MemPalace Agent Skill 实战指南三步安装、三大拓扑与 Shared Brain 协调协议的完整落地方案【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本指南以 MemPalace 仓库中skills/mempalace/SKILL.md的 Setup Protocol 为主干讲解如何以 Skill 优先skill-first的方式完成 MemPalace 的安装、初始化、MCP 接线以及私有本地宫殿private local palace、共享大脑枢纽shared-brain hub与加入现有枢纽的客户端client三种拓扑的选型与实施。读完本文你将掌握mempalace instructions、mempalace mcp、mempalace serve、mempalace rules、mempalace logstream与mempalace update等核心命令的正确使用姿势并能在接入共享大脑时理解身份、协调与升级策略的底层约定。这个 Skill 解决什么问题MemPalace 是一套开源 AI 记忆系统a searchable memory palace。当你要把某个 AgentClaude Code、Codex、Cursor 等接入记忆宫殿时正确的安装顺序、拓扑选型和 MCP 配置缺一不可——而mempalaceSkill 的价值正在于此它在 MemPalace Python 包或 MCP server 尚未存在时就可以被安装npx skills add是正常的引导bootstrap路径先让 Agent 拥有一份如何搭起来的步骤清单再去执行mempalace init等底层命令。从仓库结构看mempalaceSkill 与另外两个 Skill 形成分工mempalace-recall负责先检索再回答的回忆协议见 skills/mempalace-recall/SKILL.mdmempalace-task负责通过 logstream 在 Agent 间传递任务见 skills/mempalace-task/SKILL.md而本 Skill 专管安装、配置与运行——setup、mining、status 三件事。仓库中对应的交互命令宏slash command文档位于 commands/mempalace-init.md、commands/mempalace-mine.md、commands/mempalace-search.md、commands/mempalace-status.md、commands/mempalace-help.md它们统一的做法就是调用mempalaceskill 并执行mempalace instructions name然后按输出的步骤操作。第一步动手前先检查环境Inspect before changing anythingSetup Protocol 的第一条纪律是在改动任何东西之前先检查核心原因在于Skill 是被独立引导进 Agent 的Agent 无法假设 Python 包已经装在 PATH 上。检查项包括检测操作系统与当前 Agent harness是 CLI 还是 IDE、能否跑后台进程等。版本探测运行mempalace --version、uv --version并做一次 Python 版本检查Python 3.9。不要假设已安装的 Python 包一定在 PATH 上可达——它在某个未激活的 venv 里是完全可能的。检查是否已存在 palace 与 MCP 注册。绝不为了让安装更简单而重新初始化或重建已有 palace——数据与索引重建不可逆会波及历史抽屉与日记。mempalace/instructions/init.md中把这一步拆得更细python3 --versionWindows 用python --version确认不低于 3.9随后运行mempalace --version只有命令真的成功才算已安装——即使pip show mempalace或uv tool list报告包已存在只要command not found就按未安装处理并进入重装流程否则后续mempalace init ...会直接失败。第二步仅在必要时安装 CLI并优先使用 uv当检查发现 CLI 缺失时首选隔离的 uv tool 安装uv tool install mempalace如果uv不可用退回到 PATH 可见的 Python 环境python -m pip install mempalace安装后务必再次运行mempalace --version若仍不可达要么修复 PATH要么改用对应的uv tool run调用方式再进行下一步。mempalace/instructions/init.md为安装失败给出了一份有序的回退与排障清单uv tool install失败就换pip install mempalace反之亦然尝试pip3 install mempalace尝试python -m pip install mempalace或python3 -m pip install ...若报错涉及缺失构建工具或编译失败常见于 chromadb 及其原生依赖Linux/macOS 上装build-essential python3-devDebian/Ubuntu或xcode-select --installmacOSWindows 上装 Microsoft C Build Tools然后重试全部失败则如实上报错误并停下不掩盖问题继续。之所以强调uv从源码注释也可印证uv tool install把 CLI 与系统 Python 隔离能规避大多数环境相关故障见 mempalace/instructions/init.md。