开源 AI 记忆系统 MemPalace：LongMemEval 斩获满分，本地运行零云端

MemPalace 是一个完全在本地运行的开源 AI 长期记忆系统，能让大语言模型记住你的对话细节、家庭关系、项目进展和个人偏好。

它不把数据传到云端，也不需要任何订阅费或 API 密钥，由 Ben Sigman 与演员 Milla Jovovich 借助 Anthropic 的 Claude 耗时数月开发完成。

它能做什么

以往的 AI 记忆方案大多把用户的历史对话扔给云端后台，或者简单地堆成一张扁平的事实清单。MemPalace 则借鉴了古典记忆法，在本地设备上搭建起一个包含翼楼、大厅和房间的「记忆宫殿」结构。

这套架构按领域和类型对记忆进行分层管理。在你敲下第一个字之前，系统就已经把你的家庭、项目和偏好等核心背景载入上下文，整个开销只有大约 120 个 token。

为了把体积压到最低，MemPalace 采用了名为 AAAK 的压缩算法。该算法据称能实现 30 倍无损压缩，将用户整个生活背景浓缩在约 120 个 token 里，任何主流大语言模型都能直接读取。

它还自带矛盾检测功能，能在输出前自动捕捉并纠正错误的姓名、代词或年龄。如果跨越几个月的对话去搜索某个细节，其语义搜索在排名前两位就能精准命中目标。

评测表现与部署

在各项标准记忆评测中，MemPalace 拿出了非常抢眼的成绩单。

在标准基准 LongMemEval 中，它在 500 道测试题中拿下 100% 的召回率，所有题型全对，这也是该榜单记录到的首个满分成绩。

在 ConvoMem 测试中，它的得分达到 92.9%，是同类方案 Mem0 得分的两倍以上。而在包含时间推理等多跳复杂推理的 LoCoMo 测试里，它同样拿下了 100% 的全部分类满分。

部署方面，MemPalace 只有一个依赖项，直接在本地设备上运行，用户的所有对话和记忆数据都不会离开本机。该项目基于 MIT 许可证 100% 开源，代码已经托管在 GitHub。

为什么重要

对于重视数据隐私、同时又厌倦了每次开新对话都要重新自我介绍的用户来说，MemPalace 值得现在就去试一试。它把本地数据安全与极低 token 消耗结合得非常干脆，常驻占用约 120 个 token 的开销几乎不会影响主模型的上下文窗口。

我们认为，MemPalace 证明了记忆系统不必盲目迷信云端复杂的向量检索和多 Agent 协同。不过，宣称 30 倍无损压缩日常复杂记忆是一项很激进的指标，当真实环境里堆积起成千上万条混乱且自相矛盾的碎片对话时，这套宫殿结构还能否稳定保持高召回率，依然需要实际使用来检验。