MemPalace 本地 AI 记忆

MemPalace 是一个本地优先的 AI 记忆系统，用于将对话历史以原文形式存储，并通过语义搜索进行检索。它不进行摘要、抽取或改写。其索引采用结构化组织：人物和项目成为 wings（翼），主题成为 rooms（房间），原始内容存放在 drawers（抽屉）中，因此搜索可以按范围限定，而不是在扁平语料上运行。

能做什么：

• 将项目文件或 Claude Code 会话等对话内容通过 mempalace mine 命令导入宫殿。
• 使用 mempalace search 进行语义搜索，找回历史对话。
• 使用 mempalace wake-up 为新会话加载上下文。
• 使用 mempalace audit 评估宫殿的组织程度。
• 提供 47 个 MCP 工具，覆盖宫殿读写、知识图谱操作、跨翼导航、抽屉管理、智能体日记和智能体协调。
• 包含带有效时间窗口的时序实体关系图，基于本地 SQLite。
• 为 Claude Code、Codex CLI 和 Cursor IDE 提供自动保存钩子，定期保存并在上下文压缩前保存。
• 支持 mempalace sweep <transcript-dir> 为每条用户/助手消息存储一个原文抽屉。

适用场景：

• 需要让 AI 编码智能体记住跨会话对话历史与项目上下文的场景。
• 希望聊天历史检索不依赖云端或外部 API 的本地优先工作流。
• 需要在多个智能体之间共享记忆、使用知识图谱或进行智能体协调的开发环境。

使用条件与限制：

• 需要 Python 3.10+。
• 默认使用 ChromaDB 作为向量存储后端；也可选择 sqlite_exact、rust_exact、milvus、qdrant、pgvector 等非默认后端。
• 嵌入模型需要约 300 MB 磁盘空间（默认 minilm 约 30 MB，embeddinggemma 约 300 MB），也可选使用 OpenAI 兼容的嵌入服务端点。
• Docker 镜像以 uid 1000 运行，在 Linux 上挂载目录需对该 uid 可读；GPU 镜像为 x86_64 专用。
• 初次使用嵌入模型需要网络下载，首次调用较慢。
• Android/Termux 原生安装不受支持，需使用 Debian PRoot 容器。
• 项目说明未给出免费或价格信息，也未承诺性能，以上仅基于文档明确描述整理。