MemPalace版本3.8.0更新全解读HNSW治理、后端插件与MCP工具大升级【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalaceMemPalace 是一款免费的本地优先开源 AI 记忆系统它把对话历史与项目内容逐字存入记忆宫殿通过语义搜索帮你找回任意一条过往记忆。3.8.0 版本2026-08-20的核心主题只有六个字大宫殿提速。两个存储后端都移除了全库读取路径代理会话不再加载用不到的存储栈多智能体协作也终于有了真正的后台监听器。对于记忆库已经住满的用户这一版几乎每一条更新都直接体现在体感速度上。 先看数字3.8.0 到底快了多少官方在一个16.5 万抽屉 / 1.7 GB的真实大记忆库上做了实测几个最有代表性的对比操作3.8.0 之前3.8.0 之后降幅list_drawers无过滤取 20 条36.6 s / 峰值 1148 MB0.01 s / 86 MB~3600 倍find_tunnels29.7 s 后工具报错崩溃正常返回—mempalace_statussqlite_exact 后端6997 ms1045 ms~85%mempalace_searchsqlite_exact热路径6364 ms210–1600 ms最高 ~30 倍MCP 长驻服务器 8 次搜索的内存增长951 MB → 3522 MB940 MB → 965 MB泄漏基本归零这些数字全部记录在 CHANGELOG.md 中欢迎对照源码复核。下面逐条拆解它们背后的工程决策。 HNSW 治理向量索引不再被冷加载HNSW 是 ChromaDB 用来做向量近邻搜索的内存索引。过去它有个副作用任何只是想问元数据的操作都会把整个索引先加载进内存。3.8.0 做了三件事根治这个问题纯元数据查询绕开向量索引。list_drawers和隧道工具find_tunnels现在直接读chroma.sqlite3里已有的元数据不再打开 collection。一个只问 20 条记录的问题从 36.6 秒、1148 MB 内存降到 0.01 秒、86 MB。wing/room/hall从 JSON 字符串变成索引列。这三个宫殿结构字段过去只藏在metadata_json里任何分类、统计、按区域过滤都要全库扫描 JSON。现在它们是带复合索引(collection_id, wing, room, hall)的虚拟生成列——关键是虚拟列不需要重写那张 1.6 GB 的嵌入表已有记忆库在下一次写入时自动完成迁移零成本升级。sqlite_exact后端同步告别全库扫描。精确余弦排序改为向量化计算embedding 矩阵按写入失效缓存status、list_wings、list_rooms共享一个带 5 秒缓存的分组统计结果。换句话说宫殿越大越慢这个历史痛点这次是从架构层面而不是调参层面解决的。 后端插件体系五种后端同一套契约MemPalace 的存储层是可插拔的契约定义在 mempalace/backends/base.py完整插件规范见 docs/rfcs/001-storage-backend-plugin-spec.md。当前内置 5 种后端后端部署形态适用场景chroma默认本地内嵌个人使用零配置sqlite_exact本地精确中小规模、需要精确余弦排序milvusLite / 自建 / 云企业级向量服务qdrantREST 服务器独立部署的向量引擎pgvectorPostgreSQL已有 Postgres 的团队3.8.0 对非默认后端尤其是sqlite_exact做了上面提到的系统性提速并让graph_stats等能力在各后端间对齐。选择方式很简单--backend name、环境变量MEMPALACE_BACKEND或配置文件里的backend字段三选一无需改代码。⚡ MCP 工具大升级代理会话从 77 MB 瘦身到 17 MB如果你用 MCP 把 MemPalace 接给多个 AI 代理这一版有两处改动直接省钱省内存1. 代理会话不再加载存储栈。只要 hub 在运行每个代理会话的mempalace-mcp进程其实只是个转发员过去却要白白导入 chromadb、numpy、grpc 全家桶约 77 MB。现在入口改为轻量的 mempalace/mcp_proxy.py只导入标准库加两个小模块实测 ~17 MB。官方数据50 个代理组成的车队从占用约3.9 GB降到约850 MB。