Создание постоянной памяти для ИИ-агентов на базе Obsidian и формата OKF
Одной из ключевых проблем при регулярном использовании искусственного интеллекта в рабочих процессах является отсутствие долгосрочной памяти. Разработчики и пользователи ежедневно сталкиваются с так называемой проблемой «чистого листа». Каждый раз, начиная новый диалог, пользователь вынужден заново объяснять ИИ-ассистенту цели проекта, специфику бизнеса, особенности целевой аудитории, формат работы с клиентами и желаемый стиль решения задач. Это приводит к существенной потере времени на рутинное введение в контекст и снижает общую эффективность взаимодействия со сложными языковыми моделями.
Для решения этой проблемы была разработана концепция создания постоянной внешней памяти для ИИ-агентов. В ее основе лежит интеграция популярного инструмента ведения локальных заметок Obsidian и стандартизированного открытого формата разметки знаний Open Knowledge Format (OKF). Такой подход позволяет объединить ИИ-агентов от разных провайдеров вокруг единого локального хранилища данных. Модели получают возможность не просто считывать информацию, но и непрерывно обучаться на опыте пользователя, записывая результаты своей работы обратно в общую базу знаний.
Методология Infinite Context Engine
В основе функционирования системы непрерывного накопления знаний лежит архитектура Infinite Context Engine. Она представляет собой замкнутый пятиэтапный цикл работы с информацией:
- Capture (Захват): На этом этапе происходит автоматический сбор активности пользователя и фиксация важных рабочих моментов. Для этого используется легкое бесплатное приложение Omi, работающее в фоновом режиме. Оно записывает ключевые события, идеи и факты, преобразуя их в текстовые фрагменты и исключая необходимость ручного ведения логов.
- Organize (Организация): Вся собранная информация структурируется по популярному методу PARA (Projects, Areas, Resources, Archives). Это разделение помогает отделить текущие активные проекты от долгосрочных областей ответственности, полезных ресурсов и архивных материалов, создавая логичную и понятную структуру папок.
- Store (Хранение): Данные сохраняются в локальном хранилище Obsidian. Все заметки представляют собой файлы в формате Markdown, находящиеся на жестком диске компьютера пользователя. Это гарантирует полную конфиденциальность и независимость от облачных провайдеров.
- Deploy (Внедрение): К созданной папке Obsidian подключаются различные ИИ-агенты, используемые в работе — от интерфейсов Claude и моделей семейства Hermes до специализированных CLI-ассистентов. Все они получают доступ к единой файловой структуре.
- Loop (Цикл): В процессе работы агенты автоматически дополняют базу знаний. Например, после завершения сессии программирования или анализа документа ИИ-агент самостоятельно записывает резюме диалога, ключевые выводы или новые правила в соответствующий файл Obsidian, подготавливая контекст для следующего запуска.
Спецификация Open Knowledge Format (OKF)
Для того чтобы ИИ-агенты могли быстро и безошибочно ориентироваться в локальном хранилище, данные размечаются по стандарту Open Knowledge Format. В отличие от хаотичных заметок, файлы в OKF имеют жесткую структуру. Каждый файл начинается со специального служебного блока YAML frontmatter, определяющего тип объекта. Основные типы объектов в формате OKF включают:
- Concepts (Концепты): фундаментальные идеи, правила бизнеса или глоссарий терминов.
- Entities (Сущности): описание конкретных клиентов, проектов, сотрудников или используемых инструментов.
- Playbooks (Сценарии): пошаговые инструкции, регламенты и проверенные алгоритмы действий.
- References (Справочники): исходные статьи, документация, ссылки и исследования.
- Systems (Системы): описание технической инфраструктуры, структуры баз данных или серверов.
Важнейшим элементом OKF является главный навигационный файл index.md. Он выполняет роль интерактивной карты для ИИ-агента. Вместо проведения дорогого и долговременного полнотекстового поиска (RAG) по всей базе заметок, модель сначала считывает корневой индекс, понимает структуру связей и сразу переходит к чтению конкретных нужных файлов. Это экономит токены и предотвращает галлюцинации ИИ.
На практике применение playbooks в Obsidian дает измеримые результаты. Например, регламент анализа обновлений поисковых алгоритмов позволяет сократить время исследования влияния апдейтов Google на веб-сайты с двух рабочих дней до пары часов, поскольку ИИ-агент мгновенно выполняет проверку по шагам, записанным в playbook, и сравнивает данные с историей предыдущих апдейтов в разделе references.
Практическое руководство по развертыванию памяти
Для самостоятельного построения внешней памяти на базе Obsidian выполните следующие шаги:
- Создание локального сейфа: Установите приложение Obsidian и создайте новое локальное хранилище в виде отдельной папки на диске вашего компьютера. Не используйте сетевые диски с высокой задержкой доступа.
- Формирование корневой структуры:
Создайте в корне хранилища файл
index.md. Запишите в него список разделов:concepts,entities,playbooks,references,systems. Создайте соответствующие подпапки в каталоге. - Шаблонизация концептов:
Каждую новую заметку оформляйте с использованием YAML-блока в самом начале файла. Пример структуры для концепта:
--- type: concept title: Название концепта related_concepts: [Концепт 1, Концепт 2] sources: [ссылка на источник] updated_date: 2026-06-27 ---
После этого блока пишите текст заметки обычным markdown-языком. - Написание сценариев (Playbooks): При создании инструкций для ИИ-агента строго соблюдайте структуру: укажите необходимые входные данные (inputs), пронумеруйте точную последовательность действий (ordered steps), опишите ожидаемый результат (outputs) и добавьте методы проверки (checks) и предупреждения об ограничениях (caveats).
- Настройка правил поведения агента:
В системных инструкциях вашего ИИ-агента или в его конфигурационном файле пропишите жесткое правило: при начале работы первым делом считать файл
index.md, определить необходимые разделы, прочитать их локальные индексы и только после этого переходить к детальному анализу конкретных заметок. - Меры безопасности: Категорически запрещено хранить в файлах Obsidian приватные ключи API, пароли от сервисов и секретные токены доступа. ИИ-агенты могут случайно передать их внешним провайдерам в процессе выполнения запросов.
- Очередь проверки обновлений (Review Queue): При реализации автоматической записи диалогов агентом обратно в Obsidian настройте промежуточный файл-буфер. Прежде чем новые записи попадут в основную базу знаний, пользователь должен подтвердить корректность записанных выводов. Это предотвратит накопление ошибок ИИ и их превращение в постоянный ложный контекст.