吃瓜简评
MemPalace是一个基于“记忆宫殿法”的AI记忆系统，由Milla Jovovich和Ben Sigman开发，旨在提高AI的记忆管理和检索效率，以下是对该项目的详细分析和总结：，### 项目概述，MemPalace的核心理念是将记忆组织成一个结构化的“宫殿”，类似于古希腊演说家的记忆方法，通过这种结构，AI可以更高效地检索信息，提高记忆管理的准确性和效率。，### 主要特点，1. **结构化记忆组织**：知识被分为不同的房间，每个房间包含具体的记忆片段，整体结构以“宫殿”为主，包含“翅膀”、“房间”、“走廊”等层级，增强了记忆的可导航性和检索效率。，2. **高检索效率**：通过结构化查询，MemPalace相比全局乱搜提高了约34%的效率，减少了搜索空间，增强了语义约束。，3. **本地化存储**：所有记忆处理在本地完成，避免了数据上传到云端的隐私风险。，4. **开源与免费**：项目发布后开源，用户可免费使用，适合个人和企业用户。，5. **AAAK语言**：一种优化AI记忆存储的缩写语言，减少token数量，提高存储效率，但可能导致信息精度下降。，6. **实时纠错功能**：通过fact_checker.py进行信息一致性校验，确保生成结果的准确性。，7. **灵活部署**：支持自动模式和手动模式，适合不同的使用场景和AI模型集成。，### 技术架构，- **翅膀（Wing）**：代表个人或项目，每个翅膀是一个独立空间。，- **房间（Room）**：存储具体主题的记忆，信息按主题归类。，- **走廊（Hall）**：定义记忆的类别，给信息加上属性，如建议、决策等。，- **抽屉（Drawers）和衣柜（Closets）**：分别存储原始记录和压缩摘要，支持快速检索。，- **隧道（Tunnels）**：连接不同翅膀中的相同主题，方便跨项目检索。，### 实验与验证，- 结构化查询方式在22000多个对话中显著提高了检索效果，每多一层结构，效果越好。，- L+L1、L2、L3的记忆堆栈设计，根据重要程度有选择性加载，提升了召回的准确性和长期记忆的稳定性。，- 对比传统方法，MemPalace在存储和检索方面节省了大量成本，尤其在长期记忆处理上表现优异。，### 安装与使用，- 简单的命令行操作，支持多种数据挖掘模式，适用于项目文档、聊天记录等。，- 支持自动模式和手动模式，Python API提供灵活的检索和注入功能，便于集成到不同AI模型中。，### 团队与社区，- 开发团队由Milla Jovovich（架构师）和Ben Sigman（程序员）组成，结合Claude的技术，打造了MemPalace。，- 项目在GitHub上迅速获得热度，手快的开发者已开始贡献前端，进一步扩展了项目的生态。，### MemPalace通过结构化记忆管理和检索方式，显著提升了AI的记忆系统性能，具有高效、安全、灵活等优势，其在长期记忆、本地化存储和开源等方面的表现使其成为一个值得关注的开源项目，其在AI应用中的潜力和扩展性值得进一步探索和实践。**MemPalace AI记忆系统：由Milla Jovovich领衔开发的开源AI记忆系统**，**，MemPalace是一款由知名演员Milla Jovovich和程序员Ben Sigman共同开发的开源AI记忆系统，旨在通过创新的结构化记忆管理方式，提升AI的记忆和检索效率，本文将详细介绍该系统的设计、功能、性能以及未来潜力。，**核心设计理念：**，MemPalace以“记忆宫殿法”为灵感，将记忆组织成一个可导航的空间结构，类似于古希腊的宫殿，知识被划分为不同主题的房间，每个房间包含具体的记忆片段，通过层级结构提升检索效率。，**功能与性能：**，1. **高效检索：** 通过结构化检索方式，相比全局乱搜，MemPalace提升了约34%的效率。，2. **多层次存储：** 采用分层存储机制，抽屉存储原始记录，衣柜存储摘要，确保数据完整性和快速访问。，3. **跨项目整合：** 隧道功能连接不同主题或项目的记忆，支持跨项目检索。，4. **成本优化：** 使用AAAK缩写语言减少token数量，降低计算成本，同时保持高效率。，5. **实时纠错：** 集成fact_checker.py工具，确保记忆的一致性和准确性。，**测试成绩：**，MemPalace在多个基准测试中表现优异：，- LongMemEval：96.6%的最高分，- ConvoMem：92.9%，- LoCoMo：100%，**优势分析：**，- **结构化检索：** 提高了效率和准确性。，- **本地化处理：** 确保数据隐私，避免云端泄露风险。，- **开源免费：** 提供免费使用，适合开发者和研究人员。，**应用场景：**，MemPalace适用于需要长期记忆管理的场景，如项目文档管理、对话记录整理、知识库构建等，尤其适合需要高效检索和准确性保障的应用。，**未来发展：**，- **实时纠错功能：** 已设计好，未来将上线。，- **多语言支持：** 可能在后续版本中增加支持。，- **扩展性：** 针对不同需求，设计了多级别记忆堆栈，支持灵活扩展。，**团队背景：**，MemPalace团队由Milla Jovovich、Ben Sigman和Claude组成，Milla负责架构设计，Ben负责程序开发，Claude提供AI支持，Milla的跨界展示了艺术家与技术的结合，为项目注入了创意和动力。，**社区反响：**，项目在GitHub上迅速获得认可，星数从3.3k激增至17.4k，显示出广泛的关注和支持，社区成员积极贡献，已完成前端界面，进一步提升了项目的实用性。，****，MemPalace凭借其创新的结构化记忆管理方式、优异的性能表现以及开源免费的优势，成为AI记忆系统领域的佼佼者，它不仅为开发者提供了高效的记忆工具，还展示了艺术家与技术的深度融合，未来有望在更多领域发挥重要作用。
