Каждый раз, когда вы открываете Claude Code или Cursor и просите помочь с кодом, что он делает в первую очередь?
Перечитывает файлы, заново анализирует структуру проекта и восстанавливает контекст.
Если закрыть окно диалога и открыть его снова, он словно выпил воды забвения — забывает абсолютно всё, что было раньше.
Именно эту проблему и призван решить agentmemory.
Что именно он делает?
Репозиторий rohitg00/agentmemory сейчас имеет 16 132 звезды, прибавив 7000 за неделю. 388 коммитов, обновления выходили ещё вчера (fix: pre-release hardening for 0.9.22).
Его основная идея проста, но эффективна: добавить AI-агенту для программирования слой постоянной памяти.
Это не просто «сохранение истории чата» — это структурированная, индексируемая и многоуровневая память проекта. Она включает:
- Контекст проекта: структура репозитория, ключевые технические решения, архитектурные паттерны
- Предпочтения разработчика: стиль кода, используемые фреймворки, соглашения об именовании
- Исторические решения: почему был выбран вариант A, а не B, и какие подводные камни уже встречались
- Знания между сессиями: важные находки из предыдущих диалогов
Почему это заслуживает внимания в 7000 звёзд?
Начнём с проблемы, которую вы могли не замечать.
Современные инструменты AI-программирования (Claude Code, Cursor, Codex, OpenCode) сталкиваются с одним и тем же ограничением: контекстное окно конечно.
Даже если модель поддерживает контекст в 200K токенов или больше, вы не сможете загрузить все файлы крупного проекта за один раз. Поэтому в каждом диалоге агент видит лишь небольшую часть проекта.
Что ещё хуже, знания между сессиями совершенно не передаются. Если утром в диалоге вы сказали агенту: «В этом проекте используем React + TypeScript, избегай типа any», то открыв новый диалог днём, он начнёт всё с чистого листа.
agentmemory решает это, сохраняя информацию на диск и автоматически загружая её при каждом запуске агента. Вместо того чтобы впихивать всё в контекстное окно, используется интеллектуальный механизм поиска, который подгружает только те воспоминания, которые относятся к текущей задаче.
Несколько ключевых особенностей архитектуры
Я изучил структуру репозитория, и вот несколько заслуживающих внимания решений:
.claude-plugin и .codex-plugin: поддержка двух плагинов. Он не привязан к одному конкретному агенту и работает как с Claude Code, так и с Codex. На прошлой неделе вышла интеграция плагина Codex с маркетплейсом (#311).
Система бенчмарков. В проекте есть отдельная директория benchmark, включающая даже нагрузочный тест load-100k.ts, который выводит данные о задержках p50/p90/p99. Это не какой-то игрушечный проект, написанный на коленке.
Варианты развёртывания. Поддерживается Docker, есть схемы развёртывания через Coolify, а также предусмотрена защита от SSRF. Это говорит о том, что целевая аудитория — не только локальные разработчики, но и команды, которым требуется серверное развёртывание.
Быстрая итерация версий. Уже выпущена версия 0.9.22, 388 коммитов, 73 issue, 84 PR. Это активно поддерживаемый проект.
Практические сценарии использования
Позвольте проиллюстрировать его ценность на конкретном примере.
Предположим, вы работаете над проектом интернет-магазина уже три недели. За это время:
- Вы обсудили с агентом техническое решение и в итоге выбрали Next.js App Router
- Агент помог вам рефакторить модуль аутентификации, используя схему JWT + refresh token
- Вы обнаружили проблему с производительностью, и агент предложил оптимизировать её с помощью React.memo
- Вы указали агенту: «В этом проекте не используй localStorage, всё храни в cookie»
Без agentmemory при каждом новом диалоге вам пришлось бы заново объяснять всю эту информацию.
С agentmemory агент автоматически загрузит эти воспоминания при запуске. Он «помнит» ваш выбор стека, архитектурные решения и предпочтения в коде. Вам больше не нужно объяснять всё с нуля.
Мой вывод
agentmemory решает реальную проблему. Это не надуманная потребность и не маркетинговый ход, а то, с чем ежедневно сталкиваются разработчики, использующие AI-инструменты для программирования.
Однако перед ним стоят и определённые вызовы:
Точность памяти. Если агент запомнит неверную информацию (например, техническое решение, которое уже было отменено), это лишь внесёт путаницу. Поэтому крайне важны механизмы управления и очистки памяти.
Вопросы конфиденциальности. Память проекта содержит большой объём кода и информации о решениях. Необходимо чётко понимать, где хранятся эти данные и кто имеет к ним доступ.
Конкуренция. Официальные команды Anthropic, OpenAI и Cursor также работают над аналогичными решениями. Как сторонний проект, agentmemory должен сохранять достаточную дифференциацию.
Заключение
Рост до 16K звёзд и прибавка в 7000 за неделю говорят об одном: потребность в «памяти» для AI-агентов программирования реальна и стремительно растёт.
На данный момент agentmemory — самый активный open-source проект в этой нише. Если вы используете Claude Code или Codex, его определённо стоит попробовать.
Основной источник: GitHub - rohitg00/agentmemory