昨天才跟 AI 討論完一個架構決策，今天回頭找，卻只剩零碎摘要。再過幾天，連自己當時為什麼這樣想都快忘了。
這就是 MemPalace 想處理的問題。
MemPalace 不是一般的筆記工具，也不是只做摘要的記錄器。它把 AI 對話完整保留下來，再用「記憶宮殿」式結構去整理、搜尋和回收。這個專案由蜜拉喬娃維琪（Milla Jovovich）和 Ben Sigman 以 Claude Code 開發，GitHub 已經衝到 26.9K+ stars，最近在 AI 工具圈討論度很高。
一句話講完：
它不是幫 AI 記幾個重點，而是幫你保住整段工作脈絡。
如果你一天會在 Claude、ChatGPT、Copilot、Cursor 之間切換，這類工具就不是玩具，而是上下文保險。
這個工具到底在紅什麼
MemPalace 的爆紅，主要有三個原因：
- 它踩中「AI 會失憶」這個真實痛點
- 它不是做摘要，而是保留原文
- 它把記憶整理成能直接搜尋的結構
這幾件事看起來不複雜，但對重度 AI 使用者來說很實際。因為很多時候最難找的，不是答案，而是當初那段討論過程。
MemPalace 在做什麼
官方把它定義成本機、免費、可長期使用的 AI memory system。實際上，它做的是三件事：
先存原文
- 不先壓縮
- 不先摘要
- 先把對話一字不漏留下來
再分層整理
- 用 wing、hall、room 這種宮殿式結構來分類
- 讓記憶不是散在一起，而是有路徑可以走
最後做語意搜尋
- 透過向量搜尋和本機資料庫，把相關內容撈回來
- 找的不是單一關鍵字，而是上下文
這讓聊天紀錄不只是聊天紀錄，而是可以重複使用的工作記憶。
直接上手：三個指令先跑起來
如果你想先看它能不能用，官方的快速路線很直接。
pip install mempalace
先裝套件，核心依賴也會一併帶進來。
mempalace init ~/projects/myapp
接著初始化你的記憶宮殿。這一步會把結構建起來。
mempalace mine ~/chats/ --mode convos
再把既有對話匯進去，讓它變成可搜尋的記憶。
如果你想直接驗證效果，可以再跑：
mempalace search "why did we switch to GraphQL"
你要看的不是它會不會講話，而是它能不能把久遠前的決策理由找回來。
如果你用的是 Claude Code 或其他 MCP 相容工具，接下來就可以往整合走。
怎麼整合到 Claude、Codex 或 IDE
如果你的工具支援 MCP，整合方式其實很接近。差別不在 MemPalace，而在你把它掛到哪個前端。
共通做法
- 先安裝 MemPalace，確認本機可跑。
- 把 MemPalace 的 MCP server 加進你的工具設定。
- 重新啟動 Claude、Codex 或 IDE。
- 讓工具在需要時去查記憶、補背景、找舊決策。
1. Claude Code：最適合拿來做「對話記憶層」
如果你主要用 Claude，MemPalace 很像一個外掛式的大腦備忘錄。
- Claude 問到舊專案時，可以先去 MemPalace 搜尋相關房間
- 你也可以把新的結論再寫回去，變成下一次可搜尋的記憶
- 如果你常切換 session，這會比單靠聊天歷史穩很多
這種接法最適合研究、寫作、架構討論，因為 Claude 可以直接把這次談過的內容接到下一次對話。
Claude Code 這類工具通常就是把同一個 MCP server 加進設定檔，概念上長這樣：
{
"mcpServers": {
"mempalace": {
"command": "YOUR_MCP_SERVER_COMMAND",
"args": ["YOUR_ARGS_HERE"]
}
}
}
2. Codex：最適合拿來做「工作流記憶層」
如果你的 Codex 環境有 MCP 支援，MemPalace 可以當成程式化的上下文倉庫。
- 開工前先查一次舊脈絡
- 做完變更後把關鍵決策存回去
- 下次再進來時，不用從零重建背景
這種用法特別適合工程場景。Codex 常常不是單純聊天，而是要接著做檔案修改、指令執行和多步驟任務。MemPalace 可以把那些散掉的過程收回來。
Codex 也可以吃同一個 MCP server，差別只是在你使用的前端或設定位置。原則一樣：先查記憶，再做修改。
3. IDE：最適合拿來做「側邊欄記憶系統」
如果你是在 Cursor、VS Code 或其他支援 MCP 的 IDE 裡工作，MemPalace 比較像一個常駐側邊欄。
- 你在編輯器裡卡住時，先查同主題的 room
