Боль: агент с амнезией
Каждый, кто работает с AI-агентами, знает ощущение: ты объяснил контекст проекта, показал структуру, обсудил решения - а в следующей сессии агент всё забыл. Опять здрасьте. Опять “расскажите про ваш проект”.
Это как работать с архитектором, у которого каждое утро стирается память. Он талантлив, быстр, но каждый день - новый человек.
У меня 12+ активных контекстов: рабочие проекты (Wildberries), личные проекты (aitrader, archlint), блог, коучинговая практика, обучение, целеполагание. Переключение между ними без памяти превращалось в ритуал: 5-10 минут на “загрузку контекста” в начале каждой сессии.
Стало ясно: нужна архитектура памяти.
Как устроена человеческая память
Прежде чем проектировать, я посмотрел на то, как работает память у людей. Параллельно с архитектурой я изучаю коучинг - и там постоянно всплывает тема того, как люди обрабатывают информацию. Заметил структурное сходство.
У людей так же:
- Рабочая память (Short-Term) - то, с чем работаешь прямо сейчас. Ограничена: ~7 элементов одновременно. Через 3-6 месяцев без обращения - забывается.
- Долговременная память (Long-Term) - дистиллированные знания. Не “что я делал во вторник”, а “какой паттерн я увидел за три месяца работы”.
- Архив - не удалено, но не на поверхности. Доступно при целенаправленном поиске.
Ключевой момент: переход из Short-Term в Long-Term - не автоматический. Нужна осознанная обработка. В коучинге это рефлексия. В моей системе - еженедельный ревью.
Архитектура решения
Три уровня памяти
Я реализовал три уровня, зеркалирующих человеческую модель:
| |
Short-Term - inbox для всего нового. Сырые заметки, текущие задачи, эксперименты. Максимум 50 активных файлов. Если больше - пора делать ревью.
Long-Term - база знаний. Сюда попадает только то, что прошло фильтр ценности:
- Переиспользуемость (применимо 3+ раз)
- Обучающая ценность (ага-момент, важная ошибка)
- Референсная ценность (пример для копирования)
Archive - завершенные проекты, обработанные заметки. Не удалено, но убрано с глаз.
Контексты: переключение за секунду
Вторая проблема - переключение между проектами. Решение: система контекстов.
| |
Каждый контекст знает:
- directory - рабочая директория проекта
- memory.short_term - где хранить текущие заметки
- memory.long_term - где хранить дистиллированные знания
Переключение: одна команда /w coaching - и агент знает где он, что помнить, какие файлы читать.
Индекс активностей: навигация по всему
Контексты решают проблему “где я”. Но остается вопрос: “где искать информацию по теме X?”. Для этого - глобальный индекс активностей.
| |
Принцип работы:
Кросс-контекстный поиск: связи между контекстами
Самая интересная архитектурная задача. Информация часто пересекает границы контекстов.
Пример: тема “границы” может всплыть в коучинге (запрос клиента), в психологии (тема для терапии), в рабочем контексте (обратная связь коллеге). Как не потерять связь?
Решение: кросс-ссылки на уровне глобального индекса, а не дублирование информации между контекстными индексами.
Правило: каждый контекстный индекс отвечает только за свой контекст. Связь между контекстами - через поле “Связанные активности” в глобальном индексе.
| |
Антипаттерн: дублировать ссылки на “Темы для психолога” внутри Coaching/INDEX.md. Это нарушает single responsibility - индекс коучинга не должен знать про психологию. Связь - только через глобальный уровень.
Жизненный цикл знаний
Данные без обработки - мусор. Система памяти работает, только если есть процесс трансформации.
Критерии перехода в Long-Term
Не всё заслуживает долговременной памяти. Четыре фильтра:
- Переиспользуемость - применимо 3+ раз (методики, шаблоны, чек-листы)
- Обучающая ценность - ага-момент, важная ошибка, смена парадигмы
- Референсная ценность - пример для копирования (код, кейс, формат)
- Паттерн - повторяющаяся проблема + решение
Всё остальное - одноразовые заметки, устаревшие TODO, рутинные логи - удаляется или уходит в архив.
Еженедельный ревью
Раз в неделю - 30-40 минут на обработку Short-Term:
- Просмотреть файлы за неделю
- Выделить ценное для Long-Term
- Трансформировать: сырые данные -> структурированные знания
- Архивировать обработанное
- Удалить мусор
Метрики здоровой системы:
- Short-Term: 30-50 активных файлов
- Long-Term: +2-5 новых записей в неделю
- Archive: регулярное пополнение
Параллель с коучингом
Когда я проектировал эту систему, я заметил параллели с тем, что изучаю в коучинге.
Short-Term = Рабочая осознанность
Когда человек разбирается в сложной ситуации, он сначала выгружает всё, что на поверхности: факты, эмоции, людей, обстоятельства. Это рабочая память - хаотичная, перегруженная, но актуальная. Short-Term Memory в моей системе работает так же: собирает всё, что сейчас активно, без фильтрации.
Long-Term = Мудрость через рефлексию
Long-Term - это не “запомнить всё”. Это “понять, что важно”. Лучшие инсайты приходят не в момент обсуждения, а позже - когда человек рефлексирует и видит паттерн. Еженедельный ревью - это та самая рефлексия, только для базы знаний.
Кросс-контекст = Системное мышление
Проблема редко живет в одном контексте. Одна и та же тема может всплыть и на работе, и в личных проектах, и в обучении. Кросс-ссылки в системе памяти - это способ видеть одну тему с разных сторон, расширить перспективу.
Architect of Thinking
Изучая коучинг, я разработал авторский фреймворк на стыке архитектуры и работы с мышлением - Architect of Thinking. Формула:
Контекст -> Цель -> Карта -> Узел -> Решение -> Шаг
Это ровно то, как архитектор работает с системой: сначала изучи (контекст), определи цель, построй карту, найди bottleneck (узел), спроектируй решение, сделай первый шаг. Тот же подход - к человеческим задачам.
Результаты
До системы памяти:
- 5-10 минут на “загрузку контекста” каждую сессию
- Потеря решений между сессиями
- Дублирование работы
- Невозможность связать темы между контекстами
После:
- Переключение контекста за 1 команду
- Знания накапливаются и структурируются
- Связи между контекстами через кросс-ссылки
- Еженедельный ревью превращает данные в знания
Что дальше
Система живая - она развивается вместе с моими проектами. Следующие шаги:
- Автоматизация ревью (AI-помощник для еженедельной обработки Short-Term)
- Семантический поиск по Long-Term Memory
- Версионирование знаний (как знания меняются со временем)
Но главный урок не технический. Проектируя память для AI-агента, я лучше понял, как работает моя собственная. И это, пожалуй, самый ценный побочный эффект.
Исходный код и конфигурации описаны для Claude Code (Anthropic CLI). Подход применим к любому AI-агенту с файловой системой.