Память для ИИ-агентов: Claude Code, Codex и Cursor

Начните с AGENTS.md под контролем версий и краткой записи о состоянии незавершённой задачи: это базовая общая память для ИИ-агентов Claude Code, Codex и Cursor. Подключайте ai-memory, если нужен автоматический сбор контекста и передача задач, или Beacon, если хотите разбирать записи сеансов и утверждать выводы для повторного использования. Обязательные правила работы с проектом при любом варианте храните в репозитории.

Что сохранять при смене агента

Храните долгосрочные решения отдельно от текущего состояния задачи. Новый агент может прочитать код, но не узнать, почему вы отказались от одного из подходов, что исправили в его работе вчера и с какого шага нужно продолжить.

Разным задачам служат три вида контекста: инструкции описывают правила работы, запись для передачи задачи (handoff) фиксирует, где работа остановилась, а история сеанса позволяет проверить основания для тех и других. Передача одного вида контекста сама по себе не переносит остальные, запущенные процессы или разрешения на использование инструментов.

Подход	Что сохраняется	Когда выбирать	Когда пересмотреть выбор
Инструкции и запись о задаче в репозитории	Правила, решения и состояние задачи, которые вы поддерживаете вручную	Достаточно небольшого набора заметок, которые должны храниться вместе с кодом в Git	Перейдите к сервису, если участники проекта регулярно забывают обновлять записи
ai-memory	Собранные сведения, Markdown-вики с поиском и записи для передачи задач между агентами	Вы часто меняете агентов и хотите автоматизировать сбор и поиск контекста	Останьтесь с файлами, если обслуживание хуков, учётных данных и сервера требует больше усилий, чем экономит
Beacon	Приведённые к единому формату записи сеансов и явно утверждённые выводы по проекту	Нужно разбирать ход работы и превращать повторяющиеся исправления в проверенные правила	Выберите ai-memory, если автоматическая передача задач важнее разбора сеансов и проверки выводов

Сравнение по состоянию на 2026-10-21 относится к ai-memory v3.1.2 и Beacon v1.3.45. Разница прежде всего в устройстве решений: ai-memory включает сервер, хуки и MCP наряду с Markdown-вики в Git, а в Beacon сбор сеансов и утверждение записей памяти — отдельные процессы.

Начните с AGENTS.md и краткой записи о задаче

Сделайте AGENTS.md общим справочником по проекту и проверьте, что каждый инструмент его загружает. Встроенные правила чтения файлов различаются:

Codex: читает цепочку инструкций от корня проекта до рабочего каталога. В одном каталоге AGENTS.override.md имеет приоритет над AGENTS.md; подробности — в правилах поиска инструкций Codex.
Cursor: поддерживает AGENTS.md в корне проекта и во вложенных каталогах. Если нужны правила Cursor с заданной областью действия, храните их в .cursor/rules/*.mdc; см. документацию Cursor по правилам.
Claude Code: начиная с v2.1.277 умеет напрямую загружать AGENTS.md, но по умолчанию предпочитает подходящие под правила загрузки файлы CLAUDE.md, .claude/CLAUDE.md или CLAUDE.local.md в рабочем каталоге или его родительских каталогах. Если у вас уже есть инструкции для Claude или прямое чтение не поддерживается в вашем сеансе, добавьте строку @AGENTS.md в корневой CLAUDE.md, лежащий рядом с AGENTS.md. Оба варианта описаны в руководстве по памяти Claude Code.

Для небольшой проверки добавьте следующие инструкции в корневой AGENTS.md, сохранив существующие инструкции:

## Working context

- Before changing a dependency version, read its official release notes
  and run the tests for the affected component.
- When resuming work, read docs/agent-handoff.md if it exists.
- Treat handoffs as historical evidence. Check old commands, paths and
  conclusions against the current checkout before acting.

