DSH HUB
HomePlugin StorePlugin PacksCommunityRankingsResourcesPublish Guide
Plugin source
Back to catalog

mycyg /

mycyg/memory-palace

Topic repository only

Event-based long-term memory for LLM agents — associative surfacing over query RAG. Closed-loop episodic events, budgeted injection, tiered forgetting. Claude Code hooks + DeepSeek Harness plugin, one shared .memory/ format.

★ 3 Stars1 Forks0 IssuesN/A Community rating0 Confirmed installs
View on GitHub
READMESource: main@951e2156

MemoryPalace 1.0 · 记忆宫殿

中文 · English · 日本語

MemoryPalace 是面向工具协作、陪伴与知识积累的单用户记忆系统。它保存来源、事实、经历、关系、承诺、知识片段和连续性状态,可通过插件、CLI、管理台、HTTP、MCP 与 SDK 使用。

MemoryPalace 总架构

功能

  • 来源与写入:保存原始来源,自动去重并记录处理进度。模型请求失败时,已保存的来源和进度会保留。
  • 记忆类型:记录情景、事实与状态、程序性经验、角色关系、共同经历、承诺与提醒,也保存日记、自述、知识和 checkpoint。项目、角色、知识库及现实/虚构领域可以分别设置范围。
  • 召回:支持按精确线索、全文、语义、图片和关系查找记忆,也可以读取历史时点的记录。返回内容会核对纠正后的有效状态,遵守上下文预算,并在不同宿主之间去重。
  • 后台整理:从来源中抽取记忆,提出冲突处理建议,并整理主题家族与叙事卷。摘要、日记和画像保留来源引用,整理结果支持修订与回滚。
  • 文件与多模态:接收 PDF、DOCX、PPTX、XLSX、Markdown、HTML、CSV、图片和音视频,保留页码、段落、表格位置、时间片段及附件位置。
  • 主动联系:按角色设置提醒、承诺跟进、纪念日、检查和问候,可配置时区、安静时段、频率与确认方式。待发内容可以延后或取消,重启后仍保留待发内容和投递记录。
  • 管理台:查看处理进度,浏览记忆、追溯来源并比较修订。管理台还提供时间线、日历、二维/三维关系图、知识与附件、日记、召回实验室,以及联系策略和数据维护设置。

模型生成的内容会明确标记。模型推断、用户明确表达的内容和客观操作分别记录;同一来源被重复引用时,仍只计为一份独立证据。

写入与纠正

记忆需要能追溯到来源,也需要允许后来的纠正。用户明确表达的内容与模型推断分开记录;不同项目、角色或时间下的差异可以并存,避免把各自成立的记录相互覆盖。纠正会更新当前读取的状态,并保留修订历史。模型处理失败时,来源与已完成的进度仍然保留,未完成的部分可以继续处理。

写入与纠正

召回与上下文

召回优先考虑一条记忆是否适用于当前问题,以及当前对话能容纳多少内容。项目、角色和时间范围先限定候选,再核对有效状态,减少无关或失效内容进入上下文。日常交互采用快速查询,需要追查关系或历史时再按需深入。返回内容保留来源与读取入口,完整事件或文档章节可以继续查阅。

召回与上下文

后台整理

长期整理在后台随记录变化逐步进行,以减少对当前交互的影响。主题、日记和摘要保留引用来源。分类归属和生成叙事不会提高一条记录的确认程度,也不会把模型推断转成用户事实。来源被纠正后,受影响的派生内容会标记为待核实,后续读取仍需检查其有效状态。

后台整理

主动联系

主动联系的时机、频率和内容范围由用户按角色设置,安静时段与确认方式共同约束发送。发送前会重新核对事项是否已完成、取消或失效,避免继续依据旧状态联系。策略或渠道尚未配置时,只生成可预览的建议。渠道无法确认送达时,会保留不确定状态,供用户核对。

主动联系

Codex 等 MCP 宿主可以创建、查询和管理提醒任务,操作需要指定记忆范围与联系策略。任务保留对话依据、修订与投递状态。任务管理指南提供 MCP 和 Python 用法。

安装与启动

需要 Python 3.11–3.13、Node.js 22 和 uv:

git clone https://github.com/mycyg/memory-palace.git
cd memory-palace
uv sync --frozen --extra all --extra dev
npm ci --prefix sdk/typescript
npm run build --prefix sdk/typescript
npm ci --prefix console
npm run build --prefix console
uv run eventmem console

