MemPalace/mempalace 是一个开源 AI 记忆系统。项目描述里说它是 “open-source AI memory system”，并且强调 benchmark。简单理解，它想给 LLM 和 Agent 提供可持续的记忆层，而不是只依赖当前上下文窗口。
长期记忆是 Agent 系统绕不开的问题。没有记忆，Agent 每次都像新来的；记忆做坏了，又会把错误偏好、过时事实和隐私数据一起带进后续任务。
它适合做什么
MemPalace 更适合这些场景：
- 个人 AI 助手记住偏好和长期目标；
- 编程 Agent 记住项目约定和历史踩坑；
- 客服或运营 Agent 记住用户上下文；
- 多轮研究任务保留阶段性结论；
- 通过 MCP 把记忆能力接给不同客户端；
- 构建本地或私有部署的记忆服务。
这类系统的重点不是“多存几条记录”，而是存什么、怎么检索、什么时候忘、怎么纠错。
和普通 RAG 的区别
普通 RAG 更像“查资料”；记忆系统更像“积累经历”。
RAG 的对象通常是文档、网页、知识库。记忆系统则会处理对话、用户偏好、任务轨迹、决策结果、失败经验。两者可以结合，但不要混为一谈。
如果你只是要问 PDF 内容，RAG 足够；如果你希望 Agent 跨会话成长，就需要记忆系统。
使用时要注意什么
长期记忆有几个硬问题：
- 记忆必须可查看、可编辑、可删除；
- 不能把临时猜测当事实保存；
- 需要区分用户偏好、事实、任务状态和经验；
- 敏感数据要有权限和保留策略；
- 旧记忆可能过时，需要衰减或复核。
AI 记忆系统最怕“自信地记错”。所以不要只关注召回率，也要关注纠错机制。
小结
MemPalace 值得关注，是因为 AI Agent 正从一次性工具走向长期协作伙伴。只要 Agent 要跨会话工作，记忆系统就会变成基础设施。
但记忆不是越多越好。真正好用的记忆系统，应该让用户能掌控它记住了什么，也能让 Agent 在需要时拿到正确的上下文。