Технический контекст
Я люблю такие темы, потому что здесь быстро видно разницу между демо и нормальной AI implementation. Идея хранить память агента в Markdown на бумаге выглядит почти слишком простой: файлы читаемы человеком, их легко версионировать, редактировать руками и скармливать агенту обратно.
Я покопался в подходе, и суть понятная. Агент пишет заметки не в сырую простыню чата, а в структурированные markdown-блоки: факты о пользователе, последние решения, открытые задачи, эпизоды, выводы. Это уже не просто лог, а зачаток долговременной памяти.
Вот где мне стало интересно: Markdown хорош не сам по себе, а как удобный слой представления. Пока у вас десятки или сотни записей, можно жить на файловой системе, grep и простом индексировании. Как только памяти становится много, без embeddings, reranking или хотя бы нормальной мета-разметки агент начинает тащить не то и забывать важное.
Ещё одна проблема в том, что Markdown отлично хранит смысловые заметки, но плохо работает как точное хранилище фактов. Предпочтения пользователя, статусы, даты, роли, лимиты, права доступа я бы не оставлял только в тексте. Для этого мне ближе гибрид: структурные данные в БД, а эпизодическая память и суммаризации в Markdown или рядом с ним.
Что это меняет для бизнеса и автоматизации
Для быстрых прототипов это реально удобно. Я могу за вечер собрать AI automation, где агент ведёт заметки по клиенту, помнит договорённости и подхватывает контекст между сессиями без тяжёлой инфраструктуры.
Выигрывают небольшие команды, внутренние ассистенты, support-агенты и кастомные copilot-сценарии. Проигрывают проекты, где нужна высокая точность по полям, жёсткие SLA и поиск по большим массивам памяти.
По деньгам вывод тоже простой: Markdown снижает порог старта, но не отменяет архитектуру. Если память влияет на продажи, саппорт или операции, то AI integration надо строить так, чтобы агент различал факты, гипотезы, свежий контекст и устаревшие записи.
Я как раз такие узкие места постоянно вижу в клиентских системах: память есть, а доверять ей нельзя. Если у вас агент уже путает контекст, дублирует действия или забывает договорённости, можно спокойно разобрать workflow и в Nahornyi AI Lab собрать AI solution development под ваш процесс, без игрушечной памяти и без лишнего зоопарка технологий.