LangChain Только Что РЕШИЛ Проблему Памяти ИИ..

LangChain выпустил Open Wiki, Weaviate выпустил Engram, а Skill Composer поднялся на 33 очка на Skills Bench — слой памяти агента теперь разработан правильно.

## Open Wiki: Confluence для агентов LangChain сделал Open Wiki с открытым исходным кодом, CLI-инструмент, предложенный Сиднеем Ранклом, который генерирует и поддерживает документацию, пригодную для агентов, для кодовой базы. Вы устанавливаете его через npm и запускаете внутри репозитория; ваш агент-кодер затем обращается к вики вместо того, чтобы вслепую просматривать каждый файл. Концепция конкретна: перестаньте давать новому сотруднику 500-страничный архив Slack и начните давать им меморандум — агенты заслуживают того же.

## Энграм: память как база данных для согласования Энграм в Weaviate заменяет обычный шаблон «сбрасывать заметки в папку» (режим сбоя, на который наткнулся Boxmining на Open Claw и Hermes). Он извлекает кандидатные воспоминания, трансформирует их с учетом уже существующих, разрешает противоречия, а затем фиксирует чистый результат. Канонический пример: если на прошлой неделе вы были инженером, а сегодня — CEO, Энграм переписывает устаревшую запись и сохраняет историю, вместо того чтобы хранить обе версии. Используйте прямо вместе с Open Wiki для работы с вики + согласованным долгосрочным хранилищем.

## Skill Composer: 33 балла в Skills Bench Вместо того чтобы сбрасывать каждый инструмент в подсказку и надеяться, что модель выберет один, Skill Composer рассматривает выбор навыка как задачу совместного авторегрессионного композиционного подхода. Результат: 33 percentage points улучшение по сравнению с эталонным тестом Skills Bench по сравнению с базовыми вариантами без выбора навыков. Deep Agents теперь также поддерживают рекурсивные рабочие процессы LM, где родитель направляет подагентов — Харрисон Чейз связал их с agentic map reduce шаблонами для экономичных проверок безопасности.

## Что это меняет для вас Сдвиг идет от памяти только для извлечения к согласованию и поддержке, от «дать модели все» к структурированным рабочим процессам. Ожидайте памяти с учетом разрешений и управления в корпоративной среде, а не «папку с файлами markdown, лежащую где-то на ноутбуке».