MemPalace 評測 2026：48小時 22K Stars 的 AI 記憶神器，Claude Code 長期記憶終於解決了？
📋 文章目錄（點擊展開）
MemPalace 是 GitHub 開源（MIT）的 AI 對話記憶系統，核心用 ChromaDB 向量搜索，讓 Claude Code / ChatGPT 能「記住」你跨對話的歷史脈絡。2026 年 4 月，48 小時內暴增 22K+ Stars，登上 HN 首頁。
適合：每天重度使用 Claude Code 的開發者、想要 AI 助手有「長期記憶」的用戶、注重資料隱私的本地部署愛好者。
不適合：完全不接觸程式的一般用戶（安裝需要 Python 基礎）。
MemPalace 是什麼？為何 48 小時爆紅？
如果你有在用 Claude Code 或 ChatGPT 寫程式，一定遇過這個痛苦：
- 每次開新對話，AI 就「忘記」你上次的偏好設定
- 「我上禮拜跟你說過用 TypeScript strict mode」—— AI：「哪次？」
- 大型專案跨 session 的程式脈絡每次都要重新解釋
- 同樣的問題講了三次，AI 還是給出一樣的答案
這就是 MemPalace 要解決的問題。
MemPalace（GitHub: milla-jovovich/mempalace）是一個開源工具，讓你的 AI 助手能夠搜尋和調用你所有歷史對話內容。它在 2026 年 4 月中旬發布後，48 小時內衝破 22,000 GitHub Stars，登上 Hacker News 首頁，成為近期最受矚目的 AI 開源項目之一。
Claude Code 和 ChatGPT 都有「Context Window」限制——對話超過一定長度就會忘記前面的內容。MemPalace 解決的是 AI 的「失憶症」，這個痛點幾乎每個重度 AI 用戶都有。
MemPalace 核心功能一覽
| 功能 | 說明 |
|---|---|
| 🧠 跨對話記憶搜索 | 搜尋你所有歷史 Claude/ChatGPT 對話 |
| 🔍 語意相似度搜索 | 不需要完全關鍵字匹配，懂你的意思 |
| 📦 本地 ChromaDB 儲存 | 資料完全在你自己的機器上，零雲端 |
| 🔌 MCP 整合支援 | 可接入 Claude Code 工作流 |
| 🆓 MIT 開源免費 | 完全免費，可商業使用 |
| 🌐 多 AI 支援 | Claude、ChatGPT、Gemini 歷史皆可 |
底層原理：ChromaDB + 向量搜索怎麼運作？
MemPalace 的技術架構其實並不複雜，理解原理有助於你判斷它是否適合你：
Step 1：對話向量化
當你匯入歷史對話（從 Claude.ai 或 ChatGPT 匯出的 JSON/Markdown），MemPalace 會把每段對話轉換成向量（Embedding）——一組代表語意的數字陣列。
Step 2：ChromaDB 儲存
向量儲存在本機的 ChromaDB（一個輕量級向量資料庫）。ChromaDB 完全在你的電腦或伺服器上運行，不需要外部服務。
Step 3：語意搜索
當你提問時，MemPalace 把你的問題也向量化，然後在 ChromaDB 中找出「語意最相近」的歷史對話片段，把這些片段作為 Context 傳給 AI。
5 步驟安裝教學（附指令）
以下以 macOS / Linux 環境示範，需要 Python 3.10+：
git clone https://github.com/milla-jovovich/mempalace.git
cd mempalacepython3 -m venv venv
source venv/bin/activate # Windows: venv\Scripts\activate
pip install -r requirements.txtpython setup.py --init-db# 匯入 Claude 對話歷史（從 claude.ai 設定 > 匯出資料）
python import.py --source claude --file ~/Downloads/claude-history.json
# 或匯入 ChatGPT 對話歷史
python import.py --source chatgpt --file ~/Downloads/conversations.jsonpython server.py --port 8765啟動後訪問 http://localhost:8765/docs 可看到 Swagger API 文件。
整合 Claude Code：跨 Session 記憶工作流
對開發者來說，MemPalace 最有價值的整合是 Claude Code + MCP 工作流。
方法一：MCP Server 整合（推薦）
