Предоставление памяти Claude Code: локальный плагин MCP под названием Memento
Агенты для программирования на основе ИИ забывают всё между сессиями. Memento — локальный плагин MCP для Claude Code, который сохраняет, очищает, удаляет дубликаты и восстанавливает контекст проекта.
Источники: My AI Coding Agent Keeps Forgetting Me — So I Gave It a Brain
Представьте вторниковый вечер около 11 часов. Прошло три часа с момента начала переписывания компонента аутентификации с помощью Claude Code — вы и ИИ постоянно обсуждали, лучше использовать шаблон стратегии или обычную фабрику. Оба подхода были опробованы, в итоге победила фабрика, и токены сессий наконец начали проходить через новый слой валидации правильным образом. Это одна из тех сессий, когда всё работает идеально, и совместное программирование с ИИ кажется вполне оправданным.
На следующее утро вы открываете новую сессию и просите продолжить работу над компонентом аутентификации с того места, где остановились. В ответ приходит дружелюбное предложение помочь, а затем просьба описать структуру проекта и его цели с нуля.
Три часа совместной работы — всё пропало.
Это случается со всеми
Если использовать любой инструмент для программирования на основе ИИ более недели — будь то Claude Code, Cursor, Copilot или Windsurf — вы обязательно столкнетесь с этой проблемой. Каждая сессия начинается с чистого листа, и такая рутина быстро надоедает. Первые 15–20 минут уходят на повторное объяснение проекта: вот структура папок, вот как работает система аутентификации, вот почему Supabase лучше, чем разработка внутри компании, и нет, Redis был отклонён. Конечно, инструмент не помнит — он просто не может этого делать.
Вы начинаете строить предложения с фразы «Помнишь, когда мы...», но затем замолкаете, потому что с другой стороны нет никакого «мы». Для ИИ не существует вчерашнего дня — есть только настоящее. Это как если бы ваш самый умный коллега каждое утро приходил с полной амнезией.
Очевидные решения не работают долго
Первые попытки предсказуемы. Одним из вариантов является огромный файл CLAUDE.md, заполненный страницами с контекстом проекта, диаграммами архитектуры в формате ASCII, правилами кодирования и структурой файлов. Это помогает с основами — агент узнает вашу фреймворк-среду и местоположение маршрутов. Однако в таком файле невозможно хранить информацию о принятых решениях. Агент не узнает, что подход А пробовался в прошлую среду и провалился из-за конфликта приоритетов в работе задач в очереди, именно поэтому победил подход Б. Подобные знания накапливаются за дни совместной работы, а статический файл в формате Markdown не может идти в ногу с этим процессом, поскольку проект развивается, а файл становится устаревшим уже через несколько дней.
Второй подход заключается в использовании динамического вспомогательного документа, в котором на начало каждой сессии записываются информация для ИИ: ключевые решения, неудачные попытки, особенности, требующие внимания. Это в некоторой степени работает, но необходимо останавливаться и размышлять о происходящем. Вы вручную поддерживаете память для машины, которая пишет код в десять раз быстрее вас, и ей нужно, чтобы вы выступали в роли её записной книжки.
Ни один из этих подходов не работает дольше недели-двух, и в итоге вы тратите больше времени на управление контекстом ИИ, чем на написание кода.
Настоящая проблема
У этих инструментов нет памяти. В этом вся суть проблемы.
Человеческий коллега ценен не только благодаря навыкам программирования. Он создаёт контекст: знает, почему был выбран Postgres вместо Mongo, помнит о баге с оплатой в январе, возникшем из-за ошибок в расчётах временных зон, и вспоминает архитектурное решение, принятое три спринта назад, которое объясняет, почему один модуль выглядит необычно. Искусственный интеллект не обладает всей этой общей историей — по своей конструкции он безсостояний.
Когда эти инструменты были просто улучшенными автодополнителями, это почти не имело значения. Сейчас они переписывают целые модули, отлаживают проблемы с одновременным выполнением операций в разных сервисах и помогают при принятии важных архитектурных решений. Когда такой мощный инструмент не может вспомнить вчерашнюю работу, разочарование бывает огромным.
Что плохого в том, если ИИ сможет просто запоминать? Не путем грубой силы — вставки всего в запрос, а за счёт того, что ИИ самостоятельно извлекает релевантный контекст из прошлых сессий, исходя из того, над чем вы сейчас работаете, без каких-либо просьб.
Memento
Эта идея получила название Memento в честь одноимённого фильма. Это плагин для Claude Code, технически сервер MCP, который обеспечивает агенту постоянную память между сессиями. Пока вы работаете, он на фоне записывает архитектурные решения, исправления ошибок и изменения конфигурации, храня их локально на вашем устройстве. В начале новой сессии он выделяет всё, что связано с текущей задачей.
В первый раз всё прошло именно так. В понедельник вы устраняете проблему соревновательного состояния в работнике очереди. Коренная причина — отсутствие блокировки; Claude помогает её исправить, а Memento сохраняет контекст без каких-либо ваших действий. В среду вы снова работаете с работником очереди над чем-то не связанным и совсем не упоминаете понедельник. Claude сам напоминает, что проблема соревновательного состояния в этой части была решена в понедельник с помощью файла блокировки, и предлагает проверить, связаны ли они между собой.
