Stash MCP добавляет долгосрочную память для ИИ-агентов через MCP-протокол и Postgres с PGVector, превращая их в постоянных коллег с сохранением контекста между сессиями. Это решает проблему амнезии моделей и экономит время на повторные объяснения.
Stash MCP: постоянная память для Claude Code через Postgres
полный разбор ролика · 5 глав ↓
Проблема амнезии ИИ
Многие ИИ-ассистенты теряют весь контекст после закрытия сессии, что вынуждает заново объяснять проекты и баги.
Это вызывает раздражение и снижает эффективность совместной работы с ИИ.
Долгосрочная память через MCP
Stash MCP — selfhosted сервер с Postgres и PGVector, который хранит и быстро извлекает семантические вектора.
Инфраструктура разворачивается одной командой через Docker, а подключение агента требует лишь указания локального URL с SSE.
Консолидация памяти
Фоновый процесс превращает сырые диалоги в структурированные знания, включая извлечение фактов, построение связей и отслеживание целей.
Система умеет забывать устаревшие данные, обрабатывая только новые, что снижает нагрузку на ресурсы.
Практика многодневного дебага
При длительной отладке агент быстро подтягивает прошлые гипотезы, стиль и паттерны ошибок, экономя время.
Это снижает усталость от постоянного микроменеджмента и позволяет сосредоточиться на логике приложения.
Ограничения и альтернативы
Postgres требует ресурсов и самостоятельных бэкапов, а консолидация расходует токены и увеличивает API-затраты.
Альтернатива на Python предлагает расширенную фильтрацию и кэширование для крупных проектов, улучшая точность поиска.