核心功能与用法
Memory Palace 是专为 AI Agent 设计的持久化记忆管理系统，解决大模型上下文有限、无法跨会话记忆的核心痛点。通过结构化存储与语义检索，让 Agent 具备"长期记忆"能力。
核心能力矩阵
| 能力 | 说明 |
|------|------|
| **事实记忆** | 存储用户偏好、个人信息、项目决策 |
| **经验沉淀** | 记录可复用的技术/业务经验，带有效性评分 |
| **语义搜索** | 自然语言查询，无需精确关键词匹配 |
| **时间推理** | 解析"上周""三天后"等时间表达 |
| **智能总结** | 自动压缩长记忆为关键信息 |
典型使用场景
用户画像构建：首次对话记录"用户叫盘古，喜欢简洁回复"，后续自动适配沟通风格。
项目状态追踪：记录技术决策（"API 用名词命名端点"），避免跨会话重复确认。
经验知识库：任务完成后沉淀最佳实践，形成可验证、可迭代的组织记忆。
工具调用示例
// 写入重要记忆
memory_palace_write: {
"content": "用户偏好 TypeScript，厌恶 any 类型",
"tags": ["技术偏好", "typescript"],
"importance": 0.9,
"type": "preference"
}
// 语义检索
memory_palace_search: { "query": "用户对类型的要求" }经验有效性机制
经验存储自带 effectivenessScore（0-1），通过"查询使用+0.1、验证有效+0.3"的动态评分，自动淘汰低效经验，形成自进化的知识库。
---
显著优点
1. 跨会话连续性：突破大模型上下文窗口限制，实现真正的长期陪伴
2. 低侵入集成：通过 MCP/CLI 工具调用，无需改造现有 Agent 架构
3. 语义化检索：告别关键词匹配，用自然语言找到"相关但表述不同"的记忆
4. 经验可进化：有效性评分机制让知识库自我净化，避免错误经验固化
5. 多模态标签：支持 tags、type、category 多维分类，检索精准度高
潜在局限与风险
| 局限 | 说明 |
|------|------|
| **存储成本** | 长期累积大量记忆后，检索延迟与存储开销上升 |
| **隐私边界** | 用户敏感信息（身份、习惯）需明确的同意机制与加密存储 |
| **记忆冲突** | 用户偏好可能随时间变化，需版本控制或时效衰减机制 |
| **幻觉污染** | 写入时的错误信息会被长期记忆，需验证写入内容的准确性 |
| **依赖 Node** | 需 Node.js 环境，纯 Python 栈项目需额外依赖 |
适合人群
- 个人用户：需要 AI 长期记住自己偏好的重度使用者
- 开发团队：构建需要持续上下文的专业 Agent（客服、编程助手、项目管理）
- 知识工作者：依赖 AI 辅助复杂项目，需沉淀领域经验
常规风险提示
- 数据持久化：默认存储位置需配置备份策略，避免记忆丢失
- 权限管控：多用户场景下需实现记忆隔离，防止 A 用户数据泄露给 B 用户
- 合规审查：存储 PII（个人身份信息）需符合 GDPR/个人信息保护法等法规