ИИ-чатбот с постоянной памятью — что реально скрывается за этой фразой
Сегодня каждый чатбот на рынке заявляет о «памяти». Почти никто не имеет в виду одно и то же. На втором месяце ты замечаешь: бот забыл кличку собаки, проект, над которым ты сидела в ноябре, тон, о котором ты просила. Не потому, что «ИИ не умеет помнить», — потому что вендоры продают тонкий срез памяти и называют это словом «постоянная». Ниже — честная карта, что за этой фразой может стоять, и как выбрать чатбот, который держит обещание.
«Постоянная память» — самая перегруженная фраза чатбот-рынка 2026-го. Она на лендинге OpenAI, в доке Claude Projects, в каждом релизе open-source сборки и в прайсе каждой обёртки, которая суёт промпт в GPT-4 и называет это «companion AI». Формально никто не врёт — и все описывают разное. Ниже — рамка, которая отделяет настоящую долгую память от её продажной версии.
Краткосрочная vs долгосрочная — путаница, с которой всё начинается
Краткосрочная память — это контекстное окно. Всё, что вы с моделью только что сказали в текущем ходе, до токенового лимита: 200 тыс., 1 млн, сколько модель позволит. Ход закончился — сама модель не хранит ничего. Следующий ход начинается с чистого листа; всё, что предыстория «вернулась», — заслуга клиента (чат-UI, бота), который её туда снова затащил.
Долгосрочная память — то, что клиент хранит снаружи модели: в базе, файле, векторном индексе — и в каждый новый ход подтягивает за тебя. Именно этот слой люди имеют в виду, вбивая «ИИ-чатбот с постоянной памятью». Огромное контекстное окно — это не постоянная память; это просто более широкий текущий ход.
Любой честный разговор о памяти начинается с того, чтобы выбрать, о какой из двух ты вообще спрашиваешь. Хочешь, чтобы бот помнил тебя месяцами, — тебе нужна долгосрочная. Всё, что ниже, — про неё.
Четыре слоя, из которых может состоять постоянная память
Настоящая долгая память — это не одна вещь. Это четыре независимых слоя, и разные продукты покрывают разные подмножества — обычно один-два, тихо.
Слой 1 — Полный архив разговоров. Каждое сообщение, которым вы обменялись, — дословно, с возможностью поиска. Это «жёсткий диск» памяти. Он позволяет боту ответить «что мы решили про запуск в прошлом месяце?», найдя точный ход. Без него всё сверху — гадания по сжатиям.
Слой 2 — Типизированные факты о тебе. Структурированные записи, которые бот извлекает и хранит по мере разговоров: имя, часовой пояс, бизнес, возраст детей, предпочтения, активные проекты. Не сырые сообщения — сжатые факты. Именно этот слой покрывает большинство вендорских «memory»-фич — и только его. Полезно, но сам по себе он теряет пример, из-за которого факт стал значимым.
Слой 3 — Извлечённые уроки. Когда бота поправили — «нет, я имела в виду X» — он записывает ошибку и правку, чтобы не повторяться. Это «обучающий» слой. Почти ни один вендор не выводит его как first-class-фичу; бот просто тихо повторяет тот же класс ошибок через неделю.
Слой 4 — Катящаяся модель эмоций / интересов. Не «что случилось», а «как сейчас между нами». Какие темы тебя в последнее время заряжают, какие сажают; недавнее настроение; сколько прошло с последнего лёгкого разговора. Именно это превращает чатбота из «нейтрального тона в каждом сообщении» в кого-то, кто читает комнату.
Чатбот только со Слоем 2 будет «помнить твоё имя и работу» и забывать всё остальное. Чатбот со всеми четырьмя помнит тебя так же, как это делает компетентный коллега.
Как сегодняшние чатботы ложатся на эти четыре слоя
ChatGPT (Memory ON). Слой 2, с потолком. OpenAI извлекает короткие факты и инжектит их в новые сессии из небольшого стора (несколько тысяч токенов). Полного архива нет. Слоя уроков нет. Эмоциональной модели нет. Выключишь Memory — исчезает и Слой 2.
Claude Projects. Слой 1-lite, per project. Прикреплённый документ/контекст, общий для чатов внутри одного проекта. Хорош как ограниченное рабочее пространство, слабее как универсальный ассистент. Между проектами не переходит, и весь контекст перезаливается в каждый новый ход (нормально по окну Claude, дорого по токенам).
Custom GPTs, Copilots, Poe-боты. В лучшем случае Слой 2, чаще — ничего: статичный system prompt без per-user стора. Они «знают» персону, но не знают тебя.
Character-подобные companion-приложения. Часто Слой 2 + фрагмент Слоя 4 (они трекают «настроение» ради вовлечения), всегда на серверах вендора, всегда под риском смены политики. Память — их продукт, но принадлежит не тебе.
Self-hosted ассистенты (Avelina, open-source сборки, кастомные билды). Все Слои 1–4 в наличии, если собрано правильно. Полный архив в собственной SQLite/Postgres, типизированные факты, таблица уроков, катящаяся модель состояния. Диск — твой. Апдейт вендора не может сбросить это.
