核心用法
MemPalace 是一款专为 OpenClaw/XClaw/WorkBuddy 设计的本地AI对话长期存储与语义检索系统。它借鉴"记忆宫殿"（Method of Loci）的认知科学原理，将对话数据以层级结构（wing → room → drawer）进行组织化管理。
三大核心命令
/mem-arc— 手动归档当前会话，自动压缩冗余内容，保留决策、配置、待办等关键信息/mem-sea <关键词>— 基于 ChromaDB 向量数据库的语义搜索，支持自然语言查询历史对话/mem-asave— 定时自动归档当日对话，适合设置 cron 任务实现无人值守备份
技术架构亮点
系统采用纯本地化部署：ChromaDB 向量引擎、YAML 配置管理、Markdown 归档格式全部存储于 ./palace_data/ 目录下，无需云端服务或 API 密钥。首次运行自动完成依赖安装与环境初始化，用户零配置即可使用。
数据压缩策略
归档时执行智能压缩：移除寒暄、重复确认等"填充内容"（filler），精准保留技术决策、代码配置、行动项等高密度信息，实现存储效率与检索精度的平衡。
显著优点
- 隐私优先：100% 本地存储，杜绝数据外泄风险
- 语义检索：超越关键词匹配的向量搜索，理解查询意图
- 零依赖配置：自动检测路径、自动安装依赖、自动生成配置文件
- 开放架构：wing/room/drawer 层级可自定义，适配不同知识管理范式
潜在局限
- 依赖本地 ChromaDB 性能，超大规模数据（百万级会话）下检索速度可能下降
- 压缩算法为启发式规则，复杂对话的场景理解存在误判可能
- 目前仅支持 OpenClaw/XClaw/WorkBuddy 生态，通用性受限
- 无多设备同步机制，跨终端使用需手动迁移
palace_data/目录
适合人群
- 高频使用 AI 对话且需长期回溯决策过程的开发者、研究者
- 对数据隐私敏感、拒绝云端存储的企业用户
- 追求结构化知识管理的效率工具爱好者
常规风险
- 本地存储需自行备份，磁盘损坏可能导致数据永久丢失
- 自动安装依赖过程若受网络环境干扰，可能初始化失败
- YAML 配置文件手动编辑时语法错误会导致系统异常