Palace

コーディングエージェントのためのローカルファーストなメモリ。
セッションをまたいで、エージェントが決定事項、修正内容、コマンド、設定を覚えておけます。
バイナリは1つ、SQLiteファイルは1つ。APIキーもクラウドも不要です。

クイックスタート · インストール · 仕組み · クライアント · CLI · MCP ツール · FAQ

Palace を使うと、Claude Code、Codex、Cursor、Gemini CLI、VS Code、OpenCode、 Cline、Zed、Goose、Windsurf、Claude Desktop が、セッションをまたいで 記憶を保持できます。起きたことをそのまま保存し、関連する場面で自動的に呼び出して、 それぞれの回答の出典を示します。

You:    why did we switch the queue to SQLite last month?
Agent:  [palace_search → wing my_api, room decisions, filed 2026-09-03]
        You dropped Redis because the deploy target had no persistent volume.
        The benchmark you ran is in the same drawer.

🧭 Palace を選ぶ理由

新しいエージェントのセッションは、記憶がない状態で始まります。アーキテクチャを もう一度説明することになります。エージェントは、先週却下した修正を繰り返します。 数か月前に決めた規約を見つけ直すため、リポジトリ全体を grep します。

Palace は次の方法でこれを解決します。

• テキストをそのまま保存します。 コード、メモ、会話は、詳細が失われる LLM の要約ではなく、 書かれたとおりに保存されます。
• ローカルで動作します。 埋め込みには、CPU 上で ONNX Runtime を使い、 all-MiniLM-L6-v2（または対応モデル）を実行します。 リモートモードを有効にしない限り、データがマシンの外に出ることはありません。
• 頼まれなくても記憶を呼び出します。 セッション開始時、プロンプト送信時、 エージェントの調査中に、フックが関連する記憶を挿入します。 エージェントが検索を覚えておく必要はありません。
• 出典を示します。 すべての検索結果に、ウィング、部屋、ソースファイル、引き出し ID、 スコアの内訳が含まれるため、回答の出典を確認できます。
• 単一のバイナリとして提供します。 Python、ベクトルデータベース、Docker は不要です。 palace 実行ファイル1つと palace.db ファイル1つだけです。

ソフトウェアプロジェクト以外でも使えます。creative および personal プロファイルは、世界観の構築、創作、コーチング、家庭のメモに合わせて 設定を調整します。

📦 インストール

いずれかの方法を選んでください。どの方法でも palace バイナリがインストールされます。その後、palace install を実行してエージェントを接続します。

macOS / Linux

curl -fsSL https://raw.githubusercontent.com/AncientiCe/palace-rs/main/scripts/install.sh | sh

Windows（PowerShell）

irm https://raw.githubusercontent.com/AncientiCe/palace-rs/main/scripts/install.ps1 | iex

スクリプトは対応する GitHub Release バイナリをダウンロードし、SHA-256 チェックサムを検証してインストールします。後でアップグレードする場合は、同じコマンドをもう一度実行してください。

Homebrew（macOS Apple Silicon / Linux）

brew tap AncientiCe/palace
brew install palace

アップグレードするには、先に tap を更新してください。brew update を実行しないと、Homebrew が古いバージョンをインストール済みとして報告し続ける場合があります。

brew update && brew upgrade palace

リリースでメモリプロトコルのルールが変更された場合（CHANGELOG に記載されます）、その後 palace install をもう一度実行して、エージェントに新しいルールのテキストを反映してください。

MCP registry / MCPB bundle。 Palace は公式の MCP registry に io.github.ancientice/palace-rs として登録されています。各リリースには palace-<version>.mcpb バンドル（Linux x86_64、macOS arm64、Windows x86_64）も含まれており、Claude Desktop など、MCPB 対応ホストにワンクリックでインストールできます。

ソースから

git clone https://github.com/AncientiCe/palace-rs && cd palace-rs
cargo build --release   # binary at target/release/palace

埋め込みモデル（約 90 MB）は、初回のマイニングまたは検索時に Hugging Face からダウンロードされ、その後 ~/.cache/huggingface にキャッシュされます。

⚡ クイックスタート

palace install            # connect every supported agent on this machine
palace doctor             # check that every client is wired up
palace init ~/my-project --yes --auto-mine   # detect rooms, write palace.yaml, mine

