Нейросеть Codex научили сжимать контекст без потерь: открытый патч уже на GitHub

Разработчик под ником z0rgoyok опубликовал на GitHub проект codex-luna-kit, который добавляет нейросети Codex возможность управлять сжатием контекста осознанно, а не по слепому лимиту. Суть в том, что агент перед большой фазой работы проверяет, сколько контекстного окна осталось, и если задача не помещается, сохраняет контрольную точку с описанием текущего состояния и плана. После сжатия агент читает эту точку, перепроверяет состояние репозитория и продолжает по намеченному плану. Автор честно оговаривает: финальных выводов об эффективности пока нет, но подход уже можно протестировать.

Что понадобится?

• Установленный OpenAI Codex CLI (терминальный инструмент для работы с моделями OpenAI)
• Аккаунт GitHub и базовое умение клонировать репозитории
• Готовность пропатчить Codex (автор проекта отмечает, что «это не страшно», но потребуется ручная правка)
• 15 минут на настройку, ещё 10 на первый тестовый запуск

Пошаговая инструкция: как настроить осознанное сжатие контекста

1. Клонируйте репозиторий codex-luna-kit:

git clone https://github.com/z0rgoyok/codex-luna-kit

1. Примените патч к установленному Codex CLI согласно инструкции в README репозитория. Патч добавляет в ответ на вызов инструментов (tool calls) информацию о текущей ситуации по контексту и инструкции по записи чекпоинтов в агентские правила.

2. Пропишите правила для агента. В конфигурации агента нужно указать, что перед началом большой фазы работы он обязан проверить остаток контекстного окна (токенов, единиц текста, которые модель обрабатывает за раз).

3. Задайте логику чекпоинтов. Агент должен получить инструкцию: если планируемая работа не помещается в оставшийся контекст, сохранить чекпоинт (контрольную точку) с тремя элементами:

4. что именно сейчас делается
5. что планируется после сжатия

6. причина, по которой сжатие запущено

7. Запустите задачу и наблюдайте. После сжатия (compact) агент «очнётся», прочитает чекпоинт, перепроверит состояние репозитория и продолжит работу по плану.

8. Проверьте результат. Сравните, сохранился ли контекст задачи после сжатия: агент должен продолжить именно с того места и с тем пониманием, которое зафиксировал.

Почему это критично для русскоязычных задач?

Русский язык грамматически сложнее английского, и один смысловой блок на русском занимает больше токенов. Для чат-ботов и ИИ-агентов, работающих на русском, контекстное окно исчерпывается быстрее. Метод с чекпоинтами позволяет сжимать историю диалога без потери смысла, а это напрямую влияет на качество работы любого русскоязычного сервиса с ограничением токенов.

Автор Дзена, который использует ИИ-агентов для подготовки длинных текстов или серий постов, получает способ не терять контекст задачи при долгой сессии. Маркетологу, работающему с автоматизацией через API, подход подсказывает архитектуру: агент сам управляет своей памятью, а не обрывается на полуслове. Предпринимателю из РФ, собирающему чат-бота на базе открытых или закрытых моделей, стоит обратить внимание: проблема «забывчивости» агента посреди задачи универсальна, и codex-luna-kit показывает один из рабочих способов её обойти.

Нейросеть Codex с таким патчем превращается из инструмента, который молча теряет контекст, в агента, который ведёт дневник своей работы. Проверить можно прямо сейчас: репозиторий открыт, инструкция короткая, а риск при тестировании на учебном проекте нулевой.