Второй мозг для Claude Code: как собрать внешнюю память агенту за час

Claude Code из коробки умеет читать четыре уровня файла CLAUDE.md и ведёт собственную auto memory. Этого достаточно, чтобы агент помнил правила проекта, но недостаточно, чтобы он помнил контекст бизнеса: продукт, аудиторию, экономику, прошлые решения. Контекст приходится объяснять заново каждую сессию. Решение — внешняя структура из markdown-файлов рядом с проектом, к которой агент ходит сам. В статье разбираю иерархию памяти Claude Code, структуру внешней памяти из пяти папок и пошаговую сборку.

Anthropic в инженерном блоге описывает проблему как context rot: чем больше токенов попадает в контекстное окно агента, тем хуже он работает с конкретикой. Простое решение — пихать в CLAUDE.md всё подряд — ломается, когда файл разрастается до 500 строк: модель начинает игнорировать собственные инструкции.

CLAUDE.md решает другую задачу. Это инструкция новому сотруднику: как обращаться к пользователю, на каком языке отвечать, какие команды использовать, что запрещено. Документ короткий и применим к каждой задаче. Знания о продукте, аудитории, ценах, конкурентах и прошлых решениях туда не помещаются — и не должны. Для них нужна отдельная структура с маршрутизацией: агент стартует с CLAUDE.md, видит карту проекта и ныряет в нужный файл под конкретный запрос.

Граница простая. В CLAUDE.md идёт то, что применимо всегда. Во внешнюю память — то, что нужно по требованию.

Claude Code читает CLAUDE.md на четырёх уровнях одновременно, в порядке возрастания специфичности:

Все четыре файла грузятся в контекст в начале сессии. Более специфичный уровень перекрывает более общий. Дополнительно в подпапках проекта могут лежать собственные CLAUDE.md — они подгружаются on-demand, когда агент работает с файлами этой подпапки. Это удобно для монорепо: правила фронтенда живут рядом с фронтендом, правила бэкенда — рядом с бэкендом.

С версии 2.1.59 Claude Code ведёт auto memory: складывает выводы о работе с проектом в ~/.claude/projects/<project>/memory/. Индексный файл MEMORY.md грузится в каждую сессию, остальные — по требованию. Включается флагом autoMemoryEnabled в настройках. Auto memory полезна, но фиксирует тактические наблюдения: какие команды работают, где лежит конфигурация, какие баги уже встречались. Стратегию бизнеса агент туда не пишет — её нужно класть руками.

Архитектура, которая стабильно работает в продакшен-проектах:

Поверх всего работает git. Версионная история превращает архив в машину времени: через год можно открыть любой файл, посмотреть git log и увидеть, какие решения принимались и почему. Это снимает классическую проблему «через три месяца никто не помнит, почему мы изменили цену».

Разделение business/ и ai-clone/ — ключевой момент. business/ отвечает на вопрос «что мы делаем». ai-clone/ — на вопрос «как принимаются решения». Смешивать их нельзя: при переходе на новый проект business/ будет другим, а принципы, тон и выученные через ошибки правила остаются прежними.

В business/ живут четыре блока: product/ с описанием продукта, позиционированием и версиями; audience/ с сегментами, болями и языком клиентов; economics/ с юнит-экономикой, воронками и финансовыми ориентирами; goals/ с целями и решениями. Каждая папка имеет INDEX.md — карту файлов внутри. Агент сначала читает индекс, потом решает, какой файл открыть. Это экономит контекстное окно.

Ключевое правило — факты, а не гипотезы. Если пишете о целевой аудитории, опирайтесь на интервью, опросы, данные продуктовой аналитики. Непроверенные утверждения помечаются тегом LIVE или HYPOTHESIS. Без этого агент будет повторять ваши догадки как истину, и через полгода вы получите стратегию, построенную на непроверенных предположениях.

ai-clone/ — это не профиль личности, а рабочая модель вашего способа принятия решений. Структура состоит из семи блоков:

Метрика зрелости ai-clone/ простая: если агент пишет текст, который вы правите меньше чем на двадцать процентов, модель набрала достаточно контекста. До этого момента всё равно быстрее, чем писать с нуля, но полного доверия ещё нет.

Система работает предсказуемо, когда CLAUDE.md описывает маршрут в виде сканирования папок. Разберём на конкретном примере: редизайн сайта. Путь агента выглядит так:

3. Читает product/positioning.md и audience/segments.md, выясняет, для кого сайт.

4. Открывает ai-clone/principles.md и ai-clone/voice.md, чтобы понять стиль и приоритеты.

5. Проверяет retrospectives/ на предмет похожих задач в прошлом.

6. Собирает контекст, формулирует решение, показывает план.

7. После выполнения записывает рефлексию в retrospectives/ и обновляет feedback/.

Это выглядит избыточно, но в реальности агент открывает не все файлы подряд, а только те, на которые ссылается INDEX.md. Средняя сессия использует от трёх до восьми файлов, а не весь массив внешней памяти. Это называется just-in-time context: контекст загружается по запросу, а не всё подряд в начале сессии. Он экономит токены и держит внимание агента на задаче.

Минимальный рабочий вариант собирается без изысков:

1. Создать в корне проекта папки business/ и ai-clone/ рядом с кодом.

2. В business/ положить product.md, audience.md, economics.md, goals.md. В каждый — по пять-десять строк фактов.

3. В ai-clone/ положить principles.md с принципами и voice.md с тоном. Кратко, фразами.

4. В каждую папку добавить INDEX.md со списком файлов и одной строкой о том, что лежит в каждом.

5. В CLAUDE.md в корне прописать маршрут в четыре строки: в любой задаче сначала читаешь business/INDEX.md и ai-clone/INDEX.md, потом открываешь релевантные файлы.

6. После каждой сессии записывать в ai-clone/feedback.md одну строку: что пошло не так, какое правило выведено.

Этого достаточно, чтобы агент начал вести себя предсказуемо в любой сессии. Содержание файлов можно дописывать по ходу, не останавливаясь на вылизывании первой версии. Главное — начать вести эту систему регулярно.

Ключевое правило сборки: одна ошибка — одно правило, одно решение — одна запись. Не пытайтесь сразу расписать весь бизнес в файлы. Содержание ложится в память по ходу работы: друг за другом приходят микрорешения, и каждое из них оставляет след.

Описанная схема — база. Сверху на неё хорошо ложатся Skills — переиспользуемые процедуры для типовых задач. Например, skill «подготовить продающий пост» включает чтение audience/, product/, ai-clone/templates/ и retrospectives/. Агент вызывает skill одной командой, вместо того чтобы каждый раз объяснять маршрут.

Дальше идут Subagents — специализированные агенты с узкой ролью. Один отвечает за копирайтинг, другой за стратегию, третий за визуал. У каждого свой набор правил и доступ к своим файлам вроде ai-clone/copy/, ai-clone/visual/. Без внешней памяти subagent’ы превращаются в пустые оболочки.

И отдельный уровень — context engineering как дисциплина. Современный подход смещается от prompt engineering к работе со всей средой, в которой живёт агент. Промпт отвечает на вопрос «как спрашивать», контекст — на вопрос «что агент видит вокруг себя».

Сборка внешней памяти — первый практический шаг в эту сторону. Она переводит работу с агентом из «пишу промпт и надеюсь» в «строю среду, в которой агент принимает решения».

Минимальная сборка занимает час: две папки, два INDEX.md, четыре строки маршрутизации в CLAUDE.md. Дальше система достраивается по правилу «одна ошибка — одно правило, одно решение — одна запись».