Memory OS: открытый 6-слойный стек памяти для Hermes Agent

1 июня 2026 года издание MarkTechPost рассказало о проекте Memory OS — открытом стеке памяти, который добавляет ИИ-агенту Hermes Agent локальную постоянную память через шесть слоёв, механизм управляемого (gated) извлечения информации и вики-модуль. Проект распространяется как open source и встраивается поверх существующего Hermes Agent, а не заменяет его архитектуру целиком.

Зачем агентам отдельный стек памяти

Большинство ИИ-агентов по умолчанию «помнят» только то, что помещается в текущее контекстное окно диалога: как только сессия заканчивается или контекст переполняется, накопленные знания о пользователе, проекте или предыдущих решениях теряются. Для агента, который должен работать с одним и тем же пользователем или проектом на протяжении недель и месяцев, это серьёзное ограничение — приходится либо каждый раз заново объяснять контекст, либо хранить его во внешних системах, которые сам агент никак не контролирует.

Memory OS решает эту проблему тем, что даёт Hermes Agent собственную локальную и постоянную память — то есть данные сохраняются не в облаке стороннего провайдера, а рядом с самим агентом, и переживают перезапуск. Ключевая архитектурная идея — разбить память не на один плоский слой, а на шесть отдельных уровней, каждый из которых, судя по описанию проекта, отвечает за свой тип информации и свой цикл жизни — от краткосрочного рабочего контекста до долгосрочных знаний.

Как устроены gated retrieval и вики

Второй важный элемент системы — gated retrieval, «управляемое извлечение». В отличие от простого векторного поиска, который просто возвращает наиболее похожие фрагменты текста, gated retrieval подразумевает дополнительный фильтр или условие допуска: агент получает доступ не ко всей сохранённой памяти подряд, а к той её части, которая прошла через определённый барьер релевантности или доверия. Такой подход снижает риск того, что агент «утащит» в ответ устаревшую, противоречивую или нерелевантную информацию из давно накопленного архива.

Третий компонент — вики. Помимо слоёв памяти, Memory OS ведёт вики-представление накопленных знаний, то есть структурированную, человекочитаемую базу, которую можно просматривать и редактировать отдельно от внутреннего формата хранения агента. Это заметно отличает проект от типичных решений «память = векторная база данных без интерфейса»: у Memory OS есть слой, рассчитанный на то, что человек тоже будет читать и проверять, что именно запомнил агент.

Что известно о проекте:

• Название — Memory OS
• Статус — открытый (open-source) проект
• Основа — построен поверх Hermes Agent
• Архитектура — шесть слоёв памяти
• Дополнительные механизмы — gated retrieval и вики-модуль

Для сравнения: большинство существующих решений «памяти для агентов» на рынке ограничиваются одним слоем — векторной базой данных, в которую складываются эмбеддинги фрагментов диалога, а извлечение работает по принципу простого поиска ближайших соседей. Многослойная архитектура Memory OS, судя по описанию, устроена принципиально иначе: разные типы информации — от сиюминутного рабочего контекста до устойчивых, проверенных фактов — хранятся и обрабатываются раздельно, что в теории должно снижать типичную проблему плоских систем памяти, когда старые и новые, важные и второстепенные факты перемешиваются в одном хранилище без иерархии.

Что это меняет для разработчиков агентов

Для команд, которые уже используют или планируют использовать Hermes Agent, Memory OS — готовый способ добавить долгосрочную память, не проектируя собственную систему хранения контекста с нуля. Поскольку проект открытый, его можно форкать, встраивать в собственную инфраструктуру и адаптировать под конкретный продукт, не завися от закрытого API стороннего поставщика памяти.

В более широком смысле появление подобных проектов отражает общий тренд в разработке ИИ-агентов 2026 года: индустрия постепенно уходит от идеи «агент — обёртка над языковой моделью с большим контекстным окном» к идее «агент — система с собственной памятью, знаниями и историей», которая ведёт себя устойчивее в долгих, многосессионных сценариях использования.