【开源仓库系列学习分享】MemPalace 仓库（超级记忆管家）全流程部署！（专业版）

MemPalace 仓库介绍（专业版）

MemPalace 是一款开源的本地 AI 记忆系统，核心特点是无删减存储所有对话/数据、基于语义搜索实现高精准检索，且完全免费、本地化运行，在 LongMemEval 基准测试中取得了 96.6% R@5 的超高分数（原始文本存储模式下），是目前公开可查的同类系统中得分最高的。

核心设计理念

1. 「宫殿」式组织架构

借鉴古希腊演说家的记忆法，将数据按「翼（Wings，对应人物/项目）→ 大厅（Halls，对应记忆类型）→ 房间（Rooms，对应具体想法）」的层级结构组织，而非扁平的搜索索引。用户掌控所有数据的分类逻辑，而非由 AI 决定「哪些内容值得保留」。

2. 原始文本存储（核心优势）

区别于其他记忆系统的「摘要/提取式存储」，MemPalace 直接将对话/数据原封不动存入 ChromaDB，不通过 LLM 筛选或精简内容------这也是其 96.6% LongMemEval 高分的核心原因，避免了「有用上下文被 AI 丢弃」的问题。

3. 实验性 AAAK 压缩方言（Lossy）

AAAK 是一套针对「大规模重复实体」设计的有损缩写规则，目的是减少大尺度数据的令牌占用，但并非默认存储模式：

小尺度场景下无令牌优势（甚至可能增加），仅适用于「重复实体规模化」场景；
该模式下 LongMemEval 得分降至 84.2%，存在精度折损，目前仍在迭代优化。

4. 本地化 & 开源

完全本地运行，不依赖任何外部 API/云服务，数据不会离开用户设备；代码开源，可适配不同类型的数据源（不仅限于对话）。

关键澄清（官方修正）

仓库维护者在 2026.04.07 的说明中坦诚了初期文档的不实表述，核心修正点：

AAAK 示例错误：初期用粗略 heuristic 计算令牌数，实际小尺度下无压缩优势，仅适用于规模化重复实体；
"30x 无损压缩" 夸大：AAAK 是有损压缩，且精度折损明确；
"+34% palace 增益" 误导：该增益来自 ChromaDB 原生的元数据过滤，非独创机制；
部分功能（如矛盾检测）尚未完全集成，基准测试脚本需补充（如 Haiku 重排 pipeline）。

仓库结构

核心目录/文件功能：

mempalace/：核心代码实现；
benchmarks/：基准测试脚本 & 完整测试结果（含 LongMemEval 可复现流程）；
examples/：使用示例（如基础数据采集、对话导入）；
hooks/：钩子脚本（如预压缩钩子）；
docs/：数据库 schema 等文档；
根目录：核心说明文档（README/AGENTS/ROADMAP 等）、配置文件（pyproject.toml/.pre-commit-config.yaml 等）。

核心优势总结

性能顶尖：原始模式下 96.6% LongMemEval R@5，500 个问题可独立复现；
完全免费：无订阅、无云服务、无 API 调用成本；
本地可控：数据全程本地化，无隐私泄露风险；
灵活扩展：架构适配性强，可对接不同类型数据源；
社区透明：直面问题并快速修正，开源协作氛围开放。

此外，需注意：目前不存在官方 MemPalace 网站，任何声称是其官网的站点均为伪造（可能含恶意软件）。

MemPalace 部署与使用指南（专业版）

本指南基于官方标准流程，提供生产级、可复现的部署、初始化、数据接入、检索及 AI 集成方案，适配 Windows/macOS 双平台，覆盖聊天记录、项目文件两种核心数据源，并完整支持 Claude、Cursor、ChatGPT、Trae 等主流 MCP 兼容 AI 工具链。

