MemPalace：给 AI 编码助手的本地逐字长期记忆
介绍 MemPalace 的本地逐字存储、语义检索、时序图谱与会话钩子，说明云模型注入、删除、隔离和检索准确率边界。
直接回答：MemPalace 为会话资料提供本地优先的逐字存储与检索，核心本地检索可不调用云 API。但检索结果送入云端编码助手后仍可能外传，项目目录也不是自动的权限隔离。
它解决什么问题
LLM 上下文窗口有限，滚出去的内容 AI 就丢了。熟悉的挫败：每个会话重新解释项目约定；收到的建议与早已确立的模式矛盾；过去决策背后的推理荡然无存。
有些工具能在单个长会话内管理上下文，但不跨会话、跨天、跨周持久化。MemPalace 将资料持久化到配置的存储中，后续会话在有权限并完成集成后可检索；保留时间与完整性还依赖删除策略和备份。
核心架构
- 本地优先：记忆索引、源文件、embedding 默认使用本地配置目录；共享后端和可选功能需另查数据流
- 零 API：抽取、分块、embedding 核心本地流程不要求云模型 Key；可选重排或回答模型另计
- 后台钩子：集成 Claude Code，工作时静默归档，无需手动"保存记忆"命令
- 时序图谱：实体关系带 valid-from/valid-to 日期——可按有效时间查询已录入的关系，但不保证自动正确理解历史
安装与建"宫殿"
uv tool install mempalace
mempalace init /path/to/your/project/myapp
一座 palace 是一个项目的专属记忆库。初始化时 MemPalace 扫描目录并按检测到的模式提议"房间"（如 Markdown 文件归文档房间）——可接受、可改、可手动加。
挖掘与搜索
mining 把历史会话、源文件、文档索引进宫殿；之后语义搜索在配置的范围中召回相关片段，结果会受过滤、分块和返回数量影响——"我们当时为什么选 PostgreSQL 而不是 SQLite"这类问题有了可查询的落点。
逐字存储 vs 有损摘要
摘要式记忆丢细节（代码原文、决策的精确措辞）；MemPalace 存原文，检索时才按需取用。记忆结构（宫殿/房间的分层）有助于限定检索范围，但不能保证规模增长后准确率不变。
实际效果
可用带来源的历史决策问答测试召回，统计漏检、错配与过期信息。逐字保留不等于每次都检索正确，检索正确也不等于最终回答正确；本文未执行效果测试。
配置保留周期、备份、删除和钩子权限，排除密钥与不应保存的内容。记忆中的指令应视作不可信资料。
常见问题（FAQ）
Q：和 Claude Code 内置的记忆功能冲突吗？
A：互补。内置记忆管偏好与简短事实；MemPalace 管完整的逐字项目上下文与时序演变，深度不同。
Q：embedding 用什么模型？
A：默认本地 Embedding 需要取得相应模型；可选重排和使用记忆回答的外部助手可能调用云服务。
Q：多项目会互相污染吗？
A：需要显式检查查询 scope、共享后端、文件权限和 Agent 可访问范围，项目分组不等于安全租户隔离。
参考资料
资料核对日期：2026 年 9 月 29 日。本文基于公开文档整理，代码片段和评估方案未作独立运行或性能验证；厂商测试结果已注明来源。
