Palace Memory给AI编码代理持久记忆，告别重复解释

Palace Memory 为 AI 编码代理提供持久、可搜索的记忆，通过 MCP 协议集成 Cursor、Claude Code、Codex 等工具，让代理记住架构、约定和修复，避免每次会话重新解释。免费、本地运行、开源(MIT 核心)，支持团队共享。

free

AI编码代理持久记忆MCP协议Cursor记忆Claude Code记忆Codex记忆本地AI工具开源AI工具团队协作记忆

收录日期2026年7月24日

更新日期2026年7月26日

3.4 (0 评价数量)

登录后可为项目评分

用过 Cursor 或 Claude Code 的人都有这个体验：每开一个新会话，AI 代理就像失忆一样，把之前的架构约定、修复方案忘得精光。你不得不一次又一次地解释“这个模块用函数式”“那个接口不要动”。这种重复劳动不仅拖慢节奏，还让 AI 代理始终停留在“机械接单”的水平。

Palace Memory 就是要解决这个痛点。它为 AI 编码代理提供持久、可搜索的记忆层。当你在 Cursor 里修复了一个 bug，或者跟 Claude Code 约定了一个命名规范，Palace 会自动记录下这些“决策”和“修复”，并通过 MCP 协议 在后续会话中反馈回去。从此，AI 代理能“记得”背景，不用每次从零开始。

从“失忆”到“有记忆”，关键在 MCP

Palace Memory 的工作方式很简单：它作为一个本地 MCP 服务器运行，监听你与 AI 代理的交互。当你确认某个代码改动、写下一条注释、或者明确指出一个架构决定时，Palace 会将其结构化存储。下次你再跟代理聊同一项目，代理会自动拉取相关记忆，甚至附带来源（provenance）。

这意味着：

你不再需要手动维护“代码基地”文档来喂给 AI
团队内多个开发者共享同一套记忆，代理行为保持一致
每次会话的上下文更精准，减少误解和“幻觉”

目前 Palace 支持 Cursor、Claude Code、Codex 等主流编码代理。集成方式很轻：在项目根目录跑一个命令启动 MCP 服务，然后在代理配置里加上 Palace 的 endpoint 即可。

免费、本地、开源，对个人开发者友好

Palace Memory 对个人开发者完全免费，代码基于 MIT 协议 开源。数据全存在本地，不上传云端——这对企业项目尤其安心。如果你在团队中，只需在团队内共享同一个 Palace 实例，所有人的代理就能互相读取记忆（当然，权限可以按项目控制）。

目前项目还在早期，功能上以“记忆+搜索”为主，没有太花哨的 UI。记忆条目的编辑和删除需要手动管理 JSON 文件，对非技术用户有一定门槛。但核心逻辑已经跑通，社区反馈积极。

典型场景：大型代码库的团队协作

举个例子：一个前端团队在用 Cursor 开发 React 项目，之前总因为 AI 代理不熟悉项目结构，生成一堆不符合规范的代码。用了 Palace 后，团队把“只能用 hook 管理状态”“组件文件按 atomic 设计组织”等约定让代理一次性记住，后续生成的代码质量明显提升。团队成员各自处理不同模块，但代理的行为却像同一个人带的实习生——非常统一。

对独立开发者来说，Palace 的价值在于省去“调教”时间。你不需要每次都跟代理解释“这个项目的数据库连接在哪”，代理自己就能查上次的日志。

几点实用提示

适合谁？ 如果你每天跟编码代理打交道超过 2 小时，而且项目有一定复杂度，Palace 值得一试。
初始设置： 确保本地有 Node.js 环境，克隆仓库后执行 npm install && npm start 即可运行 MCP 服务器。
避坑： 记忆的质量取决于你如何标记“决策”。如果每行代码改动都记，反而会淹没关键信息。建议只对明显的架构决定或修复添加标记。