一、环境依赖

Python 3.9 及以上版本
网络环境（仅用于安装依赖，运行时无外部 API 调用）
支持 ChromaDB 本地向量存储，无云服务依赖

二、全平台标准化部署流程

1. 核心库安装

通过 PyPI 完成稳定版本部署，执行标准化安装命令：

bash 复制代码

pip install mempalace

2. 记忆宫殿初始化

执行初始化命令，创建本地化存储架构、配置文件与向量数据库：

bash 复制代码

# 通用标准化路径（macOS/Linux）
mempalace init ~/.mempalace

# Windows 标准化路径
mempalace init C:\Users\%USERNAME%\.mempalace

该命令会自动生成配置文件、实体注册表、知识图谱存储结构，完成 AAAK 方言初始化。

3. 数据接入（Mine）

支持两种标准化接入模式，适配不同数据源类型：

模式1：对话数据接入（AI 聊天/IM 导出数据）

bash 复制代码

# 通用命令
mempalace mine <数据目录> --mode convos

模式2：项目文件接入（代码/文档/笔记）

bash 复制代码

# 通用命令
mempalace mine <数据目录>

4. 语义检索

基于向量检索与宫殿结构过滤，提供高精度原文召回：

bash 复制代码

# 全局检索
mempalace search "<检索关键词>"

# 结构化过滤检索
mempalace search "<检索关键词>" --wing <项目/人员名称> --room <主题名称>

5. MCP 服务集成（AI 自动记忆）

启动 MCP 服务，将 MemPalace 19 项标准化工具注入 AI 客户端，实现无手动操作的全自动记忆调用：

bash 复制代码

# 通用集成命令
<AI客户端命令> mcp add mempalace -- python -m mempalace.mcp_server

二、平台+数据源+AI 全组合标准化命令集

1. Windows 平台（专业版）

1.1 数据源：聊天记录（--mode convos）

目标 AI 工具	完整一键部署 & 集成命令
Claude	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Documents\ChatLogs --mode convos && claude mcp add mempalace -- python -m mempalace.mcp_server`
Cursor	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Documents\ChatLogs --mode convos && cursor mcp add mempalace -- python -m mempalace.mcp_server`
ChatGPT	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Documents\ChatLogs --mode convos && chatgpt mcp add mempalace -- python -m mempalace.mcp_server`
Trae	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Documents\ChatLogs --mode convos && trae mcp add mempalace -- python -m mempalace.mcp_server`

1.2 数据源：项目文件（代码/文档）

目标 AI 工具	完整一键部署 & 集成命令
Claude	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Projects && claude mcp add mempalace -- python -m mempalace.mcp_server`
Cursor	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Projects && cursor mcp add mempalace -- python -m mempalace.mcp_server`
ChatGPT	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Projects && chatgpt mcp add mempalace -- python -m mempalace.mcp_server`
Trae	`pip install mempalace && mempalace init C:\Users\%USERNAME%\.mempalace && mempalace mine C:\Users\%USERNAME%\Projects && trae mcp add mempalace -- python -m mempalace.mcp_server`

2. macOS 平台（专业版）

2.1 数据源：聊天记录（--mode convos）

目标 AI 工具	完整一键部署 & 集成命令
Claude	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Documents/ChatLogs --mode convos && claude mcp add mempalace -- python -m mempalace.mcp_server`
Cursor	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Documents/ChatLogs --mode convos && cursor mcp add mempalace -- python -m mempalace.mcp_server`
ChatGPT	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Documents/ChatLogs --mode convos && chatgpt mcp add mempalace -- python -m mempalace.mcp_server`
Trae	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Documents/ChatLogs --mode convos && trae mcp add mempalace -- python -m mempalace.mcp_server`

2.2 数据源：项目文件（代码/文档）

目标 AI 工具	完整一键部署 & 集成命令
Claude	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Projects && claude mcp add mempalace -- python -m mempalace.mcp_server`
Cursor	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Projects && cursor mcp add mempalace -- python -m mempalace.mcp_server`
ChatGPT	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Projects && chatgpt mcp add mempalace -- python -m mempalace.mcp_server`
Trae	`pip install mempalace && mempalace init ~/.mempalace && mempalace mine ~/Projects && trae mcp add mempalace -- python -m mempalace.mcp_server`

三、高阶扩展（标准化补充）

上下文唤醒 ：生成轻量化记忆上下文，注入 AI 系统提示
bash 复制代码
```
mempalace wake-up > context.txt
```
知识图谱操作：时序化实体关系管理，支持事实增删改查
自动保存钩子：集成 Claude Code 实现对话实时记忆入库
AAAK 压缩：适用于大规模重复实体的上下文压缩方案

四、规范说明

所有命令遵循 MemPalace 官方 CLI 规范，支持 --palace 参数自定义存储路径
MCP 集成仅适用于支持 Model Context Protocol 的官方 AI 客户端
数据全程本地化存储，符合隐私安全与企业级部署标准
检索与存储默认采用 RAW 原文模式，保证 96.6% LongMemEval 基准性能