Что такое ИИ-агент с памятью: паттерн LLM Wiki сводит 37 000 файлов к 70 страницам

---

Если вы работаете с ИИ-агентами (программами, которые сами выполняют цепочки действий по вашему заданию), то наверняка замечали: агент каждый раз начинает с чистого листа и не помнит контекст вашего проекта. Ниже разберём, как собрать для него «живую» базу знаний, LLM Wiki, чтобы агент ориентировался в сложной системе без повторных объяснений.

Паттерн решает конкретную боль. Онбординг-файл (например, CLAUDE.MD) объясняет агенту правила поведения: соглашения, запрещённые паттерны, границы слоёв. Но он не даёт накопленного знания о системе: почему в платёжном потоке есть нетипичная ветка, какая из интеграций молча отклоняется от задокументированного контракта, какие части документации устарели. Человек набирает это знание месяцами инцидентов и ревью кода. Агент же каждую сессию стартует без памяти.

Карпаты в своём gist прямо называет проблему подхода по умолчанию: «Задайте тонкий вопрос, требующий синтеза пяти документов, и LLM каждый раз приходится заново находить и собирать релевантные фрагменты. Ничего не накапливается». А ручная вики проваливается по обратной причине: люди плохи в поддержке, потому что, как сказано в gist, «утомительная часть ведения базы знаний это не чтение и не размышление, а бухгалтерия».

LLM Wiki переносит бухгалтерию на агента, а за человеком оставляет кураторство: выбрать источники, направить анализ, задать вопросы.

Что понадобится

• ИИ-агент с доступом к файловой системе (OpenAI Codex, Claude Code, OpenCode / Pi или аналог). В России подойдёт любой агент, умеющий читать и писать локальные файлы по инструкции
• Репозиторий проекта, в котором вы хотите навести порядок со знаниями
• Текстовый редактор для правки единственного файла, который остаётся за человеком: файла-схемы (CLAUDE.MD)
• 30 минут на первичную настройку структуры и первый «приём» (ingest) документа

Как собрать LLM Wiki за пять шагов?

1. Создайте минимальную структуру папок. По паттерну Карпаты нужны два ключевых файла и несколько директорий:

.claude/wiki/
├── CLAUDE.md       # схема: соглашения, шаблоны страниц, чек-лист линта
├── index.md        # маршрутизатор: «ищете X → страница Y»
├── log.md          # журнал (только дозапись)
├── raw/            # неизменяемые исходные документы
│   └── assets/     # вложения
└── wiki/           # markdown-страницы, пишет только агент

Папку .claude/wiki/ автор добавляет в .gitignore: это персональный слой синтеза, а не командная документация и не замена README модулей.

1. Заполните файл-схему (CLAUDE.MD). Это единственный файл, который правит человек. В нём укажите правила источников, шаблон страницы и чек-лист для линта (периодической проверки). Каждая страница вики обязана следовать контракту из схемы: вводный абзац «зачем вы сюда пришли», один уровень заголовков, раздел «Открытые вопросы» в конце, бюджет не более 120 строк. Если страница перерастает бюджет, правило одно: разбить на две связанные страницы, а не растягивать.

2. Настройте индекс как маршрутизатор, а не как оглавление. Главный раздел index.md это таблица записей «если вы ищете X, откройте страницу Y», за ней идут два списка: известные противоречия и известные пробелы. Рабочий процесс запроса начинается именно здесь: агент выбирает от 3 до 7 страниц, проходит по ссылкам максимум на один уровень глубже и синтезирует ответ. Если у вики нет ответа, правило: агент говорит «вики этого не покрывает» и предлагает поглотить источник, а не импровизирует по коду.

3. Запустите первый приём (ingest). Скормите агенту исходный документ из папки raw/. Агент прочтёт его, обсудит с вами выводы, напишет страницу-резюме и, самое ценное, обновит 10 от 15 существующих страниц новыми связями и исправлениями. Каждой странице нужны минимум две входящие ссылки, чтобы знание не осиротело.

4. Запускайте линт регулярно. Линт (lint) это периодическая проверка здоровья вики: противоречия между страницами, страницы-сироты без входящих ссылок, устаревшие утверждения, недостающие перекрёстные ссылки. Автор оригинала завернул всё в одну слэш-команду /wiki, которая вызывает нужную операцию.

Три операции, которые делает агент сам

Что такое ИИ-агент в контексте LLM Wiki? Это не просто чат-бот, а программа, которая самостоятельно выполняет три типа действий над вашей базой знаний:

• Ingest (приём). Новый источник появился, агент читает его, пишет страницу и обновляет связи по всей вики
• Query (запрос). Вы задаёте вопрос, агент маршрутизируется через индекс, читает нужные страницы, синтезирует ответ со ссылками. Удачный ответ может быть подшит обратно как новая страница
• Lint (проверка). Агент сам находит противоречия, пробелы и устаревшие данные

«Вы никогда не пишете вики сами. LLM пишет и поддерживает её целиком» : Андрей Карпаты, gist «LLM Wiki»

«Работа человека — курировать источники, направлять анализ, задавать хорошие вопросы. Работа LLM — всё остальное» : Андрей Карпаты, gist «LLM Wiki»

Что делать с этим прямо сейчас?

Автору Дзена и копирайтеру. Паттерн LLM Wiki подходит не только для кода. Если вы ведёте экспертный канал и накопили сотни постов, заметок, черновиков, соберите их в папку raw/, напишите схему с правилами вашего канала и поручите агенту превратить хаос в структурированную базу тем и фактов. Следующий пост будет начинаться не с чистого листа, а с запроса к вашей собственной вики.

Разработчику в РФ и СНГ. Паттерн снимает зависимость от англоязычных примеров. Вы описываете в raw/ свои реалии: локальные платёжные шлюзы, интеграции с отечественными системами, legacy-код на 1С или PHP. Агент синтезирует знания на вашем языке и в вашем контексте. YandexGPT и GigaChat пока не работают в агентном режиме с файловой системой так, как Claude Code или Codex, но паттерн переносим: достаточно агента, умеющего читать и писать файлы.

Предпринимателю. Если в вашей компании есть «человек, который знает, как всё устроено», а его уход парализует процессы, LLM Wiki это способ перенести его экспертизу в структуру, которую агент поддерживает, а не в документ, который устареет через месяц.

Паттерн Карпаты ценен не технологией, а сдвигом ответственности: человек перестаёт быть бухгалтером своей базы знаний и становится её редактором. Для тех, кто работает с отечественными системами, это способ дать агенту локальный контекст, который не найдёшь ни в одном англоязычном туториале, и перестать объяснять ему одно и то же каждую сессию.