记忆宫殿

MemPalace (由 GitHub 用户 milla-jovovich 开发) 是一个设计理念非常独特且跑分极高（LongMemEval R@5 达到 96.6%）的开源 AI 记忆系统。

传统 AI 记忆系统（如 ChatGPT 默认的记忆功能）通常让大模型自动提取“摘要”并丢弃原始对话，这往往会导致重要的上下文、推导过程或情感细节在数月后丢失。MemPalace 则反其道而行之：它 100% 存储所有原始记录，通过建立高度组织化的“空间结构”和首创的“机器方言压缩”来解决检索难题。

以下是其工作机理的详细剖析：

1. 核心架构：“记忆宫殿”空间隐喻 (The Palace Structure)

MemPalace 借鉴了古希腊演说家使用的“记忆宫殿（Method of Loci）”记忆法。它没有把数据粗暴地扔进向量数据库，而是将无序的文本物理划分为一套包含六层深度的空间结构。这种结构化让检索的准确率直接飙升了 34%。

Wings（侧翼）：记忆的最顶层分类，通常代表一个项目（如 App重构）或一个人物（如 开发者Kai）。
Halls（大厅）：Wing 内部的走廊，代表记忆的类型。系统统一划分为：事实 (Facts)、事件 (Events)、发现 (Discoveries)、偏好 (Preferences) 和建议 (Advice)。
Rooms（房间）：具体探讨的主题（如 GraphQL迁移）。
Tunnels（隧道）：极具巧思的设计。当同一个主题（Room）出现在不同的 Wing 中时，系统会自动建立一条“隧道”将它们打通。例如：Priya 的 Wing 里有“GraphQL迁移”，项目 A 的 Wing 里也有“GraphQL迁移”，AI 便能借此进行跨维度的关联思考。
Closets（壁橱）：存放高度压缩的“索引与摘要”，让 AI 能在几秒钟内快速扫描海量线索。
Drawers（抽屉）：100% 原汁原味的完整对话和文件。如果 AI 通过“壁橱”发现了关键线索，它可以拉开“抽屉”直接读取当时你们讨论的一字一句。

官方架构图示：

┌─────────────────────────────────────────────────────────────┐
│ WING: Person                                                │
│                                                             │
│ ┌──────────┐     ──hall──      ┌──────────┐                 │
│ │  Room A  │                   │  Room B  │                 │
│ └────┬─────┘                   └──────────┘                 │
│      │                                                      │
│      ▼                                                      │
│ ┌──────────┐                   ┌──────────┐                 │
│ │  Closet  │      ───▶         │  Drawer  │                 │
│ └──────────┘                   └──────────┘                 │
└──────┼──────────────────────────────────────────────────────┘
       │ tunnel
┌──────┼──────────────────────────────────────────────────────┐
│ WING: Project                                               │
│                                                             │
│ ┌────┴─────┐     ──hall──      ┌──────────┐                 │
│ │  Room A  │                   │  Room C  │                 │
│ └────┬─────┘                   └──────────┘                 │
│      │                                                      │
│      ▼                                                      │
│ ┌──────────┐                   ┌──────────┐                 │
│ │  Closet  │      ───▶         │  Drawer  │                 │
│ └──...

2. 核心技术创新 1：AAAK 无损机器方言

这是该项目最惊艳的技术点。与其让大模型花昂贵的 token 读懂冗长的自然语言，MemPalace 发明了一种名为 AAAK 的压缩语言。

极高压缩比：它可以将原本需要约 1000 个 Token 的英文描述（比如某团队的构成、目前在做什么功能、谁负责哪块），压缩到仅需 ~120 个 Token（约 30 倍压缩比）。
开箱即用：这是一种基于结构化文本的“通用语法”，不依赖微调或特定的 Decoder。任何主流文本模型（Claude, GPT, 甚至本地的 Llama, Mistral）都能无缝阅读并理解这种“速记方言”。这让 AI 以几乎零成本加载极其庞大的背景知识。

3. 核心技术创新 2：带生命周期的知识图谱 (Temporal Knowledge Graph)

为了防止记忆随时间推移发生错乱，MemPalace 基于本地 SQLite 建立了一个时态知识图谱（Entity-Relationship Triples）。

时间窗口：图谱中的每一个事实都有 valid_from（生效时间）和可选的过期时间。
矛盾拦截 (Contradiction Detection)：当用户输入与既有事实冲突时（例如：“Soren 完成了 auth 迁移”，但系统记录负责此事的是 Maya），MemPalace 会充当事实核查员，立刻抛出警报，防止 AI 在错误的基准上继续胡编乱造。

4. 核心技术创新 3：四层按需加载记忆栈 (Memory Stack)

系统将记忆分为 4 级以节省算力和成本（一年使用成本从传统方案的 ~ $500 骤降至 ~$ 10）：

L0 身份层：AI的基础人设（常驻系统提示词，~50 tokens）。
L1 核心事实层：使用 AAAK 方言压缩的关于团队、项目和偏好的关键全景图（常驻，仅耗 ~120 tokens）。
L2 房间记忆层：按需加载。当目前的聊天话题命中某个具体的 Room 时，动态加载相关的近期会话。
L3 深度检索：当被明确提问时，跨所有“壁橱”执行语义搜寻。

5. 实际工作流 (Workflow)

MemPalace 是一个“一次配置，隐式调用”的系统：

数据挖掘 (Mine)：用户通过 CLI (mempalace mine) 导入代码库、Slack 聊天导出记录、过往的 AI 对话等。系统会自动分析并为其建造“宫殿房间”。
AI 无缝接管：
- 配合 Claude/Cursor (支持 MCP)：只需注册一次 MCP 服务，Claude 就会自动获得 19 个 MemPalace 工具。当你问“我们上个月关于登录授权是怎么决定的？”，Claude 会自动调用 mempalace_search 工具去“宫殿”里翻找答案。
- 配合本地大模型 (Llama 等)：全程离线零云端调用。启动时运行一次 mempalace wake-up 获取包含 AAAK 的上下文，并在需要时通过 CLI 传入具体的检索结果。

总结：
MemPalace 将传统的“向量数据库盲搜”升级为了“空间结构化降维 + 机器专属方言压缩 + 时序图谱纠错”的三维系统。这不仅实现了大模型上下文语境的完全本地化隐私保护，还解决了大型长文本的昂贵消耗，极其适合重度依赖 AI 辅助编程或办公的个人与团队。