MemPalace:让你的 AI 助手永远记得你是谁
如果每次开启新对话,AI 都把你当成陌生人,那它还算不上真正的助手。MemPalace 解决了这个痛点。
为什么 AI 需要长期记忆?
当前主流大模型(GPT-4、Claude、DeepSeek 等)的上下文窗口虽然越来越长,但会话隔离问题始终存在:
- 你昨天告诉 AI 自己乳糖不耐受,今天它推荐了一杯拿铁。
- 你花了半小时讲解项目背景,重启对话后一切归零。
- 你希望 AI 用简洁风格回复,但每次都要重新叮嘱。
MemPalace 是一个开源的 AI 记忆系统,核心目标只有一个:让 AI 助手能够记住长期对话历史、用户偏好和上下文信息。它在 GitHub 已获得 51,745 Stars,官方标语是 “The best-benchmarked open-source AI memory system. And it’s free.”
MemPalace 的核心能力
| 能力 | 说明 |
|---|---|
| 长期记忆存储 | 自动提取对话中的关键信息,持久化到向量数据库 |
| 智能记忆检索 | 根据当前查询语义,召回最相关的历史记忆片段 |
| 用户画像构建 | 累积用户偏好、习惯、背景,形成动态用户模型 |
| 多会话连贯 | 跨会话保持上下文一致性,告别"每次重新认识" |
| 轻量易集成 | 提供 Python SDK 和 REST API,5 分钟接入现有项目 |
快速开始
1. 安装
1pip install mempalace
2. 初始化记忆系统
1from mempalace import Memory Palace
2
3# 初始化记忆宫殿
4mp = MemoryPalace(
5 backend="chroma", # 支持 chroma / milvus / pgvector
6 embedding_model="BAAI/bge-small-en-v1.5",
7 collection_name="user_001"
8)
3. 存储记忆
1# 从对话中提取并保存关键信息
2mp.remember(
3 content="用户张三对乳糖不耐受,不能饮用含乳制品的咖啡。",
4 tags=["饮食禁忌", "健康"],
5 importance=0.9
6)
7
8mp.remember(
9 content="用户偏好简洁直接的回答风格,避免冗长解释。",
10 tags=["沟通风格", "偏好"],
11 importance=0.8
12)
4. 检索记忆
1# 在新对话开始前,自动召回相关记忆
2memories = mp.recall(
3 query="推荐一款适合用户的下午茶饮品",
4 top_k=3,
5 min_relevance=0.75
6)
7
8for m in memories:
9 print(f"[记忆召回] {m.content} (相关度: {m.score:.2f})")
5. 注入系统提示
1# 将召回的记忆注入到系统提示中,让 LLM "想起"用户
2system_prompt = f"""你是一位贴心的 AI 助手。以下是你对当前用户的已知信息:
3
4{mp.format_memories(memories)}
5
6请基于以上背景,用用户偏好的风格回答问题。"""
7
8response = llm.chat(system=system_prompt, user="我想点杯喝的,有什么推荐?")
架构亮点
MemPalace 在设计上做了几个关键取舍:
- 记忆分层:区分"事实记忆"(用户基本信息)和"情景记忆"(具体对话事件),检索时动态加权。
- 重要性衰减:低频访问的记忆逐渐降级,避免噪声干扰;高频强相关记忆自动置顶。
- 隐私优先:本地向量数据库运行,数据不出境;支持端到端加密存储。
- 模块化后端:ChromaDB 适合本地原型,Milvus / PGVector 适合生产规模。
与其他方案对比
| 方案 | 开源 | 本地部署 | 记忆粒度 | Stars |
|---|---|---|---|---|
| MemPalace | ✅ | ✅ | 句子级 | 51K+ |
| MemGPT | ✅ | ✅ | 会话级 | 12K+ |
| 商业 API 记忆 | ❌ | ❌ | 会话级 | — |
MemPalace 的句子级记忆提取意味着它能精准定位到"用户讨厌香菜"这样的原子事实,而不是把整个会话打包存储,召回准确率更高。
适用场景
- 个人 AI 助手:长期陪伴型聊天机器人,越用越懂你。
- 客服系统:记住客户历史工单和偏好,提升服务体验。
- 写作/编程助手:记住你的代码风格、常用框架、项目结构。
- 教育辅导:追踪学生知识薄弱点,个性化推荐练习。
结语
MemPalace 用开源和免费的方式,把"AI 长期记忆"这一高门槛能力民主化。如果你正在构建需要持续关系的 AI 应用,它值得作为基础设施层优先考虑。
GitHub 仓库:github.com/MemPalace/mempalace — 51,745 Stars 且持续增长。
Related Articles
- RAG 实战:从零搭建企业级知识库
- 向量数据库选型指南:Chroma vs Milvus vs PGVector
- 构建持久化 AI Agent:记忆、工具与规划
- 大模型微调 vs 上下文工程:什么时候该选哪个
本文首发于 dibi8.com ,转载请注明出处。
Have questions or ideas? Feel free to leave a comment below. Sign in with GitHub to join the discussion.