инструменты 19 июл 2026 1 мин

Wiki Code Memory: как дать AI-агенту настоящую память (и сократить расходы на токены)

Автор объединяет два open-source проекта — claude-mem и knowledge-pipeline — чтобы решить проблему «амнезии» AI-агентов для кодирования. Вместо повторного объяснения контекста проекта в каждой сессии система создаёт персистентную память двух типов: эпизодическую (что произошло) и семантическую (что это значит).

Разработчикам, использующим AI-агенты для кодирования, — показывает конкретную архитектуру для снижения токен-затрат и повышения эффективности работы через персистентную память вместо одноразовых сессий.

Это аннотация к авторской статье. Мы не публикуем и не пересказываем чужие тексты целиком — полная версия у автора.

О чём статья

claude-mem запоминает события сессий через lifecycle-хуки, сжимает их в семантические саммари и использует прогрессивное раскрытие (поиск→таймлайн→детали) вместо загрузки всего контекста, экономя ~10× токенов
knowledge-pipeline строит постоянную вики между пользователем и исходниками, накапливая синтезированные ответы в виде markdown-страниц, что избавляет от повторного поиска и пересборки знаний при каждом запросе
Разделение ролей: эпизодический слой (claude-mem) автоматически захватывает действия, семантический слой (llm-wiki) курирует значения — оба дешевле в использовании, чем постоянное переобъяснение контекста