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:

  1. 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。
  2. 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。
  3. 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。
  4. 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。



本文首发于 dibi8.com ,转载请注明出处。