一個好萊塢演員，這周在AI圈干了件大事。

電影《生化危機》女主角Alice，《第五元素》里的Leeloo——Milla Jovovich，拍了三十年戲。就是這個人，開源了一個AI記憶系統，叫MemPalace。

MemPalace發布到GitHub上，48小時，2萬+star。

前幾天剛寫完今天又刷到一個記憶系統。

兩件事說的是同一個方向：AI的記憶不能被篩掉，不管是"只記錯誤"還是"只記結論"，都會丟掉最重要的部分。

一件事在不同地方被獨立發現了。

大模型越來越聰明，但不記得你是誰

我每天用AI。聊業務、聊決策、聊判斷。有時候一個session聊兩三個小時，把一件復雜的事拆得很透徹。然后關掉窗口。第二天再開，它不記得我是誰了。

就像你雇了一個普林斯頓博士生，極其聰明，什么都懂。但他有阿爾茨海默癥。

Milla遇到的是同一個問題，只不過場景更具體。

她在做一個大型游戲項目，用AI輔助設計——世界觀、角色設定、關卡邏輯。做著做著她發現，每次開新session，之前的設計細節全沒了，走過的彎路得重新走，做過的權衡得重新做。AI每次都在給她一個"全新的建議"，而不是一個"了解這個項目的合作者"。

她想了想，覺得解決記憶這件事，比繼續做游戲更重要。干脆停掉游戲，專門來解決這個問題。

不要AI自己決定記什么

Milla不是第一個想到這件事的人。她去試了Mem0和Zep。這是目前最主流的AI記憶產品，有專業團隊，有融資，在行業里被廣泛推薦。

用完之后，她發現兩個產品有同一個問題。

這兩個產品的邏輯是：讓AI自己來判斷什么值得保存。對話結束后，AI會提煉摘要，把"重要的事"存下來。聽起來很合理。

但問題來了。AI保留的是結論。

你當時為什么做這個決策、推翻了哪些備選方案、接受了哪些代價、糾結了多久——這些東西被當成"冗余信息"扔掉了。下次你問"當初為什么選這個方向"，它不知道。它只知道你選了什么，不知道你怎么想的。

Milla說她想要的不是這個。她想要AI記住推理的過程，不只是結論。那些被推翻的方案、改變主意的原因，才是最有價值的部分。

結論是死的，推理過程是活的。

這不是技術問題，是設計問題——誰來決定什么值得記？

信息放對了地方，比算法更聰明

Milla找了老朋友、工程師Ben Sigman。兩個人合作了6個月。她負責架構邏輯，Ben寫代碼。

起點是一個簡單的想法：不讓AI決定記什么。全存。但存下來要能被找到。

"全存"聽起來簡單，實際上是個很大的工程判斷。大多數人做記憶系統，首先想的是怎么"篩選"。Milla的判斷反過來：篩選會丟東西，不如全留，把檢索做好。

設計靈感來自古羅馬的記憶宮殿術。古人記憶大量內容的方法，是在腦子里建一座宮殿，把要記的事情放在不同的房間里，需要時走進去取。結構幫助檢索，而不是大腦幫助篩選。

MemPalace的架構就是這么來的。每個項目、每個人、每個主題，對應一個"翼樓"（Wing）。翼樓里按話題分"房間"（Room）。房間之間有"走廊"（Hall），按記憶類型分類：決策、里程碑、偏好、發現。最底層，存的是原始對話完整文本，一個字不刪。

數據驗證了這個判斷。不加任何分類，你想找的東西能被找出來的概率是60.9%；加了項目分類和話題分類之后，直接拉到94.8%。差了34個百分點——不是算法更聰明了，是信息放對了地方。

這套系統，Milla堅持做成了完全本地運行的——不上云，不調外部API，數據不離開你的電腦。存儲成本一年0.7美元。在LongMemEval——AI記憶領域的標準基準測試——上跑出了96.6%，是所有不依賴額外API方案里的最高分。

龍蝦的記憶其實也是這個設計方向：用文件系統，不用向量數據庫。文件你能直接打開看、改、搜索；向量數據庫你不知道AI到底存了什么。可以被人看到的記憶，信任成本低得多。Milla做的這套，本質上是同一個判斷。

與其看起來厲害，不如做對的事

這個項目我覺得有意思的地方，不只是技術。

它發布沒多久，社區就把數據扒了。壓縮效果夸大了，滿分是加了外援跑出來的，有個功能根本沒接進去。挑出來的全是真問題。

但他們沒刪評論，寫了封公開信，一條條認。

最后一句話是："與其看起來厲害，不如做對的事。"

然后star繼續漲。

我覺得這說明了一件事：真正站得住的，是那個96.6%。扒皮之后反而比發布時更可信——因為該夸的地方認了，剩下的才是真的。

更好的記憶

一個演員和一個工程師，6個月，沒有大團隊，沒有融資，在AI記憶這個方向上跑出了行業最高分。

方向其實已經清楚了。

不是更聰明的模型，是更好的記憶。

最后，如果你想體驗龍蝦為工作提效，現在就可以試試：

• 國內版：easyclaw.cn

• 國際版：easyclaw.com

• 企業版：easyclaw.work