米拉的记忆宫殿

用户48594635267
0 阅读7分钟

最近有个开源项目 MemPalace，在中文互联网又小火了一下。它之所以受到关注，是因为开发者名单里有个熟悉的名字：米拉·乔沃维奇，就是那个在《生化危机》里打了十五年丧尸的爱丽丝。好莱坞女演员跨界来做 AI 工具，这事儿本身就挺有意思。而 MemPalace 给出的成绩也非常亮眼：在 LongMemEval 和 LoCoMo 两个 benchmark 里，最高可以达到 100% 的准确率，远超 mem0、Zep 等商业系统。

故事要从 2025 年底说起。那时候米拉·乔沃维奇开始密集使用 ChatGPT、Claude 这些 AI 工具处理工作——商业决策、创意头脑风暴、合同分析、项目调试。几个月下来，她往这些系统里灌了成千上万轮对话，每一轮都是她思考过程的完整记录：考虑过哪些替代方案，权衡过哪些细微差别，做了什么决定以及为什么。

然后她打开一个新的聊天窗口，所有这些东西都消失了。

完全的失忆。每次对话都从零开始。昨天刚帮她理清复杂谈判逻辑的 AI，今天早上一个字都记不起来。用她自己的话说，她是在跟"一个有永久性短期记忆丧失的聪明助手"打交道。

她去找现成的解决方案。试了 Mem0，那家拿了 2400 万美元投资的 YC 公司。试了 Zep。试了市面上其他记忆工具。结果发现它们都有一个根本性的问题：用 AI 来决定什么值得记住。一个语言模型会读她的对话，提取它认为"关键的事实"，把剩下的压缩成摘要，然后把原文扔掉。她的推理过程、她考虑过的替代方案、那些让她的决定真正有用的细微差别——全部丢弃。换成整齐的小 bullet points，却完全错过了重点。

这就是 MemPalace 的起点。不是一个技术洞察，而是一个人的洞察。整个 AI 记忆行业都建立在同一个假设上：存储很贵，上下文窗口有限，所以你得聪明地决定保留什么。但乔沃维奇作为一个用户而非工程师，从另一个角度看到了问题：那个"聪明"的部分本身就是问题。如果你让机器决定忘记什么，你就已经输了。

她需要一个开发者。她找到了 Ben Sigman。

他们花了好几个月开发。设计原则激进地简单：存储一切原文。不做摘要。不做提取。不让语言模型在归档前重写你的记忆。就保留原始对话，做好索引，让它们可搜索。

在 MemPalace 这个项目上，他们做了三个与众不同的尝试。

第一个是"四层记忆栈"。

你可以把它理解成给 AI 配了一个分层的记事本。最底层 L0 是 AI 的自我认知，"我是谁，什么性格"，这一层始终带在身上，不会忘。L1 层是"关键记忆"，从过往对话里挑最重要的片段，大概能装下十五段对话，也常驻在脑子里。L2 层是"按需调取"，聊到具体话题时，比如"那个后端重构项目"，再去把相关的记忆翻出来。L3 层是"深度搜索"，实在想不起来了，全文检索。

这个设计的聪明之处在于控制成本。L0 加 L1 大概占六七百个 token，给 AI 留出了九成以上的上下文空间去处理当前对话。既保证了连续性，又不会把窗口撑爆。

测下来效果确实不错。在业界标准的 LongMemEval 测试里，这个方案拿了 96.6% 的分数。加上一些元数据过滤（关键词匹配、时间邻近性加权等），再配合商业大模型（Claude Haiku）的 rerank，最高能到 100%。不过这个结果也存在一定的争议。

第二个是"记忆宫殿"结构。

这是项目名称的由来。"记忆宫殿"传说是起源于古希腊人诗人西莫尼德斯的高效记忆法，通过把抽象、无序的信息转化为生动的图像，并跟自己熟悉的空间位置建立联系，来提高记忆效率和准确性。“记忆宫殿”也是世界记忆大赛冠军常用的技巧之一。MemPalace 借用了这套方法，把记忆分门别类存储在虚拟的宫殿结构里， Wing、Room、Closet、Drawer，一层层嵌套。Wing 是翼楼，代表一个项目或一个人；Room 是房间，代表具体话题；Closet 是衣柜，存摘要；Drawer 是抽屉，存原文。

想法很美好，但实际数据并不是很支持它。在 LongMemEval 里，“记忆宫殿”模式的最好成绩是 99.4%，跟混合检索模式（向量检索+元数据过滤）持平。在 LoCoMo 里，“记忆宫殿”模式的最好成绩是 85.7%，要低于混合检索模式的 88.9%。不管在哪个 benchmark 里，“记忆宫殿”都没有表现出优势。

第三个是 AAAK 压缩。

这也是很有争议的一个点。AAAK 是四个词的缩写：Assertion（断言）、Assumption（假设）、Action（行动）、Knowledge（知识）。简单说，就是把长句子压缩成代码一样的短字符串。比如 "Alice and Bob decided to use PostgreSQL" 变成 "ALC+BOB|database_decision|..."

文档早期版本声称这是"30 倍无损压缩"，能大幅减少 token 使用。但实测下来，在 LongMemEval里，准确率从 96.6% 掉到了 84.2%，跌了十几个点，并非无损压缩。而且对于小文本根本省不了 token，把 Alice 压缩成 ALC，只是减少了字符数，并不一定减少 token 数。

MemPalace 项目发布以后，引起了极大的争议。Github 上有多个 issue （#27 #29 #39）都提出了质疑。质疑点主要集中在基准测试方法不合理、得分虚高、宫殿结构和AAAK压缩的有效性存疑以及 README 的声明和实际代码、测试结果不一致等几个方面。

Penfield Labs 更是发了一篇批评文章，标题毫不客气的指出：“None of the benchmark scores are real”。他们提出几个问题：LoCoMo 测试用的 top_k=50 可能超过实际候选数量，相当于返回所有结果；为了从 99.4% 推到 100% 做的三个针对性修复，更像是过拟合测试集而非真正提升能力；README 里的一些性能声明和实际代码不符；那个 headline 的 100% 需要用 Haiku 做重排序，不是纯本地，而纯本地分数是 96.6%——仍然是最好的，但不是 100%。

不过也有人复现了 96.6% 的测试结果（issue #39），这个成绩已经很优秀了。Milla 和 Ben 也对质疑做出了回应。他们更新了 README，承认了其中的一些问题。并且截至本文写作时，依然在积极的更新代码。

总的来说，MemPalace 还是很有意思的一个项目，即使排除米拉·乔沃维奇这个因素，也值得一看。存储全部的对话记录，而不是用 AI 提取所谓的“关键记忆”，或者整理成漂亮的“知识图谱”；用成熟的向量数据库进行检索，加上四层记忆栈控制上下文。这些朴素务实的工程选择，看起来效果不错。但是那些花哨的概念——记忆宫殿的层级结构、AAAK 压缩编码——就有过度设计的嫌疑了，经不起实际测试的检验。可能是为了好讲故事而做的差异化，也可能是一开始想法很美好，但做出来之后发现效果并不好，又不舍得放弃。在现有的一众 Agent Memory 产品和开源项目里，能有人出来做一些不一样的尝试，也是很不错的。希望 MemPalace 不是一次搏眼球的营销，而是实实在在去尝试解决 AI 记忆的痛点。

参考：

avatar
文章
阅读
粉丝