# 一位好莱坞女星，把 AI 长期记忆卷进了开源战场？

最近，Milla Jovovich（米拉·乔沃维奇）和开发者联合发布了一个 AI 记忆系统，叫做 `MemPalace`。

`MemPalace` 是一个开源的 AI 记忆系统，想解决的是一个很具体的问题：

Agent 能做事，但经常记不住：

- 你是谁
- 团队决定过什么
- 上周为什么改方案

它给出的方向也很清楚：

- 不把所有历史硬塞进 prompt
- 先把原始内容保留下来
- 再做成分层、可检索、可导航的长期记忆结构

这也是它会突然爆起来的原因。  
它碰到的是很多 Agent 系统迟早都会撞上的记忆问题。

## MemPalace 到底在做什么

README 开头写得很直接：

- 把所有对话原文保留下来
- 不靠模型先决定“什么值得记住”
- 再把这些原始内容做成可搜索、可导航的长期记忆结构

这套方案借用了“记忆宫殿”的思路。

它会先把记忆按层次分开，再在这些层次之间做检索和跳转，不是把所有内容都堆进一个扁平向量索引。

## 为什么“AI 记忆”突然变成刚需？

过去一年，很多团队都开始碰到同样的问题：

- 单次问答可以很聪明
- 跨会话协作却经常断片
- 你不得不反复喂背景、补上下文、重讲需求

当 Agent 还是玩具时，这只是麻烦。  
但一旦开始进入真实工作流，记忆就变成了地基。

没有长期记忆，Agent 只是在重复短期聪明。

## 这个项目里可以先看这几件事

先不急着下结论，这个项目里有几件事可以单独拿出来看。

### 1. 记忆系统正在产品化

以前很多人谈 memory，还停在概念层。  
现在开始出现能安装、能集成、能维护的工程模块。

这意味着“记忆”不再只是研究话题，而开始变成实际系统的一部分。

### 2. 本地优先会越来越受欢迎

对不少团队来说，更重要的未必是“最强跑分”，而是：

- 数据不出本机
- 成本可控
- 结构可解释
- 行为可维护

如果这些条件成立，本地记忆层的吸引力会越来越强。

### 3. “会取回信息”比“存了多少信息”更重要

记忆系统真正的竞争力，最后会落在这些事情上：

- 该记住的有没有记住
- 该取回的时候能不能取回
- 取回来的东西是不是对的
- 整个过程值不值得那笔 token 和算力成本

归根结底，记忆系统最后比的是召回质量，不是仓库大小。

## 也要泼一盆冷水：别被“神级数字”带着跑

最早出现在 README 里的数字，大概有这些：

- `96.6% recall accuracy on LongMemEval`
- `100% with a hybrid rerank pass`
- `+34% palace boost`
- `30x lossless compression`

也正因为这些数字非常亮眼，社区马上开始追问，质疑主要集中在：

- 跑分能不能稳定复现
- 对比基线是不是公平
- 文案有没有过度营销

这其实是好事。

一个健康的开源生态，不怕被追问。  
真正需要担心的，是没人验证。

所以如果你是团队负责人，先看下面三件事：

- 你自己的业务场景里，召回准确率有没有提升？
- token 成本有没有明显下降？
- 运维复杂度是不是还在可接受范围内？

跑分可以参考，但不能代替场景验证。

## README 后来承认了什么问题

如果顺着仓库 README 往下看，会发现项目方后面自己补了一大段说明，专门回应社区质疑。

这里最重要的有三件事。

### 1. AAAK 那段压缩叙事最初写得不对

他们后来承认：

- token 计数示例有误
- “30x lossless compression” 说法过头
- AAAK 是 lossy abbreviation system，不是无损压缩
- 在 LongMemEval 上，AAAK 模式分数低于 raw mode

README 现在更明确的说法是：

- `96.6%` 来自 `raw mode`
- 不来自 `AAAK mode`

这点很关键。  
因为这说明最早那条最容易传播的“压缩很强 + 还拿高分”的叙事，后来已经被社区纠偏了。

### 2. “+34% palace boost” 也没有最初看上去那么神

README 里也承认：

- 那个 `+34%` 对比的是不做 metadata filtering 和做 wing + room metadata filtering
- 这更接近 ChromaDB 的标准能力
- 不是某种完全独家的 retrieval magic

也就是说，宫殿结构是有用的，但“到底有多新、多独特”，要比最早那波宣传保守很多。

### 3. 100% 的 hybrid rerank 分数是真的，但公开脚本还没完全跟上

README 的说明是：

- `100% with Haiku rerank` 这个结果，他们有结果文件
- 但 rerank pipeline 当时还没完整进公开 benchmark scripts

这也解释了为什么社区会一直追着问：

“高分到底能不能复现？”

