Codex Technomanticus

MemPalace (Milla Jovovich)

Leitura de 12 min

MemPalace

TL;DR

MemPalace é um sistema de memória de agentes local-first lançado em abril de 2026, mantido por Milla Jovovich (sim, literal — é o nome real da mantenedora do repositório github.com/milla-jovovich/mempalace; também há a organização github.com/MemPalace/mempalace). A arquitetura aplica a metáfora do memory palace (método dos loci) numa hierarquia de wings → rooms → drawers sobre SQLite local + ChromaDB como vector store padrão. Reporta 96,6% R@5 raw e 98,4% no modo hybrid v4 (com LLM reranking — ≥99% reportado em alguns canais externos) no LongMemEval — números altos, mas com paper crítico (arxiv 2604.21284) argumentando que o ganho real vem de armazenamento verbatim + ChromaDB, não da hierarquia espacial. Expõe 29 MCP tools (audit externo de lhl/agentic-memory encontrou 20 efetivamente implementadas em 5 categorias), opera offline após primeira ingestão e tem foco explícito em integração com Claude Code.

Avisos de segurança

  • O domínio mempalace.tech é impostor com malware, não relacionado ao projeto oficial.
  • Fontes oficiais únicas: github.com/milla-jovovich/mempalace e github.com/MemPalace/mempalace.
  • O score 98,4% em modo híbrido tem ressalvas críticas — análise rigorosa em 21 - Críticas, limitações e armadilhas.

O que é

MemPalace é um sistema de memória persistente para agentes LLM lançado publicamente em abril de 2026. A mantenedora é Milla Jovovich — nome literal, não pseudônimo de marketing — autora do repositório github.com/milla-jovovich/mempalace e da organização paralela github.com/MemPalace/mempalace. A coincidência onomástica com a atriz alimenta confusão em threads e posts, mas esses dois são os únicos repositórios oficiais. Repetindo o aviso anterior: o domínio mempalace.tech é impostor com payload de malware e não tem relação com o projeto.

A arquitetura aplica a metáfora do memory palace — também conhecida como método dos loci, técnica mnemônica clássica da retórica grega — para organizar a memória em hierarquia espacial: wings (dimensões macro como pessoas e projetos), rooms (subtópicos dentro de cada wing) e drawers (a unidade atômica que guarda conteúdo verbatim). O foco é local-first: após a primeira ingestão, a operação é offline, sem chamadas a APIs externas. O substrato técnico combina SQLite local (knowledge graph temporal e metadados) com ChromaDB como vector store padrão, e a interface é MCP-native — 29 ferramentas expostas via Model Context Protocol, com integração explícita ao Claude Code.

Por que importa

  • Score auto-reportado entre os mais altos do mercado em abril de 2026. 96,6% R@5 raw e 98,4% no modo hybrid v4 (com LLM reranking — ≥99% reportado em alguns canais externos) no LongMemEval — com a ressalva crítica detalhada na seção Crítica externa.
  • Local-first com integração MCP destrava casos onde Cloud é proibido. Cenários regulatórios (saúde, legal, defesa) e ambientes air-gapped ganham opção MCP-native sem SaaS — diferente de Zep (cloud-first) e parecido com basic-memory em filosofia, mas com pretensão de benchmark mais alto.
  • Diferenciais técnicos auto-declarados. AAAK compression com claim de cerca de 30x (não verificado independentemente; ver hedge na Anatomia técnica) e 170-token startup — agent inicia sessão consumindo cerca de 170 tokens antes de qualquer retrieval. Ambas precisam ser lidas com granularidade.
  • O paper crítico é leitura obrigatória. O arxiv 2604.21284 — Spatial Metaphors for LLM Memory: A Critical Analysis of MemPalace — argumenta que a “spatial palace hierarchy” é vector DB filtering com nomenclatura nova. Adotar MemPalace por convicção arquitetural sem ler essa crítica é decisão sub-informada.
  • Sinaliza maturidade do mercado. A existência simultânea de framework + benchmark próprio + paper crítico independente é indicador de que o campo está se profissionalizando.

