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

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，要么依赖 LLM 做摘要。直到 MemPalace，本地优先，零 API 调用，在 LongMemEval 基准上实现了 96.6% 的原始检索召回率。

GitHub：51,932 stars，Python，开源免费。

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

二、核心技术特点

原文存储，不做摘要：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。

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。

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。

三、基准测试成绩

LongMemEval（主要基准，500问题）：Raw模式 96.6% R@5（无需LLM）；Hybrid v4 98.4% R@5（无需LLM）；Hybrid v4+LLM重排 >=99%。

其他基准：LoCoMo Hybrid v5达到88.9% R@10；ConvoMem平均召回92.9%；MemBench达到80.3% R@5。

四、知识图谱与 MCP Server

MemPalace 还包含一个时序实体关系图谱，支持添加实体和关系、时序窗口、时间线查询、失效处理。

MCP Server 提供 29 个工具，覆盖记忆读写、知识图谱、Wing/Room/Drawer管理、Agent日志等。

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。

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 版本过旧导致安装失败：升级 uv（uv self update）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、原文存储；本地优先、数据不出机器；零 LLM 依赖、96.6% R@5；可扩展、插拔后端+MCP Server生态完整。

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