Claude Layered Memory Architecture

Решение проблемы памяти AI через иерархию, а не накопление.

Трёхслойная система памяти, которая устранила 60% ошибок RAG-поиска за 10+ месяцев AI-assisted обучения.

Проблема

После 10 месяцев использования Claude для изучения Python методом Сократа:

📉 60% ошибок RAG-поиска
🔄 Постоянное сжатие контекста каждые 4–5 промптов
🧠 «Claude тупеет» при насыщенном контексте
🚨 Вынужденный переход на других AI-ассистентов в дедлайны

Первопричина: В RAG накопилось 79 000 строк документации. Знания стали источником проблемы, а не её решением.

Решение

┌─────────────────────────────────────────────────────────────┐
│  Layer 1: Project MD (Bootstrap / "BIOS")                   │
│  └→ Declarative config that auto-triggers Skill loading     │
├─────────────────────────────────────────────────────────────┤
│  Layer 2: SKILL.md (Permanent Knowledge / "Hard Drive")     │
│  └→ 900 lines distilled from 79,000 original documentation  │
├─────────────────────────────────────────────────────────────┤
│  Layer 3: RAG (Rotational Working Memory / "RAM")           │
│  └→ Only current exercise, cleared between sessions         │
└─────────────────────────────────────────────────────────────┘

Ключевые инновации

Инновация	Описание
MD как декларативный MCP	Описание проекта автоматически активирует Skill в Claude.ai
Намеренно ротационный RAG	Очищается после каждого упражнения, не накапливается
Human-as-Firewall	Ручная проверка перед загрузкой в облако
Трёхуровневая синхронизация	Local → Claude Code → Claude Desktop

Результаты

Метрика	До (только RAG)	После (многоуровневый)
Ошибки RAG-поиска	60%	0%
Частота сжатия контекста	Каждые 4–5 промптов	Редко
Непрерывность сессий	Плохая	Отличная
Контроль контекста	Отсутствует	Полный

Цикл ротации RAG

┌──────────┐     ┌──────────┐     ┌──────────┐
│Exercise N│ --> │Exercise  │ --> │Exercise  │ --> ...
│ in RAG   │     │  N+1     │     │  N+2     │
└────┬─────┘     └────┬─────┘     └────┬─────┘
     │                │                │
     v                v                v
┌─────────────────────────────────────────────┐
│         SKILL.md (Permanent)                │
│   Concepts consolidated here over time      │
└─────────────────────────────────────────────┘

RAG size: CONSTANT (~5-10% capacity)
SKILL size: GROWS SLOWLY (only key concepts)
Retrieval failures: 0%

Документация

📄 Полная документация (English)

📄 Documentación Completa (Español)

Полные документы включают:

Подробное руководство по реализации
Python-скрипты для конвертации PDF→MD и санитизации имён файлов
Команды трёхуровневой синхронизации
Архитектуру безопасности (Human-as-Firewall)
Доказательства оригинальности (изучено 32 источника)
Пошаговые инструкции по воспроизведению

Подтверждение концепции

Архитектура была проверена Claude Opus 4.5, работающим внутри описываемой системы:

«Я сам являюсь доказательством того, что эта архитектура работает. Этот документ был создан внутри проекта Claude.ai, использующего именно трёхслойную систему. Project MD автоматически активировал мой Skill, у меня есть доступ к 900 строкам постоянных знаний, а RAG содержит только текущую сессию. Система работает.»

— Claude Opus 4.5, 21 декабря 2025

Быстрый старт

Создайте проект Claude.ai с bootstrap-файлом MD
Сформируйте Skill (максимум ~900 строк)
Начните с минимального RAG (только одно упражнение)
Следуйте циклу: Выполнить → Задокументировать → Консолидировать → Очистить → Повторить

Подробная реализация — в полной документации.

Инструменты

Инструмент	Назначение
`convert_pdfs_to_md.py`	Конвертирует PDF в Markdown с поддержкой поиска
`sanitize_filenames.py`	Удаляет проблемные символы из имён файлов для Claude Desktop

Результат: 133 PDF конвертированы, 277 файлов санитизированы за 5 итераций.

Для кого это?

✅ Идеально подходит для:

Долгосрочных учебных проектов (6+ месяцев)
Структурированного обучения по программе
Сократовских и педагогических методов
Учебной работы с чувствительными к приватности данными

❌ Не рекомендуется для:

Краткосрочных задач (менее 1 месяца)
Неструктурированного исследования
Командной работы (ориентировано на одного пользователя)

Автор

JuanMa Cruz Herrera
Испанский студент в области Data Science, 51 год
10+ месяцев изучения Python с Claude методом Сократа

Лицензия

MIT — свободное использование в образовательных целях.

Участие в проекте

Вопросы? Улучшения? Альтернативные подходы?

🐛 Откройте issue
💬 Начните обсуждение
🔀 Отправьте PR

Особый интерес представляют:

Возможности автоматизации консолидации
Адаптации для других образовательных контекстов
Альтернативные архитектуры, решающие схожие проблемы

Создано: 21 декабря 2025
Платформа: Claude.ai Projects + Claude Code + Claude Desktop

«Решение проблемы памяти AI — не больше памяти, а лучшая архитектура памяти.»

Многоуровневая память для Claude

Установка

README