MemPalace

活跃

GitHub Python MIT

简介

MemPalace 是开源 AI 记忆系统，为 AI Agent 提供持久化长期记忆层，支持 ChromaDB 向量存储与 MCP 协议集成。

核心特性

逐字存储与语义检索 — 对话历史以原文存储，通过语义搜索精确检索，不做摘要或改写
宫殿式索引结构 — 以 Wings（项目/人）→ Rooms（主题）→ Drawers（原文内容）组织记忆
本地优先零 API — 核心检索无需 API Key、云端或 LLM，默认使用 ChromaDB 本地向量存储
可插拔检索后端 — 基于 base.py 接口可替换为其他向量数据库
知识图谱 — 带时效窗口的时间实体关系图，支持增删查和时间线查询
MCP Server — 29 个 MCP 工具覆盖宫殿读写、知识图谱操作和 Agent 日志

适用场景

💡 为 Claude Code 等 AI 编程助手提供持久化长期记忆，跨会话保持上下文

💡 在本地存储和检索大量对话历史，保护数据隐私

💡 通过知识图谱追踪项目中的人物关系和决策时间线

💡 利用 MCP 工具将记忆系统集成到 AI Agent 工作流中

💡 在 LongMemEval 等基准测试上验证记忆检索效果

优势与不足

✅ 优势

• 活跃维护，近期持续更新
• 社区热度高（58.4k stars）
• 开源许可证友好（MIT）

分类

🧩 Agent 记忆

快速开始

uv tool install mempalace
mempalace init ~/projects/myapp
# 挖掘项目文件内容
mempalace mine ~/projects/myapp
# 搜索记忆
mempalace search '为什么我们切换到了 GraphQL'
# 加载上下文
mempalace wake-up

访问 GitHub 访问官网

相关项目

memU

14.3k · Python

活跃 A

面向 24/7 主动式 Agent 的记忆系统，支持 MCP 协议集成，为持续性运行的 AI Agent 提供长期记忆管理、技能存储和主动推理能力。

memoryagentmcp +2

· 7×24 主动式记忆 Agent，持续捕获和理解用户意图
· 类文件系统记忆结构，支持文件夹、文件、符号链接和挂载点，知识有序组织
· 显著降低 LLM token 消耗，上下文窗口约为同类方案的 1/10

查看完整详情 → 在 GitHub 查看

Nocturne Memory

1.3k · Python

活跃 A

轻量级、可回滚、可视化的 MCP Agent 长期记忆服务器，告别传统向量 RAG 和遗忘问题。

pythonmcpmemory +2

· 基于 MCP 协议的长期记忆服务器，让 AI 跨会话、跨模型记住自己的身份和历史
· 一个灵魂任意引擎——记忆存储在独立 MCP Server 中，不绑定任何 LLM，切换模型后 AI 仍保留完整记忆
· 支持 Namespace 隔离，多个 AI 人格可拥有完全独立的记忆空间互不干扰

在 GitHub 查看

MaxKB

22.5k · Python

活跃 A+

MaxKB 是基于 LLM 大模型的开源知识库问答与 Agent 构建平台，支持向量检索、工作流编排与多种模型接入，开箱即用。

knowledge-baseragchatbot +3

· RAG 流水线 — 支持文档上传与在线爬取，自动切分、向量化，有效减少大模型幻觉
· Agentic 工作流 — 强大的工作流引擎、函数库与 MCP 工具调用，满足复杂业务场景
· 零代码集成 — 无缝接入第三方业务系统，快速赋予现有系统智能问答能力

查看完整详情 → 在 GitHub 查看

MemAgent

1.1k · Python

不活跃 B

可扩展至 350 万上下文 token 的记忆智能体框架，附带用于任意智能体工作流 RL 训练的训练框架，解决长上下文记忆难题。

memoryagentrag +2

· 超长上下文处理：从 8K 训练上下文外推至 350 万 token，性能损失低于 5%
· 强化学习驱动：采用 RLVR（可验证奖励强化学习）训练，扩展 DAPO 算法支持多轮对话端到端优化
· 线性时间复杂度：突破长文本处理的计算瓶颈，资源随文本长度线性扩展