MemPalace 数据挖掘实战Claude Code 中用 /mempalace:mine 命令把项目与对话沉淀进记忆宫殿【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本文以 Claude Code 插件中的/mempalace:mine命令为切入点完整讲解 MemPalace 的挖掘mine能力三种挖掘模式项目文件、对话导出、自动分类、--wing与--extract等关键参数、超大文件预拆分技巧以及挖掘完成后的验证与后续动作。读完后你可以直接把代码仓库、Claude/ChatGPT/Slack 对话导出导入 MemPalace 记忆宫殿并用mempalace search检索其中沉淀的决策、里程碑与问题记录。mine 命令在 MemPalace 中的定位MemPalace 是一个开源的 AI 记忆系统它把项目代码、文档和对话挖掘mine进一个可搜索的本地记忆宫殿palace再通过 MCP 工具供 Claude Code、Cursor、Codex 等 Agent 检索回忆。挖掘是整个工作流的第一环——没有挖掘进宫殿的数据后续的search、status都无从谈起。在 Claude Code 中.claude-plugin/commands/mine.md定义了/mempalace:mine斜杠命令。该命令本身只是一个引导入口其 frontmatter 声明了description: Mine projects and conversations into the MemPalace. Supports project files, conversation exports, and auto-classification.argument-hint: Path to project or conversation export to mine.allowed-tools: Bash, Read, Write, Edit, Glob, Grep正文只有一句话核心指令调用通用 mempalace 技能并执行mine指令然后遵循其输出的步骤。也就是说/mempalace:mine不是把流程硬编码在命令里而是运行时通过 CLI 动态拉取版本正确的操作指引。仓库中同目录的 mempalace-mine.md 给出了具体路径mempalace instructions mine然后在终端里逐步执行它打印出来的步骤。这种设计的好处是文档不会和实际安装的 MemPalace 版本脱节——instructions由当前安装的 CLI 动态生成mempalace/instructions_cli.py 负责渲染 mempalace/instructions/ 目录下的模板其中挖掘指引就是 mempalace/instructions/mine.md。mempalace instructions mine打印的步骤可以归纳为六步下面逐节展开。第一步明确挖掘对象执行挖掘前先和工具确认三件事目标是项目目录代码、文档、笔记还是对话导出Claude Code、Claude.ai、ChatGPT、Slack数据源的具体路径在哪里是否希望开启自动分类把内容归类为 decisions / milestones / problems。三种挖掘模式与核心命令MemPalace 提供三种挖掘模式对应 cli.py 中mine子命令的--mode参数可选值projects与convos默认projects1. 项目挖掘默认模式mempalace mine dir从项目目录中挖掘代码文件、文档和笔记。dir是要挖掘的项目目录。这是日常最常用的模式适合把整个代码库的结构、接口约定、架构决策沉淀进宫殿。2. 对话挖掘mempalace mine dir --mode convos从 Claude、ChatGPT 或 Slack 的对话导出目录中挖掘对话内容。注意--mode convos下位置参数也可以是单个对话文件cli.py 中dir参数帮助文本即 Directory to mine, or one conversation file with --mode convos。CLI 帮助文本给出了一个典型用法mempalace mine ~/.claude/projects/-Users-you-Projects-my_app --mode convos --wing my_app即把 Claude Code 为该应用生成的会话历史位于~/.claude/projects/下挖掘进宫殿并归入my_app分区。3. 通用抽取自动分类mempalace mine dir --mode convos --extract general在对话挖掘的基础上开启自动分类挖掘到的内容会被自动归入decisions决策、milestones里程碑、problems问题三类。分类逻辑由 mempalace/general_extractor.py 实现并有 tests/test_general_extractor.py 覆盖。这是想让记忆宫殿结构化可检索而非仅做全文搜索时的推荐模式。用 --wing 组织挖掘结果Wing分区是宫殿中对内容分组的一级组织单位一个项目/应用通常对应一个 wing。挖掘时通过--wing显式指定mempalace mine dir --wing name从 cli.py 的参数定义可以看到--wing的默认值是目录名default: directory name即不指定时按源目录名归组。显式指定 wing 的价值在于后续检索时可以直接按 wing 过滤例如mempalace search pricing discussion --wing my_app --room costs同一 wing 内还会按 room房间做二级归类。如果你需要理解 wing 的完整数据模型可参考 docs/schema.sql 与 website/concepts/the-palace.mdwing 迁移相关的运维文档见 docs/recovery/wing-name-migration.md。超大文件预拆分mempalace split如果源目录里存在把大量会话拼接在一起的巨型文件挖掘前建议先拆分。指引文档mempalace/instructions/mine.md给出mempalace split dir [--dry-run]先用--dry-run预览将被拆分的内容而不实际改动。结合 cli.py 中split子命令的完整参数定义实际可用的参数比文档示例更丰富mempalace split dir [options]参数说明dir包含 transcript 文件的目录必填位置参数--out dir拆分文件写出目录默认与源文件同目录--dry-run只显示将如何拆分不写文件--min-sessions N仅拆分至少包含 N 个会话的文件默认 2实现位于 mempalace/split_mega_files.py测试见 tests/test_split_mega_files.py。cli.py的cmd_split会将~展开并解析为绝对路径后转发给该模块的main()。执行、观察进度与结果汇总选定模式后运行对应命令挖掘过程中会实时展示进度。从 cli.py 的调用链看mine子命令最终分发到cmd_mine而挖掘的实际执行会经由_submit_daemon_cli_job(mine, ...)提交给本地守护进程daemon异步完成并且支持--background参数让挖掘在后台跑这解释了为什么挖掘大目录时终端可以持续输出进度而不阻塞。挖掘完成后建议核对三项输出挖掘条目数Number of items mined应用了哪些分类decisions / milestones / problems警告与被跳过的文件编码异常、空文件等。编码相关的健壮性处理见 mempalace/encoding_repair.py 与 scripts/mempalace_repair_encoding.py。挖掘之后的验证与后续动作挖掘完成后指引文档建议依次尝试mempalace search 你刚挖掘内容里的关键词 # 检索新挖掘的内容 mempalace status # 查看宫殿当前状态status用于确认宫殿位置、条目规模与后端状态search则验证内容真的可被检索到支持--wing、--room过滤。之后还可以对更多来源其他项目、其他对话导出目录重复挖掘持续扩充宫殿在共享大脑shared-brain场景下把本机的挖掘结果同步给 hub。小结/mempalace:mine在 Claude Code 插件中是一个动态指引型命令它不固化流程而是运行时执行mempalace instructions mine拉取与已安装版本一致的挖掘指引再逐步执行。掌握其三种模式默认项目挖掘、--mode convos对话挖掘、--extract general自动分类、--wing归组、mempalace split预拆分这几点就能把项目与对话可靠地沉淀为可检索的记忆宫殿数据。相关源码与测试入口汇总命令参数定义与分发mempalace/cli.py挖掘指引模板mempalace/instructions/mine.md巨型文件拆分mempalace/split_mega_files.py、tests/test_split_mega_files.py通用抽取分类mempalace/general_extractor.py、tests/test_general_extractor.py对话挖掘mempalace/convo_miner.py、tests/test_convo_miner.py【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