Пользователи Claude Code или Codex, скорее всего, сталкивались с такой ситуацией:
Вчера вы подробно обсудили с агентом архитектурные решения проекта, выбор технологий и соглашения по написанию кода. А сегодня, открыв новый сеанс, обнаруживаете, что агент «совершенно ничего не помнит» — и вам снова приходится всё объяснять с нуля.
agentmemory создана именно для решения этой болевой точки. За неделю она набрала 6 865 звёзд и достигла общего количества в 9 822 звезды, совершив 320 коммитов — активность просто зашкаливает.
Она решает не проблему «памяти», а проблему «забывания»
Проблема памяти у ИИ-агентов программирования имеет два уровня:
Первый уровень — память внутри одного сеанса. Здесь Claude Code и Codex уже показывают хорошие результаты: большой контекстный объём позволяет им запоминать всю текущую переписку в рамках одного сеанса.
Второй уровень — память между сеансами. Именно он и является настоящей болью. Закрыли терминал, перезапустили IDE или просто вернулись к проекту через день — и агент полностью «забыл» весь ранее усвоенный контекст проекта.
agentmemory работает именно со вторым уровнем. Это отдельный фоновый сервис, который сохраняет ключевую информацию, полученную агентом в ходе работы: архитектурные решения, технические договорённости, ошибки, которые уже были допущены и исправлены. При старте нового сеанса агент сначала загружает из agentmemory актуальный проектный контекст — и только потом приступает к работе.
Поддержка не только Claude Code, но и Codex
В последней версии v0.9.16 одновременно поддерживаются два формата плагинов: .claude-plugin и .codex-plugin. Это означает, что независимо от того, используете ли вы Claude Code или OpenAI Codex, вы можете подключить одну и ту же систему долговременной памяти.
Проект также включает примеры на Python (examples/python/), что подчёркивает его независимость от конкретного фреймворка агентов — agentmemory представляет собой универсальный сервис долговременного хранения памяти.
Развертывание проще, чем кажется
Для запуска требуется всего две простые операции:
# Одна команда для развёртывания на Fly.io / Railway / Render (один из трёх)
# В репозитории предоставлены шаблоны «одним кликом» для всех трёх платформ (каталог deploy/)
# Затем установите плагин в Claude Code
claude plugin install agentmemory
В каталоге benchmark находится тестовый инструмент load-100k.ts, позволяющий провести нагрузочное тестирование с замером задержек p50/p90/p99. Это говорит о том, что автор не ограничился созданием простого демо, а серьёзно подошёл к проверке производительности.
Чем agentmemory НЕ является
agentmemory — это не система RAG, не векторная база данных и не хранилище знаний. Её функциональность гораздо уже и практичнее: она автоматически фиксирует ключевые решения и контекст, возникающие в процессе работы агента, и обеспечивает их быстрое извлечение при следующем использовании.
Разница с RAG заключается в следующем: при использовании RAG вы сами добавляете документы в базу и затем задаёте вопросы; agentmemory же автоматически формирует память в ходе работы агента — никакого ручного ведения хранилища знаний не требуется.
Реальный практический сценарий
Представьте, что вы поддерживаете проект микросервисов, состоящий из 12 сервисов, 3 общих библиотек и собственной CI/CD-системы.
Без agentmemory при каждом новом сеансе вам придётся повторно объяснять агенту:
- «Этот проект написан на Go, но сервис service-gateway реализован на TypeScript»;
- «Наш CI использует кастомные шаги сборки — не изменяйте файлы в
.github/workflows»; - «При последней рефакторинговой правке модуль auth был перемещён из service-a в shared/auth».
С agentmemory вся эта информация, усвоенная агентом в ходе разработки, будет сохранена надолго. При следующем открытии сеанса агент уже «помнит» эти детали.
Стоит ли её использовать?
Честно говоря, конкуренция в этой области будет только усиливаться. Уже в ближайшем будущем Anthropic, скорее всего, встроит поддержку межсеансовой памяти непосредственно в Claude Code, а OpenAI сделает то же самое с Codex.
Однако ключевое преимущество agentmemory — она работает прямо сейчас и совместима с разными агентами. Если вы используете и Claude Code, и Codex, или в вашей команде кто-то работает с одним агентом, а кто-то — с другим, единый слой памяти действительно обладает практической ценностью.
Рекомендация: начните с тестирования в течение двух недель в некритичном проекте — проверьте, насколько точно агент запоминает информацию и полезен ли восстановленный контекст. Если результат вас устроит — внедряйте в основные проекты.
Источники
- rohitg00/agentmemory
- Инструмент нагрузочного тестирования
load-100k.tsв каталоге benchmark проекта