MemPalace共享大脑架构解读多Agent一个大脑的记忆路由策略与实战指南【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/mempalaceMemPalace 是一个完全免费、开源的 AI 记忆系统其shared-brain共享大脑架构让多个 AI Agent——无论运行在 Mac、Windows 还是 Linux 上——通过同一个记忆中枢实现记忆路由、语义召回与任务协作。这篇文章带你从零读懂这套架构它如何把一个记忆多个大脑变成可落地的工作流以及多 Agent 之间是如何路由记忆与任务的。一、共享大脑是什么一个中枢多个心智 传统做法里每个 Agent 都有自己独立的记忆互相失忆。MemPalace 的共享大脑方案是一台机器上运行一个 hub中枢进程它独占整座宫殿palace所有 Agent 通过 MCP 协议与它通信。官方架构图在 website/guide/shared-brain.md 中给出本机 Agentstdio 模式→ 自动代理到 hub远程 AgentHTTP 模式→ 通过 HTTPS Bearer Token 接入hub 内部 → 抽屉drawers 知识图谱KG 日记存记忆logstream 工件存协作一个关键设计hub 持有写者租约把所有客户端的并发写入安全地串行化——永远不要让两个服务进程指向同一座宫殿。二、核心路由模型记忆层与协作层的分工 共享大脑给每个 Agent 提供了两条不可混用的通道这是理解整个架构的钥匙integrations/shared/coordination-protocol.md记忆层drawers / KG / diary协作层logstream 事件 工件存什么值得日后回忆的持久知识正在流转的活跃工作访问方式语义搜索结构化过滤 长轮询典型内容决策、事实、人物、结果委派、回复、补丁、确认判断口诀如果别的 Agent 需要对它采取行动它就是事件如果未来的会话需要知道它它就是抽屉。一次完成的委派通常两者都产生——事件承载了工作过程抽屉记录了最终结论。记忆层先搜索再回答的召回纪律召回协议要求 Agent 在回答过去做过什么、谁是谁、之前怎么决定这类问题前必须先查宫殿而不是凭模型记忆作答且必须逐字引用、绝不改写。这套规则定义在 integrations/shared/recall-protocol.md是保证多 Agent 共享记忆时100% 召回、逐字一致、永不猜测的基石。协作层追加只读的事件流协作层由MemPalace Logstream实现设计文档见 docs/rfcs/003-agent-logstream-coordination.md事件Event结构化消息带from_agent、to_agent、correlation_id、status等路由字段只追加、不可改删更正要用新事件引用旧事件工件Artifact补丁、日志等精确内容带sha256校验游标规则恢复阅读必须用since_event_id追加顺序绝不能按时间戳——跨机器的同步可能让更早创建的事件更晚到达时间戳游标会永久跳过它三、多 Agent 如何接入三个关键机制 ⚙️1. 零配置的自动代理本机每个 Agent 会话启动一个 stdio 前端进程。当 hub 存活时该进程是纯代理每条 JSON-RPC 请求都转发到 hub本地存储栈完全不碰。这带来一个可观的收益——代理会话只占用约 22 MB 内存而 50 个 Agent 若各自直连数据库要付出近 4 GB实现细节见 mempalace/mcp_proxy.py。本地进程如何发现hub答案是服务注册表hub 启动时把{pid, host, port, scheme}记录在~/.mempalace/server/下其他进程读取它来决定转发到 hub还是直接本地写mempalace/server_registry.py。hub 重启或换端口后客户端逐请求重新探测无需改任何配置。2. 稳定的身份体系每个 Agent 需要一个永不更换的稳定身份推荐格式为机器-运行时如mac-claude、windows-codex。事件流的可审计性完全依赖身份稳定——冒充别人或轮换名字都会让追加式日志失去意义。针对同一台机器上两个会话共用一个名字的冲突RFC 005 提出了host:agent:project三元组身份同机同项目 同一行动者不同项目 不同行动者进程和 PID 只是元数据而非身份docs/rfcs/005-agent-identity-routing.md。3. 写路由策略direct / prefer / require当守护进程daemon存在时写入该走哪条路MemPalace 用统一的写路由策略回答这个问题docs/write-routing-policy.mddirect始终走本地直写路径prefer守护进程可用就走它否则回退直写require必须走守护进程否则直接拒绝绝不静默回退防止绕过单写者保护本地文件型后端chroma、sqlite_exact、Milvus Lite每座宫殿只允许一个可写进程可写守护进程独占写者租约直连 CLI 和 hook 的写入在 hub 存活时必须经它路由。hook 侧的行为细节见 docs/hook-write-routing.md策略解析逻辑在 mempalace/write_routing.py。