mempalace

MemPalace는 로컬 우선(local-first) AI 메모리 시스템입니다. 대화 및 프로젝트 이력을 요약하거나 바꾸어 쓰지 않고 원문 그대로 저장하며, 의미 검색(semantic search)을 통해 검색합니다. 인덱스는 구조화되어 있습니다. 사람과 프로젝트는 '윙(wing)'이 되고, 주제는 '룸(room)'이 되며, 원본 콘텐츠는 '드로어(drawer)'에 보관되어 평면적인 코퍼스 대신 범위를 지정한 쿼리가 가능합니다. 검색은 플러그인 방식입니다. 기본 내장 백엔드는 ChromaDB이며, sqlite_exact, rust_exact, Milvus, Qdrant, pgvector도 지원됩니다. 각 백엔드는 옵트인 방식이며 CLI 플래그, 환경 변수 또는 설정으로 선택할 수 있습니다. 백엔드들은 mempalace/backends/base.py에 정의된 인터페이스를 공유합니다. 설치는 uv/pipx/pip, Docker(멀티 아키텍처 amd64/arm64), 그리고 npx skills add MemPalace/mempalace를 사용한 에이전트 유도 설치를 통해 지원됩니다. 저장소는 유도형 설치 및 운영, 리콜, 태스크 로그스트림 위임을 위한 스킬을 제공합니다. CLI는 파일과 Claude Code 기록을 수집하는 `mempalace mine`, 의미 검색을 수행하는 `mempalace search`, 새 세션을 위해 컨텍스트를 불러오는 `mempalace wake-up`을 제공합니다. Claude Code, Codex CLI, Cursor IDE를 위한 자동 저장 훅이 존재하며, 'sweep' 명령은 메시지별로 원문 그대로 드로어를 생성합니다. 이 프로젝트에는 SQLite 기반의 시간적 개체-관계 지식 그래프가 포함되어 있으며, 팰리스 읽기/쓰기, 지식 그래프 작업, 드로어 관리, 에이전트 다이어리, 에이전트 조정을 위한 45개 도구를 노출하는 MCP 서버도 포함됩니다. 각 전문 에이전트는 자신만의 윙과 다이어리를 가질 수 있으며, 런타임에 발견 가능합니다. README는 LongMemEval 벤치마크 결과를 보고합니다. LLM이나 API 없이 원본 의미 검색 R@5 96.6%, 홀드아웃 세트에서 하이브리드 98.4%, LLM 리랭크 사용 시 99% 이상이며, LoCoMo, ConvoMem, MemBench에서의 점수도 함께 제시합니다. 또한 다른 메모리 도구들과의 나란한 비교는 공개된 지표가 직접 비교할 수 없기 때문에 의도적으로 피한다고 명시합니다. 요구 사항은 Python 3.9 이상, 벡터 저장소 백엔드, 그리고 임베딩 모델을 위한 디스크 공간(영어 전용 약 30MB 또는 다국어 약 300MB)입니다. 임베딩 계산은 선택적으로 LM Studio, vLLM, Ollama 같은 OpenAI 호환 엔드포인트에 위임할 수 있습니다. 핵심 벤치마크 경로에는 API 키가 필요하지 않습니다. MIT 라이선스입니다.