У вашего ИИ-агента деменция. Сделайте ему мозги.
Архитектурные решения, тупиковые варианты, которые мы исключили, причины, по которым мы выбрали именно эту библиотеку.
Все это исчезло. Все. Мне пришлось перечитать проект с нуля, заново объяснить цель и пройтись по ограничениям, которые не позволили реализовать предыдущий подход.Это не редкость.
Каждый сеанс работы с ИИ начинается с нуля.
Первые двадцать минут вы тратите на то, чтобы восстановить контекст, загрузить файлы, объяснить, почему вы не используете очевидное решение.
Затем у вас может быть минут сорок продуктивной работы, прежде чем контекстное окно начнет отвлекать вас от главного.
Я пробовал обходные пути: гигантские системные подсказки, которые игнорируются на полпути, файлы в формате Markdown, которые я каждый раз вставляю в чат, плагины для памяти, которые сохраняют фрагменты, но не учитывают структуру.
Ничего не работает, потому что ничего не рассчитано на команду агентов, которые работают дольше, чем любой отдельный диалог.
Это проблема институциональной памяти.
И решение заключается не в улучшении подсказок.
Это общий «мозг», который агенты могут читать и редактировать между сессиями.
Андрей Карпати (@karpathy) опубликовал шаблон для решения этой проблемы в апреле 2026 года. Я пошел дальше.
Вот как это выглядит после шести недель работы.
Андрей Карпати@karpathy·3 апрБазы знаний LLM В последнее время я нахожу это очень полезным: использование LLMS для создания личных баз знаний по различным темам, представляющим исследовательский интерес. Таким образом, значительная часть моей недавней пропускной способности токенов уходит не столько на манипулирование кодом, сколько на манипулирование знаниями (хранящимися в виде markdown и изображений). Последние LLM довольно хороши в этом. Итак: прием данных: я индексирую исходные документы (статьи, научные работы, репозитории, наборы данных, изображения и т. д.) в каталоге raw/, а затем использую большую языковую модель для постепенной «компиляции» вики, которая представляет собой просто набор файлов .md в структуре каталогов. Вики включает в себя краткие описания всех данных в raw/, обратные ссылки, а также распределяет данные по категориям, пишет статьи и связывает их между собой. Чтобы преобразовать веб-статьи в файлы .md, я использую расширение Obsidian Web Clipper, а также горячую клавишу для загрузки всех связанных изображений на локальный диск, чтобы моя языковая модель могла легко на них ссылаться. IDE: Я использую Obsidian в качестве «фронтенда» IDE, где я могу просматривать исходные данные, скомпилированную вики и полученные визуализации. Важно отметить, что LLM пишет и поддерживает все данные вики, я редко вмешиваюсь в этот процесс. Я поэкспериментировал с несколькими плагинами для Obsidian, чтобы отображать и просматривать данные другими способами (например, Marp для слайдов). Вопросы и ответы: самое интересное начинается, когда ваша вики становится достаточно большой (например, моя вики по некоторым недавним исследованиям содержит около 100 статей и примерно 400 тысяч слов). Тогда вы можете задавать своему LLM-агенту всевозможные сложные вопросы, связанные с вики, и он будет искать ответы и т. д. Я думал, что мне придется прибегнуть к помощи RAG, но LLM неплохо справляется с автоматическим ведением индексных файлов и кратких описаний всех документов, а также довольно легко считывает все важные сопутствующие данные в таком ~небольшом масштабе. Результат: Вместо того чтобы получать ответы в текстовом формате или в терминале, я предпочитаю, чтобы программа генерировала для меня файлы в формате Markdown, слайд-шоу (формат Marp) или изображения в формате matplotlib, которые я затем снова просматриваю в Obsidian. В зависимости от запроса можно представить множество других визуальных форматов вывода. Часто я «записываю» результаты обратно в вики, чтобы использовать их для дальнейших запросов. Таким образом, мои собственные исследования и запросы всегда «вписываются» в базу знаний. Линтинг: я провел несколько "проверок работоспособности" LLM в wiki, например, чтобы найти противоречивые данные, приписать недостающие данные (с помощью веб-поиска), найти интересные связи для новых кандидатов в статьи и т.