Palace Memory 切入了一个很实在的痛点：AI 代理不是不够强，而是记性太差。给它装上记忆，它能做得远比现在好。

优缺点

优点

持久记忆大幅减少重复解释
通过 MCP 集成主流编码代理
本地运行，数据完全由你控制
开源核心，可定制和审计
团队共享记忆，保持代理行为一致

缺点

初始配置需要命令行操作，对新手不友好
记忆管理依赖手动编辑 JSON，缺乏可视化界面
目前只支持少数编码代理，覆盖面有限
记忆膨胀后缺乏自动清理或排序机制

常见问题

Palace Memory 免费吗？

完全免费，个人和团队使用均无需付费。项目基于 MIT 协议开源，可自行部署。

Palace Memory 支持哪些 AI 编码代理？

目前支持 Cursor、Claude Code 和 Codex，通过 MCP 协议集成。更多工具支持正在开发中。

数据安全吗？会不会上传云端？

所有记忆数据默认存储在本地，不上传任何外部服务器。开源代码可审计，企业可以自行加固。

团队如何使用？

部署一个 Palace 实例（可放在内网服务器），团队成员连接同一个 MCP endpoint，即可共享记忆。权限控制需自行实现。

记忆会不会无限膨胀？

当前依赖手动管理，没有自动清理机制。建议定期回顾并删除过时的记忆条目。

探索更多

相似工具

Tychi AI

Tychi 是专为 AI Agent 设计的自主托管钱包，提供人类可交互的 REPL 界面。私钥本地存储，签名不离开机器，策略限制在每次链上操作前执行。支持多钱包、gassless 路由，并与 Cursor、Claude 等集成。

Stride

Stride 是一个覆盖规划、设计、验证、发布全流程的 AI 原生工作空间。它直接接入真实项目数据，并通过 MCP 协议与 Claude Code、Codex 协同，真正执行任务而非空谈。团队无需切换工具即可从想法直达发布，大幅提升构建效率。

Relay

Relay 是一个轻量级 SDK，通过一行代码为 LLM 调用添加自动重试、跨提供商故障转移（Anthropic ↔ OpenAI）和智能缓存。专为边缘计算设计，自带密钥（BYOK），从零成本起步，帮助开发者构建高可用的 AI 代理应用。

Yolo-Auto

Yolo-Auto 提供 OpenAI 兼容的无限制 LLM API，免费层每周15次请求，付费每月仅 $6。使用 Qwen3.6-35B-A3B 模型，无 token 计费，无请求限制，数据完全私有。适合小团队或个人开发者的低成本 AI 集成方案。

TantrShell

TantrShell 是一家专注于Web开发、AI解决方案、自动化系统和云技术的初创公司。通过可扩展的软件和智能自动化，帮助企业和学习者构建现代化数字解决方案。本文解读其核心能力、适用场景与实用建议。

DeepRise

DeepRise 是一个基于多智能体协作的开发平台，动态创建长期运行的 AI 代理，自动完成代码编写、测试和部署。适合追求自动化工作流的开发团队，降低重复劳动，提升迭代效率。

使用指南

彻底解决Google Antigravity回复的语言问题

Google Antigravity 在任务规划、应用生成、代码构建等场景中表现出色，但许多用户都会遇到同一个困扰：明明想让它输出某种语言，但 Antigravity 经常自动切回英文。无论是任务计划、执行方案、应用文案还是最终产物，都会出现「默认英文输出」的问题，影响使用体验。

开源项目

guidellm: 评估和优化 LLM 部署性能

guidellm 是一个开源工具，专为评估和优化大语言模型（LLM）在生产环境中的推理性能而设计。它支持压力测试、延迟分析、吞吐量评估等，帮助开发者识别瓶颈并调整部署配置。基于 vLLM 团队开发，适合需要精细化调优 LLM 服务的团队。

Kun: 将 AI Agent 工作区嵌入你的应用

Kun 是一个开源的 AI Agent 工作空间，内置代码与写作模式，可无缝集成到你的应用程序中。基于 TypeScript 开发，为开发者提供可定制的智能交互环境，支持多轮对话、工具调用和上下文管理。

terax-ai: 7MB终端优先AI开发工作台

terax-ai 是一个轻量级（仅7MB）的终端优先AI原生开发工作台，专为命令行爱好者设计。它集成了AI辅助能力，提供极快的启动速度和极小的资源占用，让开发者在熟悉的终端环境中高效编码、调试和实验。开源且易于安装，适合追求简洁与效率的开发者。

go-micro: 为 AI 智能体打造的 Go 微服务框架

go-micro 是一个用 Go 语言编写的微服务框架，专门为构建 AI 智能体而设计。它提供服务发现、负载均衡、消息编码、事件驱动等核心能力，让开发者能快速搭建可扩展的分布式 AI 系统。GitHub 星标超 2.2 万，社区活跃，适合 Go 语言开发者入门微服务和 AI agent 架构。

ai-gateway: 统一管理生成式 AI 服务的访问网关

ai-gateway 是基于 Envoy Gateway 构建的开源项目，提供统一的 API 网关来管理对多种生成式 AI 服务的访问，支持负载均衡、缓存、限流等功能，简化 AI 应用的集成和运维。

Kiln: 一站式 AI 系统评估与优化平台

Kiln 是一个开源 Python 工具，帮助开发者系统化地构建、评估和优化 AI 系统。它集成了 evals、RAG、智能体、微调、合成数据生成、数据集管理和 MCP 协议支持，让 AI 开发工作流更高效、更可控。适合需要深度调优 AI 性能的团队和个人。