ИИ-агент не помнит решений команды: «Куб три» за 1,5 года нашла три пробела в его памяти
Команда «Куб три» после полутора лет опытов с ИИ-агентами на SuiteCRM и Odoo описала память проекта, без которой агент пишет быстро, а ревью превращается в узкое место.

Ошибки агента в чужом проекте чаще идут от незнания решений и правил команды, которых нет в коде. Исправлять приходится то, что агент знает о проекте, а не промпт перед каждой задачей.
В начале 2025 года команда попросила Claude добавить в проект API-эндпоинт (точку входа, через которую программы обмениваются данными). Код получился быстрым, аккуратным и даже с документацией. На ревью (проверке коллегами перед принятием) в нём нашли три проблемы, а на следующий день всё повторилось уже на другой задаче.
О себе авторы разбора пишут так: «Куб три», это 35 человек и больше 15 лет заказной разработки. Команда внедряет и дорабатывает под клиентов SuiteCRM и Odoo, системы для работы с клиентами и бизнес-процессами. Вот что нашли на ревью:
- бизнес-логика лежала прямо в контроллере (части кода, которая принимает запрос), а в команде так не делают;
- функцию авторизации написали заново, хотя такая в проекте уже была;
- функцию назвали getUser вместо принятого get_user.
Если коротко, что такое ИИ-агент: это нейросеть, которая сама читает файлы проекта, ищет по нему и пишет код. Новый разработчик первые недели больше читает, чем пишет, а у агента этот период не кончается. Вчерашнего разговора он не помнит и каждый день выходит на работу впервые.
Агент ищет по проекту через grep (команду поиска текста в файлах) и тратит на это время и токены (единицы текста, за которые платят при работе модели). При этом решение, принятое полгода назад, он может так и не найти, потому что в коде его нет.
Чего агенту не хватает, кроме ума?
Команда разобрала замечания с ревью и выделила три вида знания, которых агенту недостаёт:
- Структура. Какие есть модули, кто кого вызывает, где лежит нужная функция. Агент находит это и сам, но медленно и дорого.
- Решения. Почему платежи идут через очередь, какой модуль не трогают, от какого варианта отказались. В коде остаётся только итог. Причины хранятся в головах, чатах, закрытых merge request (заявках на слияние кода) и ADR (записях архитектурных решений).
- Правила команды. Слои, именование, запреты. Линтер (программа автоматической проверки кода) ловит только часть из них.
Поверх этого накладывается время: документация, отставшая от кода, вредит, потому что агент ей верит. В истории с эндпоинтом сошлись два вида из трёх. Лишняя авторизация появилась от незнания структуры, а логика в контроллере и getUser от незнания правил.
Главная деталь разбора: знание нужно приносить агенту без просьбы, потому что за правилами он сам ходит редко. По сводке шести публикаций с замерами, которую приводят авторы, узкое место переехало из написания кода в проверку. Google в отчёте DORA 2025 называет ИИ усилителем, но при условии, что у агентов есть доступ к внутренней документации и коду компании.
Что понадобится для старта?
- репозиторий проекта в git (системе хранения версий кода);
- ИИ-агент, который читает файлы проекта, например Claude Code или Cursor;
- файл с правилами: CLAUDE.md, AGENTS.md или cursor rules;
- список замечаний с последних ревью кода агента;
- пять минут на первый файл и время команды на его обновление.
Как собрать память проекта по шагам?
- Выпишите замечания, которые код агента получал на ревью, и разложите их на три вида: структура, решения, правила.
- Создайте в репозитории файл с правилами и сохраните его в git, тогда он будет меняться вместе с веткой.
- Опишите структуру: где лежит бизнес-логика и какие готовые функции уже есть.
- Запишите решения вместе с причинами, а не только итог.
- Сформулируйте правила команды коротко: слои, именование, запреты.
- Пишите сжато: агент читает файл целиком, нужное вперемешку с ненужным.
- Обновляйте файл вместе с кодом, иначе он устареет незаметно.
- Для поиска по коду подключите Serena. Она работает поверх language server (службы, которая понимает код, как редактор программиста), и, по оценке авторов, ищет точнее и дешевле grep.
Три замечания с ревью «Куб три» превращаются в несколько строк файла:
# Правила проекта
## Структура
- Авторизация уже есть: <путь к файлу>. Новую не писать.
## Правила
- Бизнес-логику не кладём в контроллеры.
- Имена функций: get_user, не getUser.
## Решения
- <что решили>, потому что <причина>.
Эти строки больше не нужно вписывать в промпт перед каждой задачей. Свою платформу AI Council команда проверила в прямом сравнении: код агента стало проще принять на ревью, но работа модели обошлась почти на треть дороже.
- Ждать, что агент сам пойдёт за правилами. Авторы пишут, что это бывает редко.
- Считать файл законом. Правило в нём остаётся советом, заставить модель его выполнять файл не может.
- Забывать обновлять текст. Он никак не связан с кодом, а устаревшая документация вредит.
- Полагаться на автопамять Claude Code как на общую базу. Она хранится на машине разработчика, а не в git.
- Ждать от Serena знаний о решениях. Она знает только код, и вызывать её агент должен по своей инициативе.
Что делать с этим прямо сейчас, по ролям
Руководителю команды внедрения. Проекты на SuiteCRM и Odoo живут годами, знания в них размазаны по разработчикам, аналитикам и тестировщикам. Начните с одного файла правил и трёх самых частых замечаний ревью.
Предпринимателю, который заказывает доработки CRM. Спросите подрядчика, где записаны решения по вашему проекту. Если только в головах, агент их не увидит, и правки будут возвращаться на переделку.
Автору Дзена и маркетологу. Принцип переносится на тексты: один файл с правилами редакции вместо одинаковых указаний в каждом промпте. Файл это обычный текст, его можно дать и доступным в РФ моделям, YandexGPT и GigaChat.
На мой взгляд, самый ценный вывод разбора: агенту не хватает не ума, а контекста. Это видно в любой работе с нейросетью, не только в коде. Честная оговорка: AI Council коммерческий продукт авторов, и даже по их собственному замеру память обходится почти на треть дороже. Для небольшой команды хватит файла правил, а платформу стоит рассматривать там, где ревью съедает больше, чем стоит работа модели.
Научитесь давать нейросети контекст
В dzen.guru разбираем, как собрать правила для ИИ один раз и не повторять их в каждом промпте.
Перейти в dzen.guru
Основатель dzen.guru. Эксперт по монетизации и продвижению на Дзен. Автор курса «Старт на Дзен 2026».
Читайте также

Что такое ИИ-агент без памяти: Anthropic показала, как научить его не начинать с нуля
Ламис Мукта из Anthropic в выступлении о памяти показала, как ИИ-агенты перестают начинать каждую задачу с нуля, и этот путь от одного файла до набора навыков…

Рекомендательные системы не измеряют вкусы, а назначают ценности: три метрики, три ленты
Автор цикла «Человек в мире современных технологий» в новой статье утверждает, что метрика рекомендательной ленты не измеряет вкусы читателей, а назначает им…

Qwen Code под проект за пять шагов: агент меньше спрашивает и тратит меньше токенов
Qwen Code после установки каждый раз заново изучает репозиторий и тратит оплачиваемые запросы на одно и то же, поэтому разбираем настройку под проект по…
Комментарии