【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：

1. 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；
2. "30x 无损压缩" 夸大：AAAK 是有损压缩，且精度折损明确；
3. "+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；
4. 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

1. 性能顶尖：原始模式下 96.6% LongMemEval R@5，500 个问题可独立复现；
2. 完全免费：无订阅、无云服务、无 API 调用成本；
3. 本地可控：数据全程本地化，无隐私泄露风险；
4. 灵活扩展：架构适配性强，可对接不同类型数据源；
5. 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：

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：

# 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）

# 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）

# 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：

# 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：

# 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）

1. 上下文唤醒 ：生成轻量化记忆上下文，注入 AI 系统提示

   mempalace wake-up > context.txt

2. 知识图谱操作：时序化实体关系管理，支持事实增删改查

3. 自动保存钩子：集成 Claude Code 实现对话实时记忆入库

4. 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

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