企业官网建设流程全解析

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 it's 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projects）：

1. 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.md；wing 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]

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 it's free.项目地址: https://gitcode.com/GitHub_Trending/me/mempalace