大家好，我是何三，独立开发者
$507/年 vs $10/年。
50 倍的差距。就差在"给 AI 加个记忆"这件事上。
你有没有算过，你跟 AI 聊了多久了？我算了一下，从去年开始重度用 Claude Code 到现在，差不多 6 个月。每天 3-4 小时的对话量，累计大概 1950 万 token。
这些对话里，每一个架构决策、每一次 debug 的过程、每一场"为什么选 Postgres 而不是 MongoDB"的争论——全都在会话结束的那一刻，蒸发了。
你换一个新会话，AI 像个失忆症患者，之前聊过什么一概不知。得从头介绍项目背景、技术栈、甚至你个人写代码的习惯。
这种感觉，就像跟一个每天失忆的同事协作。能力很强，但每次见面都得重新做自我介绍。
有人给这个问题算了笔账
MemPalace 的 README 里有个对比表，我看完愣了一下：
| 方案 | 每年成本 |
|---|---|
| 把所有对话粘贴进去 | 不现实，19.5M token 塞不进上下文 |
| 用 LLM 做摘要 | ~$507/年 |
| MemPalace wake-up | ~$0.70/年 |
| MemPalace + 5 次搜索 | ~$10/年 |
说白了，AI 记忆这件事，不该花这么多钱。
而市面上现有的"AI 记忆"产品——Mem0、Zep、Letta——都在收月费。最便宜的 Mem0 也要 $19/月，Zep $25/月起，Letta 直接干到 $20-200/月。
MemPalace 全部免费，全部本地，零数据上传。
GitHub 上线 10 天，4.5 万 Star（近 5 万）。（我写到这的时候还在涨）
它怎么做到的？
名字就泄露了原理——MemPalace，记忆宫殿。
古希腊演说家 memorize 整篇演讲稿的方法：把要记的内容放进一栋想象中的建筑的各个房间里。走到哪个房间，就想起那个知识点。
说实话第一次看到这个命名的时候，我以为是个装修类项目。点进去才发现是给 AI 做记忆的。（那个瞬间挺离谱的。）
MemPalace 把这个概念搬到了 AI 记忆系统上：
- Wing（翼）：一个项目或一个人就是一栋翼
- Room（房间）：翼里面的具体话题，比如"auth 迁移"、"GraphQL 切换"
- Hall（走廊）：连接同一翼内的房间，分为 facts（决定）、events（事件）、discoveries（发现）、preferences（偏好）、advice（建议）五类
- Tunnel（隧道）：连接不同翼的同一个房间——比如你和同事张三都有个"auth 迁移"房间，隧道会把两边的记忆串起来
底下是 ChromaDB 做语义搜索，SQLite 做知识图谱。没有 Neo4j，没有云端，你电脑上跑就行。话说隔壁 Notion 的 AI 也开始搞本地化了，大厂终于知道隐私这事儿用户在意的。
有一说一，这个架构确实优雅。但实测数据摆在那里：
全量搜索：60.9% R@10
按翼搜索：73.1% R@10
翼+走廊：84.8% R@10
翼+房间：94.8% R@10
结构不是摆设，是真的在提升检索准确率。
最狠的是 $0，还不用 API
LongMemEval 是 AI 记忆系统的标准 benchmark。MemPalace 跑出了 96.6% R@5。
这是什么概念？比 Mastra（94.87%，但需要调 GPT API）高，比 Mem0（~85%，$19-249/月）高，比 Zep（~85%，$25+/月）高。
而且 MemPalace 这个分数是 raw 模式——不调任何 LLM API，纯 ChromaDB 语义搜索。零 API 调用，零成本。
有人在 HN 上独立复现了这个结果，在 M2 Ultra 上跑了不到 5 分钟。（Issue #39，感兴趣的可以自己去看）
用 HN 评论里一位开发者的话说："We still think there's a real product here, just not the one the README is selling."
翻译一下：东西确实好用，但 README 吹过头了。
聊聊那个争议
说到 README 吹过头这件事，得展开讲讲。
MemPalace 上线 48 小时内，HN 上就被扒了好几个问题：
- AAAK 压缩语言的 token 计数是错的——作者用了
len(text)//3这种粗略估算，而不是真正的 tokenizer。实际算下来，AAAK 在小文本上反而比原文还长 - "30 倍无损压缩"是虚假宣传——AAAK 是有损的，而且 benchmark 上分数从 96.6% 降到了 84.2%
- "+34% palace boost"有点误导——本质就是 ChromaDB 的元数据过滤，不算什么创新
创始人 Ben Sigman（对，不是那个演电影的 Milla Jovovich，README 里写错了）48 小时内发了一封公开信，逐条认错，态度相当坦诚：
"Brutal honest criticism is exactly what makes open source work. We're listening, we're fixing, and we'd rather be right than impressive."