Вот в тот момент и происходит чудо. Агент вспоминает то, что ему никто не говорил, не потому, что старый контекст был вставлен, и не из-за файла с инструкциями, а потому, что у него действительно сохранялась память о предыдущей сессии.
Как это работает
Захват данных. В процессе работы активны два механизма. Один запускается после выполнения значимых действий с инструментами, таких как редактирование файлов и выполнение команд, но не при простом чтении файлов. Другой запускается по окончании сессии и собирает краткое резюме. Всё это происходит на фоне.
Очистка и маркировка. Прежде чем данные будут сохранены, специалист удаляет API-ключи, токены, пароли и учетные данные AWS. Затем система маркировки сортирует информацию по категориям — решения, ошибки, архитектура или настройки — с использованием сопоставления шаблонов. На этом этапе не используются вызовы больших языков моделирования.
Устранение дубликатов. Пятьдесят вариантов одной и той же информации просто создадут беспорядок. Система проверяет наличие точных дубликатов с помощью хэша, а затем определяет степень схожести между записями, выражающими одно и то же значение разными словами, с помощью коэффициента косинуса. Если новая версия содержит больше деталей, она заменяет старую.
Хранение. По умолчанию всё сохраняется в локальных JSON-файлах, без каких-либо зависимостей и не требует настройки. Для эффективного векторного поиска можно использовать ChromaDB, а для поиска на основе графов — Neo4j.
Воспроизведение. При запуске новой сессии Memento семантически анализирует сохранённые воспоминания. Поиск происходит по смыслу, а не по ключевым словам, поэтому вопрос о процессе входа может вывести воспоминания о верификации токена сессии, даже если фразы не имеют ничего общего.
Всё работает локально. Модель вкладки all-MiniLM-L6-v2 выполняется на вашем собственном компьютере с помощью Transformers.js, поэтому не происходит вызовов API, и ничего не покидает ваш ноутбук.
Что сохраняется
Записи памяти маркируются в момент их создания. К категориям относятся решения (почему был выбран вариант X вместо Y), ошибки (что сломалось и как это было исправлено), архитектура (как связаны компоненты) и конфигурация (переменные среды и детали развертывания); в документе README перечислено восемь таких категорий. Суть в том, что Memento не просто хранит необработанные логи чатов — он классифицирует контекст, что позволяет более эффективно выбирать важную информацию в текущей ситуации.
Записи памяти привязаны к конкретному проекту через его корневую директорию git, поэтому заметки из репозитория API не попадают в работу над фронтендом. Поиск между проектами доступен при необходимости.
Защита данных
Инженерия надежности здесь довольно щедрая. Отключатель цепей предотвращает распространение сбоев в базе данных, журнал записей перед сохранением гарантирует, что сбой во время записи не приведет к потере данных в памяти, а кэш LRU служит альтернативой, когда основное хранилище временно недоступно. Возможно, это избыточно, но инструменты, которые тихо удаляют данные, действительно раздражают, и цель состоит в том, чтобы все, что зафиксировало Memento, оставалось на месте.
Попробовать
Это программное обеспечение с открытым исходным кодом, опубликованное на npm. Для выполнения задачи достаточно одной команды:
npx memento-memory
Это устанавливает сервер MCP, настраивает автоматические механизмы захвата данных и обновляет конфигурацию Claude, чтобы следующая сессия Claude Code работала без проблем. Также возможна глобальная установка с помощью команды npm install -g memento-memory, причем в файле README перечислены все варианты настройки.
Существуют также некоторые ручные команды:
/recall— поиск в ваших «воспоминаниях»/remember— явное сохранение информацииmemory_health— отчет о состоянии системыmemory_list— просмотр сохраненных данных
Почему это важно
Инструменты программирования на основе ИИ находятся в довольно странном положении. Они способны рефакторить целые модули, устранять сложные ошибки и анализировать архитектуру системы, однако каждое утро они просыпаются, не зная ничего ни о вас, ни о вашем проекте. Чем более совершенными становятся эти инструменты, тем сильнее ощущается этот разрыв, потому что становится очевидно, насколько лучше были бы все дела при наличии хотя бы какой-то преемственности.
Memento — это попытка преодолеть этот разрыв. У него есть недостатки, и, безусловно, бывают случаи, когда он неправильно классифицирует что-то или упускает контекст, который должен был быть очевиден. Тем не менее, возможность начать сессию, в ходе которой Claude уже знает, что происходило на прошлой неделе, — вот как всё должно было работать с самого начала. Отсутствие памяти и было ошибкой.
Связанные материалы
- Почему навыки агентов нарушают свою работу при их объединении в цепочки и трехуровневое решение проблемы — Глубокие цепочки навыков приводят к перегрузке контекста агента. Вместо этого следует использовать «атомы», «молекулы» и «соединения» навыков, приводясь примеры для Claude Code, LangGraph, CrewAI и Agno.
- Разработчики WordPress и агенты для программирования на ИИ: Abilities API, MCP и что стоит изучить — Как агенты для программирования изменят работу с WordPress к 2026 году: Abilities API, AI Client, MCP Adapter, WebMCP, проблема верификации и список навыков, достойный изучения.