MCP 設定を再読み込みするため、エージェントアプリを再起動してください。次に、以下を試してみてください。

「このプロジェクトではデータベースのマイグレーションをどのように処理するか、何が分かっていますか？」

エージェントは palace_search を呼び出し、使用した引き出しを示しながら、メモリに基づいて回答します。ターミナルから検索することもできます。

palace search "how did we decide on the database schema"

以降、エージェントはまとまった作業の後に日誌エントリーを記録し、長期的に保持する決定事項を事実として保存します。翌日には、どのエージェントからでも、今日の続きから作業を始められます。

🔍 仕組み

palace

メモリは建物のように整理されるため、検索対象を絞り込めます。

_{図 1. 1 つの宮殿に複数の棟があります。部屋ごとに引き出しがまとめられ、知識グラフと日誌はそれらと並んで配置されます。}

棟には、プロジェクト棟（ディスク上のフォルダー。palace mine で作成）と、トピック棟（フォルダーを持たず、チャット履歴や会議メモなどを扱い、palace_create_wing で作成）があります。

検索

flowchart LR
    Q["💬 Question<br/>from you or the agent"] --> S["Sanitize<br/>strip pasted dumps"]
    S --> I["Classify intent<br/>decision · how_to · preference …"]
    I --> H["Hybrid search<br/>BM25 + cosine"]
    H --> B["Coding boosts<br/>+ preference pass"]
    B --> R{"Rerank?<br/>optional"}
    R --> OUT["📎 Results<br/>scores + source + neighbours"]
    DB[("palace.db<br/>local embeddings")] -.-> H

_{図 2. クエリが処理される流れ。すべての処理はローカルの CPU 上で実行されます。}

検索では、BM25 キーワードスコアとローカル埋め込みのコサイン類似度を組み合わせます。その後、コーディングに関する質問には意図に応じたブーストを適用します。各クエリは preference、decision、how_to、definition、temporal、unknown のいずれかに分類されます。「コミットの好みはどうでしたか？」のような、好みに関する質問には、タグ付けされた好みのスパンを対象とする専用の検索処理が行われます。ローカルのクロスエンコーダーによる再ランク付けもオプションとして利用できます（--rerank または PALACE_RERANK=1）。

埋め込みモデル

Palace には all-MiniLM-L6-v2 が付属しており、Palace を別の ローカルモデルに切り替えることができます。各ベクトルは保存済みのテキストから再構築されるため、切り替えても メモリが失われることはありません。

試験的なモデルはコーディングエージェント評価では MiniLM を下回りましたが、 実際の Palace から抽出したプローブではより高いスコアを記録しました（ ベイクオフを参照）。ご自身の Palace で試すことができます。 切り替えるかどうかは検証によって決まります。

palace embeddings list                       # models, which is active, which are downloaded
palace embeddings estimate minilm-l6-v2-q8   # time, disk and latency, measured on this machine
palace embeddings migrate minilm-l6-v2-q8    # build, verify, switch
palace embeddings rollback                   # back to the previous model, instantly
palace embeddings cleanup                    # drop the previous model's vectors

migrate は検索で現在のモデルを使い続けながら、新しいベクトルをバッチ処理で構築するため、 中断して再実行しても安全です。ベクトルの構築後、Palace から取得した既知アイテムのプローブ 200 件を使って、 新しいモデルと現在のモデルを比較します（ハイブリッドとベクトルのみの recall@1/@5、およびクエリの レイテンシ）。recall@5 の低下が 0.01 以下で、p95 クエリレイテンシが 予算内に収まる場合にのみ切り替えます。予算は現在のモデルの p95 の 2 倍、かつ 最低 25 ms です。強制的に切り替えるには palace embeddings cutover --force を、 現在のモデルを維持するには palace embeddings cancel を実行してください。

config.json の embedding_model（または PALACE_EMBEDDING_MODEL）を設定すると、 新規の空の Palace に使用するモデルを指定できます。既存の Palace が自動で切り替わることは ありません。palace status、palace_status、palace_session_context は、 migrate を実行するまで保留中の移行を報告します。移行が自動で行われることはありません。 migrate を実行するか、エージェントに実行を依頼してください。エージェントは palace_embeddings MCP ツールを使用します（サーバーのバックグラウンドで同じ手順を実行します）。 リモートモードではサーバーがモデルを管理するため、これらのコマンドはサーバー上で実行されます。

