Глубокий разбор архитектуры памяти LLM-агентов на основе статьи MemRec (ACL 2026): collaborative memory, decoupling управления памятью от reasoning, Information Bottleneck. Сравнение TOP-3 production-инструментов — Mem0, Letta (MemGPT) и Zep — по девяти осям. Подсветка gap’а: research опережает tooling.
Подробный разбор CNCF ‘Cloud Native Agentic Standards’ (март 2026): пять разделов документа — General, Control and Communication, Observability, Governance, Security — пункт за пунктом. Что значит каждая рекомендация, как реализована сегодня в Kubernetes-экосистеме, куда копать глубже. От контейнерных основ до OWASP Agent Name Service, от MCP до Trusted Execution Environments.
Deep dive в механику памяти агента: пять файлов памяти, четыре стратегии контекст-сборки, TOOLS.md как два источника ответственности, и Dreaming — фоновая консолидация от Anthropic (Auto Dream, Dreams API, KAIROS) и OpenAI (Dreaming V3, 82.8% factual recall). Инженерные решения, которые принимаются за кулисами production-платформы.
Пять архитектур multi-agent оркестрации — Supervisor, Swarm, Debate, Assembly Line, Hierarchical — с Mermaid-схемами, код-примерами на Eino (Go) и честным разбором ограничений. Когда один агент не справляется, а когда лучше им и остаться.
Контекстное окно ≠ память. Разбираю проблему agent amnesia, академическую таксономию (Du et al., 2026), пять подходов к памяти — от файлового мозга OpenClaw до управляемого слоя mem0 — и как наша команда решает это на практике.