项目详情
MemPalace
本地优先的 AI 记忆宫殿——原文存储、语义检索，LongMemEval R@5 96.6% 零 API 调用
分类：AI 记忆 · 基础设施 · ← 返回汇总
项目速览
一句话定位
不做摘要、不做提取——对话原文一寸不改地存进宫殿，语义搜索随时取回
本地优先的 AI 记忆系统：把 Claude Code / Codex / Cursor 的对话历史按原文存储，用「翼-厅-屉」结构化索引（人/项目=翼，主题=厅，原文=屉）让搜索可以限定范围而非全库乱撞。检索后端可插拔（默认 ChromaDB），核心基准路径零 API key、零云端、零 LLM。适合让 coding agent 记住跨会话项目上下文、防丢上下文压缩细节的个人与团队。
数据不出本机（除非 opt-in）
45 个 MCP 工具
团队共享大脑模式
项目速览
核心数据
96.6%
LongMemEval R@5（零 LLM）
GitHub API 采集于 2026-09-20 · 2026-04-05 建仓 · 最近 push 2026-09-18 · 742 open issues（体量即粗糙面）· Python 3.9+ / MIT
为什么存在
README 置顶的恐慌：你的会话正在蒸发
30 天过期
README 用 IMPORTANT 标注：Claude Code 会话不接自动保存 hooks，30 天后过期消失——官方置顶了「最短抢救路径」清单。
压缩即失真
上下文压缩时，具体细节被摘要吞掉。业界记忆层普遍做「提取+摘要」，而摘要恰恰是失真的源头。
记忆层普遍上云
多数 AI 记忆产品把你的对话送进别人的向量库。MemPalace 的答案：verbatim 原文 + 本地优先，存储成本换信息保真。
核心哲学一句话：「不总结、不提取、不改写」——记忆系统的第一职责是完整保真，检索时再按需取原文，而不是存的时候就替你决定什么重要。
🔥 核心页
宫殿架构：翼 · 厅 · 屉
宫殿主体与检索
接入面
知识图谱 / hooks
基准
三档检索数字与「拒绝 100%」的克制
| 模式 | R@5 | 需要 LLM？ |
|---|
| Raw（纯语义检索，无启发式） | 96.6% | 否——零 API key / 零云 / 零 LLM |
| Hybrid v4（50 题调参，450 题留出） | 98.4% | 否（关键词/时间邻近/偏好模式加成） |
| Hybrid + LLM rerank（top-20 重排） | ≥99% | 任意合格模型（Haiku/Sonnet/Ollama 均复现） |
- 不标 100% 的理由写进文档：最后 0.6% 是靠看错题达成的，BENCHMARKS.md 自己标注这叫「teaching to the test」
- 留出集才是诚实数字：98.4% 是没见过调参集的 450 题，不是全量 500 题自摸
- 拒绝点名竞品横评：不与 Mem0/Mastra/Zep 等并排比——「别人拿不同指标在不同切分上发布，把检索召回放在端到端 QA 准确率旁边不是诚实对比」
- 全部可复现：clone + uv sync + 跑 bench 脚本，数据集下载命令写在 benchmarks/README
基准
四个基准的外延：不只吃一个碗
| 基准 | 指标 | 成绩 | 备注 |
|---|
| LongMemEval | R@5 | 96.6% / 98.4% | 主战场（500 问） |
| LoCoMo | R@10 | 60.3% → 88.9% | 1986 问；会话模式 → hybrid v5 |
| ConvoMem | 平均召回 | 92.9% | 250 项全类别 |
| MemBench（ACL 2025） | R@5 | 80.3% | 8500 项全类别 |
另一个诚实信号：分数不齐高。LoCoMo 裸跑 60.3%、MemBench 80.3% 都原样列出——会报短板的基准表，比全绿的可信十倍。
核心机制
45 个 MCP 工具 + 每个专家一间翼
- 覆盖面：宫殿读写、图谱操作、跨翼导航、屉管理、agent 日记、协作交接（logstream 事件 + 产物传递）
- agent 隔离：每个专科 agent 有自己的翼和日记，互不污染上下文
- 运行时发现：
mempalace_list_agents 动态列出——不在系统提示词里塞死角色清单，反 prompt 膨胀
- 三个 skill 分工：
mempalace 引导安装运维 / mempalace-recall 先搜后答 / mempalace-task 日志流委托
安装即对话
官方推荐路径是 skill 引导：装 skill 后让 coding agent 自己完成安装——检测系统、装 Python 包、配 MCP、问你要本地宫殿还是共享 hub，最后验证活连接。CLI 直装（uv/pipx/Docker）是备选路径而非主路径。
