一天一个开源项目（第79篇）：生化危机女主角亲自开源的 AI 记忆系统 MemPalace

引言

“她在银幕上打败了病毒变异的僵尸，现在她要解决 AI 的记忆问题。”

这是"一天一个开源项目"系列的第79篇。今天的项目是MemPalace（GitHub）。

先说一个让人意外的背景：这个项目的联合创始人是米拉·乔沃维奇（Milla Jovovich）——对，就是《生化危机》里的 Alice，《第五元素》里的 Leeloo，那位打遍全系列丧尸的好莱坞动作女星。她没有技术背景，但长期重度使用 AI 工具，对现有记忆解决方案深感沮丧，于是和加密行业 CEO Ben Sigman 一起，主要借助Claude Code花了数月时间把这个项目做了出来。

这本身就是一件值得关注的事：一个非工程师，借助 AI 编程工具，做出了一个 AI 基础设施项目。

然后是产品本身。LLM 本质上是无状态的——每次开启新会话，你的 AI 助手就像第一次见面，不记得上周商量好的技术方案，不知道你偏好 TypeScript，不了解项目背景。对独立开发者来说，每次重建上下文相当于每月白白损失 200-600 欧元的时间成本。

MemPalace用一个 2000 年前的认知技术来解决这个问题：记忆宫殿（Method of Loci）。古希腊演说家通过将要记的内容"放置"在想象的建筑空间里来增强记忆。MemPalace 将这套空间隐喻转译为 AI 记忆架构：人和项目是"翼廊"（Wings），具体话题是"房间"（Rooms），原始内容住在"抽屉"（Drawers）里。

48k+ Stars，6.3k+ Forks——发布 48 小时内涨到 22k Stars，是近期最受关注的 AI 工具之一。

你将学到什么

• 记忆宫殿隐喻如何映射到 AI 记忆架构
• 4 层渐进式加载：如何用 170 Token 启动完整记忆系统
• 零 LLM 写路径：彻底消除记忆存储的 API 成本
• 时序知识图谱：防止过期信息污染记忆
• MCP 集成：29 个工具如何与 Claude Code 无缝协作
• 独立评测揭示的争议：哪些宣传存在夸大成分

前置知识

• 了解 LLM 上下文窗口的基本限制
• Python 基础（可选）
• 用过 Claude Code、Cursor 或类似 AI 编程助手（有助于理解应用场景）

项目背景

它是什么？

MemPalace是一个本地优先的开源 AI 记忆系统，通过 MCP（Model Context Protocol）协议为 AI 助手提供跨会话持久化记忆能力。

核心设计哲学：

问题：LLM 无状态，每次对话从零开始 ↓ 传统解法：云端记忆服务（Mem0、Zep） 问题：需要 API Key、数据上云、月费高昂 MemPalace 解法：本地优先 ✅ 完全离线运行（核心功能无需任何 API Key） ✅ 数据留在本地（隐私不上云） ✅ 零 LLM 写路径（存储时不调用 AI，零 API 成本） ✅ MCP 协议对接主流 AI 助手

关于作者

这个项目有一段颇为有趣的背景：

• Milla Jovovich：好莱坞女演员，以《第五元素》中的 Leeloo 和《生化危机》系列闻名。非技术背景，但长期重度使用 AI 工具，对现有记忆解决方案感到沮丧，于是发起了这个项目
• Ben Sigman：加密货币 / 区块链行业 CEO，技术背景开发者

两人花费数月，主要借助Claude Code协作开发，大量代码由 AI 辅助生成——这本身就是对"AI 工具能力上限"的一次公开测试。

项目于 2026 年 4 月 5 日首发，最初放在 Milla 的个人账号，随后迁移至MemPalace组织账号。

项目数据

• ⭐GitHub Stars: 48,500+（发布 48 小时内涨 22k）
• 🍴Forks: 6,300+
• 📝Commits: 503+（develop 分支）
• 📄协议: MIT
• 🌐语言构成: Python 88.9%、HTML 4.6%、CSS 3.1%、Vue 1.4%
• 📦PyPI:pip install mempalace

主要功能

核心隐喻：记忆宫殿空间结构

MemPalace 最独特的设计是用空间隐喻来组织 AI 记忆：

记忆宫殿（Palace） └── 翼廊（Wing） ← 顶层：一个人 / 一个项目 / 一个主题 └── 房间（Room） ← 二层：具体话题（如 auth、billing、架构设计） └── 走廊（Hall） ← 三层：记忆类型分类 │ facts（事实）/ events（事件）/ decisions（决策） │ preferences（偏好）/ emotional（情感） ├── 抽屉（Drawer） ← 原文逐字存储（800 字符块） └── 壁橱（Closet） ← AAAK 压缩摘要版本 隧道（Tunnel） ← 跨翼廊连接通路（相同 Room 名的快速导航）