エージェントが生成したクエリダンプは、検索前にクリーンアップされます。結果には スコアの由来（combined、cosine、bm25、coding_boost、 preference_match、rerank_score、intent）と、同じソースファイル内の 隣接するチャンクが含まれます。

自動想起（フック）

palace install はユーザーレベルのフックを登録するため、プロジェクトごとのファイルを編集しなくても、すべてのプロジェクトでメモリが機能します。

_{図3。3つのフックがメモリをセッションに読み込みます。4つ目のフックは、セッションで得た教訓が確実に書き戻されるようにします。}

自動想起の対象は現在のプロジェクトに限られます。他のプロジェクトのウィングにある引き出しや、他のプロジェクトの日誌は含まれません。トピックウィングは引き続き表示されます。

すべてのフックはフェイルオープンで動作します。palace が存在しないか空の場合、エージェントは通常どおり動作します。

メモリプロトコル

palace install は、各クライアントの指示ファイルにも短いルールを書き込みます。このルールでは、エージェントがメモリを使うタイミングを指定します。

1. セッション開始時： palace_status → palace_session_context → palace_diary_search。
2. 過去の決定事項、好み、履歴に関する質問に回答する前： grep より先に palace_search と palace_kg_query。
3. 作業後： palace_diary_write に加えて、長期保存する事実には palace_kg_add。

現在のシンボル、正確な定義、解析後に変更された可能性のあるコードについては、引き続き grep を最初に使うのが適切です。

9つのプロトコルツールには _meta."anthropic/alwaysLoad" = true が設定されているため、Claude Code 2.1.121 以降では、ツール検索の背後に保留されず、読み込まれた状態が維持されます。

メモリレイヤー

palace wake-up は L0 と L1 を出力します。エージェントは MCP ツールを通じて L2 と L3 にアクセスします。

🔌 サポート対象のクライアント

palace install はデフォルトですべてのサポート対象クライアントを設定します （--client all）。Gemini CLI、VS Code、Windsurf、OpenCode、Cline、Zed、Goose は、 設定フォルダーが存在する場合にのみ含まれるため、Palace が未導入のエージェントを設定することはありません。 特定のクライアントを明示的に設定するには、--client <name> を使用します。

ルールファイルは管理ブロックとして書き込まれます。既存の内容は保持されます。

palace install --client claude                       # one client only
palace install --scope project --path ./my-project   # project-level rule files
palace install --no-rule                             # MCP wiring only, no rule
palace install --dry-run                             # preview the changes
palace uninstall                                     # undo everything

--scope project を指定すると、ルールは <project>/CLAUDE.md、<project>/AGENTS.md （Codex、OpenCode、Cline、Zed、Goose）、<project>/GEMINI.md、<project>/.github/copilot-instructions.md、 <project>/.windsurf/rules/palace.md、<project>/.cursor/rules/palace.mdc に書き込まれます。 Cursor、VS Code、OpenCode には、プロジェクト用の MCP 設定（.cursor/mcp.json、.vscode/mcp.json、opencode.json）も追加されます。

{
  "mcpServers": {
    "palace": { "command": "palace", "args": ["mcp"] }
  }
}

[mcp_servers.palace]
command = "palace"
args = ["mcp"]

claude mcp add palace -- palace mcp

MCP プロンプト

Claude Desktop はフックを実行できないため、サーバーのプロンプト選択画面で次の 2 つのプロンプトを利用できます。

プロファイル

プロファイルを変更すると、エージェントのルール、プロトコルのテキスト、palace init が検索するルームが変わります。

palace install --profile creative

プロファイルは ~/.palace/config.json に保存されます。1 つのプロセスでのみプロファイルを上書きするには、PALACE_PROFILE を設定してください。

リモートモード（チームで共有するメモリー）

デフォルトでは、palace mcp はローカルの Palace を提供します。リモートモードでは、これを商用のセルフホスト可能なチーム版である Palace Server への stdio-to-HTTP ブリッジとして動作させます。クライアントの登録方法は変わりません。

palace remote set --endpoint https://palace.yourco.com   # prompts for the ps_… API key
palace remote on
palace remote test      # runs the MCP handshake and reports the tool count
palace remote status    # mode, endpoint, masked key
palace local            # back to the local palace