细节到偏执：记录运行时来自 uv/pipx/pip，升级计划永远不会给出错误安装方式的命令。
生态
三大 IDE hooks：把「抢救」做成自动化
Claude Code / Codex
周期保存 + 压缩前保存。官方留存清单三步：接 hooks → 备份 JSONL → mempalace mine 回填历史。
Cursor IDE
额外加：会话启动即召回（带着记忆开工）+ 压缩前快照。
部署形态
Docker 多架构（amd64/arm64）/ GPU 自构建镜像 / docker-compose 团队服务器（共享大脑 hub）/ Termux 走 Debian PRoot。
还有一把细心的刀：mempalace sweep 定期把每条 user/assistant 消息存成独立原文屉——幂等、可断点续跑，专为逐条召回而 非文件级分块设计。
隐私与工程
本地优先不是口号，是一串工程决定
- 核心路径零 API key：基准、检索、存储全在本地跑通，「Nothing leaves your machine unless you opt in」
- 嵌入模型可选：embeddinggemma-300m（100+ 语言，~300MB，推荐）或 MiniLM（英语，~30MB）；也可指向任意 OpenAI 兼容端点——LM Studio / llama.cpp / vLLM / 局域网服务器，内容不出网
- 隔离安装强迫症：官方坚持 uv/pipx 隔离环境，避免 chromadb/numpy/grpcio 污染全局 site-packages（PEP 668）
- Docker 权限讲透：uid 1000 / bind mount 属主 / 为什么不许用 --user 绕——README 把坑写成故障树
- 更新克制：稳定性检查默认关闭，开启后也只查 PyPI、绝不自动装更新，升级计划先经授权
风险与治理
爆红的代价：README 置顶打假公告
CAUTION（原文置顶）：「当心冒牌网站。MemPalace 没有其他官方网站，唯一官方来源是本仓库、PyPI 包和 mempalaceofficial.com。任何其他域名（.tech / .net / 其他 .com 变体）都是冒牌货，可能分发恶意软件。详情与时间线见 docs/HISTORY.md。」
- 59k stars 的引力场：用户搜索「mempalace」就可能撞上恶意镜像站——项目方被迫把打假写成文档
- 治理信号：HISTORY.md 公开勘误与公告、Discord 社区、CHANGELOG——把「项目可信度」当产品维护
- 给你的动作：装的时候认准 GitHub/PyPI/官方域名三件套；curl 安装脚本类项目尤其要核对来源
适用场景 / 风险提示
谁该用，需要警惕什么
适合
- 重度 coding agent 用户：跨会话项目记忆 + 30 天过期抢救，直接解痛点
- 多 agent 工作流：专家各占一翼，协作交接走 MCP 工具而非提示词堆砌
- 隐私敏感团队：本地/局域网部署，团队 hub 也不必上云
- 记忆系统研究者：四基准全开源可复现，罕见的高透明度
警惕
- 742 open issues：五个月长成 59k stars，工程面追不上热度
- 依赖重：ChromaDB/ONNX 编译依赖，Termux 不原生支持（要 PRoot）
- 原文存储的成本：不摘要=空间与检索半径换保真，超大规模历史要算账
- 嵌入决定质量：多语言检索依赖 embeddinggemma，小模型英语外表现未公布细分
- 冒牌站风险：安装源务必走三件套
快速上手
两条路：让 agent 装，或自己装
# 路线 A：skill 引导（官方推荐）
npx skills add MemPalace/mempalace
# 然后对 coding agent 说：
# set up mempalace for me
# 路线 B：uv 直装 CLI
uv tool install mempalace
mempalace init ~/projects/myapp
mempalace mine ~/.claude/projects/ --mode convos
mempalace search "why GraphQL"
- 回填历史：mine 直接吃 Claude Code 的 JSONL 转录，只读不写源目录
- 接入 MCP：stdio server，Claude Code 一段 JSON 配置即连
- 文档：概念（宫殿/图谱）、CLI/Python API、hooks 指南、基准方法论一站全齐
潜力评估
未来空间
五个月 59k stars，踩中「agent 需要长期记忆 + 数据必须本地」双风口。verbatim 哲学 + 四基准透明披露 + 反冒牌治理，是同类里工程品格最高的样本。看点：知识图谱与检索联动的深度、团队 hub 的商业化路径、以及能否在 Mem0/Zep 们的资本攻势下守住社区。评分 9：赛道头部、执行扎实、风险在规模化。