MemPalace

mempalace

AI🌱 NEW PROJECT BOOST#RAG#Vector Database#LLM#Knowledge Graph#Python

// 项目简介

MemPalace 是一个本地优先的 AI 记忆系统，它将对话历史记录存储为逐字文本，以实现高精度的语义检索。它利用带有可插拔后端的结构化索引方法，将内容组织为侧翼、房间和抽屉，而无需进行外部 API 调用。该平台还具有时间知识图谱、MCP 工具和特定于代理的日记，以提供全面的上下文管理。

// 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，避免因摘要或改写而导致的信息丢失。它利用结构化的存储架构（将数据分类为 wings、rooms 和 drawers），实现范围化的语义搜索，而非扁平化的语料库扫描。通过提供可插拔的检索后端并完全离线运行，该项目优先考虑数据隐私和高性能检索，在无需任何 API 调用情况下，在 LongMemEval 上实现了 96.6% 的 R@5 召回率。

// 核心亮点

逐字存储确保对话历史被完整保留，不会进行有损的摘要或提取。

分层存储结构将数据组织为 wings、rooms 和 drawers，以实现精确的范围化语义搜索。

该系统具有可插拔的检索后端，允许用户在不修改核心系统的情况下更换存储引擎（如 ChromaDB）。

通过纯本地语义搜索实现高检索召回率（96.6% R@5），无需外部 API 调用或云依赖。

包含一个由 SQLite 支持的时间实体关系知识图谱，用于管理复杂的数据关联和有效期窗口。

提供 29 个兼容 MCP 的工具，以促进与 Agent 的无缝集成、跨 wing 导航以及自动化日记管理。

// 典型使用场景

逐字对话历史存储和语义检索

具有时间实体关系跟踪的结构化知识图谱管理

通过 MCP 工具和自动保存钩子与 AI 代理及 Claude Code 集成

// 快速开始

首先，通过 pip 安装该包，并使用 CLI 命令 'mempalace init' 初始化您的 palace 目录。然后，您可以通过在项目文件或对话日志上运行 'mempalace mine' 来填充您的记忆。最后，使用 'mempalace search' 查询您的数据，或使用 'mempalace wake-up' 为新会话加载上下文。