（来源：量子位）
起猛了，在GitHub刷到《生化危机》女主角的项目了！
Milla Jovovich，这位曾饰演爱丽丝的知名女星，最近和程序员老友及Claude一起，合造了一个AI记忆系统。
这个系统历经几个月打磨，一亮相便在长期记忆基准测试LongMemEval中拿下“公开可查史上最高分”96.6%。
而且发布即开源，所有人免费可用（注意还是本地可跑）。
当然，比成绩更有意思的，还是项目背后的设计思路：
就像它的代号MemPalace一样，这个项目以古希腊演说家惯常采用的“记忆宫殿法”为灵感来源，让AI通过“空间位置”来组织记忆——
Palace是包含所有知识的大房间、不同知识按主题放在不同Rooms中、每间房里储存着具体的Memories。
想要检索某样东西，就像在房间里行走，推开一扇扇门一样。
凭借这种记忆结构，MemPalace的检索效率相比全局乱搜提高了约34%。
更重要的是，为了解决AI记忆难题，以前人们都在卷“让AI决定什么更值得记忆”，现在却不需要了。
更更有意思的是，他们还专门给AI造了一种缩写语言AAAK。
用上“记忆宫殿”，检索提升34%
来看更多MemPalace的信息。
在另一位作者Ben Sigman的形容中，和市面上已有的AI记忆系统相比，MemPalace的独特之处在于：
一是成绩最好，二是工作方式截然不同。
除了在LongMemEval中（RAW模式）拿到史上最高分，它还在ConvoMem（侧重考短期记忆）和LoCoMo（侧重考几个月超长记忆）上分别斩获92.9%和100%的好成绩。
Ben甩出的部分测评成绩如下（任何人均可根据仓库提供的脚本进行测试）：
需要注意，MemPalace不会将用户数据发送到云端，所有记忆处理都在本地完成。
这也从源头上降低了隐私泄露的风险——因为不论是对话内容的记录、结构化整理，还是后续的检索与调用，都不依赖远程服务器。
不止本地化，MemPalace还用上了“记忆宫殿法”这种类人记忆模式。
和常见的向量数据库方案不同，MemPalace并不是简单把对话切片、Embedding，然后做相似度召回。
其核心在于，把记忆变成一个可导航的空间结构。
其中Wing（翅膀）代表一个人或一个项目，每一个展出去的翅膀都相当于一个独立空间。
这个独立空间中有很多Rooms，每一间Room代表一个具体主题（如认证、计费、部署等），所有信息将按主题归到不同房间。
连接不同房间的是Halls（走廊），它主要定义“这段记忆属于哪一类”（如建议、个人偏好、决策等），在主题之外给信息加上各种属性。
具体内容则分成两层存储：
抽屉（Drawers）里放原始记录，所有对话一字不动，完整封存；
衣柜（Closets）则放这些内容的压缩摘要，为AI快速读取而准备。
而当不同翅膀出现了相同的房间时，MemPalace就会自动打通Tunnels（隧道），以把分散在不同人、不同项目中的同一主题连接起来。
最终，在这套结构下，所有内容都可以在记忆宫殿里按路径查找。
这里作者还搞了两个实验验证了两件事：
关于结构有多大作用，作者在22000多个真实对话中，直接对比了4种检索方式的效果：
全局乱搜、先限定在某个翅膀、再加一层走廊、再精确到房间。
结果发现，每多一层结构，就相当于缩小一次搜索空间以及增强一次语义约束，所以效果也越来越好。
在作者看来，宫殿结构本身，就是产品。
至于什么时候找、找多少这类效率问题，作者则设计了一套重要程度由轻到重的记忆堆栈。
其中L0+L1属于“常驻选手”，总计约170 tokens，会在每一次对话中始终加载，让AI在“醒来”的那一刻，就已经具备最基本的自我认知和用户上下文。
L2、L3则按需触发，前者属于房间级召回，后者属于全局深度搜索。
整体逻辑是，先用最小成本理解你，不够再局部补充，还不够才全局搜索。
这样设计带来的好处也很直接，不仅单次召回更准，而且长期记忆也更稳定了。
而说到长期记忆，作者也直接给MemPalace扔了6个月的对话内容，大约有1950万个tokens。
简单换算一下，这相当于200～400本书，又或者一个拥有10～30个项目的中型代码库。
如此大体量，传统方法就不指望了（基本无法全部塞进上下文）。
用总结压缩的话，通常能压到65万tokens，年成本大约507美元（约合人民币3500多元），不过过程中往往会丢失信息。
而用MemPalace，平时仅需加载约170个tokens，按需加载也才13500个tokens，年成本直接砍到10美元，并且也不牺牲信息细节。
