Anthropic показала, как дать ИИ-агенту память о проекте и не раздуть контекст
ИИ-агент без памяти каждый день начинает проект с нуля, как разработчик с амнезией. Ламис Мукта из Anthropic показала путь Claude Code: от одного файла CLAUDE.md с правилами к каталогу markdown-заметок с индексом. Агент читает только оглавление и открывает нужные заметки, так что контекст — всё, что модель видит в вызове, — не раздувается. Памяти стоит верить с оговорками: нужны источник, область и статус записи.
AI-обработка оригинала Habr AI; редакция Hamidun News
Представьте, что в команду пришёл сильный разработчик. В первый день он разобрался в проекте, нашёл нужный сервис, выяснил, почему падают тесты, и закрыл кучу тикетов. На второй день выясняется, что у него амнезия: он снова изучает тот же репозиторий и наступает на вчерашние грабли.
Примерно так по умолчанию работает ИИ-агент. Общие знания зашиты в веса модели, но устройство вашего проекта, принятые в команде правила и причины, по которым вы трижды отвергли одно решение, она из коробки не знает. Опыт между запусками сам не накапливается.
Ламис Мукта из Anthropic рассказала, как с этим справляется Claude Code: агент хранит память о проекте в файлах и подгружает в контекст, то есть в данные, которые модель видит при конкретном вызове, только нужное. Её выступление разобрали в десятой части цикла «Затащи меня в харнесс» на Habr.
От одного файла до каталога заметок
Сначала автор советует различать четыре вещи. Контекстное окно — то, что модель видит прямо сейчас. Транскрипт — запись сообщений и действий сессии. Состояние выполнения хранит, какой шаг идёт и что подтверждено. Память — отобранные сведения для будущих задач. Журнал и актуальное состояние системы она не заменяет.
В Claude Code память развивалась по шагам, хотя автор оговаривается: это не обязательная лестница. Самый простой вариант — файл CLAUDE.md с командой запуска тестов, расположением сервисов и договорённостями команды. Его легко проверить глазами и хранить в git. Но файл целиком грузится в контекст каждой сессии. Если писать туда всё подряд, получится инструкция «размером с атомный ледокол», и даже исправление опечатки будет тратить внимание агента на лишний текст.
Следующий шаг — инструмент памяти. У модели есть функции memory_read, memory_write и memory_edit, и она сама решает, когда их вызвать. Где всё лежит, определяет реализация: папка с markdown, база данных или что-то ещё. Поэтому можно ограничить, что агент читает и пишет, и проверять записи до сохранения. Редактирование точечное, так что соседние сведения не теряются.
Дальше идут skills. Память хранит факты («тесты запускаются командой X»), а skill — порядок действий («как выпустить релиз»). Физически это папка с файлом SKILL.md, рядом могут лежать шаблоны, примеры и скрипты. Агент постоянно видит только список описаний и загружает полную инструкцию, когда задача совпадает. Поэтому skills можно держать десятками без больших затрат на контекст. Скрипт там, где нужна точность, надёжнее текстовой просьбы: он отработает одинаково каждый раз. Но он выполняется на вашей машине с вашими правами, так что чужие skills нужно читать как чужой код.
Как устроены запись и чтение
Схема из выступления такая. Во время работы агент решает, что стоит сохранить: договорённость команды, предпочтение пользователя, найденную причину бага. Он создаёт или обновляет markdown-файл. В начале сессии читает короткий индекс, по одной строке на заметку. Когда задача совпадает с описанием, открывает нужный файл. Если индекса мало, ищет по содержимому обычными средствами вроде grep, поэтому понятные имена файлов и папок важны. Папки стоит разделять: правила организации, заметки проекта, предпочтения пользователя, временные выводы. Иначе агент применит договорённость одной команды к другому проекту только потому, что обе заметки нашлись по слову deploy.