而且当 hub 挂掉时进程会透明降级为本地直连并在工具结果里明确告知代理你的记忆后端形态变了不会静默吞掉。2. 长驻 MCP 服务器内存泄漏归零。旧版本每次搜索都会因客户端缓存失效而重建索引单次搜索约多占 650 MB 常驻内存一下午就能涨到 3.9 GB。3.8.0 修正了新鲜度时间戳的基线逻辑8 次搜索后内存曲线几乎走平见开头表格。3.mempalace_mesh_peers现在报告真实状态。之前这个工具在 stdio 会话里只能看到空荡荡的占位数据现在同步循环会把完整节点清单发布到mesh_state.json0600 权限令牌不落盘任何传输方式的进程都能读到 hub 观测到的全貌并带estate_source字段标明数据来自本进程还是 hub、hub 是否还活着。 新工具mempalace logstream watch后台监视器3.7.0 引入的 logstream见 docs/rfcs/003-agent-logstream-coordination.md让多个代理能跨机器交接任务但logstream wait最多等 5 分钟每个调用方都得自己写重新武装的轮询循环——结果大多数都忘了推进游标协作卡死在没人监听上。3.8.0 新增的watch命令把这件事变成了一等公民自己管理循环和游标匹配到事件就退出退出码0表示你有信2表示空闲超时130表示被中断过滤器支持或逻辑重复--type即可同时监听多种事件--agent id会自动展开并排除自己发的广播否则监视器每次都会把自己吵醒--state-file持久化游标重启后精确续读且只前进不回放配套的监控协议已写入 integrations/shared/coordination-protocol.md明确了一条铁律游标必须存事件 id绝不能存时间戳——因为在多副本同步下事件到达顺序与创建时间无关按时间戳续读会永久丢失迟到的跨副本事件。官方还在实测车队里抓到了真实案例证明这一点。️ 数据安全sync 不再误删记忆这一版最容易被忽略、但对用户最重要的修复是sync --apply的删除逻辑旧版只要Path.exists()返回否就把抽屉标记为可删除。结果一块没挂载的卷、一个不可遍历的路径都能让整批记忆被清空——真实事故中一个项目从挂载卷挖出的记忆在一次同步后全部丢失卷回来时搜索只剩空结果。新版要求旁证文件不在原路径且同一目录下还有本宫殿记录的常规文件存活才判定可删拿不准的一律进入新的unresolved桶只报告、不删除。代价是单文件目录里删掉唯一文件这种情况会被保留而非清理——官方认为宁可保守不可误删。同批安全向修复还包括FTS5 自动修复先验证内容表再重建倒排索引避免被损坏的影子副本反向污染全文检索此前 30 个抽屉中有 12 个会因此永久失去词法命中能力Apple Silicon 上 embeddinggemma 不再产出沉默的废向量CoreML 会返回全零或 NaN 向量且不报错现在模型级黑名单 向量范数双重校验审计已有记忆库时建议检查零范数而非只查 NaNsweep遇到悬空符号链接等stat失败恢复记为失败而非跳过成功init、split对不可读目录和 FIFO 管线的处理也一并加固。✅ 升级建议与总结如何获得uv tool upgrade mempalace或pip install --upgrade mempalace仓库地址https://gitcode.com/GitHub_Trending/me/mempalace。已有的记忆库无需重建索引虚拟列迁移会在下次写入时自动完成。谁最该升大记忆库用户10 万 抽屉元数据操作从分钟级降到毫秒级是质变多代理车队内存占用最高降低近 80%协作监听有了可靠的后台模式️用sync --apply做增量同步的用户旧版存在真实的整库误删风险属于强烈建议升级。一句话总结 3.8.0它不教你用记忆宫殿而是让宫殿在装满之后依然跑得飞快。想继续深入可以阅读 MCP 工具全表 website/reference/mcp-tools.md 与后端配置参考 website/guide/configuration.md。【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalace创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 MemPalace版本3.8.0更新全解读：HNSW治理、后端插件与MCP工具大升级
