她拿过枪，打过丧尸，现在用一座“记忆宫殿”拿下了AI记忆系统的世界第一

好莱坞演员做出了超越所有AI公司的产品而且免费开源如果有人在年初告诉你《生化危机》女主角米拉·乔沃维奇Milla Jovovich会在年底开源一个AI记忆系统并在行业标准评测中拿下有史以来第一个满分——你一定会觉得这是科幻电影的新剧本。但这不是电影。就在这几天GitHub上突然多了一个叫做MemPalace梅姆宫的项目。作者栏赫然写着milla-jovovich。没错就是那位在银幕上打了二十年丧尸的爱丽丝。推文截图她不是玩票。她花几个月时间与朋友一起用 Claude Code 硬生生造出了一个让所有AI公司都汗颜的记忆系统。为什么一个演员要去做AI记忆事情要从一次让人崩溃的经历说起。Milla 是AI的重度用户。几个月来她每天与AI对话累积了无数决策、代码调试记录、架构讨论。但当一次会话结束所有内容都消失了。她尝试过市面上的记忆产品但它们都有一个共同的问题让AI自己决定什么值得记。结果AI只会提取“用户偏好Postgres”这类碎片而把“你为什么选择Postgres”那整段充满推理的对话直接扔掉。“这不是我想要的。” Milla 说。于是她决定自己动手。记忆宫殿古老智慧现代AIMemPalace 的核心灵感来自古希腊演说家的记忆宫殿术。他们从不死记硬背——而是在想象中建造一座宫殿把要记住的“想法”变成图像放在不同的房间。演讲时只需在脑海里“走一遍”所有内容就会自动浮现。Milla 把这个原理变成了AI的记忆架构翼楼Wing每个项目、人或主题独占一个翼楼。房间Room翼楼内按具体主题划分房间比如“认证迁移”、“GraphQL切换”。走廊Hall同一翼楼内连接不同房间的记忆类型事实、事件、发现、偏好、建议。隧道Tunnel不同翼楼之间当同一个房间出现在多个翼楼时自动打通。比如“认证迁移”这个房间同时出现在“Kai翼楼”、“Driftwood项目翼楼”和“Priya翼楼”中隧道让它们彼此关联。衣柜Closet存放压缩后的摘要AI读起来极快。抽屉Drawer存放原始对话的逐字内容永远不会被总结。┌─────────────────────────────────────────────┐ │ 翼楼人Kai │ │ ┌──────────┐ ──走廊── ┌──────────┐ │ │ │ 房间A │ │ 房间B │ │ │ │认证 │ │计费 │ │ │ └────┬─────┘ └──────────┘ │ │ ▼ │ │ ┌──────────┐ ┌──────────┐ │ │ │ 衣柜 │ ───▶ │ 抽屉 │ │ │ │摘要 │ │原文 │ │ │ └──────────┘ └──────────┘ │ └─────────┼────────────────────────────────────┘ │ 隧道 ┌─────────┼────────────────────────────────────┐ │ 翼楼项目Driftwood │ │ ┌────┴─────┐ ──走廊── ┌──────────┐ │ │ │ 房间A │ │ 房间C │ │ │ │认证 │ │部署 │ │ │ └────┬─────┘ └──────────┘ │ │ ▼ │ │ ┌──────────┐ ┌──────────┐ │ │ │ 衣柜 │ ───▶ │ 抽屉 │ │ │ └──────────┘ └──────────┘ │ └─────────────────────────────────────────────┘这种结构带来的提升是惊人的**仅靠空间化组织检索准确率就提高了34%**。AAAK让AI秒读的“速记语言”为了进一步压缩信息Milla 和团队发明了一种专门给AI读的方言——AAAK。它本质上是极度精简的英语。人类可能看不太懂但AI几秒钟就能学会。AAAK能做到30倍无损压缩且不需要任何解码器——Claude、GPT、Gemini、Llama、Mistral任何能读文本的模型都能直接理解。举个例子一段约1000个token的英文Priya manages the Driftwood team: Kai (backend, 3 years), Soren (frontend), Maya (infrastructure), and Leo (junior, started last month). Theyre building a SaaS analytics platform. Current sprint: auth migration to Clerk. Kai recommended Clerk over Auth0 based on pricing and DX.