核心用法
MemPalace 为 AI 代理提供本地长期记忆能力，通过三个简单命令实现对话归档与检索：
- `/mem-arc` — 手动归档当前会话，自动压缩并去除冗余内容
- `/mem-sea <查询>` — 语义搜索历史记忆，基于向量匹配理解意图
- `/mem-asave` — 触发每日自动归档（默认 23:00 定时执行）
首次使用时系统自动完成配置：安装依赖（ChromaDB、PyYAML）、创建 palace_data/ 数据目录、初始化向量索引，无需手动干预。
显著优点
| 维度 | 优势 |
|------|------|
| **隐私安全** | 纯本地运行，数据零上传 |
| **检索能力** | 语义向量搜索，超越关键词匹配 |
| **存储效率** | 智能压缩，归档时过滤寒暄废话 |
| **组织结构** | Wing → Room → Drawer 三级层级 |
| **兼容性** | 支持 OpenClaw、XClaw、WorkBuddy、Claude Code 等 Python 环境 |
潜在局限
- 存储增长：长期累积的向量索引可能占用较多磁盘空间
- 搜索精度：语义匹配依赖嵌入模型质量，特定术语可能召回不准
- 单用户设计：无多用户隔离机制，共享环境存在数据混用风险
- 备份依赖：本地数据需用户自行备份，系统不提供云同步
适合人群
- 需要跨项目追溯 AI 对话历史的专业用户
- 对数据隐私敏感、拒绝云端存储的企业/个人
- 高频使用 AI 辅助开发、写作、决策的知识工作者
常规风险
- 数据丢失：未备份情况下磁盘损坏导致记忆不可恢复
- 索引损坏：异常关机或并发写入可能破坏 ChromaDB 索引
- 敏感信息：归档时可能意外保留密码、密钥等敏感内容（依赖压缩过滤规则）