MemPalace 提供 MCP（Model Context Protocol）Server，讓 Claude Code 可以直接呼叫記憶搜索：
# 在 Claude Code 的 .claude/mcp.json 加入：
{
"mcpServers": {
"mempalace": {
"command": "python",
"args": ["/path/to/mempalace/mcp_server.py"],
"env": {
"MEMPALACE_DB_PATH": "/path/to/your/chroma_db"
}
}
}
}設定完成後，在 Claude Code 中你可以說：「搜索我之前的對話，找出我的 PostgreSQL 連線設定。」Claude Code 會自動調用 MemPalace 找到答案。
方法二：手動 API 查詢
# 搜索語意相關對話
curl -X POST http://localhost:8765/search \
-H "Content-Type: application/json" \
-d '{"query": "我的資料庫連線字串", "limit": 5}'🚀 想在雲端架設 MemPalace？
用 DigitalOcean Droplet（$6/月）架設永久運行的 MemPalace，全團隊共用 AI 記憶庫
💧 DigitalOcean 新戶 $200 免費點數 →透過此連結註冊可獲得 60 天 $200 免費額度，足夠跑 MemPalace 超過 1 年
MemPalace vs Mem0 完整比較
市場上類似的 AI 記憶工具主要是 Mem0，我們來做完整比較：
| 項目 | MemPalace | Mem0 |
|---|---|---|
| 授權 | ✅ MIT 開源免費 | 免費層 + 付費方案 |
| 資料儲存 | ✅ 完全本地（自架） | 雲端（Mem0 伺服器） |
| 隱私 | ✅ 資料不離機 | 資料在 Mem0 雲端 |
| 安裝難度 | 中（需 Python 基礎） | ✅ 低（API Key 即用） |
| Claude Code 整合 | ✅ MCP Server | ✅ SDK 整合 |
| 搜索方式 | ChromaDB 向量搜索 | 混合搜索（向量+圖譜） |
| 月費 | ✅ $0（自架） | Free: 1000次/月；Pro: $29/月起 |
| 社群活躍度 | ⭐ 剛爆紅，更新頻繁 | 穩定成熟 |
| 文件完整度 | 尚在完善中 | ✅ 完整文件 |
結論：重視隱私、不想付費、有技術能力的開發者選 MemPalace。需要穩定 SaaS、不想自架的用戶選 Mem0。
優缺點老實說
✅ 優點
- MIT 開源，永久免費
- 資料完全本地化，隱私無憂
- Claude Code MCP 整合流暢
- ChromaDB 輕量，資源佔用低
- 支援多種 AI 對話歷史格式
- 社群爆發成長，迭代速度快
- 可自架在 VPS 供團隊使用
❌ 缺點
- 需要 Python 基礎才能安裝
- 文件還不夠完整（新項目）
- Benchmark 方法論有爭議
- 純向量搜索對代碼精確匹配較弱
- 大量歷史初次匯入較慢
- Windows 支援不如 macOS/Linux
- UI 介面尚未開發（純 CLI + API）
爭議解析：炒作還是真材實料？
MemPalace 在 Hacker News 引發了不少爭議，讓我們直接看看主要批評：
爭議一：「只是 ChromaDB 的包裝」
部分評論者認為 MemPalace 的核心功能很簡單，不過是把 ChromaDB + Embedding 的常見流程打包而已，本質沒有什麼創新。
我們的評估：這個說法技術上有一定道理，但好的打包本身就有價值。MemPalace 解決的是「設置門檻」問題，讓不熟悉向量資料庫的開發者也能快速用上這個能力。就像 n8n 也「只是」包裝各種 API，但仍然有大量用戶。
爭議二：Benchmark 數字可信度
README 中展示的記憶準確率數據，有 HN 用戶質疑測試方法論過於自設情境，難以反映真實使用場景。
我們的評估：這個批評是合理的。對於 ChromaDB 向量搜索，實際效果高度依賴：對話品質、Embedding 模型、搜索問法。建議自行測試，不要只看 README 數字。
爭議三：「Milla Jovovich」作者名稱
GitHub 帳號名稱用了好萊塢女星的名字（milla-jovovich），引發是否是玩笑帳號的討論。
我們的評估：這確實有點奇怪，但代碼本身是真實的，MIT 授權可自行審查。用化名在開源社群不是少見的事。
進階：架在 VPS 上，全團隊共用記憶
MemPalace 最強的使用場景之一是架在雲端 VPS，讓整個開發團隊共用同一個 AI 記憶庫。例如：
