MemPalace：本地优先的逐字存储 AI 记忆工具

工具定位

MemPalace 是一个本地优先（local-first）的 AI 记忆工具。它把对话历史以逐字原文保存，用语义搜索检索，不做摘要、抽取或改写。数据默认不离开本机，除非用户选择启用外部服务。

组织方式

索引采用结构化组织：人物和项目对应为“wing”，主题对应为“room”，原始内容存放在“drawer”中，因此搜索可以按范围限定，而不是在扁平语料上执行。

存储与后端

默认后端是 ChromaDB，无需配置。项目定义了可插拔后端接口，可选后端包括本地精确检索的 sqlite_exact、原生 Rust 向量检索的 rust_exact，以及需显式启用的 Milvus、Qdrant、pgvector。所有非默认后端均为可选启用。rust_exact 与 sqlite_exact 共用同一个数据库文件，切换无需数据迁移；但安装缺少原生扩展时，rust_exact 会回退到 Python 后端。

安装与使用

需要 Python 3.10+。推荐用 uv tool install mempalace 或 pipx 在隔离环境中安装，避免与全局依赖冲突；也可用 Docker 镜像运行 MCP 服务器或 CLI，数据持久化在 /data。Android/Termux 原生安装暂不支持，因相关依赖只发布 Linux wheel，可在 Debian PRoot 容器中运行。

主要命令：mempalace init 初始化、mine 导入项目文件或会话、search 检索、wake-up 加载上下文、audit 只读检查组织质量。

检索效果

项目报告 LongMemEval（500 题，R@5）：原始语义搜索 96.6%，全程无需 LLM 或 API Key；混合流水线在留出的 450 题上为 98.4%；再加入 LLM 重排可达 ≥99%。另有 LoCoMo、ConvoMem、MemBench 等结果，各自指标与测试条件不同，不宜混用。

边界

项目未发布原生向量检索的基准数字，需用 mempalace-native bench 在自有数据上测量。MemPalace 也不提供与其他记忆项目的对比，原因是各项目使用的指标和数据集划分不一致。这些数字来自仓库提供的方法与结果文件，复现需按文档下载数据集。