д., Чтобы постепенно очистить wiki и повысить ее общую целостность данных. Магистры права довольно хорошо умеют предлагать дополнительные вопросы, которые можно задать и изучить. Дополнительные инструменты: Я разрабатываю дополнительные инструменты для обработки данных. Например, я написал небольшую и простую поисковую систему на основе вики, которую использую как напрямую (в веб-интерфейсе), так и в качестве инструмента для более масштабных запросов, передавая ее в LLM через интерфейс командной строки. Дальнейшие исследования: По мере роста репозитория возникает естественное желание задуматься о создании синтетических данных и тонкой настройке, чтобы ваша LLM «знала» данные на уровне весовых коэффициентов, а не только на уровне контекстных окон. TLDR: собираются необработанные данные из заданного количества источников, затем LLM компилирует их в .md wiki, затем LLM обрабатывает различные CLI для вопросов и ответов и постепенного улучшения wiki, и все это доступно для просмотра в Obsidian. Вы редко пишете или редактируете wiki вручную, это прерогатива магистра права. Я думаю, здесь есть место для невероятного нового продукта, а не для набора взломанных скриптов.
Карпати был прав
Пост Карпати в LLM Wiki не зря стал вирусным. Его идея была предельно проста, почти слишком проста, чтобы быть революционной: не заставляйте большие языковые модели заново открывать знания по каждому запросу. Достаточно один раз скомпилировать их в постоянную вики и поддерживать ее актуальность.
Традиционная RAG обращается с вашими документами как с библиотекой. Каждый вопрос — это новое обращение к архивам. Система извлекает фрагменты, заново собирает контекст и отвечает с нуля. Она не сохраняет состояние. Она не обучается.
Скомпилированная вики — это живой документ. Она обновляется при изменении источников. Она поддерживает перекрестные ссылки. Она знает то, что знала вчера, и опирается на это знание сегодня.
Оригинальная архитектура Карпати состоит из трех уровней: исходные данные как неизменяемые входные параметры, вики как синтезированные знания и SCHEMA.md как конституция, обеспечивающая согласованность всего. Он разработал ее для одного человека и одной большой языковой модели. Но на этом возможности заканчиваются. Я ежедневно запускаю четырех агентов. Мне нужно было хранилище, которое они все могли бы читать, в которое все могли бы вносить данные и которое все могли бы поддерживать, не мешая друг другу. Мне нужна была многоагентная подложка для хранения данных, а не личный блокнот.
Что я создал: Nexus
Nexus — это подложка для хранения данных с общим доступом. Файловая система — это источник достоверных данных. Каждый агент считывает данные из нее, записывает в нее и регистрирует свои действия.
Три уровня, та же основополагающая идея, что и у Карпати:
raw/ — неизменяемый исходный материал
raw/ содержит неизменяемые источники: научные статьи, заметки о встречах, фрагменты кода, парсинговые статьи, расшифровки, скриншоты.
После загрузки они не меняются. Вики может ссылаться на них, обобщать их, опровергать их, но не перезаписывать.
Это базовый уровень достоверности. Если вы когда-нибудь зададитесь вопросом: «Откуда взялось это утверждение?», ответ всегда будет в raw/ с указанием времени и источника.
wiki/ — синтезированные знания
wiki/ — это место, где хранится синтез. Это страницы, поддерживаемые агентом, с полным набором данных: название, дата создания, дата обновления, тип, статус, теги, источники, агент и краткое описание.
Каждая страница содержит ссылки как минимум на две другие.
