MemPalace：基于记忆宫殿法的本地化开源 AI 长期记忆系统

GitHub 上出现了由《生化危机》女主 Milla Jovovich 与程序员 Ben Sigman 以及 Claude 联合开发的开源项目 MemPalace。该系统以古希腊的记忆宫殿技巧为灵感，将 AI 的长期记忆组织为可导航的空间结构：

• Palace 为整体记忆大楼；
• Wing 表示不同人物或项目的独立子空间；
• Room 按主题划分；
• Hall 为属性走廊；
• Drawer 保存原始对话；
• Closet 保存压缩摘要；
• Tunnel 自动连接同主题的不同 Wing。

通过层层约束，检索空间被逐步缩小，实验显示相较于全局乱搜，检索效率提升约 34%。在 LongMemEval（RAW 模式）中取得 96.6% 的最高分，并在 ConvoMem、LoCoMo 两项基准上分别得到 92.9% 与 100%。

系统采用本地化存储，所有记忆处理均在用户机器上完成，避免了云端数据泄露风险。为降低 token 消耗，作者设计了专用压缩语言 AAAK，在 RAW 与 AAAK 两种模式下分别实现 96.6% 与 84.2% 的召回率。另配备 fact_checker.py 实时纠错，提升生成结果的一致性。

部署与使用：

1. pip install mempalace
2. mempalace init ~/projects/myapp 初始化记忆宫殿根目录。
3. mempalace mine <path> [--mode convos] [--extract general] 将代码、文档或聊天记录导入并自动分类。
4. 支持自动模式（MCP）与手动增强模式，提供 CLI、Python API 两种调用方式，例如 search_memories("auth decisions", palace_path="~/.mempalace/palace")。

在 6 个月、约 1950 万 token（相当于 200‑400 本书）的真实对话数据上，MemPalace 只需加载约 170 tokens（常驻）或最多 13.5k tokens（按需），年成本从传统方案的约 500 USD 降至 10 USD，且信息细节几乎不丢失。

项目已在 GitHub 获得超过 17k star，社区还衍生出前端 UI。代码仓库：https://github.com/milla-jovovich/mempalace。