# 什麼是記憶宮殿？Milla Jovovich 開發的 AI 記憶系統在 LongMemEval 獲得 100% 得分

MemPalace 是 Milla Jovovich 與 Ben Sigman 的開源 AI 記憶系統。它使用虛擬記憶宮殿實現無損本地長期記憶，並獲得 100% LongMemEval 分數。詳細解析基準測試、設定與功能特色。

Canonical URL: https://a2a-mcp.org/blog/what-is-mempalace-zh-TW

Language: zh-TW

Published: 2026-04-07

Updated: 2026-04-08

## 主要摘要

- **MemPalace** 是一款免費開源的智能記憶系統，採用虛擬**記憶宮殿**架構，靈感來自古老的軌跡法，能為 AI 模型提供持久、結構化且無損的長期記憶。
- 由演員米拉·喬沃維奇與工程師班·西格曼共同開發，在行業標準的 **LongMemEval** 基準測試中獲得 **100% 混合** 評分及最高的原始結果。
- 完全本地化且以離線優先為原則：使用 ChromaDB、SQLite 和檔案系統在您的機器上運行——無需雲端服務、無 API 費用、無數據外送。
- 採用階層化組織（側廳、房間、大廳、通道、壁櫥、抽屜），並搭配 **AAAK** 無損壓縮技術，可提升高達 30 倍的效率，同時保持內容完全可讀。
- 基準分析顯示，其在召回準確性和成本方面優於 Mem0、Zep 等付費工具。
- 社群及早期用戶反饋強調，它對於面臨 AI「失憶症」的開發者、團隊和本地 LLM 使用者極為有效。

## MemPalace 是什麼？

MemPalace 是一種創新的 AI 記憶系統，旨在解決大型語言模型在上下文窗口重置後，遺忘先前對話、決策和專案細節的持續性問題。它不依賴有損摘要或昂貴的雲端儲存，而是建立一個結構化的虛擬**記憶宮殿**，每個資訊片段都以原文儲存並可即時檢索。

該專案於 2026 年 4 月初發布，在 GitHub 的 milla-jovovich/mempalace 儲存庫中完全開源。它直接從古典記憶宮殿（軌跡法）技術汲取靈感，將空間組織原則應用於數位知識管理。

基準測試顯示，MemPalace 在 LongMemEval 上取得了最高的公開分數，使其成為任何建構或使用長期運作 AI 代理和應用程式的出色解決方案。

## 起源與靈感

米拉·喬沃維奇在體驗到 AI 工具儘管仔細歸檔仍丟失關鍵細節的挫折後，開發了核心架構。她從古希臘演說家的歷史記載和現代記憶冠軍所使用的空間記憶技術中獲得啟發，構想了一個「虛擬記憶宮殿」供 AI 使用。

與技術共同創辦人班·西格曼合作，團隊創建了一個將資料組織成熟悉空間隱喻的系統：為專案或人員設置不同**側廳**、為主題設置**房間**、為決策類型設置**大廳**等。這種方法利用了人腦在空間導航方面的天然優勢，同時為 AI 檢索提供實用框架。

結果是一個無需摘要損失即可儲存一切的系統，使檢索比僅靠關鍵詞或平面向量搜索更直觀且準確。

## MemPalace 的運作原理

MemPalace 結合了分層空間結構、語義搜尋和高效壓縮技術，形成一個多層記憶堆疊：

- **挖掘階段**：自動導入聊天紀錄、程式專案、Slack 歷史紀錄或其他資料來源，並將其分類到記憶宮殿結構中。
- **AAAK 壓縮**：採用自訂的無損格式，大幅減少 token 數量（例如從 1,000 個 token 壓縮至約 120 個），同時保持人類與任何 LLM 皆可完整閱讀——無需特殊解碼器。
- **宮殿架構**：
  - **側廳**：高層級分類（專案、人員）
  - **房間**：特定主題或對話
  - **大廳**：事實或事件類型（決策、事件）
  - **通道**：元素間的交叉引用
  - **衣櫥/抽屜**：壓縮摘要與原始逐字檔
- **儲存與檢索**：使用 ChromaDB 處理向量嵌入，SQLite 用於時序知識圖譜（包含事實的有效期窗口），本地檔案系統儲存原始資料。檢索時應用分層篩選以確保精準度。
- **整合功能**：支援 MCP（模型上下文協定），可與 Claude 或 ChatGPT 無縫協作，並提供直接的 Python/CLI 存取介面，適用於本地模型如 Ollama。

