不仅如此，该项目介绍称在行业标准基准测试LongMemEval上取得了首个满分成绩，同时在ConvoMem和LoCoMo等测试中也表现出色，超越了众多付费AI记忆产品。

截至目前，MemPalace在GitHub上已狂揽21.6k星，分支也高达2.6k，跃升成为近期开源社区热门项目之一。

打造本地化的“记忆宫殿”

你与AI的每一次对话、每一次决策探讨、每一轮调试过程、每一场架构辩论，对于解决新任务而言可能都非常重要。

很多AI记忆系统试图解决这一问题，做法是让AI自行判断哪些内容值得记忆，它们会提取“用户偏好Postgres”这类信息，却时常丢弃解释背后原因的完整对话。

MemPalace采用了一种不同的思路：存储一切内容，再让内容可被检索。

据介绍，演员Milla Jovovich提出了该系统的概念和架构，他的好友Ben Sigman则负责具体代码和开发实现。

MemPalace的灵感来源于一种可以追溯到古希腊时期的记忆技巧，这种策略被称为记忆宫殿或位置记忆法，它将信息片段与想象中的建筑物或环境中的特定位置联系起来，通过在脑海中“移动”穿过这个空间，人们就能提取出与每个位置相关的信息。

Milla Jovovich表示，她在研究记忆专家如何存储和回忆信息时，对这个概念产生了兴趣。

MemPalace不会将对话数据发送到云端的后台代理，而是在本地深度挖掘对话，并将它们组织成一座宫殿——一种结构化的建筑，对话被归类为翼区（人物与项目）、厅堂（记忆类型）和房间（具体观点），镜像了人类记忆的工作方式，这套结构为用户提供可导航的记忆地图，而非平铺直叙的搜索索引。

冲上基准测试第一

LongMemEval是一个由UCLA与腾讯AI Lab等机构联合研发、收录于ICLR 2025的基准测试，专门用于评估聊天助手/大模型在长期互动记忆方面的能力。

评估模型在持续多轮对话中，对用户信息的提取、跨会话推理、时间推理、知识更新及未知信息弃权能力。

在该基准上的测试数据显示，MemPalace创下LongMemEval首个满分成绩，500道题目全部答对，全部6种题型准确率均为100%。

一般而言，一个用户持续使用AI六个月，累计会产生超1950万tokens，而MemPalace每次启动时，仅需加载170个tokens的核心信息。

MemPalace仅在需要时才进行检索，每年只需约0.7美元就能记住一切对话，对比之下，依赖会丢失上下文的模型摘要方案，每年成本高达507美元。

除了得益于上述的记忆宫殿方法框架，MemPalace同时设计了一种AAAK缩写技术，这是一套有损缩写系统，并非无损，其中包含着实体编码、结构标记与句子截断，旨在将大量重复出现的实体与关系压缩到更少的token中。

此外，任何能读取文本的大模型（如Claude、GPT、Gemini、Llama、Mistral）均可直接解析，无需专用解码器，因此本地模型使用时无需依赖任何云端服务。

MemPalace的默认存储格式是ChromaDB中的原始文本——这是其基准测试优势的来源，AAAK仅用于上下文加载的独立压缩层，并非存储格式本身。

由于整个系统无需API密钥、无需云端服务也无需订阅，开发者可以完全本地化运行自己的记忆数据，助推该项目几天内迅速走红。

并非革命性方法

不过这个明星+开发者干出的开源项目还是引发了不少质疑，被吐槽夸大其词。

有开发者表示，基准测试并不反映现实，AI代理/AI模型中的内存问题是目前最棘手的行业问题之一，靠一个加密货币平台开发者和一个知名女演员想要破解这个难题，这简直是疯了，认为这个项目从头到尾就是一场作秀而已。

也有开发者花了点时间了解测试MemPalace项目，给出的评价是：也就那样，不太行。

MemPalace像是一套手工写死的记忆表示结构，而且目前只支持英文数据，所谓的“记忆宫殿”法，只是个听起来高大上的词，用来在网上博眼球罢了，本质上它就是个分类系统，靠提前过滤检索来提升召回率。

不过，它确实触及了智能体记忆里一些核心且有意思的课题，比如时序变化、冲突解决、知识图谱这些，但它给出的解决方案目前非常不成熟、偏符号化，基本就是靠正则表达式硬撸所有问题，这导致整个系统很脆弱、死板。

也有开发者认为，像Jina-v5、Voyage、Gemini Embedding这类顶尖嵌入模型，本来就自带零样本分类能力，它们不只是为“查询-文档”检索、“文档-文档”相似度训练的，还天然支持多分类任务。

因此，开发人员完全可以在推理阶段把嵌入模型扩展成一个复杂结构（类似决策树）来做“记忆宫殿”，根本不需要再编码一个个“房间”。

总的来说，记忆表示这个领域还没形成统一方案，当下有点像Transformer一统天下之前，大家还在用各种五花八门的方式做大语言模型。

MemPalace或许很难带来AI记忆革命，但仍不失为一次有趣的开源探索，激发一些新的路径思考。

-END-