🐱 MemPalace — локальная долгосрочная память для AI-агентов

Большинство AI-инструментов теряют контекст между сессиями. MemPalace решает это принципиально иначе: не пересказывает историю через LLM, а хранит всё дословно и индексирует в локальной базе.

Ключевая идея: вместо того чтобы сжимать воспоминания в резюме (с потерей деталей), система хранит последовательности и строит из них структуру домен → тема → конкретный фрагмент. По заявлениям авторов, такой подход даёт высокое качество лучше всех существующих подходов.

Подключается как обычный MCP-сервер к любому клиенту — Claude Desktop, Claude Code, Cursor, Codex CLI и другим. После этого агент получает 19 инструментов: поиск по памяти, навигация по структуре, запись в knowledge graph с временными метками, дневник агента. Можно также использовать напрямую через Python API или CLI.

Ещё есть AAAK — собственный сжатый диалект для передачи контекста в промпт: якобы 30x компрессия при сохранении смысла, эмоций и ключевых решений. Спорно, но интересно как идея.

Мне эта идея нравится именно потому что в неё заложено правильное предположение: LLM-резюме — это потеря информации. Verbatim хранение + векторный поиск честнее. Буду пробовать на реальных проектах — посмотрим, насколько работает на практике.

Отдельный прикольный факт: репозиторий принадлежит аккаунту Милы Йовович (той самой из фильмов Обитель Зла) — и судя по всему, это реально она, которая сделала библиотеку в паре с партнёром. Актриса, занявшаяся вайб-кодингом — это уже само по себе говорит кое-что о том, куда всё движется.

🐱 GitHub

#MCP #память #оптимизация

🐱 Superset — обертка над терминалом, которая позволяет удобно работать с несколькими сессиями в разных проектах, берет на себя всю работу с worktree и предоставляет приятный интерфейс.

Прямо то, что я искал и хотел! Видел наработку Леши Гладкова, но мне не хватило там определенных функций. Искал что-то подобное Codex, только для Claude Code, и вот оно! Поддерживает множество агентов

🧠 Anthropic опубликовал разбор пяти паттернов координации мульти-агентных систем.

1️⃣ Generator-Verifier — агент генерирует результат, второй проверяет по явным критериям. Самый простой и самый распространённый в продакшене.

2️⃣ Orchestrator-Subagent — оркестратор разбивает задачу, раздаёт подагентам, собирает результат. Claude Code использует именно этот паттерн.

3️⃣ Agent Teams — агенты живут дольше одного запроса, накапливают контекст по своей области. Хорошо для параллельных задач с долгим циклом, например миграция большого кодобазы по сервисам. Требует строгого разбиения задач, иначе агенты затирают правки друг друга.

4️⃣ Message Bus — агенты общаются через шину событий, подписываются на нужные события. Подходит когда пайпланй работы строится вокруг потока событий и состав агентов будет расти.

5️⃣ Shared State — агенты координируются через общее хранилище без центрального координатора (агента-оркестратора). Идеально для исследовательских задач, где агенты строят на находках друг друга. Главный враг — чтение/редактирование состояния.

Anthropic рекомендует начинать с Orchestrator-Subagent и усложнять только там, где конкретно заканчивается.

#ИИ #агенты

🧠 Скилл для Claude Code, который знает Material Design 3 лучше, чем твоя мама большинство разработчиков.

material-3-skill — это набор инструкций для Claude Code с покрытием 30+ компонентов MD3, всей системой токенов, цветовыми ролями, типографикой, адаптивными лейаутами и аудитом соответствия спецификации. Поддерживает три платформы: web (@material/web), Flutter и Jetpack Compose.

Внутри семь файлов: главный SKILL.md с деревьями решений и таблицей компонентов, плюс отдельные референсы по цветовой системе (29+ ролей), типографике, шейпам, навигационным паттернам и адаптивным лейаутам.

Отдельная фича — режим аудита. Даёшь URL или путь к коду, скилл проверяет соответствие MD3 по 10 категориям и выдаёт отчёт с конкретными правками.

Я вижу в этом правильный паттерн и практикую его: вместо того чтобы держать спецификацию в голове и доносить её агенту, один раз упаковываешь в скилл и AI агент работает с контекстом системно, а не угадывает.

#ClaudeCode #Material3

📃 Наткнулся на статью на Хабре, где человек без бэкграунда в разработке выстроил полноценный агентный фреймворк поверх Claude Code.

