প্রকল্প সম্পর্কে

MemPalace একটি লোকাল-ফার্স্ট এআই মেমরি সিস্টেম। এটি কথোপকথন ও প্রকল্পের ইতিহাস হুবহু টেক্সট আকারে সংরক্ষণ করে এবং সারাংশ বা পুনঃকথন না করে সেমান্টিক সার্চের মাধ্যমে তা উদ্ধার করে। ইনডেক্সটি কাঠামোগত: ব্যক্তি ও প্রকল্পগুলো হয় ‘উইং’, বিষয়গুলো হয় ‘রুম’, আর মূল কনটেন্ট থাকে ‘ড্রয়ার’-এ, ফলে সমতল কর্পাসের পরিবর্তে নির্দিষ্ট পরিসরে কোয়েরি করা যায়। রিট্রিভাল প্লাগযোগ্য। ডিফল্ট এমবেডেড ব্যাকএন্ড হিসেবে ChromaDB ব্যবহৃত হয়; এছাড়া sqlite_exact, rust_exact, Milvus, Qdrant ও pgvector সমর্থিত, যার প্রতিটি অপ্ট-ইন এবং সিএলআই ফ্ল্যাগ, এনভায়রনমেন্ট ভেরিয়েবল বা কনফিগের মাধ্যমে নির্বাচনযোগ্য। ব্যাকএন্ডগুলো mempalace/backends/base.py-তে সংজ্ঞায়িত একটি সাধারণ ইন্টারফেস শেয়ার করে। ইনস্টলেশন uv/pipx/pip, Docker (মাল্টি-আর্ক amd64/arm64), এবং npx skills add MemPalace/mempalace ব্যবহার করে এজেন্ট-নির্দেশিত সেটআপের মাধ্যমে সমর্থিত। রিপোতে নির্দেশিত ইনস্টল/অপারেশন, রিকল ও টাস্ক লগস্ট্রিম ডেলিগেশনের জন্য স্কিল দেওয়া আছে। সিএলআই ফাইল ও Claude Code ট্রান্সক্রিপ্ট মাইন করে (mempalace mine), সেমান্টিক সার্চ করে (mempalace search), এবং নতুন সেশনের জন্য কনটেক্সট লোড করে (mempalace wake-up)। Claude Code, Codex CLI ও Cursor IDE-এর জন্য অটো-সেভ হুক রয়েছে, আর একটি ‘sweep’ কমান্ড প্রতিটি বার্তার জন্য হুবহু ড্রয়ার তৈরি করে। প্রকল্পটিতে SQLite-ভিত্তিক একটি টেম্পোরাল এনটিটি-রিলেশনশিপ নলেজ গ্রাফ রয়েছে, এবং একটি এমসিপি সার্ভার রয়েছে যেখানে প্যালেস রিড/রাইট, নলেজ-গ্রাফ অপারেশন, ড্রয়ার ম্যানেজমেন্ট, এজেন্ট ডায়েরি ও এজেন্ট সমন্বয়ের জন্য ৪৫টি টুল উন্মুক্ত। প্রতিটি বিশেষায়িত এজেন্টের নিজস্ব উইং ও ডায়েরি থাকতে পারে, যা রানটাইমে আবিষ্কারযোগ্য। README-তে LongMemEval-এর বেঞ্চমার্ক ফলাফল উল্লেখ করা হয়েছে (কোনো এলএলএম বা এপিআই ছাড়াই ৯৬.৬% র’ সেমান্টিক R@5, হেল্ড-আউট সেটে হাইব্রিড ৯৮.৪%, এবং এলএলএম রি-র‍্যাঙ্কসহ ৯৯%-এর বেশি), পাশাপাশি LoCoMo, ConvoMem ও MemBench-এর স্কোরও রয়েছে। এতে আরও বলা হয়েছে যে অন্য মেমরি টুলের প্রকাশিত মেট্রিক্স সরাসরি তুলনাযোগ্য নয় বলে প্রকল্পটি ইচ্ছাকৃতভাবে অন্যান্য টুলের সঙ্গে পাশাপাশি তুলনা এড়িয়ে চলে। প্রয়োজনীয়তা: Python ৩.৯+, একটি ভেক্টর-স্টোর ব্যাকএন্ড, এবং এমবেডিং মডেলের জন্য ডিস্ক স্পেস (শুধু ইংরেজির জন্য প্রায় ৩০ মেগাবাইট বা মাল্টিলিঙ্গুয়ালের জন্য প্রায় ৩০০ মেগাবাইট)। এমবেডিং গণনা ঐচ্ছিকভাবে LM Studio, vLLM বা Ollama-র মতো যেকোনো OpenAI-সঙ্গত এন্ডপয়েন্টে ডেলিগেট করা যায়। মূল বেঞ্চমার্ক পথের জন্য কোনো এপিআই কী প্রয়োজন নেই। লাইসেন্স এমআইটি।