MemPalace是由演員米拉·喬沃維奇與程式設計師本·西格曼合作開發的開源AI記憶系統，於2026年4月6日在GitHub上線。該系統借鑑了古希臘的記憶宮殿法，通過翼樓、房間、走廊等層級結構組織並檢索信息，將對話數據以原始文本形式存儲在本地。
該系統旨在解決大模型的長期記憶缺失問題，其結構化檢索設計將召回率從60.9%提升至94.8%。在LongMemEval基準測試中，其原始檢索模式取得了96.6%的成績。項目開源後迅速獲得大量關注，但社區審查發現部分性能宣稱存在誇大，團隊已公開致歉並逐項修正。
基本介紹
- 外文名：MemPalace
- 是否開源：開源
研發背景,發展歷程,系統架構,技術原理,安裝與使用,核心團隊,
研發背景
MemPalace是由知名演員米拉·喬沃維奇（Milla Jovovich）與資深程式設計師本·西格曼（Ben Sigman）及Claude團隊共同打造的開源AI記憶系統，於2026年4月6日在GitHub上線。其設計靈感源自古希臘的“記憶宮殿法”（Method of Loci），旨在將AI的記憶組織成一個可導航的空間結構（如宮殿、房間等），以解決大模型在長周期協作中的記憶缺失問題。
該系統的核心設計理念是反其道而行，致力於完整記錄每一次對話的原始文本，而非讓AI自行判斷信息的價值，從而將記憶的取捨權交還給用戶。據發起人米拉·喬沃維奇自述，她因個人進行大型遊戲項目時，深感信息管理與利用的重要性，於是找到相識多年的程式設計師好友本·西格曼共同研究；約六個月前接觸到Claude的CLI工具後，他們意識到AI能將想法快速轉化為系統，從而正式啟動了MemPalace項目，旨在幫助開發者更好地利用既有知識進行創新。
發展歷程
MemPalace項目於2026年4月6日正式在GitHub上線，上線後迅速獲得開源社區關注，在48小時內收穫超過兩萬星標，一周多時間內星標數突破27K。
項目上線初期，因部分性能宣稱引發了社區討論，隨後團隊公開致歉並修正了相關數據，將最初在LongMemEval基準測試中宣稱的100%成績修正為原始檢索模式下的96.6%。
項目發起人米拉·喬沃維奇的實際技術參與度也曾受到質疑，她本人回應稱自己在項目中扮演架構設計者的角色，而工程實現由合作者本·西格曼負責。
項目社區處於快速疊代階段，已有開發者為項目創建了前端界面。
系統架構
MemPalace的系統架構借鑑了記憶宮殿法（Method of Loci），構建了一個層次化的空間記憶模型，整體結構稱為“宮殿”（Palace）。主要層級包括：翼（Wing，按人物或項目劃分）、走廊（Hall，按記憶類型劃分，如事實、決策、建議等）、房間（Room，按具體主題劃分，如認證、部署）。存儲層包括：抽屜（Drawer，存儲原始對話的完整記錄）和衣櫃（Closet，存儲內容的壓縮摘要）。
當不同“翼”中出現相同主題的“房間”時，系統會自動建立“隧道”（Tunnel）連線，實現跨項目或跨人的主題關聯。該系統借鑑記憶宮殿法將對話數據結構化存儲，通過翼樓、房間、走廊等層級精準檢索，召回率從60.9%提升至94.8%。
系統採用記憶堆疊機制，包括L0（用戶身份信息）和L1（關鍵事實）常駐記憶體（約170個tokens），以及L2（房間級）和L3（全局級）按需通過語義搜尋觸發，以平衡效率與效果。
技術實現上，MemPalace使用ChromaDB向量資料庫進行本地存儲，所有數據處理均在本地完成，無需雲端依賴，並結合SQLite知識圖譜處理時序一致性（如帶時間有效性的關係標註和衝突檢測）。配套的AAAK壓縮語言（實驗性功能）可用於最佳化表達，但在基準測試中其召回率（84.2%）低於原始文本模式（96.6%）。
技術原理
MemPalace旨在解決大模型在長周期協作中的記憶缺失問題，其技術原理基於全量存儲原始對話文本並構建結構化檢索系統的設計理念。系統將所有對話原文不做任何摘要或篩選，完整地存入本地的ChromaDB向量資料庫，確保信息的無損保存。
該系統借鑑記憶宮殿法將對話數據結構化存儲，通過翼樓、房間、走廊等層級精準檢索，召回率從60.9%提升至94.8%。其層次化的空間記憶模型將記憶組織為翼樓（Wing，代表人物或項目）、走廊（Hall，定義記憶屬性類別）和房間（Room，代表具體知識主題）等層級，無結構全量檢索的召回率為60.9%，加入翼樓約束後提升至73.1%，再疊加房間約束後達到94.8%，檢索效率因此提升了約34%。
MemPalace採用分層的記憶堆疊機制以實現按需載入，平衡效率與效果。最底層（L0）是用戶身份信息，L1是關鍵事實，兩者合計約170個tokens，在每次會話啟動時常駐記憶體，確保AI具備基礎意識。更深層的歷史記憶（L2房間級、L3全局級）則通過語義搜尋按需觸發載入。
團隊設計了一種名為AAAK的、為AI設計的縮寫語言，用於壓縮表達重複實體以最佳化信息表達效率。在LongMemEval基準測試中，AAAK模式的召回率（84.2%）低於原始文本模式（96.6%）。在長期記憶基準測試LongMemEval中，MemPalace的原始檢索模式取得了96.6%的成績。為保證輸出準確性，系統通過工具在輸出前進行一致性校驗，自動發現並提示前後矛盾的信息。
安裝與使用
MemPalace的安裝需要Python 3.9+環境，可通過pip install mempalace命令安裝。
安裝後需使用mempalace init命令初始化記憶宮殿的主目錄，並通過mempalace mine命令選擇相應模式進行數據挖掘以建立索引，例如挖掘項目、挖掘對話或通用挖掘。
其使用模式主要包括自動模式和手動增強模式。自動模式適用於支持MCP工具調用的AI助手，通過命令建立連線後AI可自動調用檢索工具。手動增強模式主要配合本地模型使用，可通過mempalace wake-up命令載入基礎記憶，通過mempalace search命令檢索特定記憶，或使用Python API在代碼中直接檢索。
AAAK壓縮功能目前仍處於實驗階段，在基準測試中的表現不及原始文本模式，需在精度和效率間做出權衡。當前版本存在Shell注入安全漏洞，請勿在多用戶環境或公開伺服器上部署。MemPalace適合個人開發者、長期項目及個人知識管理等本地隱私敏感場景，不適合實時/高頻寫入或團隊協作。
核心團隊
MemPalace項目由知名演員米拉·喬沃維奇與資深程式設計師本·西格曼主導，並與Anthropic的Claude Code協作完成。米拉·喬沃維奇在項目中擔任架構設計者角色，其參與源於個人對大型遊戲項目開發中信息管理問題的興趣。本·西格曼負責項目的工程實現。針對社區對其技術參與度的質疑，米拉·喬沃維奇澄清代碼中出現的“Lu”是其使用的AI編程代理。