Суть не в том, что он использует субагентов. Суть в том, как организован сам процесс:
👉 user-spec: агент сам проводит интервью и задаёт уточняющие вопросы
👉 tech-spec с декомпозицией на атомарные задачи
👉 каждую задачу делает отдельный агент, потом проверяет агент-ревьювер
👉 TDD обязателен — иначе агент подгоняет тесты под свои же баги
👉 project knowledge обновляется командой /done после каждой фичи

Подход резонирует с тем, что сам Anthropic рекомендует для мультиагентных систем — агенты проверяют друг друга, роли разделены, pipeline структурирован.

🐱 Исходники Claude Code плагина автора статьи на GitHub

💬 А как вы организуете работу с агентами? Делитесь в комментах.

#AI #ИИ

🧠 Король умер, да здравствует король! Вышла модель Opus 4.7, которая превосходит всех конкурентов и ближайших соперников в программировании по результатам тестов. Но есть что-то ещё круче — Mythos, доступ к которой пока ограничен узким кругом избранных компаний. Ну что, попробуем?

#Claude #AI #ИИ

🧠 Убийца Figma от Claude Code - Design. С помощью ИИ генерите базу и дальше редактируете свойства и дополняете промптами

Может сделать дизайн сайта, презентацию, визуализацию исследование и много всего. Дизайн мобильных приложений пока не заявлен, а вот очень бы хотелось делать всё не через Figma, но останется как есть пока.

Экспорт возможен в Canva, PDF, PPTX и HTML.

#Claude #Anthropic

🧠 Anthropic добавили в Claude Code команду /advisor и инструмент Advisor для API. Идея в том, что вместо одной дорогой модели на всё, можно поставить дешёвую как executor и дорогую как advisor, который подключается только в нужный момент.

Механика простая: executor модель выполняет задачу, вызывает инструменты, читает результаты. Когда упирается в решение, которое не может принять самостоятельно, обращается к advisor. Advisor видит весь контекст, отдаёт план или корректировку в 400–700 токенов и executor продолжает. Всё это в одном API-запросе, без лишних раундтрипов.

В Claude Code это настраивается через /advisor: можно выбрать Opus, Sonnet или отключить. Opus как advisor для Sonnet-executor, Sonnet как advisor для Haiku-executor. Anthropic рекомендуют связку Sonnet + Opus как оптимальную по умолчанию.

По бенчмаркам: Sonnet с Opus-advisor +2.7 pp на SWE-bench Multilingual при снижении стоимости на 11.9% по сравнению с Sonnet соло. Haiku с Opus-advisor удвоил результат на BrowseComp (19.7% до 41.2%), при этом стоит на 85% дешевле Sonnet.

В Claude Code доступно через /advisor без дополнительных настроек уже сейчас.

Попробовал сам через Claude Code — advisor действительно вызывается не на каждом шаге, а именно когда агент упирается в архитектурное решение. Пауза в стриме заметная, но оценить как с ним и без мне сложно.

#claude #claudecode #AI #ИИ

🧠 Три независимых изменения за один месяц — вот откуда шли жалобы на Claude Code

Anthropic разобрались, что именно сломалось. Оказалось не один баг и не деградация модели, а три несвязанных изменения с разными датами, каждое из которых прошло через все тесты и code review.

1️⃣ 4 марта reasoning effort по умолчанию сменили с high на medium, чтобы убрать зависание UI при тяжёлых задачах. Claude заметно поглупел. Откатили 7 апреля. Сейчас для Opus 4.7 стоит xhigh, для остальных моделей high.

2️⃣ 26 марта добавили оптимизацию кэша. Если сессия простаивала больше часа, старый reasoning должен был сброситься один раз для экономии токенов. Баг сделал сброс на каждом ходу до конца сессии. Claude продолжал работать, но без памяти зачем вообще делал предыдущие шаги. Отсюда повторы, странные вызовы инструментов, забывчивость. Починили 10 апреля.

3️⃣ 16 апреля в системный промпт добавили лимит на длину — не больше 25 слов между tool calls и не больше 100 слов в финальном ответе. В сочетании с другими промпт-изменениями это дало падение качества кода на 3% в метриках. Откатили 20 апреля.

Второй баг вообще не воспроизводился внутри: параллельный эксперимент с отображением thinking скрывал его в большинстве CLI-сессий. Прошёл code review, unit-тесты и e2e-тесты без замечаний.

Я замечал странности в Claude Code в марте и апреле, но списывал на свои ошибки. Теперь понятно что это было - накопленный эффект трёх независимых изменений одновременно. Именно так и устроены самые неприятные баги: каждое изменение по отдельности выглядит нормально, а в сумме дают что-то, что не ловится никакими тестами.

#ClaudeCode #AI