第三步与用户确认三大拓扑在选择任何安装动作前需要向用户确认目标形态除非需求已经明确。SKILL 定义了三种互斥的拓扑私有本地宫殿private local palace单机本地 stdio MCP记忆只属于这台机器共享大脑枢纽shared-brain hub本机拥有 palace并向整个 Agent 舰队提供读写与协调服务加入现有枢纽的客户端client joining an existing hub本机只作为客户端连接别处拥有的 hub。同时询问要初始化的项目/会话语料默认当前工作目录。共享大脑客户端绝不能去初始化一份第二个 palace——记忆只有一份属于枢纽所有者。这三者在后续步骤的分叉非常明显新建本地 palace 或 hub 走mempalace instructions init客户端则跳过本地初始化直接向用户索要 hub URL 与 bearer token。第四步用版本正确的指令做初始化MemPalace 设计了一个巧妙的机制来对抗文档漂移CLI 本身就是文档源按当前安装版本动态输出与该版本严格匹配的指导内容命令是mempalace instructions command其中command取值为help、init、mine、search、status。在源码中对应cmd_instructions处理器它转发到mempalace/instructions_cli.py的run_instructions并把指令打到 stdout见 mempalace/cli.py。仓库内各命令的指令正文分散在 mempalace/instructions/ 目录init.md、mine.md、search.md、status.md、help.md。正确流程是先运行对应的 instructions 命令拿到当前版本的步骤清单再逐条照做。例如 mempalace/instructions/init.md 给出了完整的初始化链问项目目录 →mempalace init --yes dir→ 配置 MCP →mempalace status验证 → 提示下一步用 mine / search。SKILL 在 Step 4 特别强调了两点新建本地 palace 或 hub遵循mempalace instructions init配置好所选语料再用mempalace status验证客户端跳过本地初始化取得 hub URL 与 bearer token。初始化是幂等保护的重灾区这也是第一步绝不重建已有 palace的纪律延伸。第五步接线 MCP——stdio、hub 与 HTTP 客户端的正确姿势本地 stdio 集成本地集成使用mempalace mcp打印出来的接线命令。该命令在源码中根据 palace 路径拼出可复制的命令行见 mempalace/cli.py典型注册如下claude mcp add mempalace -- mempalace-mcp codex mcp add mempalace -- mempalace-mcp其中mempalace-mcp是 stdio MCP server 的可执行入口。安装包本身不等于 MCP 已连接——接线完成后必须重启/重连 harness并核验实时 MCP 工具列表中真的出现了 MemPalace 工具。SKILL 与 mempalace/instructions/init.md 都用整段篇幅强调这一点。共享大脑 hubmempalace serve选共享大脑时指导用户运行mempalace serve并参考仓库内的 website/guide/shared-brain.md 完整教程。serve是mempalace-mcp --transport http的封装它会解析 bearer token非 loopback 绑定时自动生成强 token、打印可直接粘贴的客户端配置然后以前台进程 exec 真正的 server便于 Docker/systemd 托管进程生命周期见 mempalace/cli.py。一个serve进程持有 palace 的写入租约两个 server 进程绝不能指向同一个 palace。hub 与纯本地的关键差异在于本机 stdio 客户端会每请求检查一次palace 是否有活的 hub一旦发现就把请求自动代理auto-proxy给 hub而不是自己打开数据库句柄这是 fleet 免配置共享记忆的底层机制。客户端HTTP MCP bearer token加入现有 hub 的客户端需要在 harness 上配置 HTTP MCP 传输并携带用户提供的 bearer token。SKILL 有一条安全红线绝不把 token 打印或存储到项目指令、抽屉drawers或 logstream 事件里。部署角度的延伸见 website/guide/remote-server.md。验证环节不可跳过无论哪种拓扑最后一步都是重启/重连 harness → 检查实时 MCP 工具列表已包含 MemPalace 工具。包安装成功不能作为 MCP 已连接的证明。第六步共享大脑的身份与协调配置当共享大脑模式被选中时SKILL 要求依次处理以下事项约定稳定身份为该 Agent 商定一个machine-harness形式的稳定身份例如mac-claude、windows-codex永不轮换、绝不冒充他人——事件流只能靠稳定身份才能审计。渲染规范规则块mempalace rules --agent machine-harness该命令由cmd_rules实现按给定 agent 身份输出共享大脑规则块见 mempalace/cli.py实现转发到instructions_cli.run_rules。