用AAAK压缩后只有约120个tokenTEAM: PRI(lead) | KAI(backend,3yr) SOR(frontend) MAY(infra) LEO(junior,new) PROJ: DRIFTWOOD(saas.analytics) | SPRINT: auth.migration→clerk DECISION: KAI.rec:clerkauth0(pricingdx) | ★★★★信息完全相同体积却只有原来的1/8。这让你的AI在“唤醒”时只需要加载约170个token就能了解整个项目的关键事实。有史以来最高的评测分数MemPalace 在学术界公认的LongMemEval基准上跑出了96.6%的原始得分R5。这是该榜单有史以来的最高分——超过所有免费和付费产品。如果配合轻量级的 Haiku 重排序更是达到了100% 满分。对比一下其他知名记忆系统系统LongMemEval R5是否需要API成本MemPalace (hybrid)100%可选免费MemPalace (raw)96.6%不需要免费Mastra94.87%需要GPTAPI费用Mem0~85%需要$19–249/月Zep~85%需要$25/月起而且 MemPalace完全本地运行不依赖任何云API。你的所有对话、代码、决策都留自己的电脑上。真实场景一个例子就够了假设你是一个独立开发者手上有三个项目Orion、Nova、Helios。你只需要分别告诉 MemPalace 去“挖掘”每个项目的聊天记录mempalace mine ~/chats/orion/ --mode convos --wing orion mempalace mine ~/chats/nova/ --mode convos --wing nova六个月后你突然问自己“我当时为什么在 Orion 项目里用 Postgres”直接问AI通过MCP工具“我们当时为什么决定用Postgres”AI自动调用mempalace_search几秒后回答“因为 Orion 需要并发写入且数据集预计超过10GB。2025年11月3日决定放弃SQLite。”你甚至可以跨项目搜索“我在限流方案上之前是怎么做的” AI会同时找到 Orion 和 Nova 项目中的不同实现并对比给你看。如果你是团队负责人MemPalace 还能帮你追溯每一个决策的来源“谁决定用 Clerk 做认证” —— “Kai 推荐了 Clerk理由是定价和开发体验。团队于2026年1月15日同意Maya 负责迁移。”所有对话原文都被保留不存在“AI瞎总结”的问题。本地、免费、开源MemPalace 整个项目基于 Python 3.9通过 pip 一键安装pip install mempalace mempalace init ~/projects/myapp mempalace mine ~/projects/myapp # 挖掘代码和文档 mempalace mine ~/chats/ --mode convos # 挖掘聊天记录之后你可以通过 MCP 服务器让 Claude、ChatGPT、Cursor 等工具直接调用它的19个记忆工具。也可以配合本地模型Llama、Mistral完全离线使用。整个记忆堆栈分为四层L0身份~50 token常驻L1关键事实~120 tokenAAAK格式常驻L2房间召回按需加载最近的会话L3深度搜索仅在明确需要时触发语义搜索一年下来即使频繁搜索成本也不到10美元如果用云端模型。如果本地运行成本为零。一个演员凭什么打败所有AI公司Milla 在采访中说了一句话“我不懂那些复杂的学术论文但我知道一件事——我自己想要什么。我不想再丢失任何一次对话。我不想让AI替我决定什么重要。我只想找到一个方法把我所有说过的话、做过的决定原原本本地存起来然后一秒找到。”正是这种“用户视角”的纯粹需求让她绕开了所有AI公司习惯性的“智能筛选”思路。MemPalace 不做摘要不丢弃任何内容。它只做两件事先存储一切再用空间结构让它变得可检索。这种“笨办法”反而在基准测试上碾压了所有“聪明”的云端付费产品。这就是2026年的魔幻现实一个好莱坞动作女星在拍戏间隙用AI辅助写代码最终开源了一个让整个行业重新思考AI记忆方向的项目。GitHub 上已经积累了数千星。MIT 开源协议。纯本地运行。MemPalace 不一定是你见过的功能最全的记忆系统但它可能是第一个真正尊重用户所有数据的记忆系统。“你与AI的每一次对话——每一个决策、每一次调试、每一次架构辩论——都不应该消失。”—— Milla Jovovich项目地址https://github.com/milla-jovovich/mempalace给你的AI建一座记忆宫殿吧。它永远不会忘记你。如果你觉得这篇文章有趣欢迎点赞、在看、转发。让更多人知道在AI时代一个“外行”也可以做出改变世界的产品。