Memory Palace：AI Agent 的终身记忆操作系统

「每次对话留下痕迹，每条痕迹成为记忆。」

1. 背景：为什么 AI 一直在"失忆"？

你有过这样的经历吗？花了一个小时向 AI 解释项目架构、编码规范、部署约束，结果第二天再来，它完全不认识你了——你的偏好、你的项目历史、那三个小时的心血，全都消失了。

这是 AI Agent 领域的一个根本性问题：缺乏长期记忆。传统做法是不断扩大 context window，但研究一致表明，模型容易出现"迷失在中间"（Lost in the Middle）问题——塞得越多，关键细节反而越容易被忽略。

Memory Palace 的出现，就是为了解决这个痛点。它为 LLM Agent 构建了一套持久化、可检索、可审计的记忆系统，让每次对话都能在前一次的基础上继续。

2. 系统架构：分层记忆金字塔

系统将记忆分为三个层级（L0 / L1 / L2），每一笔写入都遵循：Write Guard 前置检查 → Snapshot 快照 → 异步索引重建。Write Guard 负责判定写入动作（ADD/UPDATE/DELETE），并对每条记忆进行意图分类（factual/exploratory/temporal/causal）。

图1：Memory Palace 系统架构图

3. 核心功能

3.1 混合检索引擎

三种检索模式：keyword（关键词）、semantic（语义）、hybrid（混合）。混合模式默认使用 RRF（Reciprocal Rank Fusion）融合算法。外部 embedding 服务不可用时自动降级到纯关键词搜索。

四种意图分类器（Factual / Exploratory / Temporal / Causal）将用户查询路由到不同的策略模板，确保事实性查询优先精度，探索性查询优先召回。

3.2 记忆维护引擎（v2）

四个独立维护引擎：遗忘引擎（活力分数自动衰减，归档需审查令牌）、分层引擎（L0→L1→L2 自动化分层）、压缩引擎（预览三级压缩，纯只读）、流程引擎（提取可搜索的步骤级流程）。

3.3 内置可观测性仪表盘

React 构建的 Web 仪表盘提供四个视图：Memory Browser、Review & Rollback、Maintenance、Observability。

图2：Memory Browser

图3：Review & Rollback

图4：Maintenance

图5：Observability

4. MCP 协议：打通主流 AI 客户端

通过 MCP 统一接入 Claude Code、Gemini CLI、Codex CLI、OpenCode、Cursor、Windsurf、VSCode 等主流 Agent 工具。一条 install_skill.py 脚本完成所有客户端的技能安装，形成"读取→检索→写入"完整闭环。

5. 性能基准

Profile A（纯关键词）HR@10=0.125；Profile C（混合+本地 embedding）HR@10=0.812；Profile D（完整配置）HR@10=0.875，检索质量提升 7 倍。质量门禁全部达标：Write Guard 精确率/召回率 1.000，意图分类 1.000。

图6：benchmark 对比

6. 部署：四档配置

配置档	场景	依赖
A	极简验证	无
B	本地开发	本地 hash embedding
C	有 Ollama/vLLM	本地模型 API
D	生产环境	远程 API

最快路径：bash scripts/docker_one_click.sh --profile b，5 分钟完成。

图7：v2 升级内容总览

图8：Setup Assistant

图9：记忆写入与审查时序图

7. 技术栈

后端：FastAPI + SQLAlchemy + SQLite + aiosqlite + sqlite-vec + Pydantic v2，sqlite-vec 将向量存储在 SQLite 内，替代独立向量数据库。

MCP 层：基于 FastMCP SDK，暴露 9 个标准化工具：read_memory、create_memory、update_memory、delete_memory、add_alias、search_memory、compact_context、rebuild_index、index_status。

前端：React 18 + Vite 7.x + Tailwind CSS + Framer Motion + React Router，含 vitest 测试和 typecheck 类型保障。

8. 局限

向量维度变更需手动重建索引；Profile C/D 配置复杂度较高；sqlite-vec 在超大规模数据时并发性能存在上限；深度依赖 MCP 生态，存在版本兼容性风险。

9. 行业意义

2026 年 AI Agent Memory 赛道爆发式增长，Memory Palace 以 MIT 许可证、完整 Docker 支持和 MCP 生态整合占据领先位置。将记忆视为需要"遗忘、压缩、分层"的活数据这一理念，为 Agent Memory 领域提供了新的工程化方向。

总结

Memory Palace 是面向 AI Agent 开发者的长期记忆基础设施，SQLite + sqlite-vec 本地优先设计，MCP 协议无缝集成主流 Agent 工具。适合已在使用 Claude Code 等 Agent 工具、但苦于每次对话都要重复解释上下文的开发者。从 Profile B 开始，5 分钟完成部署体验。