website/guide/shared-brain.md 进一步说明输出被!-- mempalace-shared-brain:start/end --标记包裹更新协议后应重渲染并整块替换而不是手改 N 份系统提示词放哪取决于 harnessClaude Code 放~/.claude/CLAUDE.mdCodex 放~/.codex/AGENTS.mdAntigravity 等另有位置。核验协调可达性用只读的mempalace logstream list或等效的 MCP 事件列表调用确认能读到事件流。logstream 与记忆抽屉是两层记忆层drawers / KG / diary存值得回想的持久知识logstream 层events / artifacts存需要在 Agent 间流转的进行中工作。确定监视watcher模式按 Agent 能力分流能维持后台 watcher 的本地 palace 所有者或同步副本准备mempalace logstream watch --agent ... --state-file ...命令详见 website/guide/shared-brain.md 第 7 节--agent id展开为--to-agent id --exclude-from-agent id自排除对防自唤醒是承重的退出码才是唤醒信号0有匹配、2空闲超时、130被打断纯远程 MCP 客户端只能用重复的mempalace_event_wait调用做长轮询把最后处理的事件 id 作为since_event_id携带前进——绝不能指向本地 SQLite watcher两者都做不到的轮转型 Agent明确记录turn-based唤醒时必须用mempalace_event_list清扫 MCP 收件箱并解释可能需要给 watch 命令做权限白名单。另外不要未经告知就发测试事件logstream 事件不可变append-only。用户批准冒烟事件时要窄化其主题并以一个确认事件闭环。第七步汇报就绪状态与可选的每周稳定版检查配置结束后向用户汇总安装版本、palace 位置或 hub URL不含机密、MCP 连接状态、稳定 Agent 身份、watcher 模式以及第一个安全的下一步动作。若涉及活跃委派转交mempalace-taskSkill见 skills/mempalace-task/SKILL.md。每周稳定版检查默认关闭且从不自动安装SKILL 明确要询问用户是否需要每周稳定版检查默认否。启用前应说明该功能会联系 PyPI但不发送任何 palace 内容、身份或遥测。启用时务必记录实际使用的安装器mempalace update configure --enable --installer uv-tool # 或 pipx / pip mempalace update configure --disable # 退出源码证据update_awareness.py的_INSTALL_ACTIONS精确限定uv-tool/pipx/pip三种安装器configure_updates把策略写入~/.mempalace/updates.jsonchannel固定为stable、默认interval_days7且启用时未提供合法 installer 会直接抛错见 mempalace/update_awareness.py 与 mempalace/update_awareness.py。mempalace update configure由cmd_update驱动见 mempalace/cli.py。读取mempalace_status时必须正确区分两个版本字段updates.serverpalace 服务的运行时hubupdates.client存在时本地代理/客户端的运行时。两者版本与安装器不可混为一谈。客户端的升级走本机的mempalace update plan远程 server 的升级对客户端只是信息性提示——自然地向用户呈现并请 hub 操作者在 palace 所在机器上准备与授权该计划。两条铁律绝不把客户端生成的计划用于升级 server任何计划未经明确授权绝不执行。这与_INSTALL_ACTIONS体现的只产出命令由用户执行的保守设计一脉相承。回忆与任务的边界何时转交其他 SkillmempalaceSkill 只覆盖 setup、mining 与 status。凡是涉及过去的工作、先前的决策、已经归档的人这类问题SKILL 明确要求转交mempalace-recallSkill见 skills/mempalace-recall/SKILL.md——它强制执行先检索再回答search-before-answer让 Agent 读 palace 而不是靠模型记忆猜测。回忆工具的选择逻辑在那里被整理成一张清晰的映射表需求工具按语义找任意记忆mempalace_search起点实体的关系型/时间型事实mempalace_kg_query替换单值事实mempalace_kg_supersede实体的时间线故事mempalace_kg_timeline近期会话连续性mempalace_diary_read枚举 wing / roommempalace_list_wings/mempalace_list_rooms记录本次会话mempalace_diary_write需要强调的边界活跃协调不是回忆。向共享 hub 上的其他 Agent 委派任务、或等待其回复/补丁时应当使用 logstream 工具mempalace_event_append、mempalace_event_wait、mempalace_patch_submit、mempalace_artifact_get而不是抽屉或搜索。