Страницы-сироты помечаются автоматически. Один источник может инициировать обновления на пяти-пятнадцати страницах вики. На графике показаны узлы и страницы-сироты, так что вы можете видеть, что хорошо связано с другими страницами, а чему нужно больше ссылок.
ops/ + mocs/ — операционный уровень
ops/ плюс mocs/ — это операционный уровень: стандартные операционные процедуры, многократно используемые шаблоны подсказок, разветвленные рабочие процессы, файлы инструкций для агентов и информационные панели для пользователей.
Именно на этом уровне хранилище становится операционной системой, а не картотекой.
Здесь находится сценарий утреннего брифинга. Здесь находится стандарт операционной процедуры для очереди контента. Здесь находятся правила доступа для агентов.
Три уровня доступа: базовый, вики, ops+mocs, со значками доступа для агентов.
Добавьте две вещи, которых не было у Карпати: ежедневный рабочий ритм и уровень доступа для нескольких агентов.
За шесть недель в Nexus появилось 61 вики-страница, рост на 56 % за 20 дней, ежедневные утренние брифинги, которые генерируются автоматически до моего пробуждения, и четыре активных агента с четко определенными ролями и обязанностями.
С середины апреля три проекта были отправлены напрямую из контекста хранилища: agentdocs с двумя промежermes Vault v0.2.0 со 163 тестами и готовностью к MCP; а также обновленная главная страница.
Хранилище не просто хранит знания. Оно работает как сердце.
Ежедневный операционный цикл
Каждый день в 5:30 утра Hermes проводит брифинг.
Он читает журнал, проверяет папку с планами, сканирует записи в журнале и формирует сводку о том, что произошло вчера и что предстоит сделать сегодня.
Затем я просматриваю ее, составляю утренний план и приступаю к работе.
В течение дня каждое действие агента записывается в файл log.md с указанием времени, имени агента и информации о том, что изменилось.
Вечером Hermes выполняет команду closeout: day dump, journal entry, and tomorrow's objectives.
Агенты не разговаривают друг с другом.
Ежедневный ритм: брифинг → план → выполнение → завершение → повторить
Это ключевая идея, которую упускают большинство мультиагентных систем. Вам не нужна шина сообщений. Вам не нужна сложная оркестровка. Вам нужна запись, доступная только для добавления, которую каждый агент считывает перед выполнением действия. Когда Claude Code начинает сеанс, он проверяет хранилище. Когда Hermes распределяет задачу, контекст уже готов. До появления этой системы я сам был распределителем. Я решал, что какому инструменту передать. Я держал состояние в голове. Теперь распределением занимается Hermes. Я проверяю и корректирую. Трудно переоценить смещение когнитивной нагрузки.
Who Gets to Touch What
Четыре агента, пять зон, одно правило: каждый агент читает SCHEMA.md, прежде чем что-либо написать.
Hermes — это организатор. В его ведении находятся планирование, делегирование, синтез, обслуживание хранилища и финальный контроль качества. Он может создавать одноразовые субагенты для параллельной работы и несет ответственность за их результаты.
Claude Code отвечает за вики-страницы проекта. Он получает полный доступ к исходным данным и ограниченный доступ на запись к вики-страницам проекта, над которым работает.
Codex отвечает за обобщение результатов исследований. Он в основном выполняет функции чтения, а целевые записи выполняет в ops/prompts/ и wiki/queries/. Он не затрагивает процедуры и информационные панели.
Antigravity доступен только для чтения, за исключением инкубационных идей, которые он добавляет в wiki/incubations/. Это уровень сбора идей.
Главное — не разрешения. Главное — чтобы каждый агент знал правила до запуска, а каждая запись регистрировалась.
Если что-то идет не так, я просматриваю журнал по датам и вижу, кто и что сделал. Подотчетность встроена в структуру.
Секретный ингредиент — проактивность
Вот тот аспект, о котором никто не говорит.Шаблон Карпати — это хранилище, которое вы открываете, когда вам что-то нужно.Nexus — это хранилище, которое действует до того, как вы попросите.