此設計確保零資料遺失，並支援語義與結構化查詢。

## 主要功能與技術細節

- **無損且高效**：最高可達 30 倍壓縮；完整歷史紀錄可放入極小的啟動上下文。
- **分層篩選**：顯著提升檢索效能（基準測試顯示側廳 + 房間篩選帶來增益）。
- **時序知識圖譜**：追蹤實體關係與隨時間的變化，支援歷史性查詢與矛盾感知查詢。
- **離線優先**：僅一個依賴項；完全本地執行，無需持續性費用。
- **MCP 工具**：內建供代理程式使用的工具，包括搜尋、圖譜查詢等。
- **專業領域支援**：針對特定領域的側廳與自動儲存功能，適用於團隊或複雜專案。

## 基準測試與效能表現

根據已公布的結果，MemPalace 設定了新標準：

- **LongMemEval**：公布的最高原始分數，且在混合模式下達 100%。
- 在保持完全免費與本地執行的前提下，其效能優於多款商用記憶系統。

比較結果顯示，相較於需要 API 呼叫或訂閱的工具，MemPalace 在準確性、隱私性與成本方面具有明顯優勢。分層方法對精準度的貢獻可量化，超越僅依賴原始嵌入的表現。

## 開始使用 MemPalace

透過 CLI 可輕鬆完成安裝與基本操作：

```bash
pip install mempalace
mempalace init ~/my-palace
mempalace mine ~/projects --mode projects
mempalace mine ~/chats --mode convos
mempalace search "decision details"
mempalace status
```

若需整合 Claude，請添加 MCP 伺服器。本地 LLM 使用者可直接生成啟動上下文。儲存庫提供完整的說明文件與範例。

## 進階技巧與應用場景

- **團隊記憶**：從共享通訊記錄中挖掘資訊，構建專屬記憶宮殿，實現一致的組織記憶。
- **自訂配置**：調整記憶宮殿對應關係，實現倉庫或個人的自動分類。
- **知識圖譜查詢**：運用時間感知查詢進行時間線導向的資訊檢索。
- **海量規模**：高效處理數百萬個 token，效能不減。
- **混合工作流**：與本地模型結合，實現極低的持續運作成本。

對於正在建構長期運作代理程式的開發者，以及管理複雜專案的團隊來說，這種結構化、可搜尋的記憶系統最為有益。

## 常見問題與解決方案

- **初始索引時間**：大型資料集需要時間進行挖掘——建議從特定目標資料夾開始。
- **檢索精確度**：依賴階層式篩選器而非原始搜尋，以獲得最佳結果。
- **AAAK 熟悉度**：雖然模型能立即適應，但必要時可為人類使用者提供簡短入門指南。
- **事實更新**：在知識圖譜中維護有效性時間窗口，避免提供過期資訊。

即使對於沒有強大視覺化技能的使用者，該系統仍具備穩健性，因為檢索過程是由資料庫驅動的。

## 結論

MemPalace 將古老的空間記憶原理與現代本地優先技術相結合，代表了人工智慧記憶管理的重大進展。它提供了無可比擬的記憶準確度、完整的隱私保護以及零持續成本。

立即前往官方 GitHub 倉庫 github.com/milla-jovovich/mempalace 探索此專案。安裝 MemPalace，建立您的第一個虛擬宮殿，賦予您的人工智慧長久以來所需的持久記憶。可靠、私密的人工智慧上下文管理未來，由此開始。