一个好莱坞演员，这周在AI圈干了件大事。
电影《生化危机》女主角Alice，《第五元素》里的Leeloo——Milla Jovovich，拍了三十年戏。就是这个人，开源了一个AI记忆系统，叫MemPalace。
MemPalace发布到GitHub上，48小时，2万+star。
前几天刚写完Claude Code源码记忆系统深度详解，Agent竟会做梦？今天又刷到一个记忆系统。
两件事说的是同一个方向：AI的记忆不能被筛掉，不管是"只记错误"还是"只记结论"，都会丢掉最重要的部分。
一件事在不同地方被独立发现了。
· · ·
大模型越来越聪明，但不记得你是谁
我每天用AI。聊业务、聊决策、聊判断。有时候一个session聊两三个小时，把一件复杂的事拆得很透彻。然后关掉窗口。第二天再开，它不记得我是谁了。
就像你雇了一个普林斯顿博士生，极其聪明，什么都懂。但他有阿尔茨海默症。
Milla遇到的是同一个问题，只不过场景更具体。
她在做一个大型游戏项目，用AI辅助设计——世界观、角色设定、关卡逻辑。做着做着她发现，每次开新session，之前的设计细节全没了，走过的弯路得重新走，做过的权衡得重新做。AI每次都在给她一个"全新的建议"，而不是一个"了解这个项目的合作者"。
她想了想，觉得解决记忆这件事，比继续做游戏更重要。干脆停掉游戏，专门来解决这个问题。
· · ·
不要AI自己决定记什么
Milla不是第一个想到这件事的人。她去试了Mem0和Zep。这是目前最主流的AI记忆产品，有专业团队，有融资，在行业里被广泛推荐。
用完之后，她发现两个产品有同一个问题。
这两个产品的逻辑是：让AI自己来判断什么值得保存。对话结束后，AI会提炼摘要，把"重要的事"存下来。听起来很合理。
但问题来了。AI保留的是结论。
你当时为什么做这个决策、推翻了哪些备选方案、接受了哪些代价、纠结了多久——这些东西被当成"冗余信息"扔掉了。下次你问"当初为什么选这个方向"，它不知道。它只知道你选了什么，不知道你怎么想的。
Milla说她想要的不是这个。她想要AI记住推理的过程，不只是结论。那些被推翻的方案、改变主意的原因，才是最有价值的部分。
结论是死的，推理过程是活的。
这不是技术问题，是设计问题——谁来决定什么值得记？
· · ·
信息放对了地方，比算法更聪明
Milla找了老朋友、工程师Ben Sigman。两个人合作了6个月。她负责架构逻辑，Ben写代码。
起点是一个简单的想法：不让AI决定记什么。全存。但存下来要能被找到。
"全存"听起来简单，实际上是个很大的工程判断。大多数人做记忆系统，首先想的是怎么"筛选"。Milla的判断反过来：筛选会丢东西，不如全留，把检索做好。
设计灵感来自古罗马的记忆宫殿术。古人记忆大量内容的方法，是在脑子里建一座宫殿，把要记的事情放在不同的房间里，需要时走进去取。结构帮助检索，而不是大脑帮助筛选。
MemPalace的架构就是这么来的。每个项目、每个人、每个主题，对应一个"翼楼"（Wing）。翼楼里按话题分"房间"（Room）。房间之间有"走廊"（Hall），按记忆类型分类：决策、里程碑、偏好、发现。最底层，存的是原始对话完整文本，一个字不删。
数据验证了这个判断。不加任何分类，你想找的东西能被找出来的概率是60.9%；加了项目分类和话题分类之后，直接拉到94.8%。差了34个百分点——不是算法更聪明了，是信息放对了地方。
这套系统，Milla坚持做成了完全本地运行的——不上云，不调外部API，数据不离开你的电脑。存储成本一年0.7美元。在LongMemEval——AI记忆领域的标准基准测试——上跑出了96.6%，是所有不依赖额外API方案里的最高分。
龙虾的记忆其实也是这个设计方向：用文件系统，不用向量数据库。文件你能直接打开看、改、搜索；向量数据库你不知道AI到底存了什么。可以被人看到的记忆，信任成本低得多。Milla做的这套，本质上是同一个判断。
· · ·
与其看起来厉害，不如做对的事
这个项目我觉得有意思的地方，不只是技术。
它发布没多久，社区就把数据扒了。压缩效果夸大了，满分是加了外援跑出来的，有个功能根本没接进去。挑出来的全是真问题。
但他们没删评论，写了封公开信，一条条认。
最后一句话是："与其看起来厉害，不如做对的事。"
然后star继续涨。
我觉得这说明了一件事：真正站得住的，是那个96.6%。扒皮之后反而比发布时更可信——因为该夸的地方认了，剩下的才是真的。
· · ·
更好的记忆
一个演员和一个工程师，6个月，没有大团队，没有融资，在AI记忆这个方向上跑出了行业最高分。
方向其实已经清楚了。
不是更聪明的模型，是更好的记忆。
最后，如果你想体验龙虾为工作提效，现在就可以试试：
国内版：easyclaw.cn
国际版：easyclaw.com
企业版：easyclaw.work
