刚刚开源就斩获 46K+ Star！生化危机女主在 GitHub 开源了一个本地 AI 记忆系统！

最近 GitHub 上有个项目爆火，上线短短几天就斩获了 46K+ Star。

更让人吃惊的是，据说这个项目的核心贡献者，居然是演过《生化危机》系列的好莱坞女星 Milla Jovovich。

你可能认识她是荧幕上打僵尸的爱丽丝，但你不知道的是，她还是个重度 AI 玩家和技术爱好者。

项目背景

事情的起因很简单：Milla 跟 AI 对话多了之后，发现一个巨大的痛点。

每次用 AI 写代码、做决策、讨论架构，那些珍贵的思路、调试过程、灵光一现的瞬间，对话窗口一关就全没了。

下次再遇到类似问题，又得从头开始，AI 也记不住之前聊过什么。

她试过市面上的各种记忆系统，发现它们都有个通病：靠 AI 自己判断什么内容"值得记住"。

这思路在 Milla 看来完全不对。

谁能保证 AI 筛选掉的不是最重要的信息？凭什么让 AI 替你决定什么该记什么不该记？

于是她拉上朋友，花了几个月时间，用 Claude Code 从零开始写了一个新的记忆系统——MemPalace。

MemPalace 是什么？

简单来说，MemPalace 是一个本地优先的 AI 记忆系统。

它的核心理念很简单：不做任何筛选，把所有对话内容按原样存储下来，然后通过语义检索快速找到你需要的信息。

不总结，不提取，不改写——保存的就是原汁原味的对话原文。

这就好比你有个超能力，能记住跟 AI 说过的每一句话，而且想找哪句就能立刻找到哪句。

更绝的是，它采用了一种类似"记忆宫殿"的分层结构：

• • Wings（翼楼）：按人物或项目划分的顶级分类
• • Rooms（房间）：进一步细分的主题
• • Drawers（抽屉）：存放原始内容的地方

这种结构化索引让搜索不再是大海捞针，而是可以精准锁定范围。

核心亮点

1、96.6% 的召回率，业界最高

在 LongMemEval 基准测试中，MemPalace 的 raw 模式（纯语义搜索，没有任何启发式规则，也不用 LLM）召回率达到了惊人的 96.6%。

这是目前已公开的最高分。

而且全程零 API 调用，不用联网，数据全在本地。

如果开启混合模式（Hybrid v4），召回率能进一步提升到 98.4%。

要是再加上 LLM 重排，召回率更是 ≥99%。

同类项目能做到 80% 就已经很不错了。

2、完全本地化，数据绝对安全

MemPalace 从设计之初就坚持一个原则：数据不出机器。

除非你主动选择，否则没有任何数据会离开你的设备。

• • 默认用 ChromaDB 作为向量存储后端
• • 用 SQLite 存知识图谱
• • 所有内容都在本地文件系统

不需要 API Key，不需要云服务，连网络都可以不用。

对于隐私敏感的用户来说，这简直是救命稻草。

3、可插拔架构，想用什么后端都行

MemPalace 的检索层是完全可插拔的。

当前默认是 ChromaDB，但你可以轻松换成其他向量数据库，只需要实现 mempalace/backends/base.py 里定义的接口就行。

不用改系统其他部分，直接替换后端即可。

这种设计让 MemPalace 具备了极强的扩展性和适应性。

4、内置知识图谱，时间线追踪

MemPalace 还包含一个带时间窗口的实体关系知识图谱。

你可以：

• • 添加实体和关系
• • 查询特定时间点的状态
• • 让某些信息失效
• • 查看完整的时间线

这个功能用 SQLite 本地实现，完全不需要额外的数据库。

5、29 个 MCP 工具，开箱即用

MemPalace 提供了 29 个 MCP（Model Context Protocol）工具，覆盖：

• • 宫殿读写操作
• • 知识图谱操作
• • 跨翼楼导航
• • 抽屉管理
• • Agent 日记

这些工具可以直接集成到支持 MCP 的 AI 工具里。

快速上手

安装

pip install mempalace
mempalace init ~/projects/myapp

就这么简单。

挖掘内容到宫殿：

# 挖掘项目文件
mempalace mine ~/projects/myapp

# 挖掘对话导出文件
mempalace mine ~/chats/ --mode convos

搜索：

mempalace search "为什么我们改用 GraphQL 了"

加载上下文：

mempalace wake-up

就这几个命令，你就拥有了一个超强的 AI 记忆系统。

MemPalace 目前支持：

• • Claude Code
• • Gemini CLI
• • MCP 兼容工具
• • 本地模型（Llama 等）

基本上主流的 AI 工具都能接。

技术细节

MemPalace 的技术栈非常轻量：

• • Python 3.9+
• • ChromaDB（默认向量存储）
• • SQLite（知识图谱）
• • ~300 MB 磁盘空间（默认嵌入模型）

整个项目只有 21 个 Python 文件，两个运行时依赖。

但麻雀虽小，五脏俱全。

它的写入路径特别有意思：完全不涉及 LLM。

所有的提取、分类、压缩都是确定性的，摄入时没有任何 API 调用。

这种设计不仅快，而且成本为零。

适用场景

• • 开发者：如果你经常用 AI 写代码、调试问题，MemPalace 能帮你保存所有的调试过程和解决方案。
• • 研究人员：做研究时跟 AI 的讨论、灵感、思路，都可以完整保存下来。需要回顾时，精准检索。
• • 内容创作者：用 AI brainstorm 的点子、写的草稿、修改过程，全部留存。
• • 任何重度 AI 用户：只要你经常跟 AI 对话，并且觉得那些对话有价值，MemPalace 就适合你。

写在最后

MemPalace 的出现，给 AI 记忆系统这个领域带来了新的思路。

它不追求花哨的功能，而是回归最本质的需求：记住一切，快速找到。

不靠 AI 筛选，不做过度处理，就是简单粗暴地把所有内容存下来，然后用最有效的方式检索。

这种"反直觉"的设计，反而取得了最好的效果。

46K+ Star 不是白来的，96.6% 的召回率也不是吹的。

如果你也受够了 AI 记不住事情，不妨试试 MemPalace。

GitHub 地址： https://github.com/MemPalace/mempalace

官方文档： https://mempalaceofficial.com/guide/getting-started