Palace Memory給AI編碼代理持久記憶，告別重複解釋

Palace Memory 為 AI 編碼代理提供持久、可搜尋的記憶，通過 MCP 協議整合 Cursor、Claude Code、Codex 等工具，讓代理記住架構、約定和修復，避免每次會話重新解釋。免費、本地執行、開源(MIT 核心)，支援團隊共享。

free

AI編碼代理持久記憶MCP協議Cursor記憶Claude Code記憶Codex記憶本地AI工具開源AI工具團隊協作記憶

收錄日期2026年7月24日

更新日期2026年7月26日

3.4 (0 評價數量)

登錄后可為項目評分

用過 Cursor 或 Claude Code 的人都有這個體驗：每開一個新會話，AI 代理就像失憶一樣，把之前的架構約定、修復方案忘得精光。你不得不一次又一次地解釋「這個模組用函式式」「那個介面不要動」。這種重複勞動不僅拖慢節奏，還讓 AI 代理始終停留在「機械接單」的水平。

Palace Memory 就是要解決這個痛點。它為 AI 編碼代理提供持久、可搜尋的記憶層。當你在 Cursor 裡修復了一個 bug，或者跟 Claude Code 約定了一個命名規範，Palace 會自動記錄下這些「決策」和「修復」，並通過 MCP 協議 在後續會話中反饋回去。從此，AI 代理能「記得」背景，不用每次從零開始。

從「失憶」到「有記憶」，關鍵在 MCP

Palace Memory 的工作方式很簡單：它作為一個本地 MCP 伺服器執行，監聽你與 AI 代理的互動。當你確認某個程式碼改動、寫下一條註釋、或者明確指出一個架構決定時，Palace 會將其結構化儲存。下次你再跟代理聊同一專案，代理會自動拉取相關記憶，甚至附帶來源（provenance）。

這意味著：

你不再需要手動維護「程式碼基地」文件來餵給 AI
團隊內多個開發者共享同一套記憶，代理行為保持一致
每次會話的上下文更精準，減少誤解和「幻覺」

目前 Palace 支援 Cursor、Claude Code、Codex 等主流編碼代理。整合方式很輕：在專案根目錄跑一個命令啟動 MCP 服務，然後在代理配置里加上 Palace 的 endpoint 即可。

免費、本地、開源，對個人開發者友好

Palace Memory 對個人開發者完全免費，程式碼基於 MIT 協議 開源。資料全存在本地，不上傳雲端——這對企業專案尤其安心。如果你在團隊中，只需在團隊內共享同一個 Palace 例項，所有人的代理就能互相讀取記憶（當然，許可權可以按專案控制）。

目前專案還在早期，功能上以「記憶+搜尋」為主，沒有太花哨的 UI。記憶條目的編輯和刪除需要手動管理 JSON 檔案，對非技術使用者有一定門檻。但核心邏輯已經跑通，社羣反饋積極。

典型場景：大型程式碼庫的團隊協作

舉個例子：一個前端團隊在用 Cursor 開發 React 專案，之前總因為 AI 代理不熟悉專案結構，生成一堆不符合規範的程式碼。用了 Palace 後，團隊把「只能用 hook 管理狀態」「元件檔案按 atomic 設計組織」等約定讓代理一次性記住，後續生成的程式碼質量明顯提升。團隊成員各自處理不同模組，但代理的行為卻像同一個人帶的實習生——非常統一。

對獨立開發者來說，Palace 的價值在於省去「調教」時間。你不需要每次都跟代理解釋「這個專案的資料庫連線在哪」，代理自己就能查上次的日誌。

幾點實用提示

適合誰？ 如果你每天跟編碼代理打交道超過 2 小時，而且專案有一定複雜度，Palace 值得一試。
初始設定： 確保本地有 Node.js 環境，克隆倉庫後執行 npm install && npm start 即可執行 MCP 伺服器。
避坑： 記憶的質量取決於你如何標記「決策」。如果每行程式碼改動都記，反而會淹沒關鍵資訊。建議只對明顯的架構決定或修復新增標記。

