爆火GitHub！《生化危机》女主打造免费“AI记忆系统”

起猛了，在GitHub刷到《生化危机》女主角的项目了！

Milla Jovovich，这位曾饰演爱丽丝的知名女星，最近和程序员老友及Claude一起，合造了一个AI记忆系统。

这个系统历经几个月打磨，一亮相便在长期记忆基准测试LongMemEval中拿下“公开可查史上最高分”96.6%。

而且发布即开源，所有人免费可用（注意还是本地可跑）。

当然，比成绩更有意思的，还是项目背后的设计思路：

就像它的代号MemPalace一样，这个项目以古希腊演说家惯常采用的“记忆宫殿法”为灵感来源，让AI通过“空间位置”来组织记忆——

Palace是包含所有知识的大房间、不同知识按主题放在不同Rooms中、每间房里储存着具体的Memories。

想要检索某样东西，就像在房间里行走，推开一扇扇门一样。

凭借这种记忆结构，MemPalace的检索效率相比全局乱搜提高了约34%。

更重要的是，为了解决AI记忆难题，以前人们都在卷“让AI决定什么更值得记忆”，现在却不需要了。

用上MemPalace，你与AI进行的每一次对话，全部都能记，跨越几个月的都行（另一种形式的黑镜成真？）。

更更有意思的是，他们还专门给AI造了一种缩写语言AAAK。

用上“记忆宫殿”，检索提升34%

来看更多MemPalace的信息。

在另一位作者Ben Sigman的形容中，和市面上已有的AI记忆系统相比，MemPalace的独特之处在于：

一是成绩最好，二是工作方式截然不同。

除了在LongMemEval中（RAW模式）拿到史上最高分，它还在ConvoMem（侧重考短期记忆）和LoCoMo（侧重考几个月超长记忆）上分别斩获92.9%和100%的好成绩。

Ben甩出的部分测评成绩如下（任何人均可根据仓库提供的脚本进行测试）：

需要注意，MemPalace不会将用户数据发送到云端，所有记忆处理都在本地完成。

这也从源头上降低了隐私泄露的风险——因为不论是对话内容的记录、结构化整理，还是后续的检索与调用，都不依赖远程服务器。

不止本地化，MemPalace还用上了“记忆宫殿法”这种类人记忆模式。

和常见的向量数据库方案不同，MemPalace并不是简单把对话切片、Embedding，然后做相似度召回。

其核心在于，把记忆变成一个可导航的空间结构。

其中Wing（翅膀）代表一个人或一个项目，每一个展出去的翅膀都相当于一个独立空间。

这个独立空间中有很多Rooms，每一间Room代表一个具体主题（如认证、计费、部署等），所有信息将按主题归到不同房间。

连接不同房间的是Halls（走廊），它主要定义“这段记忆属于哪一类”（如建议、个人偏好、决策等），在主题之外给信息加上各种属性。

具体内容则分成两层存储：

抽屉（Drawers）里放原始记录，所有对话一字不动，完整封存；

衣柜（Closets）则放这些内容的压缩摘要，为AI快速读取而准备。

而当不同翅膀出现了相同的房间时，MemPalace就会自动打通Tunnels（隧道），以把分散在不同人、不同项目中的同一主题连接起来。

最终，在这套结构下，所有内容都可以在记忆宫殿里按路径查找。

这里作者还搞了两个实验验证了两件事：

• 第一件：为什么说这种结构能将检索提升34%？
• 第二件：记忆堆栈如何起作用的？（毕竟不是所有记忆每次都要全部加载）。

关于结构有多大作用，作者在22000多个真实对话中，直接对比了4种检索方式的效果：

全局乱搜、先限定在某个翅膀、再加一层走廊、再精确到房间。

结果发现，每多一层结构，就相当于缩小一次搜索空间以及增强一次语义约束，所以效果也越来越好。

在作者看来，宫殿结构本身，就是产品。

至于什么时候找、找多少这类效率问题，作者则设计了一套重要程度由轻到重的记忆堆栈。

其中L0+L1属于“常驻选手”，总计约170 tokens，会在每一次对话中始终加载，让AI在“醒来”的那一刻，就已经具备最基本的自我认知和用户上下文。

L2、L3则按需触发，前者属于房间级召回，后者属于全局深度搜索。

整体逻辑是，先用最小成本理解你，不够再局部补充，还不够才全局搜索。

这样设计带来的好处也很直接，不仅单次召回更准，而且长期记忆也更稳定了。

而说到长期记忆，作者也直接给MemPalace扔了6个月的对话内容，大约有1950万个tokens。

简单换算一下，这相当于200～400本书，又或者一个拥有10～30个项目的中型代码库。

如此大体量，传统方法就不指望了（基本无法全部塞进上下文）。

用总结压缩的话，通常能压到65万tokens，年成本大约507美元（约合人民币3500多元），不过过程中往往会丢失信息。

而用MemPalace，平时仅需加载约170个tokens，按需加载也才13500个tokens，年成本直接砍到10美元，并且也不牺牲信息细节。

在这个意义上讲，MemPalace确实和传统记忆系统已经不在一个level了。

而MemPalace能做到信息准确的关键，作者也透露了两点。

一个就是我们开头提到的AI专属语言“AAAK”——不需要额外解码器，主流大模型都可以直接理解。

因为大模型本质是“读token模式”的，废话越少、关键信息越集中，它反而看得更清楚。

尤其在表达大量重复实体时，AAAK能明显压缩token。

不过作者也说了，LongMemEval上AAAK模式的召回率是84.2%，而RAW模式是96.6%——差了12个多点。

所以，想保精度就老老实实用RAW模式，想省token且能接受一定信息损失再上AAAK。

另一个则是实时纠错，通过一个叫fact_checker.py的独立工具实现（集成中）。

未来上线后，遇到前后信息相互矛盾，MemPalace就能在生成结果前自动做一致性校验。

当你输入：Soren完成了身份验证迁移
MemPalace输出：身份验证迁移：任务归属冲突——被分配的人是Maya，不是Soren

而当MemPalace同时把长期记忆和准确性都兼顾下来，也就不难理解作者为什么敢喊出“当前最好的记忆系统”这样的口号了。

插一嘴，它的Logo也像一个简易版宫殿：

如何安装部署？

具体安装步骤和两种使用模式如下。

第一步：在终端中运行以下命令，通过pip安装MemPalace。

pip install mempalace

第二步：初始化世界，创建一个属于你的记忆宫殿（以下命令会设置一个存放你所有记忆数据的主目录）。

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