同样的边界规则也写在记忆层的回忆协议与协调协议两个规范文件中见 integrations/shared/recall-protocol.md 与 integrations/shared/coordination-protocol.md。Cursor 专属注意事项Cursor 环境有三条特别提示Cursor 插件会自动注册mempalace-mcp而独立的npx skills add安装不会——所以检查实时工具列表这一验证环节在 Cursor 下同样不可省略commands/mempalace-init.md 也重申了这点插件已自动注册无需手改mcp.json。若需要每 N 轮 Agent 自动后台保存 会话开始时的记忆召回还要从克隆的 MemPalace 仓库单独运行hooks/cursor/install.sh --scope user安装 Cursor hooks完整教程见仓库内的 website/guide/cursor-hooks.md。从 Cursor 会话调用mempalace_diary_write时推荐的agent_name是cursor-ide——与claude-code、codex的命名先例保持一致这是稳定身份规则在具体 harness 上的落地样例。规范参考把协议落在仓库里原 SKILL 指向的规范文档在仓库内均有对应文件可直接按根目录相对路径阅读外部站点链接不在此展开共享大脑完整教程hub 启动、本地代理自动代理、远程机器接线、身份、首次委派、唤醒机制、跨机同步等website/guide/shared-brain.mdAgent 协调协议logstream 事件模型与 watcher 纪律的单一事实源integrations/shared/coordination-protocol.md回忆协议与 Cursor recall rule 及各集成共享的标准文本integrations/shared/recall-protocol.mdMCP 集成与部署扩展仓库 website/guide/mcp-integration.md、website/guide/remote-server.md。整体走查一遍可以看出这个 Skill 的技术要点最终都收敛到同几条仓库级纪律上先查再动不重建已有 palace、版本即文档一切以mempalace instructions输出为准、身份稳定machine-harness永不轮换、事件不可变logstream append-only闭环必须靠新的 ack 事件、更新从不开箱即装检查只报信安装必须显式授权。这套引导协议既适合单机首次接入也完整覆盖了共享大脑舰队从接线到升级的运营生命周期。【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 
长河君 · 2026/9/8 20:33:49 · 阅读 1.2k MemPalace Agent Skill 实战指南：三步安装、三大拓扑与 Shared Brain 协调协议的完整落地方案
MemPalace Agent Skill 实战指南三步安装、三大拓扑与 Shared Brain 协调协议的完整落地方案【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本指南以 MemPalace 仓库中skills/mempalace/SKILL.md的 Setup Protocol 为主干讲解如何以 Skill 优先skill-first的方式完成 MemPalace 的安装、初始化、MCP 接线以及私有本地宫殿private local palace、共享大脑枢纽shared-brain hub与加入现有枢纽的客户端client三种拓扑的选型与实施。读完本文你将掌握mempalace instructions、mempalace mcp、mempalace serve、mempalace rules、mempalace logstream与mempalace update等核心命令的正确使用姿势并能在接入共享大脑时理解身份、协调与升级策略的底层约定。这个 Skill 解决什么问题MemPalace 是一套开源 AI 记忆系统a searchable memory palace。当你要把某个 AgentClaude Code、Codex、Cursor 等接入记忆宫殿时正确的安装顺序、拓扑选型和 MCP 配置缺一不可——而mempalaceSkill 的价值正在于此它在 MemPalace Python 包或 MCP server 尚未存在时就可以被安装npx skills add是正常的引导bootstrap路径先让 Agent 拥有一份如何搭起来的步骤清单再去执行mempalace init等底层命令。从仓库结构看mempalaceSkill 与另外两个 Skill 形成分工mempalace-recall负责先检索再回答的回忆协议见 skills/mempalace-recall/SKILL.mdmempalace-task负责通过 logstream 在 Agent 间传递任务见 skills/mempalace-task/SKILL.md而本 Skill 专管安装、配置与运行——setup、mining、status 三件事。仓库中对应的交互命令宏slash command文档位于 commands/mempalace-init.md、commands/mempalace-mine.md、commands/mempalace-search.md、commands/mempalace-status.md、commands/mempalace-help.md它们统一的做法就是调用mempalaceskill 并执行mempalace instructions name然后按输出的步骤操作。