ContextPool — инструментальный слой памяти для помощников по программированию, который пытается не начинать каждую новую сессию с нуля. Идея сильная: вытаскивать из прошлых рабочих диалогов ошибки, исправления и проектные решения, чтобы агент быстрее входил в контекст. Но вместе с пользой тут сразу возникает главный вопрос: действительно ли такая память помогает, а не превращает новую сессию в склад старого шума и лишних деталей.
Семь тихих запусков и инфраструктурных идей, которые почти не заметили: память для AI-агентов без единой звезды, развёртывание моделей на дронах с 9 голосами, проверка фактов для машин, голосовые помощники с одним отзывом и R-инструмент для локальных моделей, который на Hacker News почти не обсуждали.
Пока все смотрят на громкие раунды и шумные релизы, рядом проходят более тихие запуски: агент для работы с реальным софтом, замер памяти у ИИ-агентов, облачный помощник для AWS и GCP, сервис для автоматизации личных финансов и несколько аккуратных нишевых продуктов. У каждого здесь слабый сигнал по голосам, звёздам или охвату, но идея сильнее текущих цифр.
scritty пытается закрыть дорогую боль разработки с несколькими AI-агентами: он перехватывает диалоги разных терминальных помощников, хранит их локально и превращает в общую память с поиском. Идея сильная для тех, кто постоянно прыгает между Claude Code, Codex и другими инструментами, но ценность продукта напрямую зависит от того, насколько команде уже мешает потеря контекста между этими помощниками.
cognee — открытая платформа памяти для ИИ-агентов, которая собирает данные в собственный граф знаний и сохраняет долгую память между сессиями. Идея сильная для команд, которым уже тесно в обычном поиске по фрагментам текста: вместо кратких выдержек инструмент обещает связанный контекст, саморазмещение и больший контроль над данными.
ClawMemory подаёт память ИИ-агентов как нечто похожее на Git для диалогов и контекста: с сохранением сессий как коммитов, возможностью повторно использовать ветки и разбирать, как именно агент пришёл к результату. Идея выделяется тем, что делает ставку не только на поиск по памяти, но и на воспроизводимость, отладку и контроль над эволюцией контекста.
Два почти незаметных запуска на Hacker News показывают, куда может сдвинуться рынок ИИ-инструментов для разработки: отдельный просмотрщик больших изменений кода и общая проверяемая память для нескольких агентов.
Иногда самая интересная находка — не очередная большая модель, а маленький рабочий каркас для общей памяти. Репозиторий multi-agent-obsidian-vault предлагает использовать хранилище Obsidian как общий контур памяти для нескольких ИИ-агентов, но при этом на GitHub у него сейчас всего 0 звёзд и 0 форков.
Новый проект memharness выглядит как редкая находка из слоя инфраструктуры, который обычно не получает широкой огласки: это локальная долговременная память для ИИ-агентов с двухвременной моделью хранения, поиском по смыслу и по тексту и сигналом устаревания источников. На момент проверки у репозитория был всего 1 звезда и 0 ответвлений, хотя сама идея бьёт в одно из самых слабых мест современных агентных систем — плохую память и неаккуратное извлечение прошлого контекста.
