Как не объяснять ИИ-агенту проект заново: память AgentMemory
Самая утомительная часть работы с ИИ-агентом начинается не в момент ошибки, а в момент нового старта. Открываешь сессию и снова объясняешь, где лежат файлы, какие решения уже приняты, что нельзя трогать, какие подходы провалились и почему проект устроен именно так. Если работа длинная, этот повтор съедает не только время, но и качество: часть контекста теряется, агент начинает наступать на те же ошибки, а человек превращается в живой буфер памяти.
AgentMemory интересен не как очередная надстройка для агентских IDE, а как симптом зрелости: память становится отдельным слоем рабочего процесса. В посте из канала для журнала инструмент описан как плагин, который подключается к разным ИИ-агентам, сохраняет действия и проекты в общую базу и помогает не объяснять контекст заново. Но важный навык здесь шире одного репозитория: научиться вести память агента так, чтобы она помогала работе, а не превращалась в свалку.
Память не должна быть просто историей чата
Если агенту дать всю историю подряд, это не обязательно станет памятью. История чата часто содержит шум: промежуточные мысли, неактуальные команды, временные догадки, старые версии плана. Рабочая память отличается тем, что она сжимает опыт в устойчивые элементы.
Например, полезно помнить не “мы долго обсуждали публикацию”, а конкретное правило: перед публикацией статьи draft.md не должен содержать SEO-заголовок и meta description. Полезно помнить не “мы пробовали скрипт”, а итог: такой-то подход не сработал, потому что ломал кодировку или дублировал очередь. Полезно помнить не все эмоции процесса, а решение, которое влияет на следующую сессию.
Мы уже разбирали память агента через Hindsight и Graphiti: там важна архитектура, граф фактов и событий, извлечение опыта из действий. AgentMemory ближе к пользовательской задаче: как дать агенту постоянную опору между Claude Code, Codex, Cursor и похожими рабочими средами. В обоих случаях вопрос один и тот же: что именно достойно стать памятью.
Навык: заключить договор с памятью
| Что попадает в агентскую память | Что хранить | Что не стоит хранить |
|---|---|---|
| Факты проекта | структура папок, рабочие команды, публичные ссылки, правила публикации | токены, пароли, приватные ключи, одноразовые черновики |
| Решения | почему выбран конкретный подход, какие ограничения приняты | случайные предположения без проверки |
| Ошибки | провалившиеся команды, сломанные сценарии, причины отката | стыдные подробности, которые не помогают будущей работе |
| Предпочтения | стиль текста, формат отчетов, правила общения | личные данные без необходимости |
| Проверки | какие тесты и ревью обязательны перед действием | “вроде работает”, если это не подтверждено |
Память агента должна начинаться не с установки плагина, а с договора. Человек заранее определяет, какие типы сведений агент имеет право переносить между сессиями. Тогда память работает как рабочий журнал, а не как подслушивающая коробка.
Для личного проекта это может быть простой набор правил:
Запоминать:
- постоянную структуру проекта;
- решения, которые уже приняты;
- ошибки и неудачные подходы;
- стиль результата, который нравится человеку;
- обязательные проверки перед публикацией, отправкой или изменением.
Не запоминать:
- токены и секреты;
- приватные переписки без явного смысла для задачи;
- временные черновики, которые уже устарели;
- догадки, не прошедшие проверку.
Перед использованием памяти:
- показать, какие воспоминания применяются;
- дать человеку возможность поправить или удалить их;
- не выдавать память за источник истины, если она не подтверждена текущими файлами.Такой договор особенно важен для агентской работы с кодом и публикациями. Агент может помнить, что в проекте есть обязательная проверка перед выпуском, что служебные поля не попадают в публичный текст, а конкретный формат рабочих файлов нужен не для красоты, а для последующей автоматизации.
Где память экономит время
Самый очевидный выигрыш — меньше повторных объяснений. Но главный эффект глубже: память помогает не терять качество между сессиями. Если агент помнит прошлые решения, он быстрее входит в работу. Если он помнит провалившиеся подходы, он меньше гоняет человека по кругу. Если он помнит правила проверки, он не публикует черновик как готовый результат.
В статье про память ИИ-проекта мы уже фиксировали похожую идею: проекту нужны не только файлы, но и передаваемая рабочая память. AgentMemory добавляет к этому практический слой: память можно сделать не документом для человека, а частью среды, в которой работает агент.
Но автоматическая память не отменяет проверку. Если агент вспоминает старое правило, он должен свериться с текущим состоянием проекта. Если память говорит, что очередь публикаций была здоровой вчера, это ничего не значит сегодня. Если память помнит старую ссылку, ее нужно проверить перед публикацией.
Рабочая карточка
Когда использовать: если агент работает с одним проектом дольше одной сессии и человеку приходится повторять одни и те же правила.
Что подать на вход: структуру проекта, постоянные правила, список запретов, типовые ошибки, обязательные проверки.
Что сделать по шагам:
- Отделить постоянные правила от временных заметок.
- Записать, какие сведения можно переносить между сессиями.
- Запретить хранение секретов и чувствительных данных.
- Настроить память так, чтобы она ссылалась на факты, а не заменяла проверку.
- После каждой серьезной ошибки добавлять короткий вывод: что не повторять.
- Раз в неделю чистить память от устаревших решений.
Как проверить качество: новая сессия должна быстро понять проект, но не должна действовать вслепую. Хороший агент вспоминает правило и тут же проверяет его по текущим файлам.
Когда не использовать: если задача разовая, данные чувствительные, правила еще меняются каждый час или человек не готов ревизовать накопленную память.
Какой навык собирается: вести долговременную память ИИ-агента как рабочий инструмент, а не как бесконечную историю переписки.
Главное
AgentMemory показывает важный сдвиг: агентам уже недостаточно быть умными в одной сессии. Для реальной работы им нужна аккуратная память о проекте, решениях и ошибках. Но память ценна только тогда, когда у нее есть границы.
Хорошая память агента не говорит: “я всё помню”. Она говорит: “вот какие правила я применяю, вот откуда они взялись, вот что я сейчас проверю заново”.
Источники: AgentMemory на GitHub, материалы ONFF про память ИИ-агента и память ИИ-проекта.
