Max Chronicle — pamięć dla agentów AI, żeby przestali pytać mnie dwa razy o to samo
Warstwa pamięci open source, z której moi agenci korzystają codziennie: serwer MCP, CLI i magazyn zdarzeń w SQLite z hybrydowym wyszukiwaniem i własnym zestawem ewaluacji.
700+
Testów w CIRAG
Hybrydowe wyszukiwanie: tekst, wektory, czasMCP
Serwer dla każdego agentaMIT
Open sourceWyzwanie
Sesje agentów zapominają. Każda nowa sesja zaczynała od zera: ponownie czytała pliki, zadawała te same pytania i podejmowała decyzje, które już zapadły — czasem wbrew nim. Gdy kilku agentów i modeli pracuje nad tymi samymi projektami, utrata kontekstu staje się najdroższym błędem w całym systemie.
Rozwiązanie
Zbudowałem lokalną pamięć, z której każdy agent może korzystać przez MCP albo CLI:\n\nKażde zdarzenie, decyzja i punkt kontrolny trafia do magazynu zdarzeń w SQLite. Każde zapisane twierdzenie ma swój rodzaj — zaobserwowane, zdecydowane albo założone — więc agent wie, co jest faktem, a co domysłem.\n\nWyszukiwanie jest hybrydowe: pełnotekstowe, wektorowe i czasowe, a gdy usługa embeddingów nie działa, dalej działa offline na pełnym tekście. Wbudowany zestaw ewaluacji mierzy jakość wyszukiwania, więc zmiany ocenia się liczbami, a nie na oko.\n\nPrzekazania są jawne: agent zapisuje punkt kontrolny (co zrobione, co sprawdzone, co otwarte, co dalej), a kolejny agent — albo kolejny model — podejmuje pracę bez poprzedniej rozmowy.
Orbital diagram showing a multi-agent system with 7 specialized AI agents. The central Dispatcher routes tasks to Job Scout, Content Writer, Code Reviewer, Researcher, Data Monitor, and Telegram Bot. Click any node to see details and connections.
Rezultat
Codziennie obsługuje moje workflow agentów, łącznie z sesjami, które zbudowały tę stronę. W CI działa 700+ testów na Pythonie 3.11–3.13. Projekt jest open source na licencji MIT — link do repozytorium powyżej.
