В работе с AI coding агентами одна из главных проблем — как не потерять контекст между сессиями. Claude Code и другие современные платформы предлагают разные подходы к памяти, но на практике ни один из них не решает задачу идеально. В статье сравним четыре инструмента памяти для Claude Code, которые популярны среди разработчиков, и расскажу, почему в моём рабочем процессе живёт ещё и Second Brain — система с простыми Markdown-файлами, в которой я держу актуальные факты о проекте.
Почему память для AI — это не просто “запомнить всё”
Каждый новый запуск AI начинается с чистого листа: агент ничего не знает о вашем проекте, кроме того, что загрузится в первые секунды сессии. Если у вас есть сложный проект, где много решений, идей, багов и планов, без памяти AI быстро начинает путаться.
Разработчики давно пытались решить эту задачу вручную. Самый простой и распространённый способ — Memory Bank: папка с Markdown-файлами, которые AI читает при старте сессии и обновляет по ходу работы. Удобно, что такие файлы:
- просты и универсальны (любой AI, который умеет читать Markdown — может работать с ними),
- прозрачны (можно открыть и проверить, что AI “знает”),
- редактируемы и версионируемы (git хранит историю, можно исправить ошибки вручную).
Но Memory Bank — это только начало. В идеале инструмент памяти:
- должен хранить актуальную информацию (не устаревшую),
- экономить токены, не перегружая модель слишком большим контекстом,
- позволять легко настраиваться и подстраиваться под проект,
- сопровождать AI в процессе работы, а не просто при старте.
Далее разбираем четыре современных инструмента для Claude Code, которые пытаются решать эти задачи по-разному.
1. gstack — роли вместо памяти
gstack — это open-source набор команд и ролей (CEO, дизайнер, QA и т.п.), которые превращают Claude Code в небольшой управленческий коллектив. Память здесь — скорее побочный функционал, который помогает ролям “учиться” на вашем коде.
- Память живёт в /learn — это интерфейс для поиска и очистки данных.
- Есть профиль дизайнерского вкуса, который постепенно устаревает (fade 5% в неделю).
- Дополнительно можно подключить GBrain — отдельную базу знаний, которая хранит память между сессиями.
Установка требует клонирования репозитория и запуска setup с Bun. Для тех, кто любит role-play в AI, gstack — классный вариант, чтобы заставить агента планировать с учётом разных точек зрения.
Но если нужна надёжная и проверяемая память о проекте — это не совсем про gstack. Память здесь вспомогательная, а не основная.
2. Superpowers — навык как рабочий процесс
Superpowers — это скорее методология и фреймворк навыков для Claude Code, чем memory tool. Устанавливается через плагин и автоматически активирует скиллы для разных этапов работы: мозговой штурм, планирование, код, ревью.
- Память в традиционном смысле отсутствует.
- Запускается bootstrap skill, который загружает доступные скиллы, а дальше агент сам понимает, что делать.
- Более ориентирован на процесс, чем на хранение данных.
Если AI у вас пропускает шаги и сразу пытается кодить, Superpowers задаёт привычку делать паузы на планирование и проверку. Но факты о проекте всё равно надо где-то хранить отдельно.
3. claude-mem — записать всё, воспроизвести главное
claude-mem — плагин, который “запоминает” все ключевые моменты сессии: старт, промпты, вызовы инструментов, остановки. Он сохраняет данные в локальный сервис с SQLite и векторным индексом для семантического поиска.
- Автоматически сжимает и индексирует записи, чтобы экономить токены.
- При следующем запуске возвращает релевантный прошлый контекст.
- Можно пометить часть информации как
, чтобы не сохранять.
Установить просто: через npx, нужен вход в браузере и локальный сервис. За 30 дней памяти бесплатно, потом зависит от вашего Anthropic-плана.
Проблема в том, что история — это автогенерируемое резюме на основе прошлых действий. Если план изменился, AI может “запомнить” и старую, и новую версию, и не всегда правильно выбрать актуальную.
4. ECC — Markdown vault для памяти и навыков
ECC — комплексный набор скиллов и памяти, теперь доступный в affaan-m/ECC. Хранит память в Markdown-файлах в .ecc/memory/ проекта и ~/.ecc/memory/ пользователя.
- При старте сессии загружает контекст и “инстинкты” — шаблоны поведения.
- В конце сессии сохраняет новые заметки.
