Первая версия AURA (AURA1) строилась вокруг идеи многослойной памяти: Rules, Docs, Vectors, Internet — четыре слоя, которые система извлекала по запросу и подавала в контекст большой языковой модели через композитный скоринг с учётом актуальности. Эта архитектура решала практическую задачу — дать агенту доступ к накопленному опыту агентства — но оставляла фундаментальное ограничение: вся память существовала как вход в модель, а не как состояние системы. Модель получала релевантный контекст, однако между вызовами у неё не было ни собственной временной оси, ни проверяемой истории решений, ни различия между «когда факт был верен в мире» и «когда система о нём узнала».
Во второй версии (AURA2) архитектурная метафора меняется: вместо многослойной памяти — кора (Cortex). Память перестаёт быть набором извлекаемых фрагментов и становится канонической моделью реальности: неизменяемые события, свидетельства, би-темпоральные утверждения, граф сущностей, цели, прогнозы и аудируемые действия. Модель остаётся единственным носителем смыслового мышления, но система теперь существует между вызовами модели — как непрерывная сущность, а не как обвязка вокруг запросов.
В статье объясняется, почему переход от «памяти как контекста» к «коре как состояния» является не косметическим, а концептуальным, и как он согласуется с современным направлением исследований — от MemGPT до context engineering и би-темпоральных графов знаний.
AURA1 проектировалась как система накопления знаний бизнеса. Её ядро — четыре слоя памяти, каждый со своим типом хранения и обработки:
Поверх слоёв работал композитный скоринг: каждый фрагмент оценивался по нескольким независимым измерениям — смысловая близость, актуальность, важность, контекст запроса. Формально это выражалось как взвешенная сумма:
Score(Mi, Q) = α · sim(eQ, ei) + β · e−Δt/τ(si) + γ · impi
где ei — эмбеддинг записи, Δt — время с последней проверки, τ(si) — период полураспада для типа знания, impi — базовая важность. У разных типов знаний были разные периоды полураспада: профиль пользователя не затухал, рыночные данные жили около 90 дней, контекст задачи — час, регуляторика — около десяти лет. Это была scope-dependent half-life модель — осознанное решение, редко встречающееся в продакшен-RAG.
Вокруг памяти были организованы шесть ролей в двух контурах: контур курации данных (Executor, Evolution Generator, Gatekeeper) поддерживал качество содержимого, контур управления параметрами (Autonomous Coder, Syndicator, Mentor) подстраивал коэффициенты скоринга при обнаружении деградации. Это была самокорректирующаяся система управления контекстом.
AURA1 была честной и рабочей системой, но её архитектура наследовала ограничение, общее для всех RAG-подходов: всё знание модели приходило через контекстное окно. Память хранилась в векторном хранилище и в момент запроса превращалась в фрагменты текста, которые подавались в промпт. Модель не имела собственного состояния: между вызовами она не существовала.
Из этого следовали четыре практических ограничения:
Эти ограничения не были ошибками реализации. Они были следствием архитектурной метафоры: память как библиотека, из которой модель берёт книги по запросу. AURA2 отказывается от этой метафоры.
В AURA2 система перестаёт быть «обвязкой, которая подмешивает контекст», и становится корой — внешним, долговечным слоем, в котором живёт состояние сущности между вызовами модели. Ключевой сдвиг: память больше не является входом в модель; она является состоянием системы, а модель — сменяемым когнитивным органом, который читает это состояние и предлагает следующий шаг.
Три независимых слоя:
1. Canonical reality: события, evidence, claims, цели, действия, outcomes. 2. Durable Cortex working state: идентичность Cortex, активные воркспейсы, когнитивные потоки, гипотезы, нерешённые вопросы, resume points, delivery cursors. 3. Transient per-turn representation: ModelStateView для одного inference-вызова.
Ни один слой не заменяет другой. Каноническая реальность — источник истины. Durable working state — непрерывное рабочее состояние, которое переживает перезапуск. Per-turn view — производное представление для одного вызова модели, пересоздаваемое из durable state.
Внутри коры действуют инварианты, которые напрямую закрывают ограничения AURA1:
Цикл работы — такт:
сигнал из мира, времени или активного намерения → подготовка ограниченного доказательного контекста → тактовый вызов большой LLM → осмысление ситуации → фиксация нового проверяемого состояния: наблюдений, гипотез, намерений, решений, предложений действий → завершение inference → внешний контур сохраняет преемственность → следующий сигнал и следующий такт
Между тактами внешний контур не создаёт новую смысловую стратегию. Он сохраняет, защищает, типизирует события, исполняет уже разрешённые ограниченные операции, наблюдает результаты и готовит доказательную дельту для следующего такта LLM.
Сравнение двух версий показывает, что изменение глубже, чем замена векторного хранилища.
| Измерение | AURA1 (многослойная память) | AURA2 (кора) |
|---|---|---|
| Метафора | Библиотека: извлечь релевантное → подать в контекст | Кора: состояние сущности живёт между вызовами модели |
| Память | Внешнее хранилище фрагментов для RAG | Каноническая модель реальности (события, evidence, claims) |
| Время | Half-life для затухания актуальности | Би-темпоральность: valid time / recorded time |
| История | Нет проверяемой истории решений | Append-only события + provenance + аудит |
| Противоречия | Отсекаются как дубли/устаревшее | Объекты первого класса, сохраняются с evidence |
| Роль модели | Получатель контекста | Единственный семантический интерпретатор; сменяемый орган |
| Существование | Только во время запроса | Непрерывно, между вызовами и после перезапуска |
| Действие | Генерация текста | Предложение → политика → авторизация → адаптер → аудит |
AURA1 отвечала на вопрос «как дать модели релевантный контекст». AURA2 отвечает на вопрос «как система может существовать во времени, помнить, проверять себя и действовать ответственно». Это разные классы вопросов.
