Вы когда-нибудь замечали, что ваш AI-ассистент ведет себя как человек с тяжелой формой амнезии? Вы работаете над сложным проектом, проводите часы в поисках решения, отбрасываете неудачные подходы и находите элегантное архитектурное решение. Сессия завершается. Вы выключаете компьютер. На следующий день, запуская нового агента или переключаясь на другую машину, вы обнаруживаете, что весь этот интеллектуальный труд исчез. Новый агент встречает ваш проект как чужак. Он не знает, почему мы отказались от потокового парсера в пользу буферизованного. Он не помнит, где была найдена та самая библиотека, которая решила проблему с производительностью. Каждая новая сессия начинается с чистого листа, заставляя вас заново объяснять контекст, который уже был решен.
Это не просто неудобство. Это фундаментальная проблема эффективности разработки. Исследования показывают, что контекстное окно — это не бесконечный ресурс, а дорогой и ограниченный актив. Когда сессия становится слишком длинной, стоимость контекста превышает стоимость самой работы. Стандартные решения — сжатие истории (compaction) или ручная передача контекста (handoff) — часто приводят к потере важных нюансов. Но что, если память не нужно хранить в оперативной памяти или передавать вручную? Что если она может существовать отдельно, быть доступной для любого агента и принадлежать только вам?
Именно эту проблему решает funes — новый слой памяти для AI-агентов, разработанный командой Hugging Face. Это не просто логгер, это полноценная система управления знаниями, которая работает локально, использует ваши собственные вычислительные ресурсы и интегрируется с такими инструментами, как Claude Code, Codex, pi и Hermes. В этой статье мы подробно разберем, как funes превращает разрозненные логи в структурированную, поисковую и переносимую базу знаний, которая остается вашей собственностью.
01Проблема «Агента-чужака» и почему логи — это не память
Чтобы понять ценность funes, нужно сначала осознать масштаб проблемы. Современные AI-агенты для кодинга (coding agents) — это мощные инструменты, которые не просто пишут код, а исследуют кодовую базу. Они читают документацию, пробуют разные подходы, сталкиваются с ошибками, меняют направление и в итоге находят решение. В процессе этой работы они генерируют огромный объем данных: трассировки (traces), логи запросов, изменения файлов и комментарии.
Ранее мы уже обсуждали в статье «Software Forgets: Agent Traces Are the Memory», что эти трассировки содержат ту самую информацию, которую мы теряем. Они записывают не только что изменилось, но и почему это было сделано. Однако, как отмечает автор идеи, трассировки — это лишь потенциальная память. На практике они остаются архивом. Представьте, что у вас есть множество записей в логе. Как вы найдете ответ на вопрос: «Почему мы отказались от потокового парсера?» с помощью обычного поиска (grep)? Это практически невозможно. Для того чтобы агент мог использовать эти данные, им нужна структура: индексация, поиск, ранжирование и точная прослеживаемость происхождения (provenance).
Именно здесь funes вступает в игру. Он не создает новую память из воздуха. Он берет сессии, которые уже существуют на вашей машине, и превращает их в структурированную, доступную для запросов базу данных. Это позволяет агенту «вспоминать» прошлые решения, не требуя от вас ручного копирования контекста. Это переход от пассивного архивирования к активному использованию знаний.
02Как работает funes: Архитектура локальной памяти
Главное преимущество funes — его простота и приватность. Это единый бинарный файл, который не требует сложных настроек ML-рантаймов. Все вычисления, необходимые для работы системы, происходят локально на вашей машине. Это критически важно для разработчиков, которые работают с чувствительным кодом или просто не хотят отправлять свои сессии в облако.
Установка и интеграция
Установка funes занимает считанные секунды. Система предлагает простой скрипт для установки, который настраивает окружение:
curl -fsSL https://huggingface.co/buckets/huggingface/funes/resolve/install.sh | shПосле установки интеграция с вашим любимым агентом сводится к одной команде. Например, для Claude Code это выглядит так:
funes add claudeИли для Codex:
funes add codexЭта команда add делает три вещи одновременно:
- Строит первый индекс: Сканирует существующие сессии и создает базу данных.
- Добавляет инструменты: В агента внедряются инструменты
recall(вспомнить) иget(получить детали). - Настраивает автоматизацию: Устанавливает хуки, которые индексируют каждый завершенный шаг (turn) автоматически.
Важно отметить, что индексация является инкрементальной. Система не переиндексирует всю историю при каждом запуске. Новые шаги добавляются в индекс постепенно, а старые, глубокие данные могут быть обработаны в фоновом режиме с ограничением ресурсов. Это обеспечивает высокую скорость работы без задержек.
Техническое ядро: От трассировки к запросу
Под капотом funes использует детерминированный конвейер обработки. Каждый поддерживаемый формат трассировки парсится в единую структуру «шаг-блок» (turn-and-block). Затем данные разбиваются на чанки (chunks), эмбеддинги вычисляются с использованием закрепленной локальной модели, и все это записывается в локальную базу данных Lance.
Когда вы или ваш агент делаете запрос, система не полагается на один метод поиска. Она комбинирует векторный поиск (для семантической близости) и BM25 (для точного совпадения терминов). Результаты этих двух поисков сливаются, ранжируются, а затем кан
Источник: Hugging Face ↗