- 所有工程師的 Claude Code 對話，統一存入團隊 MemPalace
- 新人加入時，可以搜索過去三個月的技術決策對話
- PM 可以搜索特定功能的歷史討論脈絡
- 避免「這個為什麼這樣設計」的重複問答
推薦部署方案：DigitalOcean Droplet
| 方案 | 規格 | 月費 | 適合 |
|---|---|---|---|
| Basic Droplet | 1 vCPU / 1GB RAM | $6/月 | 個人使用，少量歷史 |
| Basic Droplet | 2 vCPU / 2GB RAM | $12/月 | 小團隊（3-5人） |
| General Purpose | 2 vCPU / 8GB RAM | $48/月 | 大量歷史 + 多人團隊 |
初次向量化大量歷史時，RAM 是瓶頸。建議至少 2GB RAM。平時搜索 API 運行非常省資源。
🚀 新戶 $200 免費點數，跑 MemPalace 超過一年
DigitalOcean 新用戶透過以下連結可獲得 $200 / 60 天免費額度。$12/月方案等於免費跑超過 16 個月。
💧 立即領取 $200 免費點數 →☁️ Cloudways 託管雲端主機 →
快速部署指令（Ubuntu 22.04）
# 在 DigitalOcean Droplet 上
sudo apt update && sudo apt install -y python3 python3-pip git
git clone https://github.com/milla-jovovich/mempalace.git
cd mempalace
pip3 install -r requirements.txt
python3 setup.py --init-db
# 用 systemd 讓服務開機自動啟動
sudo nano /etc/systemd/system/mempalace.service
# (填入 ExecStart=python3 /home/user/mempalace/server.py --port 8765)
sudo systemctl enable mempalace
sudo systemctl start mempalace評分與結論
| 評分項目 | 分數 | 說明 |
|---|---|---|
| 功能實用性 | ⭐⭐⭐⭐☆ 8/10 | 解決真實痛點，跨對話記憶有效 |
| 安裝難度 | ⭐⭐⭐☆☆ 6/10 | 需要 Python 基礎，非 plug-and-play |
| 隱私保護 | ⭐⭐⭐⭐⭐ 10/10 | 完全本地化，資料零外洩 |
| Claude Code 整合 | ⭐⭐⭐⭐☆ 8/10 | MCP 整合流暢，是目前最強場景 |
| 性價比 | ⭐⭐⭐⭐⭐ 10/10 | MIT 免費，無可挑剔 |
| 文件完整度 | ⭐⭐⭐☆☆ 6/10 | 新項目，文件持續完善中 |
🎯 我們的推薦結論
如果你每天都在用 Claude Code，MemPalace 值得試試。安裝一次，長期受益。特別是如果你有跨多個 Session 的大型專案，它能省下大量「重新解釋背景」的時間。
如果你不熟悉 Python，目前可能還不是最佳時機。等待社群開發更友善的 GUI 版本，或者考慮 Mem0 的 SaaS 版本。
如果你是開發團隊 Lead，在 VPS 上架設一個團隊共用的 MemPalace，讓所有工程師的 AI 對話歷史都能跨人搜索，這個用法的投資報酬率極高。
🛡️ 自架 MemPalace 需要 VPN 保護？
在 VPS 上跑 MemPalace，用 NordVPN 加密連線保護你的 AI 記憶庫
🔒 NordVPN 優惠方案 → 📦 Claude Crons 自動化模板包 →常見問題 FAQ
MemPalace 要付費嗎？
完全免費，MIT 開源授權，可商業使用。唯一的「費用」是你自架伺服器的主機費（如果你選擇雲端部署）。
MemPalace 支援中文對話嗎？
支援，ChromaDB 的向量搜索是語言無關的（language-agnostic）。中文繁體、簡體、英文都可以搜索。不過 Embedding 模型的中文語意理解品質，建議選擇支援多語言的版本。
我的 Claude.ai 對話怎麼匯出？
前往 claude.ai → 設定 → 隱私 → 匯出資料，下載 JSON 格式的對話歷史，再用 MemPalace 的 import 指令匯入。
MemPalace 會不斷更新嗎？
爆紅後社群非常活躍，2026 年 4 月的更新頻率很高。但作為新項目，長期維護穩定性仍需觀察。
需要 GPU 嗎？
不需要。ChromaDB 向量搜索在 CPU 上就可以流暢運行。初次匯入大量對話時 CPU 使用率較高，但之後搜索幾乎無感。