MemPalace vs Mem0: 96.6% 리콜 벤치마크 및 2026년 최강 AI 메모리 프레임워크

pip install mempalace

from mempalace import MemoryPalace, ChromaBackend

# 벡터 DB 백엔드 설정 (Chroma, Qdrant, Weaviate 지원)
backend = ChromaBackend(
    collection_name="user_memories",
    persist_directory="./memory_store"
)

# 메모리 시스템 초기화
memory = MemoryPalace(
    backend=backend,
    user_id="user_12345",      # 사용자별 격리
    max_working_tokens=4000,   # Working Memory 최대 토큰
    summary_threshold=10       # 10턴 후 자동 요약
)

# 사용자 정보 저장 (자동으로 벡터 임베딩되어 Long-term Memory에 저장)
memory.remember(
    content="사용자는 Python과 React를 주로 사용하며, 
             코드 예제를 포함한 상세한 설명을 선호함",
    category="preference",     # 카테고리 분류
    importance=0.9             # 중요도 0~1
)

# 사실 저장
memory.remember(
    content="사용자의 회사는 '디비에이트'이며 SaaS 분야에 종사함",
    category="fact",
    importance=0.85
)

# 현재 질문과 관련된 과거 메모리를 자동 검색
relevant_memories = memory.recall(
    query="프로젝트 기술 스택 추천해줘",
    top_k=5,                   # 상위 5개 관련 메모리
    min_relevance=0.75           # 유사도 임계값
)

# 검색된 메모리를 프롬프트에 주입
context = memory.build_context(
    current_message="새 프로젝트 시작하려는데 뭐가 좋을까?",
    memories=relevant_memories
)

print(context)
# 출력 예시:
# [과거 기억]
# - 사용자는 Python과 React를 주로 사용함
# - 사용자의 회사는 '디비에이트'이며 SaaS 분야에 종사함
# [현재 대화]
# 사용자: 새 프로젝트 시작하려는데 뭐가 좋을까?

from openai import OpenAI

client = OpenAI()

def chat_with_memory(user_message: str) -> str:
    # 1. 관련 메모리 검색
    memories = memory.recall(user_message, top_k=5)
    
    # 2. 컨텍스트 구성
    system_prompt = f"""당신은 사용자의 개인 AI 어시스턴트입니다.
다음은 사용자에 대해 알고 있는 정보입니다:
{memory.format_memories(memories)}

이 정보를 참고하여 개인화된 답변을 제공하세요."""
    
    # 3. LLM 호출
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": user_message}
        ]
    )
    
    # 4. AI 응답도 메모리에 저장 (선택)
    memory.remember(
        content=f"AI: {response.choices[0].message.content}",
        category="conversation",
        importance=0.5
    )
    
    return response.choices[0].message.content

# 사용
reply = chat_with_memory("내가 좋아하는 기술 스택 기억나?")
print(reply)
# → "네! Python과 React를 주로 사용하시는 것으로 기억합니다. 
#    SaaS 프로젝트에 적합한 조합이에요."

# 자동 요약 설정
memory = MemoryPalace(
    backend=backend,
    auto_summarize=True,
    summary_model="gpt-4o-mini",    # 요약용 경량 모델
    compression_ratio=0.3          # 원본의 30% 길이로 압축
)

# 망각 곡선 설정 (중요도에 따른 보존 기간)
memory.set_forgetting_curve(
    high_importance_ttl_days=365,   # 중요: 1년
    medium_importance_ttl_days=30,  # 보통: 30일
    low_importance_ttl_days=7       # 낮음: 7일
)

# 저장소 클론
git clone https://github.com/MemPalace/mempalace.git

# 예제 실행
cd mempalace/examples
python basic_chatbot.py

# 문서 확인
open https://mempalace.github.io/docs