## 现在还能信什么？

社区挑刺之后，README 还是明确保留了几件他们认为站得住的点：

- `96.6% R@5` 的 raw mode 结果
- 本地运行
- 不依赖云端
- 零订阅费用
- 架构层次是真实存在并且有用的

这至少说明了一件事：

这个项目不是假的，也不是只靠明星效应冲上来的。

但同样也要补一句：

它最初那版“最高分 + 压缩神话 + 结构带来巨大提升”的说法，已经被社区现场打磨过一轮。

所以今天再看 MemPalace，更稳的角度是：

- 它有没有把长期记忆系统里几件重要的事放在一起

## 这套系统最值得看的三件事

### 1. raw verbatim storage

README 里写得很明确：

- 原始对话原文直接存
- 不先做总结抽取
- 让语义检索去找相关内容

这套思路和很多“先摘要再记忆”的系统是反着来的。

它更像在赌一件事：

原文保留得越完整，后面检索和再解释时就越不容易丢掉细节。

### 2. 分层 token 预算

README 里把 memory stack 拆成：

- `L0`
- `L1`
- `L2`
- `L3`

其中：

- `L0` / `L1` 常驻加载
- `L2` / `L3` 按需检索

这部分很像最近很多 agent memory 项目都在收敛的一件事：

不要把所有历史一次性塞进上下文。先给一个很小的“世界模型”，剩下的按需调。

### 3. 本地优先

仓库反复强调：

- local
- free
- no subscription
- no cloud

这点不只是“省钱”。  
对很多想把 memory 放在本地、又不想上托管记忆服务的人来说，这本身就是卖点。

## 评论区里还有一个更本质的问题

Reddit 和 GitHub 评论区里，除了“你这个分数靠谱吗”，还有下面这个追问：

**到底是结构厉害，还是向量检索本身就够强？**

如果最后高分主要来自：

- 原文保留
- ChromaDB
- 合理的 metadata filtering

那 MemPalace 的价值就会更接近：

- 一套把 local memory stack 收得比较完整的实现

而不是某种彻底改写 AI memory 范式的新发明。

这两者差别很大。

## 写给正在做 Agent 的你：现在更值得做什么？

我更建议先别卷“最强记忆系统”这个结论，先把最小可用版本做出来。

可以从三步开始：

1. 先定义“必须记住”的信息  
   例如身份、偏好、项目决策、失败经验、常见例外。
2. 做分层记忆  
   常驻摘要 + 按需深查，不要全量硬塞上下文。
3. 用真实任务评估  
   看召回质量、成本、延迟和维护复杂度，而不是只看宣传数字。

## 结语

这次热点真正值得关注的，是它再次提醒我们一件事：

**下一代 Agent 的竞争，除了模型能力，也会越来越取决于记忆系统能力。**

谁先把“记得住、找得到、用得起”这三件事做扎实，谁就更接近真正可用的 AI 助手。

最近，Milla Jovovich（米拉·乔沃维奇）和开发者联合发布了一个 AI 记忆系统，叫做 MemPalace。

一位好莱坞女星，把 AI 长期记忆卷进了开源战场？

软件研发

人工智能

好莱坞女星米拉·乔沃维奇联合开发的开源AI记忆系统MemPalace引发热议。该系统采用分层记忆结构，保留原始对话内容，实现可检索的长期记忆，解决AI跨会话协作中的"断片"问题。项目强调本地运行、零订阅费用，但早期宣传的压缩性能数据已被社区纠偏。MemPalace为AI记忆系统产品化提供了新思路，值得关注其在实际业务场景中的表现。

GitHub

Agent

文章

问答

视频

教程

学习中心

腾讯云实验室

直播

竞赛

腾讯云代码分析专区

腾讯iOA零信任安全管理系统专区

腾讯云架构师技术同盟交流圈

腾讯云数据库专区

腾讯云智能顾问专区

腾讯云原生专区

腾讯混元专区

腾讯云TCE专区

腾讯云Lighthouse专区

腾讯云HAI专区

腾讯云Edgeone专区

腾讯云存储专区

腾讯云智能专区

腾讯轻联专区 

腾讯云开发专区

TAPD专区

腾讯轻量云游戏服专区

腾讯云最具价值专家

腾讯云架构师技术同盟

腾讯云创作之星

腾讯云开发者先锋

腾讯云AI代码助手

云原生构建

TAPD 敏捷项目管理

Cloud Studio

SDK中心

API中心

命令行工具

功能1上新10个字符

功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符功能2描述100个字符。

功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符功能2上新100个字符。

功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符功能5描述100个字符

功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符功能5上新100个字符

功能4上新

文章&问答评论现已支持表情

全新交互，全新视觉，新增快捷键、悬浮工具栏、高亮块等功能并同时优化现有功能，全面提升创作效率和体验

社区富文本编辑器全新改版！诚邀体验～ 

精选全网热门MCP server，让你的AI更好用 🚀

💥开发者 MCP广场重磅上线！

涵盖代码开发、场景应用、自动测试全流程，助你从零构建专属AI助手

一站式MCP教程库，解锁AI应用新玩法

聚焦“写作效率、视觉美观与运行性能”三方面进行全面升级，为您提供更高效、稳定的创作环境

社区富文本&Markdown编辑器全新改版上线，欢迎大家体验!

诚挚邀请您参与本次调研，分享您的真实使用感受与建议。您的反馈至关重要，感谢您的支持与参与！

社区新版编辑器体验调研

好莱坞女星米拉·乔沃维奇联合开发的开源AI记忆系统MemPalace引发热议。该系统采用分层记忆结构，保留原始对话内容，实现可检索的长期记忆，解决AI跨会话协作中的"断片"问题。项目强调本地运行、零订阅费用，但早期宣传的压缩性能数据已被社区纠偏。MemPalace为AI记忆系统产品化提供了新思路，值得关注其在实际业务场...

一位好莱坞女星，把 AI 长期记忆卷进了开源战场？-腾讯云开发者社区-腾讯云

一位好莱坞女星，把 AI 长期记忆卷进了开源战场？

一位好莱坞女星，把 AI 长期记忆卷进了开源战场？

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