mem0plus

Разработал mem0plus — self-hosted memory runtime для AI-агентов, который превращает разрозненную историю диалогов и действий в управляемую долговременную память. Проект решает ключевую проблему агентных систем: потерю контекста между сессиями, избыточную подмешку шума и отсутствие понятного lifecycle у воспоминаний. В системе реализованы ingestion pipeline, recall, consolidation, feedback loop, forgetting/lifecycle, observability, MCP facade и adapter contracts для интеграции с OpenClaw и BunkerAI.

Отдельный фокус был на качестве памяти: anti-junk policy, sensitive-memory handling, promotion/rescue logic, dialogue-based eval harness, high-density recall tests и live pilot flows. Провел performance и scalability benchmarking, оптимизировал concurrent recall path и candidate fetch, а также собрал product layer: memory review surface, scoped sharing model и v1 product definition.

Итог — рабочий memory MVP с живой интеграцией в агентный контур и сильной инженерной базой для дальнейшей productization.