Como funciona — arquitetura memory palace

graph TB
    AGT[Agent / MCP client] -->|29 MCP tools| MP[MemPalace]
    MP --> WINGS[Wings: people, projects]
    WINGS --> ROOMS[Rooms: topics]
    ROOMS --> DRAWERS[Drawers: original content]
    MP --> KG[(Knowledge Graph<br/>temporal, SQLite)]
    MP --> VEC[(ChromaDB<br/>vector store)]

A hierarquia espacial é o conceito central:

  • Wings (asas). Dimensões macro — pessoas, projetos, domínios temáticos. Primeiro nível de particionamento: “Wing: clientes”, “Wing: projetos internos”, “Wing: literatura técnica”.
  • Rooms (salas). Subdivisões dentro de cada wing — tipicamente uma room por cliente, ou uma por projeto. É a granularidade onde o tagging implícito acontece.
  • Drawers (gavetas). A unidade atômica. Guarda conteúdo verbatim — texto original, sem sumarização agressiva — com metadados de validade temporal e referências cruzadas. É onde a recuperação por similaridade acontece.

Por baixo da metáfora, dois substratos coexistem:

  1. Knowledge graph temporal em SQLite local. Cada nó tem validity intervals, na tradição bi-temporal de Graphiti, mas com escopo single-user e sem Neo4j.
  2. ChromaDB como vector store padrão. A escolha é pluggable via mempalace/backends/base.py (ver hedge na Anatomia técnica) — permite trocar por outros vector DBs em tese.

As 29 MCP tools cobrem cinco categorias: leituras/escritas no palácio (wings/rooms/drawers), operações no KG (criar nós, ligar relações, consultar timeline), navegação espacial (listar, encontrar caminhos), gerenciamento de drawers (mover, splitar, mesclar) e agent diaries (logs de sessão para reflective steps posteriores).

Anatomia técnica

Os itens abaixo refletem a apresentação pública do projeto em abril de 2026. Onde a verificação independente é parcial, o item está marcado com hedge explícito — nota intencionalmente conservadora porque o domínio impostor e o paper crítico tornam fact-checking obrigatório antes de adoção.

  • Linguagem. Python (a verificar: documentação e MCP tools indicam runtime Python; confirmar versão mínima no pyproject.toml antes de pinning em CI).
  • Licença. MIT (a verificar no LICENSE oficial — circulação em análises externas indica MIT; confirmar diretamente é pré-requisito para adoção comercial).
  • Backend de vector store padrão. ChromaDB, pluggable via interface em mempalace/backends/base.py. Trocar por Qdrant, Weaviate ou outros é em tese suportado, mas requer adaptador.
  • Knowledge graph. SQLite local com validity intervals por edge — modelo temporal aproximado do bi-temporal de Graphiti, em escopo single-user e sem o aparato de hybrid search do Graphiti.
  • MCP tools (29 reportadas / 20 auditadas). 29 MCP tools são reportadas no README oficial; a análise externa de lhl/agentic-memory auditou 20 tools efetivamente implementadas em 5 categorias. Discrepância marketing-vs-código vale checar. Cobertura ampla: palace reads/writes, KG ops, navegação espacial, drawer management, agent diaries. A lista exata deve ser verificada no README oficial e cruzada com a auditoria externa — esta nota não enumera as tools individualmente para evitar discrepância em mudanças recentes.
  • AAAK compression — claim de ~30x (HEDGE FORTE + DROP MEDIDO). A documentação descreve AAAK como técnica proprietária com claim de cerca de 30x sobre o conteúdo bruto com “zero information loss”. Auto-reportado, não confirmado por terceiros independentes até a data desta nota. 30x é fator alto em compressão semântica de texto livre — sumarização hierárquica madura reporta 5x–10x sem perda crítica. A análise externa de lhl/agentic-memory é mais específica e contundente: AAAK causa 12.4pp drop (96.6% → 84.2%) na qualidade de retrieval, contradizendo diretamente o claim de “zero information loss”. Tratar como marketing até verificação independente; com base no audit externo, esperar trade-off real entre compressão e qualidade.
  • 170-token startup (HEDGE). A documentação reporta agent iniciando sessão com cerca de 170 tokens antes de qualquer retrieval. Coerente com filosofia local-first, mas isola componente específico — não é o custo end-to-end de uma query real (recuperação + ranking + injeção de drawers). 170 tokens é piso, não custo médio.
  • Score LongMemEval. 96,6% R@5 raw / 98,4% R@5 no modo hybrid v4 com LLM reranking (≥99% reportado em alguns canais externos) — auto-reportado e contestado pelo paper crítico. Ver Crítica externa.
  • Auto-save hooks. Hooks periódicos durante a sessão e hook pré-compaction (antes do context window sofrer compaction pelo cliente MCP) garantem que estado relevante vire drawer persistente sem ação explícita do agent.
  • Específico para Claude Code. Há integração explícita documentada — instruções no .claude/ e padrões de MCP tools alinhados ao CLI. A verificar: se a integração é via MCP padrão (qualquer cliente compatível) ou tem dependência específica do Claude Code.