第一步动手前先检查环境Inspect before changing anythingSetup Protocol 的第一条纪律是在改动任何东西之前先检查核心原因在于Skill 是被独立引导进 Agent 的Agent 无法假设 Python 包已经装在 PATH 上。检查项包括检测操作系统与当前 Agent harness是 CLI 还是 IDE、能否跑后台进程等。版本探测运行mempalace --version、uv --version并做一次 Python 版本检查Python 3.9。不要假设已安装的 Python 包一定在 PATH 上可达——它在某个未激活的 venv 里是完全可能的。检查是否已存在 palace 与 MCP 注册。绝不为了让安装更简单而重新初始化或重建已有 palace——数据与索引重建不可逆会波及历史抽屉与日记。mempalace/instructions/init.md中把这一步拆得更细python3 --versionWindows 用python --version确认不低于 3.9随后运行mempalace --version只有命令真的成功才算已安装——即使pip show mempalace或uv tool list报告包已存在只要command not found就按未安装处理并进入重装流程否则后续mempalace init ...会直接失败。第二步仅在必要时安装 CLI并优先使用 uv当检查发现 CLI 缺失时首选隔离的 uv tool 安装uv tool install mempalace如果uv不可用退回到 PATH 可见的 Python 环境python -m pip install mempalace安装后务必再次运行mempalace --version若仍不可达要么修复 PATH要么改用对应的uv tool run调用方式再进行下一步。mempalace/instructions/init.md为安装失败给出了一份有序的回退与排障清单uv tool install失败就换pip install mempalace反之亦然尝试pip3 install mempalace尝试python -m pip install mempalace或python3 -m pip install ...若报错涉及缺失构建工具或编译失败常见于 chromadb 及其原生依赖Linux/macOS 上装build-essential python3-devDebian/Ubuntu或xcode-select --installmacOSWindows 上装 Microsoft C Build Tools然后重试全部失败则如实上报错误并停下不掩盖问题继续。之所以强调uv从源码注释也可印证uv tool install把 CLI 与系统 Python 隔离能规避大多数环境相关故障见 mempalace/instructions/init.md。第三步与用户确认三大拓扑在选择任何安装动作前需要向用户确认目标形态除非需求已经明确。SKILL 定义了三种互斥的拓扑私有本地宫殿private local palace单机本地 stdio MCP记忆只属于这台机器共享大脑枢纽shared-brain hub本机拥有 palace并向整个 Agent 舰队提供读写与协调服务加入现有枢纽的客户端client joining an existing hub本机只作为客户端连接别处拥有的 hub。同时询问要初始化的项目/会话语料默认当前工作目录。共享大脑客户端绝不能去初始化一份第二个 palace——记忆只有一份属于枢纽所有者。这三者在后续步骤的分叉非常明显新建本地 palace 或 hub 走mempalace instructions init客户端则跳过本地初始化直接向用户索要 hub URL 与 bearer token。第四步用版本正确的指令做初始化MemPalace 设计了一个巧妙的机制来对抗文档漂移CLI 本身就是文档源按当前安装版本动态输出与该版本严格匹配的指导内容命令是mempalace instructions command其中command取值为help、init、mine、search、status。在源码中对应cmd_instructions处理器它转发到mempalace/instructions_cli.py的run_instructions并把指令打到 stdout见 mempalace/cli.py。仓库内各命令的指令正文分散在 mempalace/instructions/ 目录init.md、mine.md、search.md、status.md、help.md。正确流程是先运行对应的 instructions 命令拿到当前版本的步骤清单再逐条照做。例如 mempalace/instructions/init.md 给出了完整的初始化链问项目目录 →mempalace init --yes dir→ 配置 MCP →mempalace status验证 → 提示下一步用 mine / search。SKILL 在 Step 4 特别强调了两点新建本地 palace 或 hub遵循mempalace instructions init配置好所选语料再用mempalace status验证客户端跳过本地初始化取得 hub URL 与 bearer token。初始化是幂等保护的重灾区这也是第一步绝不重建已有 palace的纪律延伸。第五步接线 MCP——stdio、hub 与 HTTP 客户端的正确姿势本地 stdio 集成本地集成使用mempalace mcp打印出来的接线命令。