ИИ-агенты OpenSpace сохраняют навыки между запусками, снижая расходы на API

Фреймворк OpenSpace от лаборатории HKUDS (Гонконгский университет) решает одну из болезненных проблем агентных систем: одноразовость. Обычный ИИ-агент выполнил задачу и забыл, как он это сделал. OpenSpace сохраняет, версионирует и переиспользует навыки через SQLite-хранилище (встроенную файловую базу данных, которая не требует сервера). Это открытый проект на GitHub, и настроить его можно за вечер.

Что понадобится?

• Python 3.12 или выше (проверьте командой python --version).
• API-ключ Anthropic или OpenAI. Без ключа агент не запустится: все задачи выполняет облачная модель. Бесплатных тарифов хватит для теста, но учтите лимиты.
• Google Colab или локальная среда. Colab удобнее для быстрого старта, локальная машина подходит для длительных проектов.
• Git для клонирования репозитория.
• 30-40 минут на установку, первую задачу и разбор результата.

Пошаговая инструкция

1. Клонируйте репозиторий с разрежённой проверкой. Это скачает код без тяжёлых медиафайлов из папки assets:

git clone --filter=blob:none --sparse \
  https://github.com/HKUDS/OpenSpace.git /content/OpenSpace

cd /content/OpenSpace
git sparse-checkout set --no-cone "/*" "!/assets/"

1. Установите пакет в редактируемом режиме и библиотеку nest_asyncio (нужна для асинхронного запуска в Colab):

pip install -e /content/OpenSpace
pip install nest_asyncio

1. Создайте рабочие директории и файл окружения. OpenSpace ожидает переменные среды с ключами и путями:

import os, pathlib

WORKSPACE = "/content/openspace_workspace"
SKILLS_DIR = "/content/my_agent_skills"
os.makedirs(WORKSPACE, exist_ok=True)
os.makedirs(SKILLS_DIR, exist_ok=True)

env_lines = [
    "OPENSPACE_MODEL=anthropic/claude-sonnet-4-5",
    f"OPENSPACE_WORKSPACE={WORKSPACE}",
    f"OPENSPACE_HOST_SKILL_DIRS={SKILLS_DIR}",
    "ANTHROPIC_API_KEY=ваш_ключ_сюда",
]

env_path = "/content/OpenSpace/openspace/.env"
pathlib.Path(env_path).write_text("\n".join(env_lines) + "\n")

Замените ваш_ключ_сюда на реальный ключ. Если используете OpenAI, замените строку ключа на OPENAI_API_KEY=....

1. Запустите первую задачу через Python API:

import asyncio, nest_asyncio
nest_asyncio.apply()

from openspace import OpenSpace

async def run_task(query: str):
    async with OpenSpace() as cs:
        result = await cs.execute(query)
        print(result["response"][:3000])
        for skill in result.get("evolved_skills", []):
            print(f"Evolved: {skill['name']} (origin={skill['origin']})")
        return result

result = asyncio.run(run_task(
    "Write a Python function that parses a CSV of employee hours "
    "and computes weekly payroll with overtime (1.5x beyond 40h)."
))

Агент напишет функцию, протестирует её и, если решение удачное, сохранит навык в базу.

1. Проверьте, что навык сохранился. Откройте SQLite-хранилище и посмотрите на таблицы:

import sqlite3

db_path = f"{WORKSPACE}/.openspace/openspace.db"
con = sqlite3.connect(db_path)
tables = [r[0] for r in con.execute(
    "SELECT name FROM sqlite_master WHERE type='table'"
).fetchall()]
print("Таблицы:", tables)
con.close()

1. Запустите повторную задачу, расширяющую первую. Здесь ИИ-агент должен переиспользовать сохранённый навык:

result_2 = asyncio.run(run_task(
    "Extend the payroll logic: add a second CSV of tax withholding "
    "rates per employee and produce net pay. Reuse any prior payroll skill."
))

1. Создайте собственный навык вручную. Положите файл SKILL.md в директорию навыков:

import textwrap

skill_dir = pathlib.Path(SKILLS_DIR) / "colab-csv-report"
skill_dir.mkdir(parents=True, exist_ok=True)

(skill_dir / "SKILL.md").write_text(textwrap.dedent("""\
---
name: colab-csv-report
description: Generate a summary report from any CSV file
---
Read the CSV, compute basic stats (mean, median, sum per numeric column),
and output a markdown table.
"""))

Теперь агент может обнаружить этот навык и использовать его при подходящем запросе.

1. Запустите MCP-сервер (Model Context Protocol, протокол для подключения внешних инструментов к ИИ-агентам) для интеграции с другими приложениями:

openspace-mcp --help

Три типа навыков, которые хранит OpenSpace

В SQLite-базе агент сохраняет навыки трёх категорий:

• FIX (исправленные). Агент наткнулся на ошибку, починил код и сохранил рабочую версию, чтобы не повторять ошибку.
• DERIVED (производные). Агент взял существующий навык и расширил его под новую задачу, например, добавил расчёт налогов к базовому расчёту зарплаты.
• CAPTURED (захваченные). Полностью новый навык, созданный с нуля при решении задачи.

Каждая запись хранит метаданные: версию, родительский навык (если есть) и время создания. Это и есть «эволюция», не метафора, а конкретная цепочка наследования в базе данных.

Что делать с этим прямо сейчас?

Автору на Дзене. Попробуйте настроить ИИ-агента для типовых задач: генерация таблиц, обработка CSV со статистикой канала, шаблоны отчётов. Навык сохранится, и каждый следующий запуск будет быстрее и дешевле.

Разработчику. MCP-сервер позволяет подключить OpenSpace как инструмент к другим агентным системам. Если вы строите цепочку из нескольких ИИ-агентов, это готовый способ дать им общую память навыков.

Предпринимателю в РФ. OpenSpace работает с API Anthropic и OpenAI. Прямой доступ к этим API из России затруднён, но возможен через VPN или прокси-сервисы. Из российских аналогов агентного подхода стоит посмотреть на YandexGPT API и GigaChat API, хотя у них пока нет встроенного механизма эволюции навыков.

Самоэволюционирующие ИИ-агенты пока звучат как фантастика, но OpenSpace переводит эту идею в конкретный код: база данных с версиями навыков, три типа наследования и MCP-сервер для связи с внешним миром. Настройте, прогоните две задачи подряд и посмотрите, как агент подхватывает собственный прошлый опыт.