Архитектура памяти Vektori: принципы из утекшей системы Claude

Принципы архитектуры памяти

Команда Claude Code поделилась тем, как работает их система памяти, раскрыв ключевые принципы: память — это индекс, а не хранилище. MEMORY.md содержит только указатели (150 символов на строку), а реальные знания находятся в отдельных файлах, загружаемых по требованию. Необработанные транскрипты никогда не загружаются — только просматриваются (grepped) при необходимости. Существует три уровня, каждый со своей стоимостью доступа. Самый важный принцип: если что-то можно вывести, не храните это. Извлечение скептическое — память это подсказка, а не истина, и модель проверяет перед использованием.

Реализация Vektori

Vektori применяет те же принципы, но в другой форме. В то время как Claude использует иерархию файлов, Vektori реализует иерархический граф предложений с тремя уровнями:

• УРОВЕНЬ ФАКТОВ (L0) — Чёткие утверждения, служащие поверхностью для поиска. Дешёвый и всегда доступный для запросов.
• УРОВЕНЬ ЭПИЗОДОВ (L1) — Эпизоды из разных диалогов, обнаруженные автоматически.
• УРОВЕНЬ ПРЕДЛОЖЕНИЙ (L2) — Необработанный разговор, загружаемый только при явной необходимости.

Применяется та же модель доступа: L0 — ваш индекс, L2 — ваш транскрипт (просматривается, а не выгружается). Вы платите за то, что вам нужно.

Строгая дисциплина записи

Ничто не попадает в L0, не пройдя фильтры качества: минимальное количество символов, проверка плотности содержания, соотношение местоимений. Если предложение слишком расплывчатое или состоит только из слов-заполнителей, оно никогда не станет фактом. Это соответствует принципу Claude не хранить выводимые вещи.

Механика извлечения

Извлечение работает, как описывает Claude: с оценкой, пороговым значением и скептицизмом. Минимальный балл 0.3, прежде чем что-либо появится. Результаты ранжируются по векторному сходству плюс временному затуханию, а не извлекаются вслепую.

Архитектурное расхождение в исправлениях

Подход Claude оптимизирован для контекстов проектов с одним пользователем, где важен последний статус. Vektori, созданный для агентов, работающих в сотнях сессий, сохраняет историю исправлений. Когда пользователь меняет мнение, старый факт остаётся в графе со своими связями предложений, позволяя отследить, что было сказано до изменения и почему оно было заменено.

Производительность и будущее

На LongMemEval-S Vektori достиг 73% точности на глубине L1, используя BGE-M3 + Gemini Flash-2.5-lite. Разрешение многошаговых конфликтов — когда вы рассуждаете о том, как факт менялся со временем — это то, где системы на основе триплетов (субъект-объект-предикат) терпят неудачу. Следующий уровень включает хранение причины: причинно-следственные связи между событиями («пользователь исправил X, агент обновил Y, пользователь снова оспорил»), извлечённые асинхронно и доступные для запросов как граф. Траектории агента становятся памятью — собственное поведение агента становится частью того, о чём он может рассуждать.