该命令在源码中根据 palace 路径拼出可复制的命令行见 mempalace/cli.py典型注册如下claude mcp add mempalace -- mempalace-mcp codex mcp add mempalace -- mempalace-mcp其中mempalace-mcp是 stdio MCP server 的可执行入口。安装包本身不等于 MCP 已连接——接线完成后必须重启/重连 harness并核验实时 MCP 工具列表中真的出现了 MemPalace 工具。SKILL 与 mempalace/instructions/init.md 都用整段篇幅强调这一点。共享大脑 hubmempalace serve选共享大脑时指导用户运行mempalace serve并参考仓库内的 website/guide/shared-brain.md 完整教程。serve是mempalace-mcp --transport http的封装它会解析 bearer token非 loopback 绑定时自动生成强 token、打印可直接粘贴的客户端配置然后以前台进程 exec 真正的 server便于 Docker/systemd 托管进程生命周期见 mempalace/cli.py。一个serve进程持有 palace 的写入租约两个 server 进程绝不能指向同一个 palace。hub 与纯本地的关键差异在于本机 stdio 客户端会每请求检查一次palace 是否有活的 hub一旦发现就把请求自动代理auto-proxy给 hub而不是自己打开数据库句柄这是 fleet 免配置共享记忆的底层机制。客户端HTTP MCP bearer token加入现有 hub 的客户端需要在 harness 上配置 HTTP MCP 传输并携带用户提供的 bearer token。SKILL 有一条安全红线绝不把 token 打印或存储到项目指令、抽屉drawers或 logstream 事件里。部署角度的延伸见 website/guide/remote-server.md。验证环节不可跳过无论哪种拓扑最后一步都是重启/重连 harness → 检查实时 MCP 工具列表已包含 MemPalace 工具。包安装成功不能作为 MCP 已连接的证明。第六步共享大脑的身份与协调配置当共享大脑模式被选中时SKILL 要求依次处理以下事项约定稳定身份为该 Agent 商定一个machine-harness形式的稳定身份例如mac-claude、windows-codex永不轮换、绝不冒充他人——事件流只能靠稳定身份才能审计。渲染规范规则块mempalace rules --agent machine-harness该命令由cmd_rules实现按给定 agent 身份输出共享大脑规则块见 mempalace/cli.py实现转发到instructions_cli.run_rules。website/guide/shared-brain.md 进一步说明输出被!-- mempalace-shared-brain:start/end --标记包裹更新协议后应重渲染并整块替换而不是手改 N 份系统提示词放哪取决于 harnessClaude Code 放~/.claude/CLAUDE.mdCodex 放~/.codex/AGENTS.mdAntigravity 等另有位置。核验协调可达性用只读的mempalace logstream list或等效的 MCP 事件列表调用确认能读到事件流。logstream 与记忆抽屉是两层记忆层drawers / KG / diary存值得回想的持久知识logstream 层events / artifacts存需要在 Agent 间流转的进行中工作。确定监视watcher模式按 Agent 能力分流能维持后台 watcher 的本地 palace 所有者或同步副本准备mempalace logstream watch --agent ... --state-file ...命令详见 website/guide/shared-brain.md 第 7 节--agent id展开为--to-agent id --exclude-from-agent id自排除对防自唤醒是承重的退出码才是唤醒信号0有匹配、2空闲超时、130被打断纯远程 MCP 客户端只能用重复的mempalace_event_wait调用做长轮询把最后处理的事件 id 作为since_event_id携带前进——绝不能指向本地 SQLite watcher两者都做不到的轮转型 Agent明确记录turn-based唤醒时必须用mempalace_event_list清扫 MCP 收件箱并解释可能需要给 watch 命令做权限白名单。另外不要未经告知就发测试事件logstream 事件不可变append-only。用户批准冒烟事件时要窄化其主题并以一个确认事件闭环。第七步汇报就绪状态与可选的每周稳定版检查配置结束后向用户汇总安装版本、palace 位置或 hub URL不含机密、MCP 连接状态、稳定 Agent 身份、watcher 模式以及第一个安全的下一步动作。若涉及活跃委派转交mempalace-taskSkill见 skills/mempalace-task/SKILL.md。每周稳定版检查默认关闭且从不自动安装SKILL 明确要询问用户是否需要每周稳定版检查默认否。启用前应说明该功能会联系 PyPI但不发送任何 palace 内容、身份或遥测。