- 你在看某個檔案時，可以順手拉出相關對話
- 你做 refactor 前，先找當初為什麼這樣寫
IDE 的好處是離程式碼最近，所以它最適合拿來做邊寫邊查。
IDE 的設定也可以直接沿用同一份 MCP 概念，只是放進編輯器自己的設定區塊裡：
{
"mcpServers": {
"mempalace": {
"command": "YOUR_MCP_SERVER_COMMAND",
"args": ["YOUR_ARGS_HERE"]
}
}
}
我會怎麼分工
如果是我，我會這樣切：
- Claude：負責讀、問、總結、追問脈絡
- Codex：負責把查到的背景落成實際修改
- IDE：負責在編輯現場快速拉出舊記憶
這樣分的好處是，不用把所有工作都塞進同一個入口。MemPalace 負責記憶，前端工具負責執行，各做各的強項。
為什麼它會紅
MemPalace 會被注意到，不只是因為它是新工具，而是它剛好踩中幾個 AI 使用者正在痛的點。
AI 用越久，資料越散
很多人不是沒有和 AI 工作，而是沒有把工作歷程系統化保存。今天在 ChatGPT 想過一次，明天在 Claude 想一次，後天換到 Cursor 又重做一次。最後留下來的，常常只是一堆片段。
它不是摘要工具
很多產品會先做摘要，再說自己有記憶。問題是，摘要會丟掉語氣、限制條件和推翻過的想法。MemPalace 的做法比較直接：先保留原文，再做搜尋與整理。
benchmark 很亮眼，但還是要看方法
官方網站把 raw mode 的 LongMemEval 成績講得很漂亮，這也是它快速竄紅的原因之一。不過，這類數字最好還是把它當成官方主張來看，而不是第三方最終結論。
新聞感很強
它的敘事本身就很適合被報導：一位知名演員參與開發、工具名稱有記憶宮殿的畫面、再加上 GitHub stars 快速上升。這些元素放在一起，很容易形成話題。
它的核心架構
MemPalace 最有辨識度的地方，是它把記憶做成一座宮殿。
Wings：先分大類
你可以先用 wings 把記憶按人、專案、主題分開。
這比把所有聊天紀錄塞在同一個搜尋欄裡舒服很多。
Halls：再分用途
同一個專案裡，通常又會有設計討論、除錯紀錄、決策備忘、待辦清單。
hall 的概念，就是讓記憶不只按專案分，還能按用途分。
Rooms：落到具體內容
最後才是 room，對應到某個具體想法、某段對話、某次決策。
這種結構的好處是，你找資料時不是從一個巨大黑盒開始撞運氣，而是先縮小範圍，再進行語意搜尋。
它跟一般筆記工具有什麼差別
| 工具類型 | 優點 | 問題 |
|---|---|---|
| 一般筆記工具 | 好整理、好寫 | 很多內容不會自動變成可檢索記憶 |
| AI 摘要工具 | 快速、輕量 | 會丟掉很多原始脈絡 |
| MemPalace | 保留原文，再做結構化檢索 | 管理邏輯比較偏工程，不是純筆記心法 |
如果你想要的是漂亮筆記，MemPalace 不一定是最順手的。
如果你想要的是把 AI 對話變成可再利用的工作資料，它就很有意思。
適合誰
我會把 MemPalace 的理想使用者分成四類：
- 重度 AI 使用者：每天都在跟模型討論問題
- 工程師 / 架構師：需要保留決策過程，而不是只留結論
- 內容創作者：常常跟 AI 來回打磨稿件
- 研究型工作者：需要把一堆零碎想法接回脈絡
不適合誰
如果你只是偶爾問 AI 一兩個問題，那 MemPalace 可能太重。
如果你想要的是：
- 最少設定
- 最少資料管理
- 最少本機維護
那你大概不會愛上它。
它比較像一個認真的長期系統，而不是即裝即忘的小工具。
我會怎麼看這個專案
MemPalace 最值得看的，不是它有多會說故事，而是它把一個很現實的問題擺到檯面上：AI 的價值，不只在於回答得好不好，還在於你能不能把每次互動累積成自己的知識庫。
這件事說起來簡單，做起來很難。因為大多數人都在追求更強的模型、更準的 prompt、更短的摘要，但很少回頭整理「之前到底討論過什麼」。
MemPalace 的答案很直接：先把原文留下來，再把它變成可搜尋、可回收、可再利用的資產。
開始之前，先確認三件事
- 你真的有大量 AI 對話要保存嗎？
- 你能接受本機資料管理嗎？
- 你要的是記憶系統，不只是筆記工具嗎？
如果三題有兩題以上是「是」，MemPalace 就值得你花時間看。
參考資料
- GitHub repo: https://github.com/milla-jovovich/mempalace
- 官方網站: https://www.mempalace.net/
