Agent memory persistence: long-term context через RAG + embeddings

## Что это Сегодня каждая session — fresh start. Vision: persistent agent-memory layer, который накапливает учения через все sessions и делает их доступными в context-window каждой новой. Что входит: - Background-задача после каждой session: extract key facts + decisions - Vector store локально (sqlite-vec или Qdrant embedded) - Embeddings через локальную модель (для privacy) или cloud - Retrieval-augmented prompt: agent при старте получает summary релевантных past learnings - Per-workspace + per-tenant isolation (BrandedScope enforced) - UI: memory inspector «что агент помнит про вас» - Manual edit + delete: «забудь это» - Export/import memory как portability ## Зачем Без long-term memory agent — «золотая рыбка». Каждый раз учишь его одному и тому же. С memory persistence — он растёт вместе с вами, помнит prior context, не задаёт одни и те же вопросы. ## Источники вдохновения - [rohitg00/agentmemory](https://github.com/rohitg00/agentmemory) - [emcie-co/parlant](https://github.com/emcie-co/parlant) - [tursodatabase/agentfs](https://github.com/tursodatabase/agentfs)