MemPalace 记忆库

这个 Agent 能做什么，适合哪些场景？

MemPalace 是一个本地优先的 AI 记忆系统，将对话历史和项目文件按原文存储，不做摘要、提取或改写。默认使用 ChromaDB，通过语义搜索检索内容，并以 wing、room 和 drawer 组织人员、项目、主题与原始资料。用户可用 CLI 导入和搜索资料，也可通过 MCP server 让兼容客户端读取和管理记忆；Python API 也有文档说明。系统支持多个可选存储后端，并包含基于本地 SQLite 的时序实体关系图。默认检索和基准测试路径不需要 LLM 或 API 密钥，但首次使用嵌入模型需要下载；可选的 LLM 重排或远程嵌入服务会引入相应模型或服务依赖。

使用 mempalace mine 从项目文件或 Claude Code 会话读取内容，并将原文存入 palace；mempalace search 按语义查找相关记忆，mempalace wake-up 为新会话加载上下文。用户可通过 mempalace audit 检查记忆库组织情况。MCP server 提供记忆库读写、知识图谱、跨 wing 导航、drawer 管理、agent 日记和协调工具。系统还提供 mempalace sweep，可将对话逐条保存为原文 drawer；选择启用 LLM 重排时，会用模型重新排序检索到的候选内容。

1. 使用 Claude Code 的开发者，希望将历史会话导入本地并在后续会话中搜索。
2. 需要跨项目找回决策或技术讨论的工程团队，可按项目 wing 和主题 room 管理原文。
3. 使用 MCP 客户端的开发者，希望让助手读取或更新本地记忆库。
4. 需要把项目目录内容建立语义索引、再用自然语言问题检索的个人或团队。
5. 希望在本地维护带有效时间范围的实体关系信息，并用 SQLite 查询时间线的用户。

如何安装或部署这个 Agent？

推荐用 uv 将 CLI 安装在隔离环境中；初始化 palace 后即可导入项目内容。也可用 pipx 安装，或在已激活的虚拟环境中用 pip 安装。首次需要嵌入的操作会下载所选模型。若使用 Docker，需要将持久化目录挂载到 /data；MCP 客户端配置示例如下：

uv tool install mempalace
mempalace init ~/projects/myapp

Docker MCP server 配置：

{
  "mcpServers": {
    "mempalace": {
      "command": "docker",
      "args": [
        "run", "-i", "--rm",
        "-v", "mempalace-data:/data",
        "-v", "/absolute/path/to/.claude/projects:/transcripts:ro",
        "ghcr.io/mempalace/mempalace"
      ]
    }
  }
}

如何使用这个 Agent？

将项目文件或 Claude Code 会话导入 palace，然后按问题检索；新会话可加载已有上下文。会话目录和项目路径需替换为实际路径。Claude Code 会话示例：

mempalace mine ~/projects/myapp
mempalace mine ~/.claude/projects/ --mode convos
mempalace search "why did we switch to GraphQL"
mempalace wake-up
mempalace audit

这个 Agent 有哪些优点和局限？

这个 Agent 与同类方案有什么区别？

与相关度最高的同类 agent 并排比较关键指标。

FollowAgents 如何评估这个 Agent？

常见问题