### [MemPalace：57.7K Stars 的本地优先开源 AI 记忆系统，逐字存储 + 96.6% 检索召回，零 API 成本](https://www.willai.cc/article/4385)

**Published:** 2026-07-27T00:49:39

**Author:** hiyoho

**Excerpt:** MemPalace 是一款本地优先的开源 AI 记忆系统：逐字原文存储 + 语义检索，LongMemEval 上纯本地检索即达 96.6% R@5，无需任何 API Key。支持 ChromaDB/Milvus/Qdrant/pgvector 多后端、36 个 MCP 工具、时序知识图谱，并为 Claude Code / Codex / Cursor 提供自动保存钩子。MIT 许可，三个月斩获 57.7K Stars。

![MemPalace Logo](https://admin.hiyoho.com/wp-content/uploads/2026/07/mempalace-logo.jpg)

## 项目简介

**MemPalace** 是一款**本地优先（Local-first）的开源 AI 记忆系统**：它把你与 AI 的对话历史、项目文档以”逐字原文”的方式存进一座结构化的”记忆宫殿”，再用语义搜索精准召回——在权威长期记忆基准 LongMemEval 上，纯本地检索（不调用任何 LLM、不需要任何 API Key）就拿下了 **96.6% R@5** 的成绩，号称”基准测试打得最透明的开源 AI 记忆系统”。项目 2026 年 4 月上线，短短三个多月即斩获 **57.7K+ Stars**，MIT 许可，完全免费。

与 Mem0、Zep 等”摘要式”记忆方案不同，MemPalace 的哲学是**不摘要、不改写、不提炼**——原文进、原文出。它借用”记忆宫殿”的记忆术概念组织索引：人物和项目是”侧厅（wings）”，主题是”房间（rooms）”，原始内容躺在”抽屉（drawers）”里，搜索可以按范围限定，而不是在一个扁平语料库里大海捞针。

## 安装要求和过程

**环境要求：**

-   Python 3.9+
-   向量存储后端（默认内置 ChromaDB，零配置）
-   约 300 MB 磁盘空间用于本地嵌入模型（推荐多语言的 embeddinggemma-300m，支持 100+ 语言；也可选 30 MB 的英文版 all-MiniLM-L6-v2）
-   核心功能**无需任何 API Key**

**快速安装（推荐 uv，隔离环境防依赖冲突）：**

```
# 方式一：uv（推荐）
uv tool install mempalace
mempalace init ~/projects/myapp

# 方式二：pipx
pipx install mempalace

# 方式三：pip（虚拟环境内）
python -m venv .venv && source .venv/bin/activate
pip install mempalace
```

**Docker 部署（可直接作为 MCP 服务器运行）：**

```
docker build -t mempalace .
# MCP 服务器（stdio 模式，注意 -i 参数）
docker run -i --rm -v mempalace-data:/data mempalace
# 或直接跑 CLI 命令
docker run --rm -v mempalace-data:/data mempalace search "why GraphQL"
```

**30 秒上手：**

```
# 把项目文件"挖"进记忆宫殿
mempalace mine ~/projects/myapp
# 挖掘 Claude Code 历史会话
mempalace mine ~/.claude/projects/ --mode convos
# 语义搜索
mempalace search "当初为什么改用 GraphQL"
# 新会话开始时加载上下文
mempalace wake-up
```

## 核心功能

-   **逐字原文存储 + 语义检索**：不摘要、不改写，对话与文档按原文入库；LongMemEval 上纯语义检索 R@5 达 96.6%，混合管线（关键词加权 + 时间邻近加权）在留出集上达 98.4%，加 LLM 重排后 ≥99%——全部结果可用仓库内脚本复现。
-   **可插拔存储后端**：默认 ChromaDB 零配置开箱即用，另支持 SQLite（精确匹配）、Milvus、Qdrant、pgvector，一个环境变量即可切换，接口契约独立于任何单一厂商。
-   **36 个 MCP 工具 + 时序知识图谱**：内置 MCP 服务器覆盖宫殿读写、知识图谱操作（带有效期窗口的实体关系：添加/查询/失效/时间线）、跨侧厅导航和智能体日记，本地 SQLite 支撑。
-   **自动保存钩子（Auto-save Hooks）**：为 Claude Code、Codex CLI、Cursor IDE 提供钩子，定期保存并在上下文压缩前抢救现场——专治”Claude Code 会话 30 天过期”之痛。
-   **彻底本地、彻底免费**：嵌入模型本地运行，数据不出机器（除非你主动选择），MIT 许可，无任何付费墙。

## 典型使用场景

**场景一：给 Claude Code / Cursor 装上”永久记忆”。**AI 编程工具的会话记录会过期、上下文会被压缩，三周前”为什么放弃方案 A 改用方案 B”的讨论早已无处可寻。装上 MemPalace 的自动保存钩子后，每次对话都逐字入库，新会话里一句 `mempalace wake-up` 或通过 MCP 工具即可召回全部历史决策。

**场景二：团队/个人的项目决策考古**。把项目代码、文档、历史会话统统 `mine` 进宫殿，之后用自然语言问”当初为什么选 PostgreSQL 而不是 MongoDB”，直接命中当时的原始讨论原文——而不是某个 LLM 事后脑补的摘要。

**场景三：隐私敏感环境下的 AI 记忆层**。法务、医疗、金融等不能把数据传到云端的场景，MemPalace 全链路本地运行（嵌入模型本地、向量库本地、检索本地），配合 Ollama 等本地模型即可搭出完全离线的”有记忆的 AI 助手”。

## 推荐理由

AI 记忆赛道今年异常拥挤（Mem0、Zep、Supermemory、Letta……），MemPalace 能三个月冲到 57K Stars，我认为靠的是两个字：**诚实**。它是少数把基准测试方法论、每道题的原始结果文件全部提交到仓库、并且主动说明”最后 0.6% 是看着错题调出来的所以我们不宣传 100%”的项目——甚至拒绝与竞品做不对等的表格对比。这种工程品味在营销味浓重的 AI 开源圈里非常稀缺。

实际体验上，”逐字存储”这个反直觉的设计恰恰是最大亮点：摘要式记忆一旦摘错，信息就永久丢失；而 MemPalace 永远保留原文，检索层再怎么迭代都能吃到红利。加上零 API 成本、五种后端随意切换、36 个 MCP 工具即插即用，把它接进 Claude Code / Cursor 的成本极低。如果你只想给自己的 AI 工作流加一层”不会失忆”的保险，这是目前开箱体验最好的选择之一。唯一要提醒的是：官方明确警告有大量仿冒网站，请只从 GitHub、PyPI 和 mempalaceofficial.com 获取。

## 下载地址

-   GitHub 仓库：[https://github.com/MemPalace/mempalace](https://github.com/MemPalace/mempalace)
-   官方文档：[https://mempalaceofficial.com](https://mempalaceofficial.com/)
-   PyPI：[https://pypi.org/project/mempalace/](https://pypi.org/project/mempalace/)

**Tags:** AI, AI开源项目, AI记忆系统, ChromaDB, Claude Code, LLM, MCP, MemPalace, MIT许可, Python

**Categories:** 开源项目

---