ai-memory: общая память для Claude Code, Codex и ещё 30+ агентов

01Кратко: что это и для кого

Проект akitaonrails/ai-memory — отдельный процесс, который агенты используют как общую память проекта. Подключение идёт двумя путями: MCP-сервер даёт агенту инструменты чтения и записи, а lifecycle-хуки молча записывают промпты, вызовы инструментов и границы сессий. Ничего не нужно просить у модели: захват идёт на уровне событий харнесса, а не на уровне диалога.

Репозиторий создан 21 мая 2026 года, за пять месяцев собрал 13,6 тыс. звёзд и 962 форка; последний релиз v3.2.5 датирован 25 октября 2026 года, последний коммит — 26 октября. Язык — Rust, поставка — один самодостаточный бинарник, лицензия MIT.

02Как это работает

Цикл состоит из четырёх шагов. Агент работает как обычно, а память наполняется побочным эффектом его же сессии.

Ключевое архитектурное решение — markdown как источник истины. Память лежит в git-репозитории обычными .md-файлами: их можно грепать, открыть в Obsidian, править руками, синхронизировать rsync. База данных — производный индекс, который всегда пересобирается из файлов. Векторного хранилища в базовой поставке нет, и это осознанный выбор: нечему ломаться и нечего мигрировать.

Старение памяти тоже сделано без LLM. Записи делятся на уровни, у каждого своя кривая забывания, а обращение к странице (открытие, поиск, переход по ссылке) замедляет распад. Остывшие эпизодические заметки сжимаются до устойчивых фактов, почти-дубликаты схлопываются, вероятные противоречия помечаются флагом. Ничего не удаляется жёстко: исходник остаётся в git, а команда restore-page возвращает предыдущую версию. Перезапись и удаление выключены по умолчанию.

Авторы честно фиксируют потолок записи — около 700 операций в секунду, и подчёркивают, что это измеренная величина, а не догадка. Все изменения проходят через аудит-лог, а многопользовательская авторизация и атрибуция по людям входят в базовую лицензию, а не в платный тариф.

03Замеры и активность проекта

Своих бенчмарков мы не придумываем: ниже — опубликованные авторами числа по LongMemEval-S. В отчёте к версии 3.2.1 локальный прогон даёт 0,949 попадания. Отдельный компонентный замер, где захват пропущен и каждая сырая сессия индексируется целиком (только ранжирование), даёт 0,972 для чисто zero-LLM поиска на FTS.

Рост коммитов с 43 до 677–784 в неделю показывает, что проект не заглох после релиза: за последний месяц темп вырос на порядок. Для инструмента, который лежит между агентом и данными проекта, это важнее звёзд — именно от темпа зависит, успевают ли авторы за изменениями в API харнессов.

04Какие агенты поддерживаются

Матрица поддержки в репозитории — не список обещаний, а таблица с типом интеграции по каждому харнессу, проверяемая в CI. Всего в ней 35 строк с агентами: 24 с полной поддержкой (хуки плюс MCP), 2 — с хуками и MCP одновременно в расширенном режиме, 6 только через MCP, 2 только через хуки и 1 в managed-режиме.

05Сравнение с другими инструментами памяти

Поле памяти для агентов делится на четыре лагеря: извлечение фактов (Mem0, LangMem), временные графы (Zep, Graphiti), файловые вики (basic-memory, ai-memory) и hosted-API (Supermemory). Разница не в «умности», а в том, где лежит истина и сколько вызовов модели стоит каждая операция.

06Установка и первые шаги

Путь по умолчанию — два шага без root: установщик из последнего релиза и ai-memory setup. Установщик сверяет бинарник с опубликованной контрольной суммой SHA-256 и отказывается ставить при несовпадении. Затем setup создаёт каталог данных с токеном в файле, доступном только владельцу, поднимает пользовательский сервис и подключает агентов, которых нашёл; --plan показывает план без изменений, --yes пропускает вопрос.

ai-memory --version
ai-memory --help

ai-memory setup --plan
ai-memory setup

ai-memory run claude
ai-memory run codex

ai-memory status --json
ai-memory doctor
ai-memory recent

Для Claude Code и Codex есть альтернатива — установка плагином маркетплейса (бинарник всё равно ставится первым способом). Docker-вариант поднимает сервер на loopback-адресе 127.0.0.1:49374 и работает без токена, потому что контейнер не проходит инициализацию: это удобно для пробы, но для постоянной работы лучше нативный setup с токеном.

07Плюсы и ограничения

08Кому подходит

Инструмент стоит ставить, если вы регулярно переключаетесь между агентами в одном проекте, работаете с нескольких машин или ведёте командный репозиторий, где знания не должны оставаться в голове одного разработчика. Если вы сидите в одном Claude Code на одном ноутбуке и встроенной памяти хватает — выигрыш будет небольшим, а лишний сервер в системе появится.