启用时务必记录实际使用的安装器mempalace update configure --enable --installer uv-tool # 或 pipx / pip mempalace update configure --disable # 退出源码证据update_awareness.py的_INSTALL_ACTIONS精确限定uv-tool/pipx/pip三种安装器configure_updates把策略写入~/.mempalace/updates.jsonchannel固定为stable、默认interval_days7且启用时未提供合法 installer 会直接抛错见 mempalace/update_awareness.py 与 mempalace/update_awareness.py。mempalace update configure由cmd_update驱动见 mempalace/cli.py。读取mempalace_status时必须正确区分两个版本字段updates.serverpalace 服务的运行时hubupdates.client存在时本地代理/客户端的运行时。两者版本与安装器不可混为一谈。客户端的升级走本机的mempalace update plan远程 server 的升级对客户端只是信息性提示——自然地向用户呈现并请 hub 操作者在 palace 所在机器上准备与授权该计划。两条铁律绝不把客户端生成的计划用于升级 server任何计划未经明确授权绝不执行。这与_INSTALL_ACTIONS体现的只产出命令由用户执行的保守设计一脉相承。回忆与任务的边界何时转交其他 SkillmempalaceSkill 只覆盖 setup、mining 与 status。凡是涉及过去的工作、先前的决策、已经归档的人这类问题SKILL 明确要求转交mempalace-recallSkill见 skills/mempalace-recall/SKILL.md——它强制执行先检索再回答search-before-answer让 Agent 读 palace 而不是靠模型记忆猜测。回忆工具的选择逻辑在那里被整理成一张清晰的映射表需求工具按语义找任意记忆mempalace_search起点实体的关系型/时间型事实mempalace_kg_query替换单值事实mempalace_kg_supersede实体的时间线故事mempalace_kg_timeline近期会话连续性mempalace_diary_read枚举 wing / roommempalace_list_wings/mempalace_list_rooms记录本次会话mempalace_diary_write需要强调的边界活跃协调不是回忆。向共享 hub 上的其他 Agent 委派任务、或等待其回复/补丁时应当使用 logstream 工具mempalace_event_append、mempalace_event_wait、mempalace_patch_submit、mempalace_artifact_get而不是抽屉或搜索。同样的边界规则也写在记忆层的回忆协议与协调协议两个规范文件中见 integrations/shared/recall-protocol.md 与 integrations/shared/coordination-protocol.md。Cursor 专属注意事项Cursor 环境有三条特别提示Cursor 插件会自动注册mempalace-mcp而独立的npx skills add安装不会——所以检查实时工具列表这一验证环节在 Cursor 下同样不可省略commands/mempalace-init.md 也重申了这点插件已自动注册无需手改mcp.json。若需要每 N 轮 Agent 自动后台保存 会话开始时的记忆召回还要从克隆的 MemPalace 仓库单独运行hooks/cursor/install.sh --scope user安装 Cursor hooks完整教程见仓库内的 website/guide/cursor-hooks.md。从 Cursor 会话调用mempalace_diary_write时推荐的agent_name是cursor-ide——与claude-code、codex的命名先例保持一致这是稳定身份规则在具体 harness 上的落地样例。规范参考把协议落在仓库里原 SKILL 指向的规范文档在仓库内均有对应文件可直接按根目录相对路径阅读外部站点链接不在此展开共享大脑完整教程hub 启动、本地代理自动代理、远程机器接线、身份、首次委派、唤醒机制、跨机同步等website/guide/shared-brain.mdAgent 协调协议logstream 事件模型与 watcher 纪律的单一事实源integrations/shared/coordination-protocol.md回忆协议与 Cursor recall rule 及各集成共享的标准文本integrations/shared/recall-protocol.mdMCP 集成与部署扩展仓库 website/guide/mcp-integration.md、website/guide/remote-server.md。整体走查一遍可以看出这个 Skill 的技术要点最终都收敛到同几条仓库级纪律上先查再动不重建已有 palace、版本即文档一切以mempalace instructions输出为准、身份稳定machine-harness永不轮换、事件不可变logstream append-only闭环必须靠新的 ack 事件、更新从不开箱即装检查只报信安装必须显式授权。这套引导协议既适合单机首次接入也完整覆盖了共享大脑舰队从接线到升级的运营生命周期。【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