mempalace-cn — AI 對話記憶系統（架構參考）
與 GBrain 同類,收作「AI 記憶系統設計模式」編譯素材。
是什麼
- GitHub：https://github.com/bbylw/mempalace-cn （MemPalace 中文版,MIT,實驗迭代中）
- 本地自架的 AI 對話記憶系統：把與 AI（Claude／ChatGPT 等）的對話逐字全存,再語義檢索。
- 理念：「保存一切再讓它可查找」,不靠 AI 決定該記什麼。號稱 96.6% LongMemEval（原始模式）。
技術棧
- Python 3.9+；ChromaDB（向量／語義搜尋）+ SQLite（時序實體關係知識圖譜）
- MCP server（19 工具）對接 Claude／ChatGPT／Gemini；可接本地 LLM 離線用
- AAAK 方言（有損縮寫壓縮）
- 結構分層：翼（Wing）→ 房間（Room）→ 壁櫥（Closet）→ 抽屜（Drawer）+ 廳／隧道交叉引用
- 完全本地、零雲端、無需 API key
對「我的系統」（Obsidian vault + memory + 面板）的評估
| 維度 | 我的系統 | mempalace |
|---|---|---|
| 存法 | 純 Markdown（可讀／git diff／Syncthing） | 向量DB／SQLite 黑箱 |
| 哲學 | 人工精煉（記一筆→整理→編譯） | 逐字全存再搜 |
| 自架零雲端 | ✅ | ✅（一致） |
| 痛點 | 要精煉後的結論 | 解逐字回溯（非我痛點） |
結論：
- ❌ 不整套採用（要養 Python+向量庫、放棄「可被 grep／git 驗證」的可讀性,不划算）
- ✅ 當架構參考（分層設計、語義+圖譜雙軌值得借鑑）
- 💡 若要「語義搜尋我的 vault」,傾向在現有 Markdown 上掛輕量本地語義索引,不破壞純文字
⚠️ 2026-06-18~19 這個 session 親身印證：工具吐假內容時,純 Markdown 能用 grep／git 交叉驗證抓包；若記憶存向量庫黑箱則無此保障 → 強化「保留可驗證純文字」的判斷。
待編譯
- 可與 GBrain 合併編譯成「AI 知識庫／長期記憶系統設計模式」概念文章。
關聯
- 來源：主公 2026-06-19 提供
- 同類：GBrain