核心功能
Memory Palace 是为 AI Agent 设计的持久化记忆管理框架，解决大语言模型" Stateless "的先天缺陷。它通过结构化存储让 Agent 能够记住用户偏好、项目状态、技术决策和经验教训，并在后续对话中主动检索复用。
显著优点
1. 语义搜索增强：基于 BAAI/bge-small-zh-v1.5 向量模型实现语义理解，支持自然语言查询而非关键词匹配；无 Python 环境时自动降级为文本搜索，保证可用性
2. 经验有效性机制：独创的 effectivenessScore 评分系统（0-1），通过"查询使用→验证有效/无效"的动态反馈循环，让高频验证的经验自动上浮
3. 多维度分类体系：支持 fact/experience/lesson/preference/decision 五种记忆类型，配合 importance 权重和标签系统，实现精细化检索
4. 时间推理能力：内置 memory_palace_parse_time 工具，支持"上周三的项目决策"等时间表达式解析
潜在局限
- 依赖外部模型：语义搜索需下载 ~100MB 向量模型，首次使用有延迟
- 经验验证门槛：需 2+ 次验证才标记"已验证"，冷启动阶段经验可信度存疑
- 存储位置抽象：
location参数说明模糊，多 Agent 协作时的隔离机制未明确
适合人群
- 需要长期跟进复杂项目的开发者（技术决策追踪）
- 追求个性化对话体验的用户（偏好记忆）
- 团队协作场景（经验沉淀与复用）
常规风险
存储内容默认持久化，敏感信息（API Key、个人隐私）需人工脱敏后存入；经验验证机制依赖用户反馈，存在"确认偏差"导致错误经验固化风险。