MemPalace版本3.8.0更新全解读HNSW治理、后端插件与MCP工具大升级【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalaceMemPalace 是一款免费的本地优先开源 AI 记忆系统它把对话历史与项目内容逐字存入记忆宫殿通过语义搜索帮你找回任意一条过往记忆。3.8.0 版本2026-08-20的核心主题只有六个字大宫殿提速。两个存储后端都移除了全库读取路径代理会话不再加载用不到的存储栈多智能体协作也终于有了真正的后台监听器。对于记忆库已经住满的用户这一版几乎每一条更新都直接体现在体感速度上。 先看数字3.8.0 到底快了多少官方在一个16.5 万抽屉 / 1.7 GB的真实大记忆库上做了实测几个最有代表性的对比操作3.8.0 之前3.8.0 之后降幅list_drawers无过滤取 20 条36.6 s / 峰值 1148 MB0.01 s / 86 MB~3600 倍find_tunnels29.7 s 后工具报错崩溃正常返回—mempalace_statussqlite_exact 后端6997 ms1045 ms~85%mempalace_searchsqlite_exact热路径6364 ms210–1600 ms最高 ~30 倍MCP 长驻服务器 8 次搜索的内存增长951 MB → 3522 MB940 MB → 965 MB泄漏基本归零这些数字全部记录在 CHANGELOG.md 中欢迎对照源码复核。下面逐条拆解它们背后的工程决策。 HNSW 治理向量索引不再被冷加载HNSW 是 ChromaDB 用来做向量近邻搜索的内存索引。过去它有个副作用任何只是想问元数据的操作都会把整个索引先加载进内存。3.8.0 做了三件事根治这个问题纯元数据查询绕开向量索引。list_drawers和隧道工具find_tunnels现在直接读chroma.sqlite3里已有的元数据不再打开 collection。一个只问 20 条记录的问题从 36.6 秒、1148 MB 内存降到 0.01 秒、86 MB。wing/room/hall从 JSON 字符串变成索引列。这三个宫殿结构字段过去只藏在metadata_json里任何分类、统计、按区域过滤都要全库扫描 JSON。现在它们是带复合索引(collection_id, wing, room, hall)的虚拟生成列——关键是虚拟列不需要重写那张 1.6 GB 的嵌入表已有记忆库在下一次写入时自动完成迁移零成本升级。sqlite_exact后端同步告别全库扫描。精确余弦排序改为向量化计算embedding 矩阵按写入失效缓存status、list_wings、list_rooms共享一个带 5 秒缓存的分组统计结果。换句话说宫殿越大越慢这个历史痛点这次是从架构层面而不是调参层面解决的。 后端插件体系五种后端同一套契约MemPalace 的存储层是可插拔的契约定义在 mempalace/backends/base.py完整插件规范见 docs/rfcs/001-storage-backend-plugin-spec.md。当前内置 5 种后端后端部署形态适用场景chroma默认本地内嵌个人使用零配置sqlite_exact本地精确中小规模、需要精确余弦排序milvusLite / 自建 / 云企业级向量服务qdrantREST 服务器独立部署的向量引擎pgvectorPostgreSQL已有 Postgres 的团队3.8.0 对非默认后端尤其是sqlite_exact做了上面提到的系统性提速并让graph_stats等能力在各后端间对齐。选择方式很简单--backend name、环境变量MEMPALACE_BACKEND或配置文件里的backend字段三选一无需改代码。⚡ MCP 工具大升级代理会话从 77 MB 瘦身到 17 MB如果你用 MCP 把 MemPalace 接给多个 AI 代理这一版有两处改动直接省钱省内存1. 代理会话不再加载存储栈。只要 hub 在运行每个代理会话的mempalace-mcp进程其实只是个转发员过去却要白白导入 chromadb、numpy、grpc 全家桶约 77 MB。现在入口改为轻量的 mempalace/mcp_proxy.py只导入标准库加两个小模块实测 ~17 MB。官方数据50 个代理组成的车队从占用约3.9 GB降到约850 MB。而且当 hub 挂掉时进程会透明降级为本地直连并在工具结果里明确告知代理你的记忆后端形态变了不会静默吞掉。