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

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：

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

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）

成本对比

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

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

pip install mempalace

初始化

mempalace init ~/projects/myapp

导入数据

mempalace mine ~/projects/myapp              # 项目文件
mempalace mine ~/chats/ --mode convos        # 对话记录

搜索

mempalace search "为什么要用 GraphQL"

接入 Claude

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

局限

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