MemPalace：本地优先的AI记忆系统，零API调用实现96.6%检索召回率

GitHub 51,932 stars，Python，开源免费。本地优先的 AI 记忆系统，零 API 调用实现 96.6% 检索召回率，支持 Claude Code 集成，知识图谱+MCP Server 全生态覆盖。

前言：为什么AI助手总是"失忆"？

用过 Claude Code 或 Cursor 的开发者，一定遇到过这个痛点：AI 能记住当前项目的上下文，但只要你关闭会话，30天后它就彻底忘了你们讨论过的技术选型、踩过的坑、一起做的决策。

市面上的解决方案——Mem0、Mastra、Supermemory、Zep——要么是云服务（数据必须上传），要么依赖 LLM 做摘要（会丢失细节）。直到我发现了 MemPalace，一个本地优先的 AI 记忆系统，它的核心哲学是：原文存储，不做任何摘要，并且在 LongMemEval 基准上实现了 96.6% 的原始检索召回率，全程不需要调用任何 LLM API。

一、MemPalace 是什么？

MemPalace 是一个本地运行的 AI 记忆系统，本质上是一个语义检索引擎，专门用来存储和检索 AI 对话历史。

它的核心设计思想来自"记忆宫殿"——人类利用空间位置来增强记忆的方法。在 MemPalace 中，你的记忆被组织成：

• Wing（翅膀）：按人物或项目隔离记忆
• Room（房间）：按主题或话题分类
• Drawer（抽屉）：存储原始内容片段

核心技术特点

原文存储，不做摘要：这是 MemPalace 与其他方案最核心的区别。Mem0 等系统会把对话压缩成摘要来存储，好处是节省 token，坏处是不可逆地丢失细节。MemPalace 存的是完整的原始文本，通过语义向量搜索来检索。

本地优先，数据不出机器：所有内容默认存在本地，默认使用 ChromaDB 作为向量数据库后端。你也可以接入 Pinecone 等云端向量数据库，但默认情况下——你的对话数据永远不会离开你的电脑。

插拔式后端：向量数据库是插拔的。后端接口定义在 mempalace/backends/base.py，你可以自己实现一个后端接入任何向量数据库。

零 LLM 依赖的检索：核心检索完全靠向量相似度，不需要 LLM。96.6% R@5 的成绩是在零 LLM 调用下实现的。

二、安装与快速上手

# 安装（推荐 uv）
uv tool install mempalace

# 初始化记忆宫殿
mempalace init ~/projects/myapp

# 挖掘 Claude Code 会话历史
mempalace mine ~/.claude/projects/ --mode convos --wing myapp

# 语义搜索记忆
mempalace search "为什么我们选择了GraphQL"

# Claude Code 集成（自动保存会话）
mempalace install-claude-code

三、基准测试成绩

四、知识图谱与 MCP Server

MemPalace 提供时序实体关系图谱（SQLite 本地存储）和 MCP Server（29 个工具），覆盖记忆读写、知识图谱管理、Wing/Room/Drawer 操作、Agent 日志记录。

五、适用场景

适合：长期项目的技术债务追溯、多角色协作的记忆共享、隐私敏感场景（医疗、法律、金融）。

不适合：需要 LLM 理解记忆内容的场景、超大规模记忆库（>100万条）、需要多设备同步。

六、避坑指南

• uv 版本过旧：uv self update 升级，或用 pip install mempalace
• 首次初始化网络超时：设置代理 export https_proxy=http://your-proxy:port 后重试
• 会话过期丢记忆：安装 Claude Code 钩子 mempalace install-claude-code，自动保存

七、总结

MemPalace 是一个设计思路非常清晰的 AI 记忆系统：不摘要、本地优先、零 LLM 依赖、96.6% R@5、可扩展+MCP Server 生态完整。

GitHub：https://github.com/MemPalace/mempalace 官方文档：https://mempalaceofficial.com

注意防伪：唯一官方来源是 GitHub 仓库、PyPI 包和 mempalaceofficial.com 域名。任何其他域名均为仿冒。