直接说步骤
一，git clone GitHub - MemPalace/mempalace: The best-benchmarked open-source AI memory system. And it's free. · GitHub
项目到你想要保存数据的目录，然后在项目根目录创建memory文件夹。
二，使用conda或python在项目目录中创建一个3.11的虚拟环境，然后使用这个环境安装mempalace。
若报错:
先安装conda install -c conda-forge psutil>=5.9 -y
再安装pip install -e “.[dev]”
全程需要开启梯子。
三，激活环境，初始化记忆库
执行 mempalace init D:\AI\mempalace\memory（换成你的实际地址）
然后按回车即可。
四，填写MCP配置，记得将python和记忆库填写你的绝对路径
{
“mcpServers”: {
“mempalace”: {
“command”: “D:/AI/mempalace/PY/python.exe”,
“args”: [
“-m”,
“mempalace.mcp_server”,
“–palace”,
“d:/AI/mempalace/memory”
]
}
}
}
此时MCP已经可用，点击设置，增加一个全局规则：
MemPalace 使用规则
每次对话开始时：
- 调用
mempalace_status加载 palace 概览 - 回答涉及人物、项目、历史事件的问题前，先搜索 palace
记忆存储规则：
- 用户确认的内容 → 存入对应 wing/room
- 重要决策 → 存入 decisions room
- 代码片段 → 存入 code room
在用户目录下给工具添加HOOKS：
C:\Users\admin.trae-cn（其它工具也是一样添加到相应的目录）
新建settings.json
填入：
{
“hooks”: {
"Stop": \[{
"matcher": "\*",
"hooks": \[{
"type": "command",
"command": "bash d:/AI/mempalace/hooks/mempal_save_hook.sh",
"timeout": 30
}\]
}\],
"PreCompact": \[{
"hooks": \[{
"type": "command",
"command": "bash d:/AI/mempalace/hooks/mempal_precompact_hook.sh",
"timeout": 30
}\]
}\]
}
}
到此大功告成，全局记忆开始生效，你在任何工具的使用记忆都可以共享了。
如果HOOKS报错，检查一下GIT的PATH是否正确。