🧠 Внешняя память агента

Пару месяцев назад я понял, чего мне не хватает для полного счастья при работе с LLM - долгосрочной внешней памяти.

Сlaude.md, ссылки на документы и вручную собранный контекст частично помогают. Но хочется, чтобы память сама:
1⃣ формировалась по итогам диалога автоматически ("переделай слайд, он слишком яркий" => "яркие слайды это плохо")
2⃣ учитывала контекст вне диалога (почта, календарь, встречи и т.п.)
3⃣ хранилась локально и могла подключаться к разным типам харнессов: в персональной и в рабочей жизни окружение разное, и слепки памяти тоже разные, но код - один
4⃣ могла использовать подписку для работы, чтобы не приходилось платить за API

Готового open-source решения, которое закрывало бы это целиком, я не нашёл - поэтому собрал своё. Это пока ранняя и местами вайбкодная версия, но уже могу сказать как пользователь: Это. Просто. Шикарно.

Что меняется на практике?

- Анализ документов становится содержательнее.
Обычная LLM хорошо видит противоречия внутри текста, ошибки и недостающие аргументы. Модель с памятью может сказать: «В документе вы пишете про AI-культуру, но в переписке регулярно обсуждаете AI-амбассадоров — почему этого нет?»

- Контекст для задач собирается проще.
Не нужно каждый раз заново описывать весь бэкграунд. Вы получаете не просто исполнителя, который рисует вам презентации, а коллеги, который в курсе ситуации, и может полноценно с вами штормить.

- Поиск становится почти мгновенным.
Не помните финальное решение или точную формулировку из протокола? Один вопрос агенту, и он приносит ответ вместе с источником.

Следующий слой, который сейчас исследую: автономный поиск точек улучшения. Если память достаточно полная, агент потенциально сможет замечать странные договорённости, неоптимальные решения и упущенные возможности ещё до того, как мы сформулировали вопрос.

Модуль памяти и обвязку выложил на GitHub.

Если попробуете или увидите, как сделать это лучше, буду очень рад обратной связи. И да, нормальные разработчики, сильно не шеймите за вайбкодинг 😁