После реальной задачи попросите агента подготовить запись для передачи работы:

Write docs/agent-handoff.md with the goal, current branch and commit,
confirmed decisions, commands actually run and their results,
remaining uncertainty, and the next concrete action.
Distinguish failed approaches from successful ones.
Do not include credentials or copy the full conversation.

Проверяйте этот файл вместе с изменениями кода. Постоянные правила оставляйте в AGENTS.md, а запись о состоянии задачи обновляйте по мере работы.

Откройте новый сеанс в каждом инструменте и спросите, какие проверки нужны при обновлении зависимости и из какого файла взяты эти требования. В Claude Code команда /context также позволяет посмотреть загруженные файлы памяти. Если Codex не учёл правило, сначала проверьте рабочий каталог и файл, переопределяющий инструкции, а уже затем решайте, нужны ли дополнительные копии.

Встроенная автоматическая память полезна и в пределах отдельного инструмента. Claude Code хранит заметки проекта в ~/.claude/projects/<project>/memory/. Локальная память Codex включается по желанию, хранится в ~/.codex/memories/ и управляется через /memories. Эти раздельные хранилища не заменяют общий формат передачи задач между инструментами.

ai-memory: автоматический сбор контекста и передача задач

Выбирайте ai-memory, если хотите, чтобы агенты сохраняли и находили контекст проекта через сервис. Основные данные хранятся в Markdown-вики под управлением Git, а SQLite содержит производный поисковый индекс. Через MCP — протокол подключения инструментов — агенты получают доступ к памяти, а хуки, то есть обработчики событий, отвечают за сбор данных и передачу задачи между сеансами.

Установка и подключение агентов

Пример рассчитан на первую установку для пользователя macOS в Bash. Git и выбранные инструменты с ИИ-агентами должны быть уже установлены, а вход в нужные учётные записи — выполнен. Для других платформ используйте инструкцию по установке этой версии.

curl -fsSLo /tmp/ai-memory-install-v3.1.2.sh \
  https://github.com/akitaonrails/ai-memory/releases/download/v3.1.2/install.sh
less /tmp/ai-memory-install-v3.1.2.sh
AI_MEMORY_VERSION=3.1.2 sh /tmp/ai-memory-install-v3.1.2.sh
export PATH="$HOME/.local/bin:$PATH"
ai-memory --version
ai-memory setup --plan --agent claude-code --agent codex --agent cursor
ai-memory setup --agent claude-code --agent codex --agent cursor
ai-memory status

Ожидаемая версия — 3.1.2. Перед применением просмотрите план: настройка создаёт фоновую службу и меняет конфигурацию MCP, хуков и навыков на уровне пользователя. Поэтому сбор данных может затронуть и другие проекты, в которых вы используете выбранных агентов.

Кроме того, код настройки Codex в этой версии задаёт default_tools_approval_mode = "approve" для инструментов ai-memory. Если хотите подтверждать изменения памяти вручную, отдельно проверьте это разрешение.

Для штатного подключения Codex в этой версии загрузите сгенерированный bearer-токен в окружение запуска. Для стандартного каталога данных macOS следующие команды Bash делают это без вывода токена на экран:

AI_MEMORY_AUTH_TOKEN="$(cat "$HOME/Library/Application Support/ai-memory/auth-tokens/default")"
export AI_MEMORY_AUTH_TOKEN
codex

Настройка подключения ссылается на AI_MEMORY_AUTH_TOKEN; это требование Codex объясняется в руководстве по установке MCP. Если каталог данных у вас отличается от стандартного, используйте фактический путь из вывода ai-memory status.

Внутри Codex выполните /hooks и отметьте установленные хуки ai-memory как доверенные. После настройки перезапустите Claude Code и Cursor. Успешное завершение установщика само по себе не означает, что Codex будет выполнять хуки, которые ещё не отмечены как доверенные.