Две системы объединения работают вместе. Это не дополнительные опции. Именно благодаря им все это работает.
Самосовершенствование: прошлое → будущее
Система самосовершенствования запоминает, что сработало, что нет и что я исправил. Она повышает качество выполнения задач в разных сессиях.
Claude Code лучше справляется с моей кодовой базой, потому что учитывает опыт предыдущих сессий. Hermes лучше справляется с маршрутизацией, потому что учитывает, какие шаблоны делегирования сработали, а какие отняли время впустую.
Когда я говорю агенту: «Это неправильно, сделай вот так», это исправление записывается, и его видит каждая последующая сессия.
Проактивность: настоящее → будущее
Проактивность отслеживает активные цели, препятствия и дальнейшие шаги. Именно так Hermes подталкивает меня, а не просто отвечает.
Он может обнаружить зависимость, о которой я забыл, указать, что работа над проектом приостановлена на три дня, или предложить связать две вики-страницы, которые должны ссылаться друг на друга.
Он отслеживает состояние и действует при его изменении, а не тогда, когда я задаю вопрос.
Есть четкая граница: проактивность никогда не отправляет сообщения, не берет на себя обязательства и не предпринимает необратимых внешних действий без явного одобрения. Она проявляется. Она подталкивает. Она не действует.
Это очень важно. Агент, который действует, не спрашивая, — обуза. Агент, который замечает проблему и ждет указаний, — ценный сотрудник.
Рабочий ритм — это и есть продукт.
На создание структуры папок уходит целый день. Чтобы ежедневный цикл стал автоматическим, нужен месяц. Чтобы накопительный эффект стал очевидным, нужно шесть месяцев. Но как только он заработает, вы уже не сможете вернуться к модели «собака, которая забыла свое имя».
Как создать свой собственный
Не создавайте все сразу. Сначала настройте работу с исходными данными и вики. Добавляйте операции по мере обнаружения повторяющихся процедур.
Добавляйте агентов по мере необходимости для рабочих процессов.
Шаг 1. Инициализация Git в каталоге хранилища
Отслеживайте все. Без исключений.
Шаг 2. Создайте структуру папок
raw/ wiki/ ops/ mocs/ briefings/ plans/ logs/
Шаг 3. Напишите файл SCHEMA.md
Это ваша конституция. Определите поля преамбулы, правила вики-ссылок и таксономию тегов. Цель: файл должен быть читаем за тридцать секунд.
Шаг 4. Напишите index.md и log.md
index.md — это ваш каталог контента. log.md — это журнал действий, в который можно добавлять только записи. Эти два файла — основа всего.
Шаг 5. Напишите правила для агентов в .agents/
Определите, к чему может прикасаться каждый агент. Затем запустите первую загрузку, посмотрите, как обновляется вики, и дайте ей разрастись.
Любой может создать папки с файлами в формате Markdown. Структура — это не самое сложное. Самое сложное — выработать привычку ее использовать.
Начните с шаблона Карпати. Добавьте ежедневный цикл. Добавьте уровень мультиагентности. Дайте ей разрастись. Не пытайтесь создать полноценную систему в первый же день. Сначала соберите контур.
Завершающий удар
Сложный процент — это не выдумка. Через несколько недель постоянного использования я перестал думать о хранилище как об отдельной системе и стал воспринимать его как то, как команда запоминает информацию. Вопрос «где хранится эта информация?» перестал быть неловким, потому что ответ всегда один и тот же.
Через полгода ваше хранилище будет выглядеть примитивным по сравнению с тем, что есть сейчас. В этом и смысл. Вы создаете нечто, что совершенствуется по мере использования.
Вы создаете не приложение для ведения заметок. Вы создаете инфраструктуру для команды, в которую входят как люди, так и роботы.