🧰 CLI リファレンス

すべてのフラグを確認するには、palace <command> --help を実行してください。

セットアップ

メモリーの追加

メモリーの検索

メンテナンス

サーバー

プロジェクトのマイニング

flowchart LR
    DIR["📁 Your repo"] --> F["Filter<br/>.gitignore + skip build dirs"]
    F --> C{"Changed since<br/>last mine?"}
    C -- no --> SKIP["Skip"]
    C -- yes --> CH["Chunk + pick room<br/>using palace.yaml"]
    CH --> E["Embed locally<br/>all-MiniLM-L6-v2"]
    E --> DB[("palace.db")]

_{図 4. 変更されたファイルのみを処理するため、マイニングは何度実行しても低コストです。}

palace mine は .gitignore を尊重し、.git、node_modules、 target、build、dist、vendor などのビルド出力をスキップします。一般的なテキスト形式とソース形式を読み込みます：md、txt、rs、py、js、ts、tsx、go、 java、rb、sh、sql、json、yaml、toml、html、css、csv など。

palace mine ~/my-project \
  --wing my_project            # override the wing name
  --limit 100                  # process at most 100 new or changed files
  --dry-run                    # preview without storing
  --no-gitignore               # ignore .gitignore rules
  --include vendor,third_party # force-include these paths

--limit を指定した実行は再開できます。次回の実行では、前回停止した位置から続行します。

palace gain で価値を測定する

palace gain                       # last 30 days
palace gain --project my_project --since 7d
palace gain --history             # recent tool calls
palace gain --json
palace gain --record <query_id> <drawer_id> useful   # or not_useful / wrong_answer

palace gain - last 30d (my_project)
  Tool calls         : 412   (sessions: 27)
  Hit rate           : 88%   (search hits 142/162)
  Precision@1        : 92%
  Precision@5        : 95%
  Tokens saved (est) : ~78,400
  Re-index skipped   : 31    (duplicate drawers avoided)
  KG facts recalled  : 56
  Diary recalls      : 8
  Repeat Qs avoided  : 19
  p95 latency        : 41 ms

利用状況のメタデータは、ローカルの palace.db に保存されます。記録を無効にするには、PALACE_GAIN_DISABLED=1 を設定してください。

🧩 MCP ツール

🔧 設定

設定は、環境変数、~/.palace/config.json、デフォルト値の順に読み込まれます。

config.json では、同じ設定をキーとして指定します：palace_path、profile、 entity_languages、topic_wings、people_map、mcp_mode、 remote_endpoint、remote_api_key、embedding_model、 embedding_latency_budget_ms。Palace は、このファイルに所有者のみがアクセスできる 0600 権限を設定して書き込みます。

palace.yaml（プロジェクトごと）

palace init でこのファイルが作成されます。ファイルと部屋の対応付けを調整するには、編集してください：

wing: my_project
rooms:
  - name: backend
    description: Server and API code
    keywords: [api, server, routes, models]
  - name: frontend
    description: UI components
    keywords: [ui, components, pages, views]
  - name: general
    description: Everything else
    keywords: []

📊 ベンチマーク

コーディングエージェントのメモリ評価

現実的なプロジェクトの記憶（決定事項、過去の失敗、コマンド、 規約、好み、現在の方針）を用いたフィクスチャで、次のような質問が 51 件あります：

• なぜバンドル版 sqlite を選んだのか？
• 前回、マイグレーションテストの失敗をどのように修正したのか？
• どの clippy コマンドを実行すればよいのか？

cargo test --test coding_agent_eval -- --nocapture

テストでは recall@1 と recall@5 が報告され、検索結果が固定のしきい値を下回ると失敗します。重要な問いに答えるものです。コーディングエージェントは、必要なときに適切なプロジェクトコンテキストを見つけられるでしょうか？

この評価は、意図的に一部調整されています。 ランカーのコーディングエージェント向けブーストには、評価用の質問から抽出したいくつかのフレーズ（「explain themselves」、「proof priority」、「release theme」など）が含まれているため、ここおよび以下の比較評価での調整済みスコアは、一般的なランキングだけの場合より高くなります。一般的な改善によって同じ数値に到達するまで、これらのフレーズを維持し、その後削除します。同じコードで、これらのフレーズを削除して測定した結果：

