Российская команда разработчиков опубликовала на Habr подробное описание когнитивной архитектуры для ИИ-системы, над которой работает. Публикация — это одновременно технический манифест и заявка на сотрудничество с профессиональным сообществом.
Архитектура основана на разделении системы на специализированные модули по аналогии с теориями когнитивной науки: модуль восприятия, рабочая память, долгосрочное хранилище и модуль исполнения действий. Такое разделение, по мнению авторов, позволяет строить более предсказуемые агентные системы по сравнению с монолитными LLM, где память и «рассуждение» не разделены явно.
Ключевой акцент — решение проблемы «потери контекста»: авторы предлагают механизм явного управления рабочей памятью с разбивкой задачи на подзадачи, сохранением промежуточных состояний и возможностью «откатиться» к предыдущей точке при ошибке. Это принципиально отличает архитектуру от стандартных цепочек промптов.
Архитектура ориентирована на долгосрочную память и многоэтапное планирование
Проект декларирует российское происхождение не как маркетинговый ход, а как практическую необходимость: авторы ориентированы на интеграцию с отечественными языковыми моделями и инфраструктурой, минимизируя зависимость от западных API.
В контексте общего тренда на разработку агентных ИИ-систем, российская архитектурная инициатива выглядит скромно по масштабу по сравнению с AutoGPT, LangGraph или Cognitive Architectures от DeepMind, но демонстрирует живой интерес местного сообщества к собственным разработкам в этой области.
