一款名为“AI记忆系统”的免费项目在GitHub上引起了轰动，该项目的灵感来自《生化危机》中的女主角。
一水使用这个新工具后，检索效率提高了34%。
最近，在浏览GitHub时意外发现了一个有趣的项目——由知名女星米拉·乔沃维奇主导开发的AI记忆系统。
该系统的创造者包括米拉·乔沃维奇、程序员本·西格曼和Claude，她们经过几个月的努力终于完成了这个开源项目。
这个系统在长期记忆基准测试LongMemEval中取得了96.6%的历史最高分。
此外，它完全免费，并且支持本地运行。
其设计思想不仅独特而且非常有趣：
它借鉴了“记忆宫殿法”，通过空间位置来组织信息——
整个系统像一座大房子一样，不同的主题分布在各个房间内，每个房间存储着具体的信息。
用户想要检索某项内容时，就像在房子里来回走动并开启一扇扇门。
这种记忆结构让MemPalace的搜索效率比传统的随机搜寻方式高出了34%。
更重要的是，它解决了AI系统如何管理长期记忆的问题。
使用MemPalace后，用户可以保存与AI的所有对话记录，即使跨越数月也无妨。
正如它的代号“MemPalace”一样，这个项目借鉴了古希腊演说家常用的“记忆宫殿法”，让AI通过“空间位置”来组织和检索信息——
这个系统在测试中获得了出色的分数，并且可以完全本地运行。
以下是更多关于MemPalace的信息：
根据项目作者之一Ben Sigman的说法，与现有的记忆系统相比，MemPalace的独特之处在于其优异的成绩和独特的机制。
它在LongMemEval、ConvoMem以及LoCoMo测试中分别取得了96.6%、92.9%和100%的高分。
Ben还提供了一些详细的测试结果，并且任何人都可以根据提供的脚本自行进行测试。
另外，MemPalace不会将用户数据发送到云端服务器上处理，所有的记忆存储都在本地完成。
这大大减少了隐私泄露的风险。
除了本地化的特点，MemPalace还采用了一种类似人类的记忆模式——“记忆宫殿法”。
相比传统的向量数据库方案，它并没有简单地将对话片段进行切片和嵌入处理。
其关键在于建立一个可以导航的结构化的空间模型。
在这个模型中，每一个主题都被分配到不同的房间内，并通过走廊连接起来。
每个独立的空间由一个人或项目构成，各个房间则代表具体的主题（如认证、计费等）。
这些信息会被整理成结构化的形式存储在相应的房间里。
除了原始记录外，还会有压缩摘要以便于快速检索和调用。
当不同空间中存在相同的主题时，MemPalace会自动建立隧道进行连接。
在这套系统下，所有的信息都可以通过路径来查找。
研究者们进行了两个实验以验证其有效性和结构的重要性：
其一探讨了检索效率提高的原因；
另一个则关注记忆堆栈的工作原理。
作者在对比了几种不同搜索方式的效果后发现，每增加一层限制都能缩小一次搜索范围并增强语义约束力。
- 这意味着更复杂的结构可以带来更好的检索效果。
- 其中L0+L1属于常驻记忆堆栈，在每次对话时都会加载；
而L2、L3则根据需要进行调用。
这种设计不仅提高了检索的准确性，还使长期记忆更加稳定可靠。
为了测试其性能极限，作者向MemPalace输入了长达6个月的历史对话记录（约1950万个tokens）。
如此大的数据量传统方法几乎无法处理。
而使用压缩技术则可能丢失一些细节信息。
相比之下，MemPalace可以仅用极少量的内存就能运行并提供完整的检索功能。
这种高效的性能使它超越了市面上的传统记忆系统。
作者还透露了两个确保其准确性的关键因素：
首先是专门为AI设计的语言AAAK，它可以被主流大模型直接理解；
其次是一个实时纠错工具fact_checker.py。
通过这个独立的工具，MemPalace可以在生成结果前自动进行一致性校验。
安装步骤和两种使用模式如下：
第一步：在终端中运行pip install命令来安装软件包；
第二步：初始化世界并创建一个属于自己的记忆宫殿（主目录）；
第三步：通过挖掘数据为系统提供索引。
安装完成后，你可以选择自动或手动模式使用MemPalace。
自动模式适用于支持MCP工具调用的AI；
手动增强模式则需要用户在命令行中进行检索操作。
如果不喜欢手动输入，还可以通过Python API直接完成这些任务。
令人惊讶的是，在GitHub上发现了这位女演员参与开发了这样一个技术项目。
让我们来了解一下MemPalace背后的团队成员：
