MemPalace/mempalace

本地优先 AI 记忆系统，原文存储 + 语义检索，LongMemEval R@5 96.6%，无需 API Key，55k stars。

定位

MemPalace 是一个开源 AI Memory 引擎，核心设计哲学是 verbatim storage（原文存储）——不做摘要、不抽取、不改写，把对话原文存进结构化索引后再用语义搜索召回。

与 supermemory、agentmemory 等同类项目的最大区别在于：

• 零 API 依赖：嵌入模型本地运行，核心召回路径全程离线
• 三层宫殿结构：Wing（项目/人物）→ Room（主题）→ Drawer（原始内容），支持范围化检索
• 基准透明：所有数字均附带可复现命令，不做跨评测横向对比

核心架构

存储层：Palace 结构

• Wing：按项目或人物分区（如 ~/.claude/projects/ 挂载为一个 Wing）
• Room：Wing 内的主题分组
• Drawer：最小存储单元，存一段原始对话或文档片段

检索层：三档模式

模式	R@5（LongMemEval 500题）	LLM 依赖
Raw（纯语义，无启发式）	96.6%	无
Hybrid v4（关键词+时间邻近+偏好抽取，外推450题）	98.4%	无
Hybrid + LLM Rerank	≥99%	任意模型

其他基准：

• LoCoMo Hybrid v5 R@10：88.9%（1986 题）
• ConvoMem 平均召回：92.9%（250 题）
• MemBench R@5：80.3%（8500 题）

后端（可插拔）

• chromadb（默认）
• sqlite_exact（本地精确向量，无需服务）
• qdrant（REST）
• pgvector（Postgres，需 pip install mempalace[pgvector]）

MCP Server

29 个 MCP 工具，覆盖 palace 读写、知识图谱操作、跨 Wing 导航、Drawer 管理、Agent 日记。

安装

# 推荐：uv 隔离安装
uv tool install mempalace
mempalace init ~/projects/myapp
 
# 或 pipx
pipx install mempalace
 
# Docker（MCP Server 模式）
docker run -i --rm -v mempalace-data:/data mempalace

Claude Code MCP 配置：

{
  "mcpServers": {
    "mempalace": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-v", "mempalace-data:/data", "mempalace"]
    }
  }
}

核心工作流

# 挖掘内容进 palace
mempalace mine ~/projects/myapp                    # 项目文件
mempalace mine ~/.claude/projects/ --mode convos   # Claude Code 会话
 
# 语义搜索
mempalace search "why did we switch to GraphQL"
 
# 新会话加载上下文
mempalace wake-up

Claude Code 集成亮点

• Auto-save hooks：周期性保存 + 压缩前自动保存，防止 30 天会话到期丢失
• 每条消息级存储：mempalace sweep <transcript-dir> 按条存入 Drawer，幂等且支持续传
• 快速上手检查单：claude-code-retention.html

知识图谱

内置时序实体关系图，基于本地 SQLite，支持 add/query/invalidate/timeline 操作。

嵌入模型

• embeddinggemma-300m（多语言，100+ 语言，推荐）
• all-MiniLM-L6-v2（英文，~30 MB）

需 ~300 MB 磁盘。通过 python -m mempalace.onboarding 初始化。

资源

• GitHub：https://github.com/MemPalace/mempalace
• 官网文档：https://mempalaceofficial.com
• PyPI：https://pypi.org/project/mempalace/
• CLI 参考：https://mempalaceofficial.com/reference/cli
• 基准方法论：benchmarks/BENCHMARKS.md（仓库内）