四、一次完整委派记忆如何路由到正确的 Agent 官方指南website/guide/shared-brain.md给出了标准循环请求 → 认领 → 补丁就绪 → 校验 → 应用 → 确认请求mac-claude发出task.request事件正文写清目标、分支、基础提交和完成定义用correlation_id把整段对话串起来认领windows-codex从自己的收件箱长轮询到任务立即ack statusclaimed防止别的 Agent 重复干活交付工作完成后把 diff逐字节存为工件发出patch.ready事件推分支不算交接事件才算校验应用请求方取回工件、比对sha256、经用户可见的明确意图后才git apply闭环以applied/failed/blocked确认收尾并把结论写入一个抽屉——这样以后搜索即可命中无需重放事件流配套守则非常克制事件不可变、载荷必须逐字、每个任务必须有结果确认、绝不静默应用补丁、哈希必须校验。五、5 步搭建你的共享大脑 启动 hub选一台拥有数据或 GPU的机器运行mempalace serve --host 127.0.0.1 --port 8765接入本机 Agent已按 MCP 方式配置的 Agent 会自动代理到 hub零改动接入远程机器保持 loopback 绑定前面加 TLS 反向代理或 tailnet并显式指定 Bearer Tokenloopback 绑定时不会自动生成 token下发身份与协议给每个 Agent 分配machine-harness身份运行mempalace rules --agent 身份把共享大脑规则块渲染进指令文件输出带标记可安全重渲染协议永不漂移保持可唤醒让支持后台进程的 Agent 全程运行mempalace logstream watch监听收件箱退出码 0 即你有新消息纯轮询式的 Agent 也要在每次会话开始和长任务前查一次收件箱六、关键文件速查 内容路径共享大脑完整指南website/guide/shared-brain.md协作协议唯一事实来源integrations/shared/coordination-protocol.md召回协议integrations/shared/recall-protocol.mdLogstream 设计 RFCdocs/rfcs/003-agent-logstream-coordination.md身份与路由 RFCdocs/rfcs/005-agent-identity-routing.md写路由策略docs/write-routing-policy.mdstdio 代理实现mempalace/mcp_proxy.pyhub 发现注册表mempalace/server_registry.py小结MemPalace 的 shared-brain 把记忆与协作拆成两条清晰的通道用单写者 hub 自动代理 追加式事件流解决多 Agent 并发与审计问题。记住那条口诀——该行动的走事件该记住的进抽屉——你就掌握了整套路由策略的核心。【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
MemPalace共享大脑架构解读：多Agent一个大脑的记忆路由策略与实战指南
MemPalace共享大脑架构解读多Agent一个大脑的记忆路由策略与实战指南【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/mempalaceMemPalace 是一个完全免费、开源的 AI 记忆系统其shared-brain共享大脑架构让多个 AI Agent——无论运行在 Mac、Windows 还是 Linux 上——通过同一个记忆中枢实现记忆路由、语义召回与任务协作。这篇文章带你从零读懂这套架构它如何把一个记忆多个大脑变成可落地的工作流以及多 Agent 之间是如何路由记忆与任务的。一、共享大脑是什么一个中枢多个心智 传统做法里每个 Agent 都有自己独立的记忆互相失忆。MemPalace 的共享大脑方案是一台机器上运行一个 hub中枢进程它独占整座宫殿palace所有 Agent 通过 MCP 协议与它通信。官方架构图在 website/guide/shared-brain.md 中给出本机 Agentstdio 模式→ 自动代理到 hub远程 AgentHTTP 模式→ 通过 HTTPS Bearer Token 接入hub 内部 → 抽屉drawers 知识图谱KG 日记存记忆logstream 工件存协作一个关键设计hub 持有写者租约把所有客户端的并发写入安全地串行化——永远不要让两个服务进程指向同一座宫殿。二、核心路由模型记忆层与协作层的分工 共享大脑给每个 Agent 提供了两条不可混用的通道这是理解整个架构的钥匙integrations/shared/coordination-protocol.md记忆层drawers / KG / diary协作层logstream 事件 工件存什么值得日后回忆的持久知识正在流转的活跃工作访问方式语义搜索结构化过滤 长轮询典型内容决策、事实、人物、结果委派、回复、补丁、确认判断口诀如果别的 Agent 需要对它采取行动它就是事件如果未来的会话需要知道它它就是抽屉。一次完成的委派通常两者都产生——事件承载了工作过程抽屉记录了最终结论。记忆层先搜索再回答的召回纪律召回协议要求 Agent 在回答过去做过什么、谁是谁、之前怎么决定这类问题前必须先查宫殿而不是凭模型记忆作答且必须逐字引用、绝不改写。这套规则定义在 integrations/shared/recall-protocol.md是保证多 Agent 共享记忆时100% 召回、逐字一致、永不猜测的基石。