Как научить ИИ помнить тебя в каждом разговоре
Ты объясняешь свой проект, свои предпочтения, контекст — и в следующей сессии ИИ встречает тебя как незнакомца. Это не баг, который можно отключить в настройках. Это архитектура. Разбираем четыре реальных способа это исправить — от быстрых обходных решений до памяти, которой владеешь только ты.
Любая большая языковая модель по своей природе не имеет состояния. Когда разговор заканчивается, контекстное окно — рабочая память модели — сбрасывается. Модель ничего не узнаёт о тебе между сессиями: она не переобучается на твоих чатах и не хранит никакого личного файла о тебе внутри своих весов. Всё «запоминание», которое ты иногда замечаешь, выстроено вокруг модели, а не внутри неё.
Это различие важно, потому что оно означает следующее: память — это инженерное решение, которое принимает тот, кто запускает твой ассистент. И сегодня таких решений ровно четыре.
Вариант 1 — встроенная память в облачных чат-ботах
ChatGPT, Claude, Gemini и другие теперь поставляются с функцией памяти: ассистент тихо сохраняет отдельные факты («предпочитает краткие ответы», «работает с тату-студией на Бали») и подставляет их в будущие чаты. Это работает, и для бытового использования часто вполне достаточно.
Но ограничения структурные. Ты не решаешь, что сохраняется, а что вытесняется — это делает эвристика вендора. Объём ограничен. Память живёт на серверах вендора, под его политикой хранения, и одно продуктовое решение — или флаг на аккаунте — может стереть её за ночь. Это память о тебе, которой ты не владеешь.
Вариант 2 — ручной контекст: блокнот с копипастой
Самый старый обходной путь: держать документ со своим контекстом («обо мне, мои проекты, мой стек, мой тон») и вставлять его в начало каждой сессии. Некоторые инструменты формализуют это — кастомные инструкции, файлы проекта, системные промпты.
Это бесплатно и честно, но не масштабируется. Документ устаревает, его приходится поддерживать вручную, и он фиксирует только то, что ты догадался записать — но никогда не то, что возникло в ходе сотни разговоров и незаметно стало важным.
Вариант 3 — Memory API и RAG (путь разработчика)
Если ты создаёшь собственный инструментарий, можно прикрутить внешнюю память к любой модели: хранить фрагменты разговоров в базе данных, векторизировать их и извлекать нужные в контекст при каждом запросе (retrieval-augmented generation). Именно это продают как API стартапы в области «память как сервис».
Это правильная архитектура — именно так работает настоящая постоянная память. Но как DIY-проект она требует инженерных затрат, а с hosted Memory API ты воссоздал проблему владения из варианта 1: накопленный контекст твоей жизни снова живёт в чужом облаке.
Вариант 4 — self-hosted ассистент с базой памяти, которой владеешь ты
Надёжное решение — запустить агентный слой самостоятельно и хранить память как обычную базу данных на собственном сервере. Модель при этом может оставаться топовой облачной (frontier-веса не самохостятся — хостится именно агентный слой), но всё, что ассистент знает о тебе, живёт в файле под твоим контролем.
Именно так устроена Avelina AI. Память — это SQLite-база на твоём VPS с типизированными слоями: факты о тебе, дневник событий, уроки из ошибок, растущее мировоззрение — плюс полнотекстовый и векторный поиск по всей истории разговоров. (Почему типизированные слои работают лучше одного плоского файла заметок — отдельная история.) Спроси «что мы решили по странице с тарифами в мае?» — и ассистент будет искать в своём прошлом, а не пожимать плечами.
Чего на самом деле стоит амнезия
Соблазнительно воспринимать забывчивость ИИ как мелкое неудобство. На практике цена накапливается. Ты снова объясняешь контекст — те же пятнадцать минут, каждую сессию. Советы остаются общими, потому что ассистент без истории может дать только тот ответ, который дал бы любому. Долгосрочная работа рассыпается: решения, принятые в марте, тихо пересматриваются в июле. А если ты используешь ассистента для бизнеса, забыть контекст клиента — это уже не трение, это деньги.
Хуже того: обходной путь, к которому тянутся люди, — вставлять всё больше личного контекста в облачный чат-бот — означает отправлять всё более полное досье своей жизни третьей стороне, сессия за сессией. Если память для тебя важна, то, где эта память хранится, должно быть не менее важным.
Как собственная память работает на практике
Конкретная картина на примере Avelina AI (подход универсален):
Новые факты из разговора извлекаются и записываются в базу автоматически — никаких заклинаний «запомни это». Каждый разговор архивируется и индексируется для полнотекстового и семантического поиска. Ошибки фиксируются как уроки, так что поправка, которую ты дал однажды, не повторится через месяц. Прежде чем отвечать на вопросы о прошлом, ассистент обязан искать в своих записях, а не импровизировать — в этом и разница между памятью и конфабуляцией.
И поскольку всё это — база данных на твоём сервере: ты можешь открыть её, прочитать, сделать резервную копию, экспортировать или удалить. Никаких форм запроса. Никакого доверия на слово.
Какой вариант выбрать?
Если ты используешь ИИ несколько раз в неделю для бытовых задач — встроенная облачная память (вариант 1) подойдёт; просто знай её пределы. Если ты разработчик, которому нравится инфраструктура, — вариант 3 — это крепкий проект на выходные и дольше. Если тебе нужна постоянная, собственная память без необходимости строить её самостоятельно — self-hosted ассистент (вариант 4) — единственный путь, дающий и то и другое: устанавливается на VPS за ~$5–15 в месяц, общается с тобой в Telegram, а его память растёт годами, потому что никто, кроме тебя, не может её сбросить.
FAQ
Может ли ChatGPT запоминать меня между разговорами?
Частично — через функцию Memory. Но она контролируется вендором: объём ограничен, данные живут на серверах OpenAI, и проверить, что хранится или удалено, невозможно.
Означает ли память ИИ, что модель переобучается на моих данных?
Нет. Постоянная память — это слой вне модели: база данных, нужные записи из которой загружаются в контекст при каждом запросе. Модели не переобучаются между твоими сессиями.
Где хранится память в self-hosted ассистенте?
В базе данных на твоём собственном сервере — в случае Avelina AI это SQLite на твоём VPS с полнотекстовым и векторным поиском по всему, что она знает.
Могу ли я удалить то, что мой ИИ обо мне помнит?
Self-hosted: да, полностью и верифицируемо — это файл, которым ты владеешь. В облаке: можно попросить, но проверить нельзя.
Сколько это стоит?
Небольшой VPS (~$5–15 в месяц) плюс использование модели. Сам слой памяти — это локальная база данных, никаких дополнительных затрат.