核心用法
MemPalace 是一套本地化AI记忆基础设施，采用"记忆宫殿"隐喻构建三层存储体系：Wings（人/项目）→ Halls（类别）→ Rooms（主题）→ Drawers（记忆片段）。用户通过语义搜索跨域检索历史对话，或利用时间感知知识图谱查询实体关系的有效期间。
关键操作流程：启动时调用 mempalace_status 加载宫殿概览；回应任何涉及人物、项目或历史事件的问题前，必须先执行 mempalace_search 或 mempalace_kg_query 验证，禁止凭模型权重猜测；会话结束调用 mempalace_diary_write 记录当次交互；事实变更时通过 mempalace_kg_invalidate + mempalace_kg_add 维护时序一致性。
显著优点
- 隐私零泄露：纯本地运行（Python + ChromaDB），无云端传输、无API密钥暴露
- 语义召回率96.6%：LongMemEval基准迄今公开最高分，超越商业记忆方案
- 时间感知知识图谱：支持"截至某日某关系是否成立"的时序查询，解决事实漂移问题
- 宫殿式可视化架构：Wing/Hall/Room/Drawer 层级清晰，便于人工审计与调试
- 跨域关联发现：
mempalace_traverse可挖掘不同项目间的隐性知识连接
潜在局限
- 本地资源占用：依赖ChromaDB向量数据库，大规模历史数据将消耗显著磁盘与内存
- 初始化门槛：需用户手动执行
mempalace init与mempalace mine完成数据迁移，无自动同步机制 - 无多设备同步：纯本地架构意味着跨终端使用时需自行解决数据同步
- 语义搜索依赖嵌入质量：召回率虽高，但罕见术语或高度领域化内容可能存在漂移
- 知识图谱需主动维护：时间戳与关系三元组依赖调用方显式管理，无自动事实抽取
适合人群
- 对对话隐私极度敏感的专业人士（律师、医疗、金融从业者）
- 需要长期维护复杂多项目上下文的开发者与研究员
- 希望建立个人可审计AI记忆档案的高级用户
- 离线环境或内网部署需求的组织
常规风险
- 数据持久化风险：本地存储无云备份，磁盘故障导致记忆丢失
- 权限管理缺失：未提及多用户隔离或文件系统权限控制，共享设备存在越界访问可能
- 依赖供应链：Python包
mempalace及chromadb的供应链安全需用户自行审计 - 幻觉转移：若搜索未命中而模型仍生成回应，可能将"无记忆"误判为"无发生"