协作层追加只读的事件流协作层由MemPalace Logstream实现设计文档见 docs/rfcs/003-agent-logstream-coordination.md事件Event结构化消息带from_agent、to_agent、correlation_id、status等路由字段只追加、不可改删更正要用新事件引用旧事件工件Artifact补丁、日志等精确内容带sha256校验游标规则恢复阅读必须用since_event_id追加顺序绝不能按时间戳——跨机器的同步可能让更早创建的事件更晚到达时间戳游标会永久跳过它三、多 Agent 如何接入三个关键机制 ⚙️1. 零配置的自动代理本机每个 Agent 会话启动一个 stdio 前端进程。当 hub 存活时该进程是纯代理每条 JSON-RPC 请求都转发到 hub本地存储栈完全不碰。这带来一个可观的收益——代理会话只占用约 22 MB 内存而 50 个 Agent 若各自直连数据库要付出近 4 GB实现细节见 mempalace/mcp_proxy.py。本地进程如何发现hub答案是服务注册表hub 启动时把{pid, host, port, scheme}记录在~/.mempalace/server/下其他进程读取它来决定转发到 hub还是直接本地写mempalace/server_registry.py。hub 重启或换端口后客户端逐请求重新探测无需改任何配置。2. 稳定的身份体系每个 Agent 需要一个永不更换的稳定身份推荐格式为机器-运行时如mac-claude、windows-codex。事件流的可审计性完全依赖身份稳定——冒充别人或轮换名字都会让追加式日志失去意义。针对同一台机器上两个会话共用一个名字的冲突RFC 005 提出了host:agent:project三元组身份同机同项目 同一行动者不同项目 不同行动者进程和 PID 只是元数据而非身份docs/rfcs/005-agent-identity-routing.md。3. 写路由策略direct / prefer / require当守护进程daemon存在时写入该走哪条路MemPalace 用统一的写路由策略回答这个问题docs/write-routing-policy.mddirect始终走本地直写路径prefer守护进程可用就走它否则回退直写require必须走守护进程否则直接拒绝绝不静默回退防止绕过单写者保护本地文件型后端chroma、sqlite_exact、Milvus Lite每座宫殿只允许一个可写进程可写守护进程独占写者租约直连 CLI 和 hook 的写入在 hub 存活时必须经它路由。hook 侧的行为细节见 docs/hook-write-routing.md策略解析逻辑在 mempalace/write_routing.py。四、一次完整委派记忆如何路由到正确的 Agent 官方指南website/guide/shared-brain.md给出了标准循环请求 → 认领 → 补丁就绪 → 校验 → 应用 → 确认请求mac-claude发出task.request事件正文写清目标、分支、基础提交和完成定义用correlation_id把整段对话串起来认领windows-codex从自己的收件箱长轮询到任务立即ack statusclaimed防止别的 Agent 重复干活交付工作完成后把 diff逐字节存为工件发出patch.ready事件推分支不算交接事件才算校验应用请求方取回工件、比对sha256、经用户可见的明确意图后才git apply闭环以applied/failed/blocked确认收尾并把结论写入一个抽屉——这样以后搜索即可命中无需重放事件流配套守则非常克制事件不可变、载荷必须逐字、每个任务必须有结果确认、绝不静默应用补丁、哈希必须校验。五、5 步搭建你的共享大脑 启动 hub选一台拥有数据或 GPU的机器运行mempalace serve --host 127.0.0.1 --port 8765接入本机 Agent已按 MCP 方式配置的 Agent 会自动代理到 hub零改动接入远程机器保持 loopback 绑定前面加 TLS 反向代理或 tailnet并显式指定 Bearer Tokenloopback 绑定时不会自动生成 token下发身份与协议给每个 Agent 分配machine-harness身份运行mempalace rules --agent 身份把共享大脑规则块渲染进指令文件输出带标记可安全重渲染协议永不漂移保持可唤醒让支持后台进程的 Agent 全程运行mempalace logstream watch监听收件箱退出码 0 即你有新消息纯轮询式的 Agent 也要在每次会话开始和长任务前查一次收件箱六、关键文件速查 内容路径共享大脑完整指南website/guide/shared-brain.md协作协议唯一事实来源integrations/shared/coordination-protocol.md召回协议integrations/shared/recall-protocol.mdLogstream 设计 RFCdocs/rfcs/003-agent-logstream-coordination.md身份与路由 RFCdocs/rfcs/005-agent-identity-routing.md写路由策略docs/write-routing-policy.mdstdio 代理实现mempalace/mcp_proxy.pyhub 发现注册表mempalace/server_registry.py小结MemPalace 的 shared-brain 把记忆与协作拆成两条清晰的通道用单写者 hub 自动代理 追加式事件流解决多 Agent 并发与审计问题。记住那条口诀——该行动的走事件该记住的进抽屉——你就掌握了整套路由策略的核心。【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