在这个意义上讲，MemPalace确实和传统记忆系统已经不在一个level了。
而MemPalace能做到信息准确的关键，作者也透露了两点。
一个就是我们开头提到的AI专属语言“AAAK”——不需要额外解码器，主流大模型都可以直接理解。
因为大模型本质是“读token模式”的，废话越少、关键信息越集中，它反而看得更清楚。
尤其在表达大量重复实体时，AAAK能明显压缩token。
不过作者也说了，LongMemEval上AAAK模式的召回率是84.2%，而RAW模式是96.6%——差了12个多点。
所以，想保精度就老老实实用RAW模式，想省token且能接受一定信息损失再上AAAK。
另一个则是实时纠错，通过一个叫fact_checker.py的独立工具实现（集成中）。
未来上线后，遇到前后信息相互矛盾，MemPalace就能在生成结果前自动做一致性校验。
而当MemPalace同时把长期记忆和准确性都兼顾下来，也就不难理解作者为什么敢喊出“当前最好的记忆系统”这样的口号了。
插一嘴，它的Logo也像一个简易版宫殿：
如何安装部署？
具体安装步骤和两种使用模式如下。
第一步：在终端中运行以下命令，通过pip安装MemPalace。
pip install mempalace
第二步：初始化世界，创建一个属于你的记忆宫殿（以下命令会设置一个存放你所有记忆数据的主目录）。
mempalace init ~/projects/myapp
第三步：挖掘数据，把你的项目文件、聊天记录等喂给MemPalace，让它建立索引。
根据数据类型，有三种模式可选：
（1）挖掘项目：适用于代码、文档和笔记。
mempalace mine ~/projects/myapp
（2）挖掘对话：适用于Claude、ChatGPT、Slack等导出的聊天记录。
mempalace mine ~/chats/ —mode convos
（3）通用挖掘：自动将内容分类为决策、里程碑、问题等。
mempalace mine ~/chats/ —mode convos —extract general
完成这三步，你的本地记忆宫殿就搭好了，所有数据都存储在本地，不会上传到云端。
接下来就是如何使用了。
一个是自动模式，适用于支持MCP工具调用的AI，只需一次连接即可：
claude mcp add mempalace -- python -m mempalace.mcp_server
连接完成后，AI就会自动调用MemPalace的检索工具。
另一个是手动增强模式，主要配合本地模型使用。
如果只是平时用用，用以下命令加载基础记忆即可（触发词，170个tokens）。
mempalace wake-up > context.txt
如果还有更多需求，则可以通过命令行按需检索相关记忆，并将结果手动注入到提示词中。
mempalace search "auth decisions" > results.txt
这里不想手动的，还可以使用Python API，直接在代码中完成检索与注入。
from mempalace.searcher import search_memoriesresults = search_memories("auth decisions", palace_path="~/.mempalace/palace")
天啦撸，在GitHub看见女明星了！
最后简单介绍下MemPalace的团队：一个架构师+一个程序员+Claude。
架构师我们很熟悉，就是开头提到的女明星Milla Jovovich，她贡献了很多经典荧幕形象。
除了《生化危机》系列中的爱丽丝，她还饰演了知名科幻电影《第五元素》中的外星人leeloo、动作电影《三个火枪手》中的德文特夫人……
wait wait，你是说这样一位以演员身份示人的女明星，如今却和AI记忆系统挂上钩了吗？
只能说，虽然很反差，但事实确实如此。
而且通过Milla Jovovich的自述，她的这种跨界很早就开始了。
据悉，她私下一直在做一个大型游戏项目，但过程中遇到的一系列问题，让她意识到：
如何管理和利用信息，本身可能比项目更重要。
于是她找到了自己相识20多年的老朋友——资深程序员Ben Sigman，决定研究一下这个问题。
直到6个月前，Ben给她讲了Claude Cli，于是她很快意识到：
对于一个热爱写作的创作者来说，AI已经可以把想法直接转化为可运行的系统。
于是“一个架构师+一个程序员”的组合就此成形。
在Milla Jovovich看来，当下AI的核心问题在于它只能基于已有信息工作，而真正的创新来自人类的想象力与持续探索。
也正因如此，她和Ben希望通过开发MemPalace这样的系统，可以帮助开发者更好地利用已有知识，从而创造新的东西。
目前MemPalace在开源社区的热度正在飙升中，周二下午17:00看还只有3.3k star，现在已经飞涨至17.4k。
而且手快的网友已经给它做了一个前端：
GitHub：
https://github.com/milla-jovovich/mempalace
admin