- Память считается “непроверенной” — человек решает, что из неё переносить в официальную документацию.
Установка через npx или плагин-маркетплейс, есть удобная команда для настройки количества инстинктов.
Преимущество в том, что файлы открыты и портируемы, легко редактируются руками. Но надо не забывать делать ревью, иначе AI будет работать с устаревшими данными.
А что с Second Brain?
Если сравнивать с этими инструментами, моя Second Brain — это именно то, чего не хватает большинству AI memory tools.
Она:
- Хранит факты о проекте в Markdown-файлах с датой проверки каждого факта.
- Включает пять типов записей: правила, факты, решения, дорожную карту и журнал прогресса.
- Загружает правила и факты при старте сессии, остальное — по запросу.
- Позволяет делать свежий тест сессии, чтобы проверить, что AI может восстановить решение, просто прочитав файлы.
У меня сейчас в vault’е 645 файлов памяти, 119 скиллов, 41 команда, 640 отчётов сессий — и проект остаётся управляемым, потому что записи маленькие, датированные и проверяются каждую неделю.
Практическое сравнение: где память живёт и как её проверять
| Инструмент | Где хранится память | Что грузится на старте | Как ловить устаревшие данные |
|---|---|---|---|
| gstack | per-project learnings + опциональный GBrain | Роли загружаются по вызову | /learn для ручного обзора и чистки |
| Superpowers | Нет хранилища | Bootstrap + скиллы по задачам | Нет памяти как таковой |
| claude-mem | SQLite с векторным индексом | Релевантный контекст через хуки | Нет проверки устаревших, |
| ECC | Markdown в .ecc/memory/ | Контекст + ограниченный набор инстинктов | Ручное ревью и перенос фактов |
| Second Brain | Пять Markdown-файлов с датами проверки | Правила и факты, остальное по запросу | Дата проверки на каждой записи, ревью раз в неделю |
Токены и производительность
Важный фактор — сколько токенов тратится на память, ведь у Claude Code и других моделей есть ограничения на длину промптов.
- gstack: есть утилита gstack-context-bill, которая показывает расход токенов на фронтматтер и вызов ролей.
- Superpowers: загружается bootstrap и скиллы по потребности, есть диагностика токенов.
- claude-mem: многослойный поиск сначала по индексу (~50–100 токенов на результат), потом по деталям (~500–1000 токенов). Автор утверждает в 10 раз экономнее.
- ECC: загрузка правил всегда, инстинкты ограничены по количеству и порогу доверия.
- Second Brain: маленькие файлы, грузятся только нужные, что экономит токены.
В итоге экономия токенов зависит от структуры данных и как хорошо настроен фильтр релевантности. Но важно помнить — сэкономленные токены не стоят того, чтобы пожертвовать актуальностью информации.
Кому что подходит?
- Если ваша AI-сессия строит планы без критики — gstack с ролями поможет добавить pushback.
- Если AI пропускает важные шаги — Superpowers научит делать планирование и ревью до кода.
- Если забываете, что делали на прошлой неделе — claude-mem умеет автоматически воспроизводить историю.
- Если хотите портируемые, редактируемые Markdown-файлы — ECC классический выбор.
- Если боитесь, что AI будет работать с устаревшей информацией — Second Brain с датами проверки и ревью.
На практике я комбинирую подходы: например, использую навыки из gstack или Superpowers для рабочего процесса и Second Brain для хранения истинных, проверенных знаний о проекте. Это даёт и дисциплину, и гарантию, что AI не “потеряется” в истории.
Как начать?
Если интересно попробовать Second Brain, есть бесплатный Starter с набором Markdown-файлов — просто скопируйте и откройте в Claude Code или Codex, напишите “Set this up for me”, и AI по ним построит память.
Вывод: ни один memory tool для AI не решает задачу полностью. gstack, Superpowers, claude-mem и ECC предлагают разные trade-off между удобством, автоматизацией и контролем. Если хотите надёжную и живую память, которая отражает текущее состояние проекта, стоит завести свою Second Brain с простыми Markdown и регулярным ревью. Ни один AI пока не умеет это делать лучше человека.
Если интересно — подписывайтесь на мой newsletter Code Meet AI, где я делюсь реальными кейсами и рецептами работы с AI coding. Там выходят новые гайды и обзоры в первую очередь.
Попробуй сам: Cursor — AI-редактор для разработчиков.