MemPalace/mempalace
The best-benchmarked open-source AI memory system. And it's free.
Python · ★ 55,127 · Fork 7,162 · 在 GitHub 查看
在手机上浏览源码、订阅每日 AI 趋势日报与项目架构深度解读:获取 CopoHub 客户端(iOS & HarmonyOS)→
GitHub Trending 上榜记录
MemPalace/mempalace 已在 GitHub Trending 每日榜单上榜 5 天,最高排名第 3,首次上榜 2026-06-05,最近一次上榜 2026-06-09。
| 日期 | 排名 | Star | 当日增长 |
|---|---|---|---|
| 2026-06-09 | #11 | 55,127 | +170 |
| 2026-06-08 | #11 | 54,886 | +452 |
| 2026-06-07 | #3 | 54,496 | +446 |
| 2026-06-06 | #3 | 54,240 | +441 |
| 2026-06-05 | #12 | 53,835 | +228 |
同期上榜的项目
- mvanhorn/last30days-skill – AI agent skill that researches any topic across Reddit, X, YouTube, HN, Polymarket, and the web - then synthesizes a grounded summary
- RyanCodrai/turbovec – A vector index built on TurboQuant, written in Rust with Python bindings
- roboflow/supervision – We write your reusable computer vision tools. 💜
- opencv/opencv – Open Source Computer Vision Library
- refactoringhq/tolaria – Desktop app to manage markdown knowledge bases
- aaif-goose/goose – an open source, extensible AI agent that goes beyond code suggestions - install, execute, edit, and test with any LLM
MemPalace 项目深度剖析与商业评估报告
MemPalace 项目深度剖析与商业评估报告
1. 核心定位与商业落地价值
根本痛点解决
MemPalace 精准切入 AI 开发工作流中的会话上下文丢失这一核心痛点。在 Claude Code、Gemini CLI 等 AI 编程工具普及的背景下,30 天会话过期后历史记忆的不可恢复性,直接导致了开发效率的断崖式下降。项目以“本地优先、零 API 依赖、96.6% R@5 原始召回率”为核心价值主张,提供了一个无需任何云服务、无需 LLM 调用的轻量级记忆系统。
企业级商业落地场景
AI 辅助开发团队的知识管理:大型软件开发团队中,AI 编程助手(如 Claude Code)的会话历史中蕴含着大量设计决策、代码审查记录、技术选型论证。MemPalace 可以作为这些隐性知识的结构化存储与检索层,在团队成员间实现跨会话、跨项目的信息复用。 法律与合规场景的审计跟踪:其“verbatim storage”(逐字存储)特性,避免了传统记忆系统使用摘要、提取等可能引入信息失真的处理方式。对于金融、医疗等强监管行业,能够提供可审计、不可篡改的原始对话记录检索。 私有化部署的 RAG 系统基座:在政府、军工等严禁数据出域的场景中,MemPalace 的本地 ChromaDB 后端、无 API 调用的设计,使其天然适合作为离线 RAG 系统的检索核心,无需承担任何第三方服务的合规风险。
竞品差异化与护城河
与 Mem0、Mastra 的对比:MemPalace 明确拒绝进行召回率与端到端 QA 准确率的直接对比,这一做法本身就暴露了行业常见的不严谨营销。其真正护城河在于“原始召回率无需 LLM”——在同等硬件条件下,Mem0 等竞品通常依赖 LLM 进行重排序或摘要生成,这不仅增加了推理成本,也引入了模型偏见。MemPalace 的 96.6% 纯语义搜索召回率,意味着在绝大多数场景下,用户可以省去 LLM 重排这一昂贵环节。 结构化索引设计:Wing-Room-Drawer 三级索引体系,将传统扁平化的向量搜索转化为带语义约束的结构化检索。这不仅是 UX 层面的创新,更是搜索效率的优化——通过缩小搜索范围,同等 recall 下可降低 top-k 值,从而减少计算开销。
在 README 中展示上榜徽章
[](https://github.fq6825.top/repo/MemPalace/mempalace)