GBrain

Слой памяти для OpenClaw и Hermes от президента YCombinator

Автор пишет что он проиндексировал и может искать по 10000+ маркдаун файлов

#agent #memory #skill

MF0-1984

Память для агентов от Павла Мунтяна

Хранит все диалоги с любыми моделями в одном контексте до явного удаления. Система строит «Дерево памяти» (граф интересов, людей, событий) для сохранения нюансов. Поддерживает импорт/экспорт профиля и дерева.

Обеспечивает мульти-модельный диалог (OpenAI, Anthropic, Gemini, Perplexity) без потери контекста.

#agent #memory

OlmPool

Модель от Allen AI для расширения контекстного окна enlarge your context

7 млрд параметров

• «читает» очень длинные тексты - куда длиннее, чем обычные модели
• запоминает связи между фрагментами в этих текстах — даже если они далеко друг от друга
• учится понимать общий смысл протяжённого контекста: например, кто о чём говорил в длинной переписке или как связаны абзацы в большой статье
• делает это за счёт особых архитектурных решений — разработчики специально настраивали структуру модели, чтобы она «держала в голове» больше информации одновременно.

В итоге модель лучше справляется с задачами по анализу объёмных документов, длинных диалогов и т. д

#llm #memory

IceCache

Система управления KV‑кэшем для больших языковых моделей с длинными последовательностями.

• делит KV‑кэш на страницы фиксированного размера
• группирует семантически связанные токены в непрерывные области памяти
• динамически обновляет иерархический индекс (DCI‑tree)
• оптимизирует передачу данных между CPU и GPU

Экономит до 7 % памяти, сохраняет 99% точности при бюджете 256 токенов (на LongBench). Работает с разными моделями и типами внимания.

Гитхаб

Спасибо @EvgenyiPerm

#memory #optimization

δ-mem: Efficient Online Memory for Large Language Models

Легковесный механизм памяти для LLM. Дополняет замороженную модель компактным блоком ассоциативной памяти. Помогает LLM эффективнее работать с долгосрочной информацией без переобучения и расширения контекста.

• сжимает прошлую информацию в матрицу фиксированного размера (8×8)
• обновляет состояние по дельта‑правилу
• вносит низкоранговые поправки в вычисления внимания основной модели

Превосходит замороженный бэкбон по среднему баллу в 1,10 раза, а лучшие аналоги без δ‑mem — в 1,15 раза. На MemoryAgentBench лучше в 1,31 раза, на LoCoMo — в 1,20 раза.

Гитхаб минималистичная имплементация

#memory #optimization

braindb

База памяти для LLM‑агентов с REST API на идее Андрея Карпаты. Хранит мысли, факты, документы, источники и правила поведения.

• хранит 5 типов сущностей
• строит граф отношений (supports, contradicts, elaborates, derived_from, similar_to)
• ищет гибридно: триграммы + семантика по эмбеддингам
• обходит граф до 3 хопов
• учитывает временной decay
• работает со встроенным агентом на OpenAI Agents SDK и LiteLLM

PostgreSQL (pg_trgm, pgvector), развёртывание через Docker Compose (api, watcher, wiki_scheduler), ответ за 5–30 секунд, модель gemma-4-31B-it на DeepInfra.

#agent #memory

KVarN

Компрессия KV-кэша от Huawei

• сокращает задержку при генерации текста
• оптимизирует использование GPU‑памяти
• ускоряет обработку запросов в режиме реального времени
• работает с квантованными моделями

архитектура — вариационный автоэнкодер (VAE) + ранняя остановка (early exit), совместим с LLaMA, Qwen и другими LLM, код на GitHub, оптимизация под чипы Huawei.

#memory #optimization

FlashMemory-Deepseek-V4

Экономия памяти LLM на длинных контекстах без потери качества ответов.

На контексте 500К KV кэш сжимают на почти 90%

Модель представляет собой лёгкий ретривер, который прогнозирует, какие блоки кэша CSA (Compressed-Sparse-Attention) понадобятся для следующих ~64 токенов, учитывая скрытое состояние декодируемого токена. 

