# MemPalace — Local-First AI Memory CLI

> MemPalace is a local-first memory system with a `mempalace` CLI (+ MCP tools), hitting 96.6% R@5 on LongMemEval with no LLM required.

## Install

Copy the content below into your project:

## Quick Use

1. Install (recommended via uv):
   ```bash
   uv tool install mempalace
   mempalace init ~/projects/myapp
   ```
2. Mine + search:
   ```bash
   mempalace mine ~/projects/myapp
   mempalace mine ~/.claude/projects/ --mode convos
   mempalace search "why did we switch to GraphQL"
   mempalace wake-up
   ```

## Intro

MemPalace is a local-first memory system with a `mempalace` CLI (+ MCP tools), hitting 96.6% R@5 on LongMemEval with no LLM required.

- **Best for:** teams that want durable memory across coding sessions (projects + Claude Code transcripts)
- **Works with:** Python + uv/pip; CLI-first workflow; optional MCP tools for Claude Code/Desktop, Cursor, etc.
- **Setup time:** 10–25 minutes

## Practical Notes

- Quant: LongMemEval raw retrieval recall is **96.6% R@5** (500 questions) without any LLM calls.
- Quant: the README also reports **98.4% R@5** on a held-out 450-question split (Hybrid v4) with no LLM required.

## Main

Use MemPalace like a “memory pipeline”, not a chat add-on:

1. **Mine two sources**: your repo + your agent transcripts (Claude Code sessions).
2. **Search before you re-explain**: ask MemPalace for the decision history instead of retyping context.
3. **Wake up at session start**: run `mempalace wake-up` and paste only the returned context into the new chat.

**Watchouts**
- The project warns about impostor domains; treat installers outside GitHub/PyPI/docs as untrusted.
- Memory can still leak secrets if you mine private folders into a shared store—scope mines per project.

### FAQ

**Q: Is an LLM required to get value?**
A: No. The raw retrieval benchmark reported is 96.6% R@5 with no LLM calls.

**Q: What should I mine first?**
A: Start with one repo and one transcript folder, then expand only after retrieval stays high-signal.

**Q: How do I keep memory scoped?**
A: Mine per project path and avoid mixing unrelated repos into one shared store.

## Source & Thanks

> Source: https://github.com/MemPalace/mempalace
> License: MIT
> GitHub stars: 52,030 · forks: 6,855

---

<!-- ZH -->

## 快速使用

1. 安装（推荐用 uv）：
   ```bash
   uv tool install mempalace
   mempalace init ~/projects/myapp
   ```
2. 挖掘与检索：
   ```bash
   mempalace mine ~/projects/myapp
   mempalace mine ~/.claude/projects/ --mode convos
   mempalace search "为什么我们切到 GraphQL"
   mempalace wake-up
   ```

## 简介

MemPalace 是本地优先的 AI 记忆系统，提供 `mempalace` CLI 与 MCP 工具，可挖掘项目与 Claude 会话；LongMemEval 原始 R@5 达 96.6%，无需 LLM。

- **适合谁：** 需要跨会话长期记忆（项目 + Claude Code 记录）的团队
- **可搭配：** Python + uv/pip；以 CLI 为主；可选 MCP 工具用于 Claude Code/Desktop、Cursor 等
- **准备时间：** 10–25 分钟

## 实战建议

- 量化信息：LongMemEval 原始检索召回 **96.6% R@5**（500 题），不需要 LLM 调用。
- 量化信息：README 还给出 Hybrid v4 的 **98.4% R@5**（450 题留出集），同样无需 LLM。

## 主要内容

把 MemPalace 当成“记忆流水线”来用，而不是聊天外挂：

1. **挖两类来源**：代码仓库 + 代理对话记录（例如 Claude Code sessions）。
2. **先搜再解释**：遇到历史决策问题先用 MemPalace 检索，而不是重讲背景。
3. **开局唤醒**：每次新会话先跑 `mempalace wake-up`，再把返回内容粘贴进新对话。

**注意事项**
- README 明确提示存在仿冒域名；只信任 GitHub/PyPI/官方文档站的安装入口。
- 记忆库仍可能包含敏感信息；按项目分库/分路径挖掘，避免跨项目串线。

### FAQ

**必须配 LLM 才有价值吗？**
答：不需要。README 报告的原始检索指标 96.6% R@5 不依赖 LLM。

**先挖什么最好？**
答：先从 1 个仓库 + 1 个对话记录目录开始，确保检索质量稳定后再扩展。

**怎么避免记忆串线？**
答：按项目路径挖掘/分库管理，不要把无关仓库混到同一份长期记忆里。

## 来源与感谢

> Source: https://github.com/MemPalace/mempalace
> License: MIT
> GitHub stars: 52,030 · forks: 6,855


---
Source: https://tokrepo.com/en/workflows/mempalace-local-first-ai-memory-cli
Author: Agent Toolkit