MemPalace

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： ...