Гитхаб
HF

#memory #optimization

Obsidian Mind

хранилище в Obsidian для постоянной памяти ИИ‑агентов

• сохраняет контекст между сессиями, разговоры цепляются друг за друга
• ведет заметки, ссылки, индексы, трекинг производительности
• работает с Claude Code, есть хуки под Codex CLI и Gemini CLI
• каждая беседа опирается на предыдущие, ничего не теряется

#memory #agent

TencentDB Agent Memory

Система памяти для ИИ-агентов
Автоматически извлекает полезные данные из диалогов и задач, организует их и делает доступными для всей команды. Новые участники могут сразу использовать накопленный опыт. Поддерживает разные роли в команде от админов до обычных пользователей.

• Сохраняет контекст общения через Chat Memory - хранит предпочтения, факты и историю взаимодействия
• Создаёт библиотеку навыков Skill
• Строит Wiki-систему для структурирования документации
• Генерирует CodeGraph - анализирует связи в кодовой базе
• Управляет доступом через уровни private/team/restricted
• Поддерживает миграцию данных между фреймворками
• Позволяет настраивать роли и права доступа

• Работает с четырьмя типами активов памяти
• Имеет слоистую структуру хранения информации (L0-L3)
• Интегрируется с разными AI-системами
• Улучшает эффективность на 59% по тестам PersonaMem

#agent #memory

Memora

Еще одна память для агентов
Структурированное хранение, семантический поиск, граф знаний, RAG-чат. MIT-лицензия, 636 звёзд на GitHub.

Фишки: typed edges между воспоминаниями (implements, supersedes, contradicts), авто-связывание по семантической близости, защита документных фрагментов от случайного удаления/мtрджа.

• Встраивается как MCP-сервер
• Векторный поиск: OpenAI (по умолчанию), локальные sentence-transformers (~2 ГБ) или TF-IDF
• Облачные бэкенды: Cloudflare D1, R2, S3-совместимые
• LLM и эмбеддинги конфигурируются раздельно - можно OpenRouter для чата + Cloudflare для векторов

#agent #memory

LoopX

Инструмент, который держит цель и состояние длинной задачи отдельно от памяти агента. Сам агента не запускает и не заменяет Codex, Claude Code или Cursor, просто хранит рядом с ними рабочий контекст

• Хранит цель, список задач, границы полномочий, собранные доказательства и расписание запусков
• Человеческие гейты - задаёт владельцу конкретный вопрос вместо туманного «ждём решения»
• Агент делает один короткий шаг → результат проверяют → только потом пишут в общее состояние
• Продолжение работы с другой машины, в новой сессии или на другой модели
• Несколько агентов делят задачи между собой без единого «начальника»
• Состояние лежит локально, в папке .loopx/ рядом с проектом

#agent #memory

CtxPort

Передача контекста между агентами / чатами

Браузерное расширение за один клик превращает диалог с ИИ-агентом в чистый структурированный Markdown, упаковывает контекст с метаданными для передачи полного контекста другому агенту

- Копирует весь диалог из ChatGPT, Claude, Gemini, DeepSeek, Grok, Doubao и GitHub
- Копирование из боковой панели: навел на беседу, скопировал, не открывая ее. Удобно собрать сразу несколько чатов
- Четыре формата: Full (весь диалог), User Only (только твои промпты), Code Only (только код с языковыми тегами), Compact (сжатые сообщения)

Приватность:
- Работает офлайн: все обрабатывается локально в браузере
- Ноль загрузок на сервер, без аккаунта, минимальные права

- Каждый адаптер платформы - отдельный плагин, новые сервисы добавляются просто
- Chrome Web Store в разработке, пока ставится из исходников
- В планах: импорт бандла обратно в чат, пакетный экспорт, Firefox

#memory #agent #tools #extension

VK | MAX

ComposeCL

Давно ничего не постил про память LLM

Исследование о том как языковые модели могут запоминать информацию поступающую последовательно и не забывать ее после десятков обновлений. Обычное дообучение на новых задачах стирает старые знания — ComposeCL проверяет какие комбинации механизмов продолжающегося обучения работают лучше всего

- Систематический тест 16 комбинаций 4 механизмов: якорь данных (генеративный реплей), якорь функции (самодистилляция), якорь весов (Synaptic Intelligence) и merged LoRA
- Лучшая комбинация всех 3 якорей + merged LoRA дает 34.9%
- Якорь данных и merged LoRA дают наибольший прирост

- 34.9% среднее финальное удержание против 1.2% у наивного обучения
- Топ-3 на 3 датасетах у одной фиксированной композиции всех механизмов

Вывод: для долгоживущих агентов нужно не выбирать один механизм а комбинировать несколько комплементарных

Гитхаб

#memory