Show HN: Mnemo – 本地優先的AI記憶層，適用於任何大語言模型（Rust, SQLite, petgraph）

Mnemo 是一個開源專案，旨在為大語言模型（LLM）提供持久化的記憶層。與傳統的無狀態對話不同，Mnemo 透過監控每次互動，自動提取命名實體及關係，並構建儲存在 SQLite 中的知識圖譜，從而在後續對話中注入相關上下文。整個過程在 50 毫秒內完成，無需依賴任何雲服務。

Mnemo 採用 Rust 編寫，核心由四個 crate 組成：mnemo-core 負責實體提取、圖操作和檢索引擎；mnemo-api 提供 Axum REST API；mnemo-cli 是命令列工具；mnemo-bench 用於效能基準測試。其工作流程簡單高效：使用者透過 POST /ingest 提交文本，Mnemo 呼叫 LLM 提取實體並更新圖譜；後續透過 POST /retrieve 獲取經過排序和排名的上下文，自動注入到系統提示中。

部署選項靈活多樣。使用者可以透過 Docker Compose 一鍵部署（推薦與 Ollama 配合使用），也可直接執行預編譯的二進位制檔案，或透過 Python SDK 整合。支援多個 LLM 提供商：Ollama（完全本地，免費）、OpenAI、Anthropic 及其他相容 OpenAI 介面的後端。

API 設計完整，涵蓋健康檢查、記憶儲存與檢索、實體和塊的管理、全文搜尋以及一鍵清空所有記憶等功能。所有端點返回 JSON。此外，還提供豐富的配置選項，包括環境變數和 TOML 配置檔案。

效能方面，在 Apple M2 上的除錯構建測試顯示，實體插入延遲約 0.12 毫秒，完整檢索管線約 4.2 毫秒；釋出構建預計快 3–5 倍。專案包含 122 個 Rust 測試、21 個 Python 測試和 12 個基準測試。

Mnemo 以 MIT 許可證開源，歡迎貢獻。更多細節請參閱 GitHub 倉庫。