Агенту больше не нужна вся переписка в контексте: Lemmalog тратит 2 700 токенов вместо 104 000

Раньше агент тащил в окно всю переписку и перечитывал её на каждый вопрос. Lemmalog вынимает из разговора факты, кладёт их в базу и отвечает запросом к ней. На 102 вопросах LongMemEval это 2 700 токенов на вопрос против 104 000 у полного контекста и точность выше в 2,4 раза: F1 0,463 ± 0,010 за три прогона против 0,197.

Ставится двумя командами. Сначала `cargo build --release --features mcp`, потом `claude mcp add lemmalog -- $(pwd)/target/release/lemmalog-mcp`. Чтобы память пережила перезапуск, к команде добавляют `--env LEMMALOG_MCP_PATH=/tmp/lemmalog.snapshot`. Для Kimi CLI рецепт тот же, через `kimi mcp add`.

Кроме MCP в репозитории лежит агентский skill: `mkdir -p ~/.claude/skills && cp -r skills/lemmalog ~/.claude/skills/`. После этого движок работает памятью любой долгой задачи, а не одного зашитого сценария — расследования, дебага, аудита.

Разбор разговора на факты платится один раз: около $0,20 на Claude Sonnet 4.6 с кешированием. Дальше каждый вопрос стоит константные 2 500 токенов, сколько бы ни выросла история.

Было и стало. Первая конфигурация давала F1 0,226, после точечных починок вышло 0,463. Факты о пользователе поднялись с 0,359 до 0,790, knowledge-update с 0,218 до 0,579. Отдельно сработала нормализация дат в YYYY-MM-DD: сравнение по времени вместо порядка записи символов подняло temporal-reasoning с 0,257 до 0,447.

На LoCoMo, где 1 986 вопросов по 10 разговорам, движок взял F1 0,533 и третье место из десяти, обойдя Hindsight 0,489 и Graphiti 0,416. Полный контекст выиграл десятые доли, 0,542, и сжёг 37,5 млн токенов против 6,8 млн.