これらのフレーズは、この評価以外には影響しません。実際の palace のプローブと、セッションごとの LongMemEval のランキングはすべて、フレーズの有無にかかわらず同一です。

埋め込みモデルの比較

tests/embedding_bakeoff.rs は、埋め込みドロワーを使ったこの評価と、実際のパレスから取得した既知アイテムのプローブ200件で、すべての埋め込みモデルを評価します。また、インデックス作成のスループットとクエリのレイテンシも測定します。各プローブはドロワー内の文で、単語の約30％を削除しています。

PALACE_RUN_BAKEOFF=1 PALACE_BAKEOFF_DB=~/.palace/palace/palace.db \
  cargo test --release --test embedding_bakeoff -- --nocapture

10,700ドロワーのパレスから抽出した400ドロワーでのハイブリッド再現率。Windows、16スレッド。BGEは、コサイン類似度の下限を0.5にし、コサイン類似度とBM25を均等に組み合わせると最高の順位付けを実現します。この設定はレジストリエントリに含まれています。コーディングエージェントの評価でMiniLMと同等の結果を出したモデルのみ、非実験版として提供されます。そのため、実際のパレスでのプローブでは優れた結果を出しているものの、BGEモデルは現時点では実験版のままです。verify は切り替える前に、ユーザー自身のパレスで同じ測定を行います。

LongMemEval

LongMemEval s_cleaned での検索再現率。評価対象は質問470件で、それぞれ約50セッション、11万5千トークンのヘイスタックを対象とします。標準的な手順に従い、回答保留の質問30件は除外しています。

交換ペアの行は、Palaceが実際に会話を保存する方法です。各セッションは palace mine-convos と同じノーマライザーとチャンク分割器を通り（ユーザーの各ターンとその返答を1チャンクにまとめる）、セッション内で最も評価の高いチャンクに基づいて順位付けされます。セッションごとの行は、他のシステムと比較するための、LongMemEvalで一般的な粒度です。

🔒 プライバシーとデータ

• デフォルトですべてローカルに保存されます。 SQLite ファイルは ~/.palace/palace/palace.db にあります。埋め込みは CPU 上で計算されます。
• ネットワークアクセスは、Hugging Face からの初回のモデルダウンロードと、リモートモードを有効にした場合のご自身の Palace Server に限られます。
• テレメトリーはありません。 palace gain の統計情報はローカルデータベースのみに書き込まれます。
• バックアップには palace export を使うか、palace.db をコピーしてください。
• 削除するには、palace_forget で単一のメモリを削除するか、~/.palace を削除してすべてを消去してください。

Palace は、マイニングした内容をすべて保存します。リポジトリをマイニングする前に、.gitignore で秘密情報を除外してください。

🩺 トラブルシューティング

❓ FAQ

📚 Palace をライブラリとして使う

Palace は Rust クレート（palace）としても利用できます。Git の依存関係として追加してください。

[dependencies]
palace-rs = { git = "https://github.com/AncientiCe/palace-rs", default-features = false }

use palace::{db, knowledge_graph, store};

let conn = db::open_in_memory()?;
store::add_drawer(&conn, "wing_code", "backend",
    "We use SQLite with WAL mode for concurrent reads.",
    None, "architecture.md", 0, "example", 4.0)?;
knowledge_graph::add_triple(&conn, "Palace", "stores_data_in", "SQLite",
    Some("2026-04-01"), None, 1.0, None, None)?;

default-features = false を指定すると、CLI の依存関係が除外されます。完全な例については、examples/basic_usage.rs（cargo run --example basic_usage）をご覧ください。palace::palace::Palace::search_with_provenance は、MCP ツールと同じスコアの詳細を返します。

🧪 開発

cargo fmt
cargo clippy --all-targets --all-features -- -D warnings
cargo test --all-features
cargo audit

テストではインメモリー SQLite を使用し、埋め込みモデルを必要とするテストのみがモデルを読み込みます。CONTRIBUTING.md、SECURITY.md、CHANGELOG.mdをご覧ください。

🚚 以前のバージョンからの移行

palace init ~/my-project --yes --auto-mine
palace mine-convos ~/Desktop/transcripts
palace status

📜 ライセンス

MIT