这套组织方式并非单纯的比喻，而是有神经科学依据：Method of Loci 技法会激活海马体的位置细胞系统，帮助人类构建更强的记忆关联。MemPalace 的空间隐喻试图为 AI 提供类似的结构化索引。

4 层渐进式加载：170 Token 启动

这是 MemPalace 最值得关注的工程设计——按需加载，极度节省 Token：

L0：身份文件（约 50-100 Token） "我是谁，我在哪个项目上工作" ↓（需要更多上下文时） L1：重要度排名前 15 条记忆（约 500-800 Token） 最近的决策、关键偏好、重要事实 ↓（需要深入某个话题时） L2：当前翼廊/房间范围的语义召回 当前项目相关的记忆，向量检索 ↓（需要全局搜索时） L3：全量语义搜索（无上限） 跨所有翼廊的全库检索

实际对话启动时，只加载 L0（50-100 Token），AI 助手根据对话需要按需深入——这使得日常对话的记忆成本极低。

零 LLM 写路径：存储不花 API 钱

MemPalace 的记忆写入流程完全不调用 LLM：

# 传统 AI 记忆系统（有 API 成本）：用户说了什么 → 调用 LLM 提取关键信息 → 存储摘要 ↑ 花钱+慢+依赖网络# MemPalace 的写路径：用户内容 → 正则规则+关键词评分 → 自动分类到 Wing/Room/Hall → 原文切块（800字符+100字符重叠）→ ChromaDB ↑ 完全本地，零 API 调用

项目挖掘（mempalace mine）：

# 扫描整个项目目录，按规则自动分类记忆mempalace mine ~/projects/myapp# 四优先级分类规则：# 1. 文件夹名（如 auth/ → auth 房间）# 2. 文件名（如 billing.md → billing 房间）# 3. 关键词评分（内容关键词匹配）# 4. 默认放入 general 房间

时序知识图谱：防止过期信息污染

MemPalace 使用 SQLite 存储实体三元组，并附带有效期时间窗口：

-- 知识图谱结构CREATETABLEknowledge_graph(subjectTEXT,predicateTEXT,objectTEXT,valid_fromTEXT,-- ISO 时间戳valid_toTEXT,-- NULL 表示当前有效wingTEXT,confidenceREAL);-- 示例条目：-- ("项目", "使用语言", "TypeScript", "2026-01-01", NULL, "myapp")-- ("部署方式", "使用平台", "Vercel", "2026-01-01", "2026-03-15", "myapp")-- ↑ 已过期，2026-03-15 后不再有效

这避免了一个常见问题：三个月前记录的"项目用 Vercel 部署"在你迁移到 AWS 之后还在污染 AI 的上下文。

29 个 MCP 工具：与 Claude Code 无缝集成

# 添加 MCP 服务器到 Claude Codeclaude mcpaddmempalace -- python-mmempalace.mcp_server

29 个 MCP 工具覆盖：

• 宫殿导航：navigate_to_wing、navigate_to_room、隧道跳转
• 记忆读写：store_memory、retrieve_memory、search_across_palace
• 知识图谱：add_entity、query_relationships、update_fact
• 智能体日记：每个 Agent 独立日记本，记录推理过程
• 自动钩子：session 结束 / pre-compaction 时自动提取并归档关键信息

快速上手

# 安装pipinstallmempalace# 初始化项目记忆mempalace init ~/projects/myapp# 扫描并导入项目文件mempalace mine ~/projects/myapp# 语义搜索mempalace search"认证方案"# 生成当前上下文摘要（适合粘贴到 AI 对话开头）mempalace wake-up>context.txt# 集成到 Claude Code（MCP）claude mcpaddmempalace -- python-mmempalace.mcp_server

开发环境：

gitclone https://github.com/MemPalace/mempalace.gitcdmempalace pipinstall-e".[dev]"pytest tests/-v

项目详细剖析

整体架构

┌─────────────────────────────────────────────────────┐ │ MCP 接入层（29 个工具） │ │ Claude Code / ChatGPT / Cursor / 任意 MCP 客户端 │ └──────────────────────┬──────────────────────────────┘ │ ┌──────────────────────▼──────────────────────────────┐ │ 记忆编排层（Python） │ │ 4 层加载控制 / 空间导航 / 自动钩子 / 重要度排序 │ └──────┬────────────────────────────┬─────────────────┘ │ │ ┌──────▼──────────────┐ ┌──────────▼─────────────────┐ │ 向量存储层 │ │ 知识图谱层 │ │ ChromaDB │ │ SQLite │ │ Drawers（原文块） │ │ 实体三元组 │ │ 语义向量索引 │ │ 时序有效期管理 │ └─────────────────────┘ └────────────────────────────┘