Хорошая запись содержит идентификатор, область действия, тип, статус, источник и дату обновления. Заметка «таблица ломается» бесполезна: через неделю никто не поймёт, какая таблица и исправлена ли проблема. Запись «при импорте DOCX с пустой ячейкой воспроизведено расхождение, перед выводом проверить текущий код» даёт направление и честно обозначает границы знания. Дата сама не говорит об устаревании: команда запуска теста живёт годами, а версия развёрнутого сервиса меняется за минуты. Поэтому для разных типов записей нужны разные правила проверки. Иначе агент радостно сообщит, что всё развёрнуто, потому что полгода назад кто-то оставил такую заметку.
Читать постепенно и всё равно проверять
Допустим, накопилась тысяча заметок. Отправлять их все в каждом запросе технически можно, но вы платите за обработку лишнего текста, а модели сложнее найти нужное среди соседних фактов. Поэтому память читают по ступеням: область задачи, индекс, поиск по ключевым словам и при необходимости по смыслу, затем только нужные фрагменты. Поиск по смыслу выручает, когда пользователь и автор заметки называют одно и то же по-разному. Точный поиск лучше для имён файлов, кодов ошибок и идентификаторов. Ни один из них не гарантирует, что найденная запись верна.
Пример из доклада: пользователь просит исправить импорт таблицы. Агент находит заметку о расположении обработчика DOCX и старом дефекте с пустой ячейкой, затем открывает текущий код и тесты. Если заметка описывает старую ветку, это не повод объявлять старую причину новой ошибкой. Память сокращает поиск, но не отменяет проверку.
Отдельная идея доклада — dreaming: фоновый процесс, который разбирает прошлые сессии и приводит накопленные знания в порядок.
Практический вывод для тех, кто строит агентов: начинайте с короткого CLAUDE.md, процедуры выносите в skills, а факты о проекте держите в заметках с индексом, источником и статусом. И всегда относитесь к записи как к подсказке, а не к истине.
- 21 нояб. 2026 г.Агент Skein стирает старые этапы из контекста: 97% удачных запусков, но дороже OpenCode
- 21 нояб. 2026 г.CoreWeave должна $47 млрд под чипы Nvidia и теряет $709 млн за квартал
- 21 нояб. 2026 г.Агент ClawDOS пишет и запускает код на IBM PC 5160: простые числа за 64 секунды
- 21 нояб. 2026 г.Разработчик поручил Claude поставить 900 приложений и собрал бесплатный чистильщик Mac
Вопросы и ответы по материалу
Что известно по теме: от одного файла до каталога заметок?
Сначала автор советует различать четыре вещи. Контекстное окно — то, что модель видит прямо сейчас. Транскрипт — запись сообщений и действий сессии. Состояние выполнения хранит, какой шаг идёт и что подтверждено. Память — отобранные сведения для будущих задач. Журнал и актуальное состояние системы она не заменяет. В Claude Code память развивалась по шагам, хотя автор оговаривается: это не обязательная лестница.
Что известно по теме: как устроены запись и чтение?
Схема из выступления такая. Во время работы агент решает, что стоит сохранить: договорённость команды, предпочтение пользователя, найденную причину бага. Он создаёт или обновляет markdown-файл. В начале сессии читает короткий индекс, по одной строке на заметку. Когда задача совпадает с описанием, открывает нужный файл. Если индекса мало, ищет по содержимому обычными средствами вроде grep, поэтому понятные имена файлов и папок важны.
Что известно по теме: читать постепенно и всё равно проверять?
Допустим, накопилась тысяча заметок. Отправлять их все в каждом запросе технически можно, но вы платите за обработку лишнего текста, а модели сложнее найти нужное среди соседних фактов. Поэтому память читают по ступеням: область задачи, индекс, поиск по ключевым словам и при необходимости по смыслу, затем только нужные фрагменты. Поиск по смыслу выручает, когда пользователь и автор заметки называют одно и то же по-разному. Точный поиск лучше для имён файлов, кодов ошибок и идентификаторов.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.