Как вести память ИИ-проекта: правила, сессии и решения без хаоса

Один из главных вопросов ИИ-нейтив работы звучит просто: как проект помнит, что уже происходило. Не только документы и файлы, а решения, исключения, привычки команды, типовые ошибки, рабочие навыки, контекст сессий и правила, которые нельзя каждый раз объяснять заново.

Если всю память свалить в один большой файл, агент начинает путаться. Если ничего не хранить, каждая сессия начинается с нуля. Рабочее решение посередине: разделить память проекта на слои и заранее решить, что живет в каждом слое.

Что здесь меняется

В Claude Code память проекта строится вокруг файлов инструкций: документация описывает уровни от организационных и пользовательских правил до project instructions в CLAUDE.md и локальных CLAUDE.local.md. OpenAI Agents SDK отдельно поддерживает sessions: историю конкретного взаимодействия между запусками агента. Эти два подхода показывают важное различие: постоянные правила и текущая история задачи — разные виды памяти.

Как это переводится в рабочий прием

Для практики это означает, что проекту нужен не «больше контекста», а правильная раскладка контекста. Долговременные правила должны быть короткими и стабильными. История сессии должна помогать продолжать работу, но не тащить весь мусор. Решения нужно фиксировать отдельно, потому что именно они объясняют, почему команда выбрала один путь и отказалась от другого.

Как собрать навык

Что решить	Как думать	Что проверить
Что хранить в правилах?	стандарты, команды, запреты, архитектурные нормы	не меняется ли это каждый день
Что хранить в сессии?	текущую задачу и недавний ход работы	не раздувается ли история
Что хранить в решениях?	причины выбора, исключения, прецеденты	можно ли объяснить будущему агенту почему
Что хранить в навыках?	повторяемые процедуры	можно ли запустить без нового объяснения

Рабочий прием: раз в неделю проводить уборку памяти. Что стало правилом — в project instructions. Что было одноразовым ходом — оставить в сессии или архиве. Что объясняет выбор — в журнал решений. Что повторяется — оформить в навык. Так контекст становится короче, но полезнее.

1. 1
   Шаг 1

   Когда использовать: в любом проекте, где ИИ работает не один раз, а регулярно.

2. 2
   Шаг 2

   Что подать на вход: текущие правила, последние сессии, решения и повторяемые операции.

3. 3
   Шаг 3

   Что сделать по шагам: разделить постоянное, временное, процедурное и проверяемое.

4. 4
   Шаг 4

   Какой результат получить: агент стартует быстрее и меньше спрашивает одно и то же.

5. 5
   Шаг 5

   Как проверить качество: новая сессия должна понять проект без длинного пересказа.

6. 6
   Шаг 6

   Когда не использовать: если это одноразовая задача без продолжения.

7. 7
   Шаг 7

   Какой навык собрать: еженедельная ревизия памяти ИИ-проекта.

Где граница

Память может навредить. Старое правило может стать ложным, длинная история может вытеснить важный контекст, а случайное решение может превратиться в догму. Поэтому память нужно не только пополнять, но и чистить.

Редакционный вывод:

Хорошая память ИИ-проекта не самая большая. Хорошая память разделяет правила, историю, решения и процедуры так, чтобы агент видел нужное в нужный момент.

Что сделать сегодня

Откройте текущий проект и создайте четыре раздела: правила, решения, процедуры, проверки. Перенесите туда только то, что действительно поможет следующей сессии. Все остальное лучше оставить в архиве, а не в рабочем контексте.

Graphiti и Hindsight: память AI-агентаЛокальная база знаний для файлов

Источники

1. Claude Code docs: memory
2. OpenAI Agents SDK: sessions
3. OpenAI Cookbook: session memory
4. ONFF: Hindsight vs Graphiti

Теги

• ИИ-инструменты
• ИИ-агенты
• Рабочие процессы
• Практика