Каждый раз, когда вы закрываете терминал Claude Code, он «теряет память».
Архитектура вашего проекта, обсуждавшийся ранее дизайн API, момент, когда вы сказали ему: «Не используй эту библиотеку» — всё исчезает. При следующем запуске вы снова имеете дело с новым, полностью неосведомлённым агентом.
Эту проблему пользователи критиковали как минимум полгода. И лишь недавно появилось универсальное решение.
agentmemory: краткое описание
agentmemory — это сервер персистентной памяти. Запустите команду agentmemory в терминале — и локальный сервис будет запущен. Затем скажите Claude Code, Cursor, CLI Codex или любому другому агенту: «Запомни это». И он действительно запомнит — и вспомнит при следующем обращении.
Речь идёт не о метафорическом «запоминании». Это реальная функциональность: вы передаёте агенту документацию проекта — он сохраняет её, индексирует и присваивает оценку релевантности. Когда агенту в следующий раз понадобится соответствующий контекст, система извлекает нужные фрагменты из памяти и передаёт их агенту — вам больше не нужно объяснять всё заново.
Официальные данные: точность поиска — 95,2 % (R@5), экономия токенов — 92 %, отсутствие зависимостей от внешних баз данных. Пройдено более 950 тестов.
Эти цифры выглядят впечатляюще. Но меня больше интересует, как этого удалось достичь.
Техническая основа: движок iii
agentmemory построен на основе движка iii. Это локально ориентированная система управления памятью, обладающая следующими ключевыми возможностями:
Оценка достоверности (confidence scoring). Каждая запись в памяти имеет собственный показатель достоверности. Например, если агент сообщает: «В этом проекте API реализовано на FastAPI», и эта информация подтверждается в нескольких сессиях — показатель достоверности возрастает. Если же упоминание было случайным в одном диалоге — показатель остаётся низким. При поиске система в первую очередь возвращает записи с высокой достоверностью.
Управление жизненным циклом. Память не является статичной и не сохраняется вечно. Она может устаревать, обновляться или помечаться как недействительная. Если технологический стек проекта изменился, старые записи автоматически понижаются в приоритете, а новые — повышаются.
Гибридный поиск. Это не простое сопоставление по ключевым словам. Система объединяет семантический поиск и реляционный поиск по графу знаний: она способна находить как «записи, связанные с проектированием API», так и «кто в прошлый раз предложил использовать GraphQL».
Такой подход явно вдохновлён концепцией «LLM Wiki», предложенной Андреем Карпати. Автор прямо указывает в README: «The gist extends Karpathy's LLM Wiki pattern with confidence scoring, lifecycle, knowledge graphs, and hybrid search.»
Исходная идея Карпати заключалась в использовании Obsidian в качестве долговременной памяти для LLM. agentmemory превращает эту идею в готовый продукт: вам не нужно самостоятельно настраивать Obsidian и конвейер поиска — достаточно выполнить npm install.
Совместимость: почти универсальная поддержка
Это самая удачная особенность agentmemory: он не привязан к какому-либо конкретному агенту.
Claude Code, Cursor, Gemini CLI, Codex CLI, Hermes, OpenClaw, OpenCode — любой агент, поддерживающий хуки, протокол MCP или REST API, может работать с ним. Все агенты используют один и тот же сервер памяти.
Это означает, что если вы одновременно используете Claude Code для бэкенда, Cursor для фронтенда и Codex CLI для запуска скриптов — они будут делиться одной и той же памятью о проекте. Контекст, усвоенный в Claude Code, станет доступен и в Cursor.
Установка тоже проста:
npm install -g @agentmemory/agentmemory
agentmemory # запуск сервера памяти
agentmemory connect claude-code # подключение к вашему агенту
На что стоит обратить внимание
Проект находится в активной стадии разработки. Он очень молод, и его API может измениться. При использовании в продакшене будьте готовы к возможным адаптациям.
Качество памяти зависит от того, что вы в неё помещаете. «Мусор на входе — мусор на выходе». Если вы загружаете в память бесполезные данные, результаты поиска также будут бесполезны. Регулярная очистка необходима.
Приватность. Хотя сервер работает локально, в нём хранятся ваш код проекта, архитектурные решения и внутренние термины. Если речь идёт о корпоративном проекте — разрешит ли отдел ИТ установку локального сервиса, который «фиксирует всю информацию о проекте»? Это вполне реальный вопрос.
Цифры экономии токенов зависят от контекста. Снижение на 92 % измерено в рамках определённого бенчмарка. В проектах с бедным содержимым памяти эффект будет значительно меньше.
Моё мнение
Этот инструмент решает одну из главных проблем пользовательского опыта в AI-инструментах программирования: не нехватка возможностей, а необходимость каждый раз начинать с нуля.
Я уже протестировал agentmemory в своём проекте. Самое заметное ощущение в первый день: больше не нужно заново объяснять Claude Code структуру проекта. Он сразу извлекает из памяти обсуждавшийся ранее дизайн API.
Это не революционный технологический прорыв — в основе лежат стандартные индексация и поиск. Но agentmemory превращает «память» в готовый, удобный в использовании продукт — и этого более чем достаточно.
Если вы ежедневно используете AI-инструменты программирования более двух часов — потратьте 10 минут на установку. Даже если в итоге окажется, что решение вам не подходит, удалить его можно одной командой.
Основные источники:
- GitHub - rohitg00/agentmemory (13 639 звёзд, обновлено 19.05.2026)
- Движок iii
- Обсуждения концепции LLM Wiki Андрея Карпати