首页RAGMemPalace/mempalace
MemPalace

mempalace

AIRAGVector DatabaseLLMKnowledge GraphPython
近期趋势热门
总收藏数53
GitHub 上查看完整项目前往 GitHub

项目简介

MemPalace 提供了一种本地优先的解决方案,用于存储和检索逐字对话历史记录,无需进行摘要处理或调用外部 API。该系统将数据组织为由 wings、rooms 和 drawers 构成的结构化层级,以实现精确的范围化语义搜索。它具有可插拔的后端架构,并包含一个用于在本地管理实体关系的时间知识图谱。

技术分析

MemPalace 是一个本地优先的 AI 记忆系统,旨在将对话历史和项目数据存储为逐字文本,避免使用有损的摘要或提取技术。其架构采用结构化存储模型,将内容组织为“wings”、“rooms”和“drawers”,以实现范围化的语义搜索,而非扁平化的语料库扫描。通过采用可插拔的后端接口,该项目允许用户在更换 ChromaDB 等向量数据库的同时,保持一个注重隐私、支持离线运行的检索层,从而在无需外部 API 调用的情况下实现高召回率。

核心亮点

1
在 LongMemEval 上使用原始语义搜索,无需任何 LLM 或 API 依赖,即可实现 96.6% 的 R@5 检索召回率。
2
实现了结构化存储层次结构,将数据组织为 wings、rooms 和 drawers,以实现更精确和范围化的信息检索。
3
具有可插拔的后端架构,允许开发者将默认的 ChromaDB 实现替换为其他存储解决方案。
4
包含一个由本地 SQLite 支持的时间实体关系知识图谱,用于管理有效期和基于时间线的查询。
5
提供 29 个 MCP 兼容工具以促进与 Agent 的无缝集成,实现自动读取、写入和跨 wing 导航。
6
支持本地优先操作,确保敏感的对话数据保留在用户的机器上,无需云端处理。

典型使用场景

1
支持语义搜索的逐字对话和项目文件存储
2
用于实体关系追踪的本地优先知识图谱管理
3
支持 MCP 的工具集成,用于基于 Agent 的记忆和日记管理

快速开始

首先,通过 pip 安装该包,并使用 'mempalace init' 命令初始化您的项目目录。然后,您可以通过在项目文件或对话导出文件上运行 'mempalace mine' 来填充您的记忆存储。最后,使用 'mempalace search' 命令查询您的数据,或使用 'mempalace wake-up' 为新会话加载上下文。

相关项目
agentkit-samples
AgentKit 代码工坊是火山引擎推出的 AI Agent 开发平台配套示例仓库,旨在帮助开发者快速掌握智能体构建与部署流程。该项目提供了从基础入门到复杂业务场景的多种代码示例,涵盖了多智能体协作、RAG 检索增强及工具调用等核心功能。开发者可以通过这些教程深入理解 AgentKit 的开发工具链,从而高效实现各类智能化应用。
claude-cookbooks
Claude Cookbooks 提供了一系列全面的代码片段和指南,旨在帮助开发者将 Claude 集成到自己的应用程序中。该存储库涵盖了广泛的主题,包括工具使用、多模态功能以及提示词缓存等高级技术。这些资源旨在方便开发者根据不同的编程语言和项目需求进行灵活调整。
memvid
Memvid是一个无需数据库的单文件内存层,旨在为AI智能体提供即时检索和长期记忆功能。它通过创新的“智能帧”设计,将数据、嵌入和索引封装在单个文件中,实现了高效的压缩与并行读取。该系统具有模型无关、基础设施零依赖的特点,支持在各种离线或在线场景中实现持久化记忆。
qmd
QMD 是一款设备端搜索引擎,用于索引 Markdown 笔记、文档和转录内容,以实现高效的本地检索。它采用混合方法,结合了 BM25 全文搜索、向量语义搜索和基于 LLM 的重排序,从而提供高质量的搜索结果。该工具专为 Agent 工作流设计,提供命令行界面和 MCP 服务器,以便与 AI Agent 无缝集成。