VK Tech: многоуровневая память корпоративных ИИ-агентов в VK AI Space
Описание проекта
Реализовано пять типов памяти: рабочая (сообщения текущей сессии), эпизодическая (файлы событий проекта в S3 в скоупе проекта), семантическая (SOUL.md с идентичностью агента в скоупе агента), процедурная (AGENTS.md и TOOLS.md с инструкциями) и профильная (USER.md с предпочтениями пользователя). Принципиальный выбор — хранение в обычных Markdown-файлах, а не в векторах: память правится как любой документ, что даёт прозрачность, аудируемость и комплаенс. Память подмешивается в системный промпт pre-хуком, а не подгружается моделью по требованию. Агенты пишут память обычными файловыми операциями в песочнице, синхронизация с S3 автоматическая. Изоляция — семь скоупов с префиксами S3 (session, user, agent, agent_user, project, skills, hooks) с контролем по ProjectID, UserID и AgentID.
Вендор и технология: VK Tech, файловая память на S3 с семью скоупами изоляции.
Задача
Корпоративные агенты теряли контекст между диалогами и не могли вести долгие проекты. Векторная память непрозрачна для аудита и не правится вручную, а подгрузка памяти по требованию тратит лишние итерации LLM.
Цели внедрения
-
Сохранять и переиспользовать контекст между диалогами и проектами
-
сделать память читаемой и редактируемой человеком
-
обеспечить комплаенс и аудируемость
-
убрать лишние итерации LLM на загрузку памяти
-
жёстко изолировать данные по проектам, агентам и пользователям
Результаты
-
Результаты
-
Экономия примерно 1,5–6 тыс. токенов на запрос за счёт инъекции памяти вместо загрузки по требованию
-
остальных числовых результатов не раскрыто Нагрузка и масштаб
-
Доступно на платформе VK AI Space; конкретные заказчики не названы Сроки
-
Представлено в июле 2026, публикация 27.08.2026