米拉·乔沃维奇是一位广受欢迎的女演员，她曾主演过多部著名电影；
其中包括《生化危机》系列中的爱丽丝、科幻片《第五元素》中的Léeloo等角色。
但这位以表演著称的明星现在却投身于AI技术领域。
因此，在与老朋友Ben Sigman合作后决定研究这个问题。
他们认为真正的创新来自人类的想象力和探索精神；
如何安装部署？
开发MemPalace就是为了帮助人们更好地使用已有知识，从而创造出新的东西。
目前这个项目在开源社区中的热度正在快速上升，从3.3k star跃升至17.4k。
pip install mempalace一些网友已经为它创建了前端界面。
mempalace init ~/projects/myapp第三步：挖掘数据，把你的项目文件、聊天记录等喂给MemPalace，让它建立索引。
根据数据类型，有三种模式可选：
（1）挖掘项目：适用于代码、文档和笔记。
mempalace mine ~/projects/myapp（2）挖掘对话：适用于Claude、ChatGPT、Slack等导出的聊天记录。
mempalace mine ~/chats/ —mode convos（3）通用挖掘：自动将内容分类为决策、里程碑、问题等。
mempalace mine ~/chats/ —mode convos —extract general完成这三步，你的本地记忆宫殿就搭好了，所有数据都存储在本地，不会上传到云端。
接下来就是如何使用了。
一个是自动模式，适用于支持MCP工具调用的AI，只需一次连接即可：
claude mcp add mempalace -- python -m mempalace.mcp_server连接完成后，AI就会自动调用MemPalace的检索工具。
另一个是手动增强模式，主要配合本地模型使用。
如果只是平时用用，用以下命令加载基础记忆即可（触发词，170个tokens）。
mempalace wake-up > context.txt如果还有更多需求，则可以通过命令行按需检索相关记忆，并将结果手动注入到提示词中。
mempalace search "auth decisions" > results.txt这里不想手动的，还可以使用Python API，直接在代码中完成检索与注入。
from mempalace.searcher import search_memories
results = search_memories("auth decisions", palace_path="~/.mempalace/palace")天啦撸，在GitHub看见女明星了！
最后简单介绍下MemPalace的团队：一个架构师+一个程序员+Claude。
架构师我们很熟悉，就是开头提到的女明星Milla Jovovich，她贡献了很多经典荧幕形象。
除了《生化危机》系列中的爱丽丝，她还饰演了知名科幻电影《第五元素》中的外星人leeloo、动作电影《三个火枪手》中的德文特夫人……
wait wait，你是说这样一位以演员身份示人的女明星，如今却和AI记忆系统挂上钩了吗？
只能说，虽然很反差，但事实确实如此。
而且通过Milla Jovovich的自述，她的这种跨界很早就开始了。
据悉，她私下一直在做一个大型游戏项目，但过程中遇到的一系列问题，让她意识到：
如何管理和利用信息，本身可能比项目更重要。
于是她找到了自己相识20多年的老朋友——资深程序员Ben Sigman，决定研究一下这个问题。
直到6个月前，Ben给她讲了Claude Cli，于是她很快意识到：
对于一个热爱写作的创作者来说，AI已经可以把想法直接转化为可运行的系统。
于是“一个架构师+一个程序员”的组合就此成形。
在Milla Jovovich看来，当下AI的核心问题在于它只能基于已有信息工作，而真正的创新来自人类的想象力与持续探索。
也正因如此，她和Ben希望通过开发MemPalace这样的系统，可以帮助开发者更好地利用已有知识，从而创造新的东西。
目前MemPalace在开源社区的热度正在飙升中，周二下午17:00看还只有3.3k star，现在已经飞涨至17.4k。
而且手快的网友已经给它做了一个前端：
GitHub：
https://github.com/milla-jovovich/mempalace