核心用法
MemPalace 是一款完全本地运行的 AI 记忆增强系统，通过 MCP 协议与 Claude、Cursor 等工具集成。核心工作流程遵循「唤醒-查询-验证-记录」四步协议：每次会话启动时调用 mempalace_status 加载记忆宫殿概览；回答涉及人物、项目或历史事件的问题前，必须优先执行 mempalace_search 或 mempalace_kg_query 进行语义检索；对不确定的事实明确表态"让我查一下"；会话结束时通过 mempalace_diary_write 写入会话日记以保证连续性。
系统采用独特的宫殿架构组织记忆：Wings（翼楼）对应人员或项目，Halls（大厅）划分事实/事件/偏好/建议等类别，Rooms（房间）聚焦具体主题，Drawers（抽屉）存储原始文本片段。独立的时序知识图谱通过 mempalace_kg_add/kg_invalidate 管理带有效期的实体关系（如"Max 在 2024-06 至 2024-12 期间担任 Tech Lead"），支持历史时点查询。
显著优点
1. 隐私优先的本地架构：所有数据存储于用户设备，零云端传输、零 API 调用，从根本上消除第三方数据泄露风险。
2. 业界领先的检索性能：96.6% 的召回率，自称 LongMemEval 基准测试历史最高分，语义搜索基于 meaning 而非关键词匹配。
3. 时序感知的关系推理：知识图谱内置时间有效性窗口，支持"当时什么是真的"这类复杂时态查询，优于常规 RAG 的静态快照。
4. 零成本与开源：MIT 协议，无需订阅或 API Key，Python 生态原生支持。
潜在局限
- 冷启动与数据积累：初始
mine过程需处理历史对话文件，大型语料库可能耗时；新用户需建立足够的记忆密度才能体现检索优势。 - 本地资源占用：依赖 ChromaDB 等向量数据库，持续运行对内存和磁盘有一定要求。
- MCP 生态依赖：需宿主环境（Claude Code、Cursor、OpenClaw 等）支持 MCP 协议，独立使用受限。
- 作者权威性待验证：GitHub 仓库归属个人开发者（milla-jovovich/igorls），LongMemEval 分数为自述，未经第三方审计。
适合人群
- 对对话连续性有强需求的专业用户（长期项目顾问、个人知识管理重度用户）
- 医疗、法律、金融等敏感领域从业者（数据不出本地为硬约束）
- 希望替代云端记忆方案的 AI 工具进阶用户
常规风险
数据完全本地化意味着用户自行承担备份责任；无云同步导致多设备间记忆孤岛；MIT 许可的免责声明明确排除任何商业保证。建议关键数据定期导出备份。