社区所有版块导航
Python
python开源   Django   Python   DjangoApp   pycharm  
DATA
docker   Elasticsearch  
aigc
aigc   chatgpt  
WEB开发
linux   MongoDB   Redis   DATABASE   NGINX   其他Web框架   web工具   zookeeper   tornado   NoSql   Bootstrap   js   peewee   Git   bottle   IE   MQ   Jquery  
机器学习
机器学习算法  
Python88.com
反馈   公告   社区推广  
产品
短视频  
印度
印度  
Py学习  »  Git

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!

开源星探 • 3 月前 • 219 次点击  

 

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

 







如果本文对您有帮助,也请帮忙点个 赞👍 + 在看 哈!❤️

在看你就赞赞我!

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/195159