管理台和服务的默认地址是 http://127.0.0.1:8319,私有数据默认保存在 ~/.memorypalace。也可以用 eventmem serve 启动服务,用 --root /private/path 指定独立的数据目录。

在管理台为抽取、冲突判断、摘要、重排、embedding、视觉与 ASR 等角色配置模型。可以使用兼容 API 或本地端点,也可以让多个角色复用同一模型。密钥通过环境变量名称引用。某类模型尚未配置时,相关任务会显示待配置,原始来源仍会保存。

接入与示例

接入 能力
Codex 原生 hooks + MCP 自动采集提问、最终回复与工具结果;启动与提问时召回,压缩后恢复;支持 ACP/微信宿主
Claude Code 插件 采集消息与工具记录,支持启动恢复、操作前查询、压缩恢复和退出处理
dsh-eventmem 将 DeepSeek Harness 事件接入统一服务;可显式启用旧版模式回退
HTTP /v1 来源、记忆、纠正、关系、连续性、任务、维护、调度与观测
MCP stdio 与 Streamable HTTP;工具式访问
Python / TypeScript SDK 调用记忆服务,并对回调去重
eventmem CLI 服务、管理台、MCP、写入/召回、迁移、备份、调度与评估

MCP 提供工具式访问。自动采集和被动注入需要接入宿主事件;使用插件时,本地服务需要保持运行。

Codex 可直接安装原生钩子:uv run eventmem codex install --project /path/to/project。重启后,在 /hooks 审阅并信任 MemoryPalace 的配置。Codex 接入指南包含 MCP、共享陪伴记忆与微信 ACP 的配置。

uv run python examples/v1/scenarios.py tool
uv run python examples/v1/scenarios.py companion
uv run python examples/v1/scenarios.py knowledge
node examples/v1/tool.mjs

示例源代码包含工具协作、共同经历与承诺、文档导入,以及主动联系回调。发送策略和渠道尚未配置时,系统只生成待发建议。回调用稳定的 delivery id 去重;渠道不支持幂等时,会显示投递状态不确定。

实测

测试环境:10 核 CPU、64 GiB 内存、SSD、macOS arm64、Python 3.13.14。数据包括 10 万条记忆和 100 万个 1,024 维合成知识向量,查询使用独立样本。

指标 实测
本地快速召回 p95 / p99 20.01 / 20.74 ms
百万向量查询 p95 / p99 39.12 / 41.29 ms
ANN Recall@20 0.9985
上下文组装(含召回)p95 18.76 ms
后台导入期间召回 p95 30.32 ms
峰值 RSS(含构建) 2.75 GiB
并发去重 10 个会话,400 次请求,200 个唯一来源

表中时延不含外部模型请求,真实语料上的效果仍需单独验证。测试详情。

迁移与数据维护

uv run eventmem migrate /old/project/.memory --root /isolated/memorypalace
uv run eventmem backup /private/backup.tar.gz --root /isolated/memorypalace
uv run eventmem restore /private/backup.tar.gz --root /another/empty/root

迁移会保留原始 id、内容、归档包、修订关联和来源指针,并在独立的目标目录校验数据,旧库不会被覆盖。找不到的外部来源会明确标记。归档保留历史记录;永久删除会处理来源及其派生依赖。已导出的文件和备份需要单独管理。

文档与限制

架构与数据语义 · 配置、插件、迁移与运维 · 自我认知与行为检验

自我认知记录区分角色约定、行为假设与观察结果。MCP 支持保存事前预测、引用后续证据、比较同题的通用智能体预测,并按配置版本读取与修订。历史记录保留,假设不会因重复或评分升格为事实。

快速全文检索先按范围筛选,再对最近匹配的最多 400 条记录排序。深度模式支持对完整匹配集排序,也支持模型检索。

PDF 默认解析原生文本,扫描页需要视觉端点。完整的本地布局模型可以选配。视觉检索需要兼容的多模态 embedding 端点。外部模型、重型解析和语料差异都会影响端到端时延与效果。

支持在 macOS/Linux 上进行单用户本地部署。

MIT License

—/ 5

No ratings yet

Manifest verification required

Commit 951e2156ec6c

Community comments

No comments yet. Be the first to write one.

DSH HUB

A community index for DSH plugins. Not an official GitHub or DeepSeek AI product.

CommunityResourcesAPIAbout