После того как написал про природу знания, обнаружил, что не один задаюсь этим вопросом - просто другие задают его с практической стороны. За полгода в пространстве «AI + знание» выросла целая экосистема. MemPalace, Mem0, Zep, Supermemory - с одной стороны. Karpathy LLM Wiki, QMD - с другой. AGENTS.md, CLAUDE.md, TFW - с третьей. Это уже не отдельные проекты - это инфраструктурный сдвиг. Меня задался вопросом: почему они такие разные, если решают одно и то же? ## Когда создаётся знание Ключевое различие - не в технологии, а во времени. *В какой момент* знание попадает к AI? 1. **Во время запроса** - RAG, поиск по векторам. Быстро, без состояния. QMD, инструмент CEO Shopify Tobias Lütke, работает именно так. Он же ввёл термин «context engineering». 2. **Во время сессии** - runtime memory. MemPalace (verbatim storage + граф), Mem0, Zep, Supermemory. Агент запоминает и достаёт эпизоды в процессе работы. Supermemory - #1 на нескольких benchmark'ах для этого класса. 3. **До сессии** - compile-time. Karpathy LLM Wiki: LLM заранее читает источники и строит структурированную базу. Не поиск по сырым данным - синтез и компиляция. 4. **Встроено в платформу** - ChatGPT Memory, Claude Memory. Платформа сама накапливает и запоминает. 5. **В момент разработки** - dev-time context. AGENTS.md, CLAUDE.md, TFW. Разработчик заранее объясняет AI контекст проекта. Это мой уровень. У каждого подхода свои trade-offs. Verbatim точен, но шумен. Граф структурирован, но теряет нюансы. Compile-time знание стабильно - но устаревает. Dev-time всегда актуален - но требует дисциплины от команды. ## Convergence 2026 В этом году границы начали размываться. Mem0 добавил граф знаний - шагнул из runtime в семантический слой. Zep добавил MCP. MemPalace выпустил 29 MCP-инструментов. Claude запустил Auto Memory в марте: агент теперь сам пишет в память между сессиями - это уже не просто статические инструкции, а автоматическое обучение. Tobias Lütke строит инструмент для нижнего уровня. Karpathy предложил паттерн для среднего. Оба видят одну проблему - AI без систематизированного контекста работает вслепую - но подходят с разных сторон. Все движутся к full stack. ## Где я TFW - dev-time context, на уровень разработки. Не конкурент Mem0 или MemPalace: они про runtime, я про структуру процесса до запуска агента. Когда писал в Telegram про MemPalace, мысль была, что «вот инструмент, который решает важную проблему». После того как прошёлся по всей экосистеме понял, что это один архитектурный ответ из пяти. Вопрос «что такое знание» остался открытым. Вопрос «где оно живёт для AI» — уже нет. Уже появляется конкурирующие инфраструктура и подходы. Кто контролирует слой знаний — тот контролирует агента. **Полезное:** - [MemPalace](https://github.com/MemPalace/mempalace) — verbatim storage + граф + 29 MCP-инструментов - [Karpathy LLM Wiki](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) — LLM строит и поддерживает вики - [CoALA framework](https://arxiv.org/abs/2309.02427) — академическая таксономия памяти AI-агентов (Princeton, 2023) - [Supermemory](https://supermemory.ai) — #1 на LongMemEval [[24. Что такое знание]] #AI #knowledge #memory #tools