MemPalace 深度解析：当《生化危机》女主角给 AI 造了一座记忆宫殿

## 楔子：Alice 的 GitHub 账号 2026 年 4 月，GitHub 上出现了一个新的 AI 项目： - 上线 48 小时：3,800+ stars，360 forks - 一周之内：19,500+ stars，2,300+ forks - LongMemEval 基准：**100% 满分**（史上首个） 项目作者：**Milla Jovovich** —— 对，就是那个在《生化危机》里拿枪一路打到世界尽头的 Alice。 更魔幻的是，她在 Instagram 上说： > "我和 Ben 讨论后想，'为什么不做个虚拟的记忆宫殿？'反正什么都比装满垃圾的仓库强。" --- ## 第一部分：为什么是她？ ### 从挫败到灵感 Milla 在 Instagram 上分享了她的挫败： > "几个月的精心整理之后，我发现 AI 就是不太擅长找东西，哪怕你存了最好的文件。市面上每个系统都还在用关键词搜索——在我看来真的太笨重、太乱了…… > > 最后你的文件夹就像一个巨大的仓库，所有文件就像一堆写着日期和名字的垃圾。" 这个比喻很直白，但也很真实。 用 AI 的人都有这个体验：对话就是产出物。你跟 AI 聊了几个月，讨论过架构决策、调试过 bug、权衡过方案——这些全在聊天记录里。但等你想找"当初为什么选 GraphQL 而不是 REST"的时候，关键词搜索完全派不上用场。 ### 古希腊的记忆术 然后她想起了一些东西： > "我读过很多关于古希腊人如何记忆长演讲的内容，还有那些记忆大师怎么记住圆周率后 7 万位。我觉得我们应该让 AI 能用一种更'有机'的方式记住信息。" 古希腊的**记忆宫殿术**（Method of Loci）——演说家们把想法放在想象建筑的房间里，"走"过建筑就能找到想法。 这成了 MemPalace 的起点。 --- ## 第二部分：宫殿的 Anatomy ### 空间结构 MemPalace 的核心是"空间化"的记忆组织： ``` Palace ├── Wing (翼) ← 一个人或一个项目 │ ├── Hall (厅) ← 记忆类型：facts/events/discoveries/advice │ │ ├── Room (室) ← 具体主题：auth、billing、deploy │ │ │ ├── Closet ← AAAK 压缩摘要 │ │ │ └── Drawer ← 原始文件，一字不差 │ │ └── ... │ └── ... ├── Tunnels (隧道) ← 跨 Wing 连接相同主题 └── Halls (走廊) ← 同一 Wing 内连接相关 Room ``` **实测效果**：22,000+ 条对话，结构本身带来 **+34% 检索准确率提升**。 ### 连接的力量 ``` wing_kai / hall_events / auth-migration → "Kai debugged OAuth" wing_driftwood / hall_facts / auth-migration → "团队决定迁移到Clerk" wing_priya / hall_advice / auth-migration → "Priya批准了Clerk而不是Auth0" ``` 同一个 Room，三个 Wing，**隧道**把它们连起来。 这种设计让 AI 不仅能找到"有什么"，还能理解"谁说了什么"、"在什么语境下"。 --- ## 第三部分：AAAK —— 30 倍压缩的"AI 母语" ### 一个例子 **原始英文**（约 1000 tokens）： ``` Priya manages the Driftwood team: Kai (backend, 3 years), Soren (frontend), Maya (infrastructure), and Leo (junior, started last month). They're building a SaaS analytics platform. Current sprint: auth migration to Clerk. Kai recommended Clerk over Auth0 based on pricing and DX. ``` **AAAK 压缩后**（约 120 tokens）： ``` TEAM: PRI(lead) | KAI(backend,3yr) SOR(frontend) MAY(infra) LEO(junior,new) PROJ: DRIFTWOOD(saas.analytics) | SPRINT: auth.migration→clerk DECISION: KAI.rec:clerk>auth0(pricing+dx) | ★★★★ ``` **8 倍省 token，30 倍压缩比**。 ### 关键特性 | 特性 | 说明 | |------|------| | **原生可读** | Claude、GPT、Gemini、Llama、Mistral 无需解码器 | | **结构化英文** | 有通用语法，任何模型都能秒懂 | | **完全本地** | 可在离线模型上运行，零云依赖 | | **可逆设计** | 信息无损失，可还原为原始文本 | ### 诚实的免责声明 团队在 GitHub 上写了一行很重要的话： > **AAAK currently regresses LongMemEval** vs raw verbatim retrieval (84.2% R@5 vs 96.6%). The 96.6% headline number is from **raw mode**, not AAAK mode. 也就是说： - **原始文本 + ChromaDB**：96.6%（零 API 调用） - **AAAK 压缩**：84.2%（但省 30 倍 token） 这是一个**权衡**，而非银弹。 --- ## 第四部分：四层记忆栈 MemPalace 采用分层加载策略： | 层级 | 内容 | 大小 | 加载时机 | |------|------|------|----------| | **L0** | 系统提示 + AAAK 引导 | ~70 tokens | 启动时 | | **L1** | 核心身份信息（家庭、项目、偏好） | ~100 tokens | 启动时 | | **L2** | 相关 Room 的完整内容 | 动态 | 搜索触发时 | | **L3** | 原始文件（Drawer） | 按需 | 需要细节时 | **AI 醒来带着 L0+L1**（约 170 tokens），知道你的世界。搜索只在需要时触发。 --- ## 第五部分：知识图谱 + MCP ### SQLite 知识图谱 类似 Zep 的 Graphiti，但用 **SQLite 而不是 Neo4j**： - 完全本地 - 完全免费 - 支持**时序实体关系三元组**（可以查"某个时间点什么为真"） ### MCP 服务器集成 ```bash claude mcp add mempalace -- python -m mempalace.mcp_server ``` **19 个工具**，AI 自动学会 AAAK 和记忆协议，无需手动配置。 --- ## 第六部分：Benchmark 数据 —— 有点离谱 ### LongMemEval（AI 记忆系统标准基准） | 系统 | 得分 | 成本 | 本地 | |------|------|------|------| | **MemPalace (raw)** | **96.6%** | 免费 | 是 | | **MemPalace (+Haiku rerank)** | **100%** | ~$0.001/查询 | 可选 | | Supermemory | ~99% | 付费 | 否 | | Mem0 | ~85% | $19-249/月 | 否 | | Zep | ~85% | $25/月+ | 否 | **96.6% 是零 API 调用、零云服务、零订阅的结果。** 纯本地 ChromaDB 向量检索。 100% 是可选加一层 Haiku/Sonnet rerank 的结果——成本约 $0.001/查询。 ### 成本对比 | 方案 | 年成本 | 备注 | |------|--------|------| | **MemPalace** | **$10/年** | 记住一切 | | **竞品** | **$507/年** | 会丢信息的总结 | 数据来源：一年用 AI 聊天的数据量约 1950 万 tokens。 --- ## 第七部分：核心洞察 —— "简单的东西" ### 一个有趣的发现 团队在 benchmark 文档里写了一段很诚实的话： > **"Nobody published this result because nobody tried the simple thing and measured it properly."** > > （没人发表过这个结果，因为没人试过那个简单的东西然后好好测量。） 他们的 baseline 就是： - 把原始文本存进 ChromaDB - 用默认 embedding 搜索 - **不提取、不总结、不让 AI 决定什么重要** 结果 96.6%。 这个数字说明一件事：**整个领域在过度设计记忆提取这一步。** 原始文本配好的 embedding，baseline 比任何人意识到的都强。 ### 为什么其他系统不行？ Mem0、Zep 等系统的问题是： > 当你让 LLM 提取"user prefers PostgreSQL"然后扔掉原始对话，你丢掉的是"为什么"、备选方案、讨论的权衡。 MemPalace **全留着**，检索模型能找到。 --- ## 第八部分：技术架构 ### 文件结构 | 文件 | 功能 | |------|------| | `cli.py` | CLI 入口 | | `config.py` | 配置加载和默认值 | | `normalize.py` | 转换 5 种聊天格式为标准 transcript | | `mcp_server.py` | MCP 服务器 — 19 工具，AAAK 自动教学 | | `miner.py` | 项目文件摄取 | | `convo_miner.py` | 对话摄取 — 按 exchange pair 分块 | | `searcher.py` | 通过 ChromaDB 语义搜索 | | `layers.py` | 4 层记忆栈 | | `dialect.py` | AAAK 压缩 — 30x | | `knowledge_graph.py` | 时序实体关系图（SQLite） | | `palace_graph.py` | 基于 Room 的导航图 | | `entity_detector.py` | 自动实体检测 | ### 设计原则 1. **单依赖原则**：只依赖 ChromaDB，无其他外部服务 2. **本地优先**：所有数据在本地，可完全离线运行 3. **格式兼容**：支持 5 种聊天格式的规范化导入 4. **错误检测**：能捕捉错误的人名、代词、年龄 --- ## 第九部分：使用方式 ### 安装 ```bash pip install mempalace ``` ### 初始化 ```bash mempalace init ~/projects/myapp ``` ### 导入数据 ```bash mempalace mine ~/projects/myapp # 项目文件 mempalace mine ~/chats/ --mode convos # 对话记录 ``` ### 搜索 ```bash mempalace search "为什么要用 GraphQL" ``` ### 接入 Claude ```bash claude mcp add mempalace -- python -m mempalace.mcp_server ``` 然后你就不用再敲命令了。AI 自动调用。 --- ## 第十部分：评价与反思 ### 亮点 | 亮点 | 说明 | |------|------| | **名人效应** | Milla Jovovich 让项目获得巨大关注，但技术本身经得起审视 | | **诚实透明** | 明确区分 96.6%（原始模式）vs 84.2%（AAAK 模式）| | **架构优雅** | 记忆宫殿的空间隐喻直观且有效 | | **本地优先** | 完全离线运行，隐私友好 | | **开源精神** | MIT 许可证，零成本使用 | ### 局限 | 局限 | 说明 | |------|------| | **AAAK 的 trade-off** | 压缩带来 token 节省，但准确率下降 12% | | **规模问题** | 实测 22,000 条对话，超大规模时的性能未验证 | | **错误检测未完全集成** | `fact_checker.py` 尚未自动触发（Issue #27）| | **对比基准的争议** | 96.6% 是零 API 调用模式， rerank 后才是 100% | ### 更大的意义 MemPalace 代表了一种**反潮流**的哲学： > 在 AI 领域人人都在做"智能摘要"、"关键信息提取"的时候，MemPalace 说：**"不，全部存下来，让搜索去解决。"** 这是一种**数据保守主义**——在算力充足的今天，存储成本远低于信息丢失的代价。 Milla Jovovich 作为一个"外行"（演员），却能洞察到专业 AI 工程师忽视的简单真理，这本身就是对当前 AI 领域过度工程化的一记响亮耳光。 --- ## 结语：Multipass 项目发布当天，Ben Sigman 发了一条推特： > "Multipass." 这是《第五元素》里 Milla 饰演角色 Leeloo 的经典台词。 一个单词，道尽了整个项目的精神： - 技术可以很复杂 - 但用户体验应该很简单 - 就像 Leeloo 的 Multipass —— 一个证件，通行无阻 MemPalace 不是最复杂的 AI 记忆系统，但可能是**最诚实、最实用、最符合直觉**的一个。 --- ## 参考信息 - **GitHub**: https://github.com/milla-jovovich/mempalace - **官网**: https://www.mempalace.tech/ - **作者**: Milla Jovovich + Ben Sigman - **开发工具**: Claude Code - **许可证**: MIT - **核心架构**: Palace (Wing/Hall/Room/Closet/Drawer) + AAAK 压缩 - **存储**: ChromaDB + SQLite - **集成**: MCP 服务器（19 工具） - **Benchmark**: LongMemEval 100% (with rerank), 96.6% (raw) - **社区**: 19,500+ stars, 2,300+ forks --- *"20 年的友情，聊过无数次合作，最后是一个 AI 项目把这事做成了。"* *"有时候，对的项目在对的时间找到你。然后你得愿意从那堆'垃圾'里，建一座宫殿。"* #MemPalace #MillaJovovich #AI记忆 #记忆宫殿 #LongMemEval #AAAK #开源 #小凯