[!주의] 사기 경고. MemPalace의 유일한 공식 소스는 다음과 같습니다. GitHub 저장소, PyPI 패키지 및 문서 사이트 mempalaceofficial.com. 기타 mempalace.tech를 포함한 도메인은 사기꾼이며 배포할 수 있습니다. 악성 코드. 세부정보 및 타임라인: docs/HISTORY.md.

<div 정렬="중앙"> <img src="assets/mempalace_logo.png" alt="MemPalace" width="240">

멤팰리스

로컬 우선 AI 메모리. 축어적 스토리지, 플러그형 백엔드, LongMemEval에서 원시 R@5 96.6% — API 호출 없음.

[![][버전 보호]][릴리스 링크] [![][python-shield]][python-link] [![][라이센스 보호]][라이센스 링크] [![][discord-shield]][discord-링크]

</div>

---

그게 뭐야?

MemPalace는 대화 기록을 축어적 텍스트로 저장하고 검색합니다. 의미 검색으로 해결합니다. 요약, 추출, 의역을 하지 않습니다. 인덱스는 구조화되어 있습니다. 사람과 프로젝트는 날개, 주제가 됩니다. 방이 되고 원본 콘텐츠는 서랍에 보관되므로 검색이 가능합니다. 평평한 말뭉치에 대해 실행하는 대신 범위를 지정할 수 있습니다.

검색 계층은 플러그 가능합니다. 현재 기본값은 ChromaDB입니다. 는 인터페이스는 mempalace/backends/base.py에 정의되어 있습니다. 나머지 백엔드를 건드리지 않고 대체 백엔드를 드롭할 수 있습니다. 시스템.

귀하가 선택하지 않는 한 귀하의 컴퓨터에는 아무것도 남지 않습니다.

아키텍처, 개념 및 마이닝 흐름: mempalaceofficial.com/concepts/the-palace.

---

설치

``배쉬 pip 설치 mempalace mempalace 초기화 ~/projects/myapp

## 빠른 시작

``배쉬
# 광산 콘텐츠를 궁전으로
mempalace 광산 ~/projects/myapp # 프로젝트 파일
mempalace 광산 ~/chats/ --mode convos # 대화 내보내기

# 검색
mempalace 검색 "우리는 왜 GraphQL로 전환했나요?"

# 새 세션에 대한 컨텍스트 로드
멤팰리스 모닝콜

Claude Code, Gemini CLI, MCP 호환 도구 및 로컬 모델은 다음을 참조하세요. mempalaceofficial.com/guide/getting-started.

---

벤치마크

아래의 모든 숫자는 다음 명령을 사용하여 이 저장소에서 재현할 수 있습니다. benchmarks/BENCHMARKS.md에서. 전체 질문별 결과 파일은 benchmarks/results_* 아래에 커밋됩니다.

LongMemEval — 검색 회상(R@5, 500개 질문):

모드	R@5	LLM 필요
원시(의미 검색, 휴리스틱 없음, LLM 없음)	96.6%	없음
하이브리드 v4, 홀드아웃 450q(50dev에서 조정됨, 훈련 중에는 표시되지 않음)	98.4%	없음
하이브리드 v4 + LLM 순위 재지정(전체 500)	≥99%	모든 가능한 모델

원시 96.6%에는 어떤 단계에서도 API 키, 클라우드, LLM이 필요하지 않습니다. 는 하이브리드 파이프라인은 키워드 부스팅, 시간적 근접성 부스팅을 추가하고 선호 패턴 추출; 버티는 98.4%가 정직하다 일반화 가능한 수치

재순위 파이프라인은 상위 20위 중에서 가장 좋은 후보를 승격시킵니다. LLM 리더를 사용하여 세션을 검색했습니다. 합리적으로 작동합니다. 유능한 모델 — 클로드 하이쿠(Claude Haiku), 클로드 소네트(Claude Sonnet), Ollama Cloud를 통한 minimax-m2.7(인류 의존성 없음). 격차 원시와 재순위 사이는 모델에 구애받지 않습니다. 우리는 "100%"라는 제목을 붙이지 않습니다. 특정 오류를 검사하여 마지막 0.6%에 도달했기 때문입니다. benchmarks/BENCHMARKS.md가 테스트에 대한 교육으로 플래그를 지정합니다.

기타 벤치마크(benchmarks/BENCHMARKS.md의 전체 결과):

벤치마크	미터법	점수	메모
LoCoMo(세션, 상위 10위, 재순위 없음)	R@10	60.3%	질문 1,986개
LoCoMo(하이브리드 v5, 상위 10위, 재순위 없음)	R@10	88.9%	같은 세트
ConvoMem(전체 카테고리, 250개 항목)	평균 회상	92.9%	카테고리당 50개
MemBench(ACL 2025, 8,500개 항목)	R@5	80.3%	모든 카테고리

우리는 의도적으로 Mem0과의 병렬 비교를 포함하지 않습니다. Mastra, Hindsight, Supermemory 또는 Zep. 티

안내: 무료 번역기 용량 제한으로 앞부분만 번역되었습니다.