Проверьте память и передачу задач по отдельности

Для первой проверки используйте одну рабочую копию репозитория и явно задайте область проекта. В корне выполните ai-memory project init, затем подтвердите или выберите имена рабочего пространства и проекта. Команда создаст .ai-memory.toml; используйте одну и ту же пару имён во всех агентах.

В Claude Code отправьте такой запрос:

Read .ai-memory.toml and use its workspace and project for ai-memory calls.
Call memory_status.
Use memory_write_page to save decisions/shared-memory-demo.md with:
"Memory trial: before a dependency upgrade, check the official release
notes and run the affected component's tests."
Read the page back with memory_read_page and report its stored path.

Откройте Codex или Cursor в той же рабочей копии. Попросите вызвать memory_query для поиска Memory trial, а затем memory_read_page для подходящего результата. Проверка успешна, если инструмент действительно вернул сохранённый путь и решение; правдоподобного ответа без обращения к памяти недостаточно. Эти операции описаны в справочнике программного доступа к памяти.

Теперь отдельно проверьте автоматическую передачу работы на небольшой реальной задаче: оставьте одно явно сформулированное незавершённое действие, штатно закройте сеанс и откройте следующего агента в том же каталоге. В его начальном контексте должно появиться это действие. Обычная страница остаётся доступной для поиска, а запись для передачи задачи выдаётся следующему сеансу однократно.

Если чтение памяти не сработало, запустите ai-memory doctor, проверьте состояние подключения MCP и пару «рабочее пространство — проект». При ошибке аутентификации Codex проверьте окружение, из которого он запущен; если не появилась запись для передачи задачи — доверие к хукам и сбор событий сеанса. Это разные причины сбоя, и проверять их нужно отдельно.

Beacon: разбор сеансов и проверенные выводы

Выбирайте Beacon, когда хотите проверить, на чём основан вывод, прежде чем использовать его снова. Для сбора данных он сочетает OpenTelemetry, хуки и восстановление из локальных файлов сеансов; доступный набор событий зависит от инструмента. Запись сеанса не превращает его содержимое в утверждённую память автоматически.

Установка локального сборщика

Для первой установки в macOS через Bash с Homebrew настройте сбор только для трёх рассматриваемых агентов:

brew update
brew trust asymptote-labs/tap
brew tap asymptote-labs/tap
brew install beacon
beacon version
BEACON_ONBOARDING=0 beacon endpoint install \
  --harness claude,codex,cursor --no-backfill
beacon endpoint status

По состоянию на дату проверки формула Homebrew содержит версию 1.3.45. Этот пример пропускает импорт старых сеансов и интерактивный мастер первоначальной настройки. Сбор данных включается для выбранных агентов на уровне пользователя, поэтому в журнал может попасть и их работа в других репозиториях.

В обычном мастере заранее выбран Beacon Cloud. При первой установке пропуск мастера без --connect позволяет обойтись без регистрации в Cloud. Уже существующее подключение эти действия не отключают; для этого используйте beacon endpoint disconnect. Варианты хранения и отправки данных описаны в документации по первоначальной настройке.

После настройки перезапустите агентов, а в Codex откройте /hooks, проверьте хуки Beacon и разрешите их выполнение. Проведите небольшой сеанс в пробном репозитории, явно указав правило проверки зависимостей из предыдущего примера.

Создание, проверка и поиск полезного правила

Просмотрите записанный сеанс, прежде чем сохранять вывод в память. В корне репозитория выполните:

beacon endpoint traces list --limit 10
read -r -p "Trace ID from the trial session: " BEACON_TRACE_ID
beacon endpoint traces show "$BEACON_TRACE_ID" --limit 150

Укажите реальный идентификатор, полученный из списка, и убедитесь, что события содержат сформулированное правило. Затем создайте кандидата на включение в память:

beacon memory candidates create \
  --trace "$BEACON_TRACE_ID" \
  --kind convention \
  --title "Dependency upgrades require release-note review" \
  --applicability "Before changing a dependency version in this repository" \
  --body "Check the dependency's official release notes and run the affected component's tests before proposing the upgrade."
read -r -p "Candidate ID returned above: " BEACON_CANDIDATE_ID
beacon memory candidates show "$BEACON_CANDIDATE_ID"

