Память у нейронок получила мощный апгрейд с появлением Mem-Agent — это LLM-модель, которая объединяет и организует знания из множества источников, включая Claude, ChatGPT, LM Studio, Notion, GitHub и Google Docs. Вся информация сохраняется в едином месте в удобочитаемом и редактируемом формате Markdown, подобно тому, как это реализовано в Obsidian.

Mem-Agent действует как кросс-платформенный помощник, способный находить ответы на любые вопросы в вашей обширной истории переписок с LLM, базах Notion или документах Google Docs. Это не просто хранилище: агент умеет не только отвечать на запросы, но и запоминать новые факты, а также обновлять их по мере поступления информации.

Как работает память Mem-Agent:

• Вся информация хранится в Markdown-файлах, например, в memory/user.md, а также в отдельных файлах для конкретных сущностей.


• Связи между файлами реализованы в интуитивно понятном стиле Obsidian с использованием синтаксиса [[entity]].


• Агент способен извлекать и обновлять факты, а также задавать уточняющие вопросы, если первоначальный запрос пользователя оказался неполным.

Одним из ключевых преимуществ является эффективная работа с контекстом: вместо обработки огромных объемов данных, Mem-Agent извлекает только необходимые фрагменты из локальных документов, сжимает их и передаёт LLM-агентам для обработки, значительно экономя ресурсы и время.

Технические детали и обучение модели:

• Базовая модель, на которой построен Mem-Agent, — это Qwen3-4B-Thinking-2507.


• Для обучения использовался метод онлайн-RL (GSPO), что позволяет модели постоянно адаптироваться и улучшаться.


• Тестирование производительности проводилось на специализированном бенчмарке md-memory-bench, подтвердившем её эффективность.

Результаты и преимущества:

• Mem-Agent уверенно справляется с задачами, требующими использования памяти, демонстрируя результаты, близкие к показателям значительно более крупных моделей.


• Даже в сжатых версиях (4-bit и 8-bit) качество работы модели остаётся практически неизменным.


• Вся память, управляемая Mem-Agent, является 100% локальной и доступна только вам, обеспечивая полную конфиденциальность.


• Сама модель лёгкая, эффективная и способна запускаться даже на обычном ноутбуке.


• Память можно легко читать и редактировать вручную, предоставляя пользователю полный контроль над своими данными.


• Агент быстро и эффективно работает, несмотря на свой относительно небольшой размер.


• Удобен для интеграции в более крупные системы, например, через MCP.

Исходные коды проекта доступны для изучения и использования:

HuggingFace | GitHub