Palace Memory 切入了一個很實在的痛點：AI 代理不是不夠強，而是記性太差。給它裝上記憶，它能做得遠比現在好。

優缺點

優點

持久記憶大幅減少重複解釋
通過 MCP 整合主流編碼代理
本地執行，資料完全由你控制
開源核心，可定製和審計
團隊共享記憶，保持代理行為一致

缺點

初始配置需要命令列操作，對新手不友好
記憶管理依賴手動編輯 JSON，缺乏視覺化介面
目前只支援少數編碼代理，覆蓋面有限
記憶膨脹後缺乏自動清理或排序機制

常見問題

Palace Memory 免費嗎？

完全免費，個人和團隊使用均無需付費。專案基於 MIT 協議開源，可自行部署。

Palace Memory 支援哪些 AI 編碼代理？

目前支援 Cursor、Claude Code 和 Codex，通過 MCP 協議整合。更多工具支援正在開發中。

資料安全嗎？會不會上傳雲端？

所有記憶資料預設儲存在本地，不上傳任何外部伺服器。開原始碼可審計，企業可以自行加固。

團隊如何使用？

部署一個 Palace 例項（可放在內網伺服器），團隊成員連線同一個 MCP endpoint，即可共享記憶。許可權控制需自行實現。

記憶會不會無限膨脹？

當前依賴手動管理，沒有自動清理機制。建議定期回顧並刪除過時的記憶條目。

探索更多

相似工具

Tychi AI

Tychi 是專為 AI Agent 設計的自主託管錢包，提供人類可互動的 REPL 介面。私鑰本地儲存，簽名不離開機器，策略限制在每次鏈上操作前執行。支援多錢包、gassless 路由，並與 Cursor、Claude 等整合。

Stride

Stride 是一個覆蓋規劃、設計、驗證、釋出全流程的 AI 原生工作空間。它直接接入真實專案資料，並通過 MCP 協議與 Claude Code、Codex 協同，真正執行任務而非空談。團隊無需切換工具即可從想法直達釋出，大幅提升構建效率。

Relay

Relay 是一個輕量級 SDK，通過一行程式碼為 LLM 呼叫新增自動重試、跨提供商故障轉移（Anthropic ↔ OpenAI）和智慧快取。專為邊緣計算設計，自帶金鑰（BYOK），從零成本起步，幫助開發者構建高可用的 AI 代理應用。

Yolo-Auto

Yolo-Auto 提供 OpenAI 相容的無限制 LLM API，免費層每週15次請求，付費每月僅 $6。使用 Qwen3.6-35B-A3B 模型，無 token 計費，無請求限制，資料完全私有。適合小團隊或個人開發者的低成本 AI 整合方案。

TantrShell

TantrShell 是一家專注於Web開發、AI解決方案、自動化系統和雲技術的初創公司。通過可擴充套件的軟體和智慧自動化，幫助企業和學習者構建現代化數字解決方案。本文解讀其核心能力、適用場景與實用建議。

DeepRise

DeepRise 是一個基於多智慧體協作的開發平臺，動態建立長期執行的 AI 代理，自動完成程式碼編寫、測試和部署。適合追求自動化工作流的開發團隊，降低重複勞動，提升迭代效率。

使用指南

徹底解決Google Antigravity回覆的語言問題

Google Antigravity 在任務規劃、應用生成、程式碼建構等場景中表現出色，但許多用戶都會遇到同一個困擾：明明想讓它輸出某種語言，但 Antigravity 經常自動切回英文。無論是任務計畫、執行方案、應用文案還是最終產物，都會出現「預設英文輸出」的問題，影響使用體驗。

開源專案

guidellm: 評估和優化 LLM 部署效能

guidellm 是一個開源工具，專為評估和優化大語言模型（LLM）在生產環境中的推理效能而設計。它支援壓力測試、延遲分析、吞吐量評估等，幫助開發者識別瓶頸並調整部署配置。基於 vLLM 團隊開發，適合需要精細化調優 LLM 服務的團隊。

Kun: 將 AI Agent 工作區嵌入你的應用

Kun 是一個開源的 AI Agent 工作空間，內建程式碼與寫作模式，可無縫整合到你的應用程序中。基於 TypeScript 開發，為開發者提供可定製的智慧互動環境，支援多輪對話、工具呼叫和上下文管理。

terax-ai: 7MB終端優先AI開發工作臺

terax-ai 是一個輕量級（僅7MB）的終端優先AI原生開發工作臺，專為命令列愛好者設計。它整合了AI輔助能力，提供極快的啟動速度和極小的資源佔用，讓開發者在熟悉的終端環境中高效編碼、除錯和實驗。開源且易於安裝，適合追求簡潔與效率的開發者。

go-micro: 為 AI 智慧體打造的 Go 微服務框架

go-micro 是一個用 Go 語言編寫的微服務框架，專門為構建 AI 智慧體而設計。它提供服務發現、負載均衡、訊息編碼、事件驅動等核心能力，讓開發者能快速搭建可擴充套件的分散式 AI 系統。GitHub 星標超 2.2 萬，社羣活躍，適合 Go 語言開發者入門微服務和 AI agent 架構。

ai-gateway: 統一管理生成式 AI 服務的訪問閘道器

ai-gateway 是基於 Envoy Gateway 構建的開源專案，提供統一的 API 閘道器來管理對多種生成式 AI 服務的訪問，支援負載均衡、快取、限流等功能，簡化 AI 應用的整合和運維。

Kiln: 一站式 AI 系統評估與優化平臺

Kiln 是一個開源 Python 工具，幫助開發者系統化地構建、評估和優化 AI 系統。它整合了 evals、RAG、智慧體、微調、合成資料生成、資料集管理和 MCP 協議支援，讓 AI 開發工作流更高效、更可控。適合需要深度調優 AI 效能的團隊和個人。