Crítica externa

Esta seção é obrigatória — não apêndice opcional. A combinação de score auto-reportado alto + arquitetura nova + projeto recente + domínio impostor compõe perfil de risco onde leitura crítica precoce é diligência técnica.

  • Paper “Spatial Metaphors for LLM Memory: A Critical Analysis of MemPalace” (arxiv 2604.21284) é o documento central da crítica. Argumenta três coisas:

    1. O ganho de performance vem principalmente de armazenamento verbatim + ChromaDB default, não da hierarquia espacial. Em ablações do paper, remover wings/rooms/drawers e manter drawers planos com ChromaDB preserva a maior parte do score — sinal de que a hierarquia é decoração, não motor de retrieval.
    2. A “spatial palace hierarchy” funciona como vector DB filtering padrão, com nomenclatura espacial sobreposta. “Navegação por wings” é filtering por metadado categórico antes da busca vetorial — técnica disponível em qualquer vector DB maduro há anos.
    3. Marketing claims excedem rigor científico. Sumário do paper: “considerable architectural insight wrapped in overstated claims” — reconhece mérito real (integração MCP, local-first, 29 tools) e separa-o de afirmações infladas (metáfora espacial como inovação, AAAK 30x como salto, 170-token startup como métrica end-to-end).

  • Análise externa em lhl/agentic-memory/blob/main/ANALYSIS-mempalace.md corrobora pontos com investigação independente: (a) confirma a hipótese verbatim + ChromaDB ao reproduzir parte das ablações, (b) mede que AAAK causa 12.4pp drop (96.6% → 84.2%) na qualidade de retrieval, contradizendo o claim de “zero information loss” associado ao 30x, (c) auditou 20 MCP tools efetivamente implementadas em 5 categorias contra as 29 reportadas no README oficial — discrepância marketing-vs-código documentada, (d) elogia o trabalho de integração MCP como genuinamente útil ao ecossistema Claude Code.

  • Score 98,4% hybrid sob suspeita de overfitting. Análise no DEV.to descreve o 98,4% no modo hybrid v4 (≥99% reportado em alguns canais externos, arredondado para ~100%) como “engineered through a process that most benchmark-literate engineers would consider overfitting” — apontando que a configuração hybrid v4 held-out usa tuning específico ao LongMemEval que dificilmente generaliza. Comparar 98,4% MemPalace com 93,4% Mem0 não é apples-to-apples.

Para tratamento integrado das críticas ao panorama (Mem0, Zep, MemPalace, Letta), ver 21 - Críticas, limitações e armadilhas.

Quando usar / quando não usar

Quando vale:

  • Caso local-first com privacidade estrita — regulatório, compliance, ambientes air-gapped onde Cloud é proibido por contrato ou política. SQLite + ChromaDB local + zero API calls após ingestão entregam essa garantia.
  • Workflow MCP-native com Claude Code (ou outro cliente MCP compatível) — a integração com 29 tools cobre escrita, leitura, navegação e KG sem precisar reescrever orquestração.
  • Quer experimentar a arquitetura “memory palace” como conceito — mesmo com a crítica, o desenho wings/rooms/drawers é didático e pode servir como cabide mental para organizar memória, independente de o ganho de retrieval vir da hierarquia ou do verbatim.
  • Não tem orçamento ou apetite por SaaS — o framework é gratuito, self-host trivial (uma pasta + processo MCP), sem dependência de cloud paga em modo padrão.