Почему вендорская «память» тихо ломается на втором месяце
Потолок. Вендорские memory-сторы намеренно маленькие — несколько тысяч токенов для OpenAI-стиля. Когда стор заполняется, старые пункты выпадают. Тебе не сообщают; ты просто замечаешь, что бот забыл ноябрьский проект.
Сжатие теряет пример. Слой 2 хранит «пользователь ведёт тату-студию». Он не хранит конкретный кейс прошлой весной, который сформировал то, как ты говоришь о цене. Факт выживает; причина за фактом — нет.
Сбросы политики / модели. Вендор меняет memory-тариф, мигрирует на новую модель, ты переключаешь подписку — стор переформатируется или обнуляется. Бот вдруг здоровается с тобой, как на первой неделе.
Нет слоя уроков. Ошибка, которую ты поправила в апреле, случится снова в октябре. Без постоянной таблицы уроков «обучение» — маркетинговое слово, а не механизм.
Как выглядит чатбот с настоящей постоянной памятью изнутри
Никакой магии. Скучный стек, но целостный:
База. SQLite или Postgres с (как минимум) тремя таблицами: messages (каждый ход, дословно), claims (типизированные факты о пользователе с provenance), lessons (ошибки + правки, помеченные важностью). Опционально четвёртая: state (катящиеся эмоциональные / интересные каналы).
Извлечение. Full-text поиск (FTS5 в SQLite достаточно для personal-scale бота) плюс векторный индекс под семантику — «что мы говорили про X» работает, даже если ты переформулировала.
Сборщик контекста. В каждый новый ход небольшая рутина выбирает: последние N сообщений, top-K семантических совпадений из архива, закреплённые high-importance уроки, актуальные факты, текущее состояние. Собирает в system-сообщение. Отправляет в модель. Это весь трюк.
Write-back. После ответа другая рутина извлекает новые факты, записывает уроки, если пользователь поправил бота, и обновляет каналы состояния. Ничего экзотического — маленькие prompt-driven пайплайны, которые та же модель гоняет в фоне.
Если хочется увидеть форму с конкретными именами файлов и схемами таблиц — разбор четырёх слоёв памяти и страница Memory — это карта.
Чит-лист выбора
«Мне достаточно, чтобы бот помнил моё имя и работу». → Подойдёт любой чатбот со Слоем 2. ChatGPT Memory нормально.
«Хочу, чтобы помнил детали текущего проекта». → Claude Projects или self-hosted ассистент со Слоем 1.
«Хочу, чтобы перестал повторять одну и ту же ошибку из прошлого месяца». → Нужен Слой 3. Это территория self-hosted.
«Хочу, чтобы правда меня знал — годами, а не сессиями». → Все четыре слоя. Self-hosted персональный ассистент. Никто из вендорских сейчас не везёт все четыре честно.
«Хочу приватность поверх памяти». → Что бы ни выбрала, memory-стор должен быть на машине, которой владеешь ты. Иначе «постоянная память» — это «постоянная для вендора».
Куда встаёт Avelina
Avelina AI — чатбот, у которого все четыре слоя постоянной памяти встроены с первого дня. Архив каждого разговора живёт в SQLite-файле на твоём VPS (Слой 1). Типизированные факты о тебе — в таблице claims с ссылкой на исходный ход (Слой 2). Таблица lessons записывает правки, чтобы одна и та же ошибка перестала повторяться (Слой 3). Восьмиканальная модель состояния трекает, как складываются отношения (Слой 4). Каждый новый ход подтягивает нужные срезы ещё до того, как модель увидит твоё сообщение, — без ручных напоминаний, без игр в контекстное окно. Установка — около двадцати минут через guided-installer, память — твоя, никакой вендор её не сбросит. Если хочется собрать DIY той же формы — гайд «как научить ИИ помнить тебя» проходит это с нуля, а материал про ассистента с постоянной памятью раскрывает ту же идею со стороны ассистента.
FAQ
Что значит «постоянная память» у ИИ-чатбота?
Бот сохраняет что-то из ваших разговоров после конца сессии и использует позже, без того чтобы ты набирала заново. Это «что-то» — один из четырёх возможных слоёв: транскрипты, факты, уроки, эмоциональное состояние. Вендоры чаще всего везут только один.
Разве длинный контекст — это не то же самое, что память?
Нет. Контекст на 1M токенов расширяет текущий ход, но не хранит ничего между ходами. Постоянная память — это то, что клиент подгружает в каждый новый ход за тебя.
У ChatGPT и Claude есть настоящая постоянная память?
Частичная. ChatGPT Memory покрывает Слой 2 с потолком. Claude Projects — Слой 1-lite внутри одного проекта. Ни один не везёт все четыре.
Можно ли собрать чатбот с настоящей постоянной памятью самой?
Да — SQLite + FTS + маленький векторный индекс + рутина-сборщик контекста. См. DIY-гайд.
Почему мой чатбот «забывает» меня через какое-то время?
Обычно одна из трёх причин: вендорский memory-потолок заполнен и тихо переписывает, извлечённые факты потеряли пример, апдейт политики / модели переформатировал стор. Стор на железе, которым владеешь ты, обходит все три.
Нужна форма «коллега на годы», а не «чат, который здоровается со мной по имени»? Страница Память и граф знаний показывает четыре слоя, собранные в один контур.