索引，确保信息完整性和可检索性。
3. 技术架构与存储设计
MemPalace 采用分层架构：CLI 入口接收命令，通过 miner 和 convo_miner 模块摄入数据，原始对话存储于 ChromaDB 向量数据库，同时构建 SQLite 时序知识图谱。系统实现四层内存堆栈：L0 身份层、L1 关键事实层、L2 房间回忆层、L3 深度搜索层。双存储系统设计——ChromaDB 负责向量语义搜索，SQLite 负责实体关系管理和事实时效性追踪。支持多种输入格式（Claude Code、ChatGPT、Slack、纯文本）的标准化转换，并提供实验性 AAAK 压缩方言实现高密度存储。
4. 安装与配置
根据 pyproject.toml，MemPalace 要求 Python 3.9 或更高版本。核心依赖为 chromadb（0.5.0 至 0.7 版本）和 pyyaml（6.0 至 7 版本）。安装方式有两种：直接从 PyPI 安装 `pip install mempalace`，或从源码目录运行 `pip install .`。开发依赖包括 pytest、ruff、psutil 等测试和代码质量工具。配置通过 ~/.mempalace/config.json 管理，支持环境变量覆盖默认值。系统首次运行时会自动初始化本地数据目录（默认 ~/.mempalace/）和 ChromaDB 持久化存储。
5. 基本使用指南
MemPalace 提供命令行接口，主要命令包括：`mempalace init <项目目录>` 初始化记忆宫殿结构，根据文件夹结构创建房间；`mempalace mine <目录>` 挖掘内容并存储，支持 `--mode convos` 导入对话，`--extract general` 启用增强提取；`mempalace search '<查询>'` 执行语义搜索，可结合翼/房间过滤；`mempalace compress` 应用 AAAK 压缩（实验性）。此外，可通过 `python -m mempalace.mcp_server` 启动 MCP 服务器供 Claude Code 等工具集成，或配置 hooks 目录下的 save_hook 和 precompact_hook 实现自动保存。
6. 基准测试与性能
MemPalace 在 LongMemEval 基准测试中达到 96.6% 的 Recall@5 成绩，这是目前已发布 AI 记忆系统的最高分，基于原始逐字存储模式（raw verbatim mode）实现，且零 API 调用。该结果已在 benchmarks/ 目录中独立复现，测试覆盖 500 个问题。实验性 AAAK 压缩模式目前得分为 84.2%，存在 12.4 分的回归，团队正在迭代优化。系统还支持 LoCoMo 和 ConvoMem 等其他基准测试，所有测试脚本和结果报告均开源可查。值得注意的是，96.6% 的 headline 数字来自原始模式，非压缩模式。
思维导图
MemPalace
核心架构
CLI 入口
数据摄入
双存储系统
检索与搜索
功能模块
记忆宫殿管理
知识图谱
AAAK 压缩
对话挖掘
集成与扩展
MCP 服务器
自动钩子
多格式支持
测试与基准
单元测试
性能基准
常见问题
MemPalace 是什么？
MemPalace 是一个本地 AI 记忆系统，将对话内容以"记忆宫殿"方式组织存储于 ChromaDB，支持语义搜索与知识图谱查询，在 LongMemEval 基准测试中达到 96.6% 的 Recall@5 成绩，完全免费开源，无需 API 密钥。
如何安装 MemPalace？
需要 Python 3.9+ 环境，通过 pip 安装：`pip install mempalace`，或从源码目录运行 `pip install .`。核心依赖为 chromadb（0.5.0-0.7 版本）和 pyyaml（6.0-7 版本）。
如何使用 MemPalace 保存对话？
使用 `mempalace mine <目录> --mode convos` 命令导入对话，支持 Claude Code、ChatGPT 等格式。可结合 `--extract general` 启用增强提取。搜索使用 `mempalace search '<查询>'`。
AAAK 压缩是什么？效果如何？
AAAK 是实验性压缩方言，通过实体编码和句子截断实现高密度存储，但目前 LongMemEval 得分（84.2%）低于原始模式（96.6%），存在 12.4 分回归，团队仍在迭代优化中。
MemPalace 是否需要网络或 API 密钥？
不需要。MemPalace 完全本地运行，不使用任何外部 API 或云服务，所有数据存储在本地 ChromaDB 和 SQLite 中，确保隐私和离线可用性。