Проверьте кандидата и подтверждающие его события. Утвердите запись только после того, как согласитесь с самим правилом:

beacon memory candidates approve "$BEACON_CANDIDATE_ID" \
  --reason "Reviewed against the source trace"

Этот путь создаёт кандидата из заданного вами текста и не вызывает модуль оценки. Необязательный модуль оценки Beacon выставляет оценки записям сеансов, но не составляет готовый текст вывода. Оба пути описаны в справочнике команд памяти.

Теперь попросите другого агента, работающего в том же репозитории, выполнить:

beacon memory list -q "dependency upgrades" --json

Попросите его передать полученный идентификатор записи команде beacon memory show и объяснить, в каких случаях применяется правило. Ожидаемый результат — утверждённая запись памяти, связанная с этим проектом. Если результат пустой, проверьте статус утверждения, привязку к проекту и слова запроса: локальный поиск Beacon требует совпадения каждого поискового слова.

Для этого пути через CLI подключение MCP не требуется. Если нужен доступ через инструменты агента, отдельный локальный MCP-сервер Beacon предоставляет search_memory, get_memory и get_memory_context. Он читает утверждённую локальную память. В Beacon Cloud память хранится отдельно: подключение устройства не синхронизирует локальное и облачное хранилища памяти.

Как избежать ошибочных выводов, утечек и лишних расходов

Сохраняйте выводы с чёткой областью применения и подтверждающими данными, а найденные записи воспринимайте как сведения о прошлой работе. Неудачная попытка могла быть следствием временного сбоя или работы не в той ветке, а не постоянного ограничения проекта. Записывайте условия применения, исходную задачу или коммит, результат проверки и дату пересмотра; исправляйте или удаляйте заметку, когда поведение проекта меняется.

Наличие утверждённого статуса ещё не доказывает, что содержание проверил человек. Пусть кандидат Beacon предлагает агент, а проверяет его человек; сохранённые инструкции не должны переопределять текущие требования или разрешения.

Сбор контекста также меняет то, где сохраняются приватные данные. Правила [capture] ignore_paths в .ai-memory.toml позволяют исключать поддерживаемые события, связанные с путями, но документация ai-memory прямо указывает, что это не универсальный фильтр утечек из запросов и ответов. Не сохраняйте учётные данные и сведения о клиентах в заметках для повторного использования; удаление текущей Markdown-страницы может оставить её прежние версии в истории Git.

Перед отправкой рабочих сеансов в Beacon Cloud прочитайте действующую политику конфиденциальности. По состоянию на 2026-10-21 использование данных для исследований и обучения моделей включено по умолчанию, но от него можно отказаться; режим отправки только метаданных всё равно включает, например, пути и командные строки. Если агент работает с облачной моделью, извлечённый из локальной памяти текст становится частью входных данных этой модели.

Считайте расходы на весь процесс. Для стандартного сценария работы с памятью ai-memory не нужен API-ключ генеративной модели, хотя локальная модель эмбеддингов для поиска может загрузиться при первом запуске. Путь Beacon с заранее написанным текстом правила обходится без вызовов модуля оценки.

При этом остаются обычные расходы на агента, дополнительные входные данные из памяти, необязательную обработку в облаке, хранение и время на проверку. Само устройство ни одного из решений не доказывает, что общая стоимость работы снизится.

Прежде чем подключать слой памяти ко всем проектам, проведите одну реальную передачу работы между инструментами: найдите нужное решение, определите незавершённое действие, проверьте основания и продолжите задачу с учётом текущей рабочей копии. Если это не удалось, сначала исправьте загрузку инструкций, область проекта или сбор данных, а затем накапливайте новые записи.