2. 长驻 MCP 服务器内存泄漏归零。旧版本每次搜索都会因客户端缓存失效而重建索引单次搜索约多占 650 MB 常驻内存一下午就能涨到 3.9 GB。3.8.0 修正了新鲜度时间戳的基线逻辑8 次搜索后内存曲线几乎走平见开头表格。3.mempalace_mesh_peers现在报告真实状态。之前这个工具在 stdio 会话里只能看到空荡荡的占位数据现在同步循环会把完整节点清单发布到mesh_state.json0600 权限令牌不落盘任何传输方式的进程都能读到 hub 观测到的全貌并带estate_source字段标明数据来自本进程还是 hub、hub 是否还活着。 新工具mempalace logstream watch后台监视器3.7.0 引入的 logstream见 docs/rfcs/003-agent-logstream-coordination.md让多个代理能跨机器交接任务但logstream wait最多等 5 分钟每个调用方都得自己写重新武装的轮询循环——结果大多数都忘了推进游标协作卡死在没人监听上。3.8.0 新增的watch命令把这件事变成了一等公民自己管理循环和游标匹配到事件就退出退出码0表示你有信2表示空闲超时130表示被中断过滤器支持或逻辑重复--type即可同时监听多种事件--agent id会自动展开并排除自己发的广播否则监视器每次都会把自己吵醒--state-file持久化游标重启后精确续读且只前进不回放配套的监控协议已写入 integrations/shared/coordination-protocol.md明确了一条铁律游标必须存事件 id绝不能存时间戳——因为在多副本同步下事件到达顺序与创建时间无关按时间戳续读会永久丢失迟到的跨副本事件。官方还在实测车队里抓到了真实案例证明这一点。️ 数据安全sync 不再误删记忆这一版最容易被忽略、但对用户最重要的修复是sync --apply的删除逻辑旧版只要Path.exists()返回否就把抽屉标记为可删除。结果一块没挂载的卷、一个不可遍历的路径都能让整批记忆被清空——真实事故中一个项目从挂载卷挖出的记忆在一次同步后全部丢失卷回来时搜索只剩空结果。新版要求旁证文件不在原路径且同一目录下还有本宫殿记录的常规文件存活才判定可删拿不准的一律进入新的unresolved桶只报告、不删除。代价是单文件目录里删掉唯一文件这种情况会被保留而非清理——官方认为宁可保守不可误删。同批安全向修复还包括FTS5 自动修复先验证内容表再重建倒排索引避免被损坏的影子副本反向污染全文检索此前 30 个抽屉中有 12 个会因此永久失去词法命中能力Apple Silicon 上 embeddinggemma 不再产出沉默的废向量CoreML 会返回全零或 NaN 向量且不报错现在模型级黑名单 向量范数双重校验审计已有记忆库时建议检查零范数而非只查 NaNsweep遇到悬空符号链接等stat失败恢复记为失败而非跳过成功init、split对不可读目录和 FIFO 管线的处理也一并加固。✅ 升级建议与总结如何获得uv tool upgrade mempalace或pip install --upgrade mempalace仓库地址https://gitcode.com/GitHub_Trending/me/mempalace。已有的记忆库无需重建索引虚拟列迁移会在下次写入时自动完成。谁最该升大记忆库用户10 万 抽屉元数据操作从分钟级降到毫秒级是质变多代理车队内存占用最高降低近 80%协作监听有了可靠的后台模式️用sync --apply做增量同步的用户旧版存在真实的整库误删风险属于强烈建议升级。一句话总结 3.8.0它不教你用记忆宫殿而是让宫殿在装满之后依然跑得飞快。想继续深入可以阅读 MCP 工具全表 website/reference/mcp-tools.md 与后端配置参考 website/guide/configuration.md。【免费下载链接】mempalaceThe best-benchmarked open-source AI memory system. And its free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalace创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考