Quando NÃO vale:

  • Caso decidido por benchmark — o score 96,6% raw / 98,4% hybrid v4 auto-reportado tem ressalvas críticas que o tornam não-comparável a outros números do panorama. Quem decide por número precisa primeiro ler o paper crítico e refazer a comparação. Ver 20 - Comparativo crítico.
  • Workflow Obsidian-first / markdown-first — MemPalace não persiste em markdown legível por humano; o substrato é SQLite + ChromaDB. Para revisão manual da memória ou edição humana paralela ao agent, basic-memory é mais adequado.
  • Caso enterprise com audit trail formal — não há ACL granular, logs imutáveis nem governance comparável ao Zep Cloud. Para compliance regulatório com SLA, Zep é mais maduro.
  • Equipe que não pode tolerar projeto novo — MemPalace é abril de 2026, ainda em consolidação. Track-record é curto, breaking changes são esperáveis, e o domínio impostor mostra que o ecossistema ao redor ainda é frágil. Times que precisam de estabilidade plurianual devem aguardar maturação ou ir para alternativas mais antigas.

Armadilhas comuns

  • Domínio impostor mempalace.tech com malware. Risco real, não hipotético. Sempre instalar a partir de github.com/milla-jovovich/mempalace ou github.com/MemPalace/mempalace — nunca de domínio externo.
  • Citar score 96,6% / 98,4% hybrid sem hedge. O paper crítico mostra que a origem do ganho não é o que o marketing sugere. Toda menção pública ao número precisa vir acompanhada do hedge (incluindo a nota de que ≥99% circula em canais externos, mas o oficial held-out é 98,4%) — caso contrário, espalha-se desinformação técnica.
  • AAAK 30x compression como fato com “zero information loss”. O claim é auto-reportado e a auditoria externa de lhl/agentic-memory mediu 12.4pp de drop (96.6% → 84.2%) na qualidade de retrieval — contradizendo diretamente a promessa de “zero information loss”. Citar como “30x” sem este hedge é erro frequente — verificar antes de qualquer afirmação categórica.
  • 170-token startup como custo end-to-end. A métrica isola componente específico (custo de inicialização da sessão antes de qualquer retrieval). Não é o custo de uma query real, que inclui recuperação, ranking e injeção. Comparar 170 tokens com tokens totais de outros frameworks é categoria errada.
  • Confiar na “spatial palace hierarchy” como inovação técnica. O parecer técnico do paper crítico é que a hierarquia funciona como vector DB filtering com nomenclatura nova. A metáfora é didática; o ganho mensurado vem de outros componentes. Adotar por convicção arquitetural sem ler o paper crítico é decisão sub-informada.
  • Filiação à família “Karpathy-inspired”. O projeto não cita Karpathy nominalmente; a relação com o LLM Wiki Pattern é interpretativa (mesmo espírito local-first + substrato simples), não reivindicação do gist. Não atribuir descendência direta sem qualificar.
  • Confundir as duas fontes oficiais. github.com/milla-jovovich/mempalace (repo da mantenedora individual) e github.com/MemPalace/mempalace (org paralela) são ambos oficiais. Não confundir nenhum deles com mempalace.tech.

Veja também

Referências

  • Repositório oficial 1 (mantenedora individual) — https://github.com/milla-jovovich/mempalace
  • Repositório oficial 2 (organização) — https://github.com/MemPalace/mempalace
  • Paper crítico — Spatial Metaphors for LLM Memory: A Critical Analysis of MemPalace, arxiv 2604.21284 — https://arxiv.org/abs/2604.21284
  • Análise externa independente — https://github.com/lhl/agentic-memory/blob/main/ANALYSIS-mempalace.md
  • Substack alexeyondata — An Unexpected Entry Into AI Memory: Milla Jovovich’s Open-Source MemPalace (cobertura jornalística, abril de 2026)
  • Aviso de segurança: o domínio mempalace.tech não é fonte oficial e foi reportado como vetor de malware — não acessar.

Visão de gráfico

Backlinks