Исследователи представили llm-wiki-memory-template, шаблон памяти для ИИ-агентов
Исследовательские и образовательные проекты со временем накапливают находки, решения и ход рассуждений, которые новые участники команды обычно не могут восстановить. Тупиковые ветки и отозванные утверждения почти всегда выпадают из публикаций и опубликованного кода, поэтому следующие исследователи заново наступают на те же грабли. ИИ-агенты для написания кода всё чаще участвуют в такой работе, но не сохраняют память между сессиями, а поиск по исходным материалам (RAG) не накапливает знания, при каждом обращении агент собирает контекст заново, без выигрыша от предыдущей работы.
Авторы статьи опираются на паттерн llm-wiki (описан Карпати в 2026 году и пользователем tonbi, также в 2026-м): между исходными источниками и агентом ставится вики, которую поддерживает и переписывает сама модель, а разделы вики связаны перекрёстными ссылками. На основе этого паттерна авторы делают многоразовый, рассчитанный на работу с агентами шаблон, llm-wiki-memory-template, и показывают, что он служит основой для совместной работы со знаниями сразу по трём направлениям: несколько людей в команде, несколько ИИ-агентов и несколько предметных областей; за каждое направление в шаблоне отвечает отдельный архитектурный элемент.
Ключевой принцип, вики по умолчанию только дополняется, ничего не удаляется и не переписывается набело. Это сохраняет неудачные попытки рядом с удачными и решает проблему потери негативных результатов, которую публикации и обмен кодом структурно решить не могут.
Подход проверен на трёх развёрнутых кейсах и одном отчёте о дизайне, каждый раскрывает одно из направлений. Первый, сольная исследовательская работа одного автора, где сохранены все брошенные итерации. Второй, проект двух соавторов: повторный (ретроспективный) аудит показал, что два более ранних эксперимента, заявленных как покрытие «20 из 20», на самом деле дали лишь 14 и 12 подтверждённых фактами ответов; после исправления ошибки показатель поднялся до 18 и 18, а путь неудачи остался зафиксирован в самой вики. Третий кейс, незавершённое развёртывание с несколькими ИИ-агентами, описанное пока как проектный отчёт. Четвёртый, образовательный вариант, объединяющий несколько предметных областей.
По итогам авторы выделяют три сквозных социотехнических свойства артефакта, которые не сводятся к чисто техническому устройству шаблона: сохранение пути неудачи, честность агента и присвоение (возможность разных участников опираться на чужие записи и продолжать работу).
Ключевые факты
- Авторы представили llm-wiki-memory-template, многоразовый шаблон вики-памяти для ИИ-агентов, построенный на паттерне llm-wiki (Карпати, 2026; tonbi, 2026)
- Вики по умолчанию только дополняется: неудачные попытки и отозванные утверждения сохраняются рядом с удачными, а не выпадают из истории проекта
- Шаблон закрывает три направления совместной работы, несколько людей, несколько ИИ-агентов, несколько предметных областей, каждое через отдельный архитектурный элемент
- В кейсе с двумя соавторами повторный аудит понизил заявленное покрытие двух экспериментов с «20 из 20» до 14 и 12 подтверждённых ответов, после исправления, до 18 и 18, с сохранением пути ошибки
- Метод проверен на трёх развёрнутых проектах и одном отчёте о дизайне; авторы выделяют сохранение пути неудачи, честность агента и присвоение как сквозные свойства артефакта
Почему это важно
ИИ-агенты, участвующие в исследовательской и совместной работе, не хранят память между сессиями, а обычный поиск по исходным материалам (RAG) не накапливает знания, каждый раз агент собирает контекст заново. При этом тупиковые ветки экспериментов и отозванные утверждения почти всегда выпадают из публикаций и опубликованного кода, из-за чего следующие исследователи повторяют чужие ошибки. Предложенный шаблон вставляет между источниками и агентом вики, которую агент сам поддерживает и дополняет, и делает эту вики принципиально только-дополняемой, так, что негативные результаты не теряются.
Кому это важно
Работа адресована исследовательским коллективам, образовательным проектам и командам, которые ведут долгую совместную работу со знаниями с участием ИИ-агентов, особенно там, где в проекте несколько людей, несколько агентов или несколько предметных областей одновременно. Каждому из этих трёх случаев в шаблоне соответствует отдельный архитектурный механизм.
Как это применить
Практический рецепт, вставить между исходными материалами (кодом, заметками, статьями) и ИИ-агентом вики, которую агент сам ведёт и связывает перекрёстными ссылками, и договориться об одном правиле: вики только дополняется, старые записи не переписываются набело и не удаляются. Это позволяет фиксировать не только итоговые выводы, но и путь к ним, включая неудачные попытки, и переиспользовать эту историю в следующих сессиях и с другими участниками или агентами.
Можно ли доверять
Это академическая препринт-статья на arXiv, а не публикация лаборатории первого эшелона, но у неё есть эмпирическая опора: три развёрнутых, реально используемых кейса и один отчёт о дизайне, по одному на каждое из трёх заявленных направлений. Показателен именно кейс с двумя соавторами, где авторы сами провели ретроспективный аудит и открыто зафиксировали, что более ранние результаты были завышены, а затем исправили и сохранили обе версии, это работает в пользу добросовестности подхода.
Риски и подводные камни
Выводы опираются на несколько самостоятельно описанных авторами кейсов, а не на контролируемое сравнение с альтернативными способами хранения памяти агента, поэтому обобщаемость подхода пока не доказана независимо. Один из четырёх кейсов, многоагентное развёртывание, на момент публикации не завершён и описан только как проектный отчёт. Принцип «только дополнять» по мере роста проекта может привести к разрастанию вики и потребует дисциплины участников, иначе история потеряет читаемость.
«Мы называем сохранение пути неудачи, честность агента и присвоение сквозными социотехническими свойствами этого артефакта, не только его технических механизмов.»
— авторы работы