翻译：被喷就认，该修就修。宁可做对了，也不装厉害。
这种态度，在开源社区其实挺难得的。（说到这里突然想起来，某些拿了融资的项目 PR 翻车了之后可没这么痛快认）
另外还有个离谱的事：有人开始仿冒 MemPalace 官网，甚至投放恶意软件。作者不得不专门发公告说"我们没有官网，任何声称是官网的都是假的"。
项目火了之后果然啥事都有。
实际怎么用？
我试了一下，核心就三步：
pip install mempalace
# 初始化你的记忆世界
mempalace init ~/projects/myapp
# 挖掘你的对话历史
mempalace mine ~/chats/ --mode convos
# 搜索
mempalace search "why did we switch to GraphQL"
支持 Claude Code、ChatGPT、Slack 的对话导出。三种挖掘模式：项目文件（代码和文档）、对话（convos）、通用（自动分类成决定、偏好、里程碑、问题、情感上下文）。
如果用 Claude Code，装起来更简单：
claude plugin marketplace add milla-jovovich/mempalace
claude plugin install --scope user mempalace
重启 Claude Code，AI 就自动有记忆了。29 个 MCP 工具可以直接调，你问"上个月我们关于 auth 做了什么决定"，Claude 自动调 mempalace_search 返回原话给你。
不用手动敲命令，AI 自己会用。
装完了。没报错。神奇。
对了，它还支持本地模型。两种用法：mempalace wake-up 把关键信息灌进 system prompt，或者 mempalace search 按需查。全离线，Llama、Mistral 都行。
几个有意思的功能
知识图谱——时间感知的实体关系三元组，用 SQLite 实现。可以查"2026 年 1 月张三在做什么"，带时间窗口的。比 Zep 的 Graphiti（Neo4j 云端）轻量太多。
Specialist Agents——可以给不同的 AI Agent 分配不同的"翼"和日记。比如 reviewer agent 只记 bug 模式，architect agent 只记设计决策。Letta 收 $20-200/月干这事，MemPalace 一个翼搞定。
矛盾检测——能发现记忆冲突。比如你之前说"张三负责 auth 迁移"，后来又说"李四负责 auth 迁移"，它会标红告诉你有矛盾。（目前还是实验性的，没完全接入知识图谱，作者在修）
同类工具推荐
如果你对 AI 记忆这个方向感兴趣，我还推荐看看这几个：
- Mem0：最成熟的 AI 记忆方案之一，有 SaaS 也有自部署，功能更全但收费。适合对隐私不那么敏感、想要开箱即用的团队
- Rekal：HN 上近期热帖，把 LLM 长期记忆塞进一个 SQLite 文件里，极简方案。和 MemPalace 的"记一切"理念相反，走的是精炼路线
- Lodestar：MemPalace HN 讨论帖里提到的竞品思路——不存原始对话，只存"决策层"。把每轮对话结束时 AI 认为重要的东西，精炼成 markdown 提交到代码仓库。
git clone就带走了全部上下文
这几条路各有取舍：MemPalace 走"全量存储+结构化检索"，Rekal 走"单文件极简"，Lodestar 走"精炼+代码仓库绑定"。
适合自己的才是最好的。
值不值得装？
核心功能——本地存储、语义搜索、免费——是实打实的。96.6% 的 benchmark 有独立复现，$0 成本不是噱头，Claude Code 集成确实好用。
AAAK 压缩语言目前确实拉胯，但作者说得很清楚，96.6% 是 raw 模式的分数，AAAK 是实验功能。存储默认就是原始文本，不丢信息。
如果你是重度 AI 编程用户（每天 2 小时以上的 Claude/Cursor/ChatGPT 对话），这东西值得装。免费的，又不用上传数据，试一下的成本几乎为零。
偶尔用用 AI 的，感知可能不明显。得先积累足够多的对话，记忆宫殿才有东西可搜。
行了不说了，搬砖去了。
本文使用 MGO 编辑并发布
关注"何三笔记"，回复"mgo" 免费下载使用