AAAK 压缩格式

MemPalace 发明了一种叫AAAK（Agent Accessible Abbreviated Knowledge）的压缩格式，用于 Closets（壁橱）存储：

原始文本： "The authentication module uses JWT tokens with a 24-hour expiration. Refresh tokens are stored in Redis with a 30-day TTL." AAAK 压缩后： "auth: JWT, 24h exp; rfsh tkn: Redis, 30d TTL"

设计理念：任何 LLM 都能原生读取（不是二进制压缩，而是结构化英文缩写）。团队宣称 30 倍压缩率，但独立评测发现：启用 AAAK 后检索质量下降约 12.4%（55 字符硬截断会丢失语义）。

与竞品的差异化

值得了解的争议

发布后，独立技术分析揭示了若干值得关注的问题，项目团队基本予以承认：

1. 基准测试的误导性
宣传的 96.6% LongMemEval 分数，实际上只测了 ChromaDB 原始 Embedding 能力——宫殿的空间结构完全没参与评测。启用宫殿特性后：

• 开启 Room 检索：89.4%（下降 7.2 个百分点）
• 开启 AAAK 压缩：84.2%（下降 12.4 个百分点）

2. "30 倍无损压缩"失实
AAAK 的 55 字符硬截断会丢失句子，Token 计数用len(text)//3替代真实 Tokenizer，团队后来公开承认并更新了文档。

3. 部分功能未实现
README 提及的"矛盾检测"在knowledge_graph.py中完全没有代码实现；"事实核查"模块存在但未集成进主流程。

为什么仍然值得关注？
这些批评主要针对宣传内容，但核心设计理念是真实有价值的：空间隐喻组织、4 层渐进加载、零 LLM 写路径——这三个设计思路在独立于基准测试数字之外，仍然代表了 AI 记忆架构的一种值得探索的方向。团队在社区质疑后的公开透明态度，也给项目的长期可信度加分。

项目地址与资源

官方资源

• 🌟GitHub: https://github.com/MemPalace/mempalace
• 🌐官网: https://www.mempalace.tech
• 📦PyPI:pip install mempalace

技术参考

• 📊独立分析报告: lhl/agentic-memory ANALYSIS-mempalace.md
• 🧠Method of Loci: 维基百科 - 记忆宫殿技法
• 🔌MCP 协议: Model Context Protocol 官方文档

竞品参考

• Mem0: https://mem0.ai（最易上手的云端记忆服务）
• Zep: https://www.getzep.com（企业级知识图谱记忆）
• Hindsight: https://hindsight.so（SOTA 多策略检索）

总结与展望

核心要点

1. 空间隐喻的真正价值：翼廊/房间/抽屉的层次结构不只是比喻，而是一种真实有效的记忆索引组织方式，降低了用户理解和管理 AI 记忆的认知负担
2. 4 层渐进加载：以极低的 Token 成本（170 Token）启动，按需深入——这种渐进式设计思路对所有 Agent 记忆系统都有参考价值
3. 零 LLM 写路径：把存储成本降到零，是本地优先理念的极致体现
4. 时序知识图谱：有效期机制防止历史信息污染当前上下文，是被低估的实用细节
5. "AI 辅助构建 AI 工具"的示范意义：由非工程师借助 Claude Code 主导开发，本身就是一次关于 AI 工具能力边界的公开实验
6. 坦诚的团队态度：面对独立评测揭示的问题，公开承认并修正文档，比许多商业产品更诚实

适合谁使用

• AI 工具重度用户：每天都在重建上下文的独立开发者和创意工作者
• 隐私优先用户：不愿意将工作记忆上传云端的个人和团队
• AI Agent 开发者：需要为 Agent 提供长期记忆基础设施的工程师
• 研究者：研究 AI 记忆架构、持久化记忆设计模式的学者和工程师

值得思考的问题

MemPalace 提出了一个有趣的问题：AI 记忆的组织单位应该是什么？

Mem0 选择"摘要条目"，Zep 选择"知识图谱实体"，MemPalace 选择"空间位置"。没有哪种答案是绝对正确的，但选择空间隐喻有一个深刻的隐含假设：人类使用 AI 的方式，越来越像在一个共同的工作空间里长期协作。当 AI 助手开始有了"我们在 auth 房间讨论过这个"的记忆，人机协作的性质就悄然发生了变化。

访问我的个人网站，探索更多实用知识和有趣产品