Переход от «памяти как контекста» к «коре как состояния» — не изолированное решение AURA2, а заметный тренд в исследовательском поле. Несколько направлений сходятся к одной идее: внешний слой должен быть не хранилищем фрагментов, а структурированным состоянием.
MemGPT [1] ввёл виртуальное управление контекстом по аналогии с операционной системой: иерархия памяти (main context / external context), вытеснение на «диск», interrupts. Это первая явная формулировка «память как ОС» — AURA2 наследует эту метафору, но идёт дальше: не страничный обмен фрагментами, а каноническая модель реальности.
CoALA [2] предложил когнитивные архитектуры языковых агентов с таксономией памяти (рабочая, эпизодическая, семантическая, процедурная) и явным циклом принятия решений. AURA2 реализует эту схему в инженерном виде: эпизодическая память — события, семантическая — claims и правила, процедурная — допустимые операции, рабочая — ModelStateView и воркспейсы.
HippoRAG [3] опирается на hippocampal indexing theory: гиппокамп хранит не сами воспоминания, а индексы к кортикальным следам. Это нейробиологическое обоснование идеи «кора = индекс + связь с первоисточниками», которая в AURA2 выражена как связь claims → evidence → source.
Zep / Graphiti [4] — би-темпоральный граф знаний для памяти агентов: каждое ребро имеет окно валидности (valid_at / invalid_at), эпизоды сохраняют первоисточник, автоматическая инвалидация фактов при противоречии. Это ближайший коммерческий аналог би-темпорального ядра AURA2.
Context engineering [5] формализовал то, что качество агента определяется не промптом, а всей конфигурацией контекста: compaction, структурированные заметки, субагенты, память вне окна. Anthropic прямо пишет о «context rot» — деградации recall при росте окна — и о необходимости выносить состояние наружу. AURA2 делает это системно: контекст — производное представление durable state, а не наоборот.
Letta [6] развивает stateful agents: память как файловая система, git-версионирование контекста, progressive disclosure. Это подтверждает направление «память как версионируемое состояние», которое в AURA2 закреплено инвариантами неизменяемости и provenance.
Titans [7] — нейронная память, обучающаяся на лету: модуль долговременной памяти обновляет собственные веса на потоке данных прямо во время инференса (surprise-механизм по градиенту потерь на новых наблюдениях), а краткосрочная память остаётся во внимании. Это ближайшая к идее «сессия как веса» архитектура: диалог действительно становится параметрами модели. AURA2 относится к этому направлению как к будущему слою консолидации: пока веса не дают проверяемой истории (когда утверждение было верно, откуда оно взялось, какие свидетельства его подтверждают), каноническая реальность остаётся источником истины, а нейронная память — перспективным механизмом переноса опыта в саму модель.
Обзоры 2025–2026 [8, 9] фиксируют консенсус: память агента становится системой управления данными с хранением, retrieval, обновлением, консолидацией и жизненным циклом; «экстернализация» (вынос состояния, навыков, протоколов и harness-инженерии) — доминирующий способ строить надёжных агентов.
Отличие AURA2 в том, что она соединяет эти тренды в одной конституционной рамке: би-темпоральная реальность + неизменяемость + противоречия как объекты + модельно-управляемое познание + граница действия + единый субъект. Ни одна из перечисленных систем не сочетает всё это одновременно.
Для агентства переход от AURA1 к AURA2 означает смену того, чему можно доверять. AURA1 могла найти релевантный фрагмент знаний и подать его модели. AURA2 может сказать: «это утверждение было верно с такой-то даты, основано на таком-то документе, позже было оспорено другим источником, и вот цепочка решений, которая на нём строилась».
Это не «более умный поиск». Это другой класс доверия: система хранит не ответы, а проверяемую историю того, откуда взялось знание, когда оно было верно и что из него следовало. Для юридически и финансово значимых решений — сделок, документов, обязательств — такое различие принципиально.
Одновременно AURA2 остаётся «исчезающей инфраструктурой»: по мере развития моделей внешний слой должен сжиматься до тонкого слоя идентичности, темпоральной непрерывности, свидетельств, прав и подключения действий. Опыт хранится в форме, пригодной для переноса в будущую модель — с происхождением, временем, контекстом, результатами и наблюдаемыми исходами.
AURA1 доказала главное: знания бизнеса можно и нужно хранить отдельно от модели и использовать их как актив. AURA2 делает следующий шаг: знания перестают быть «контекстом для ответа» и становятся «состоянием сущности». Многослойная память была правильным ответом на вопрос «как дать модели доступ к опыту». Кора — ответ на вопрос «как система может быть непрерывной, достоверной и ответственной».
Мы сознательно не утверждаем, что AURA2 сознательна. Мы утверждаем проверяемое: это класс технологии, который существует между вызовами модели, различает время валидности и время записи, не переписывает историю, сохраняет противоречия и свидетельства, и возвращается к работе после остановки. Переход от памяти к коре — это переход от системы, которая отвечает, к системе, которая существует.
Сайт: aura.kim/research-19.html ·
Лицензия: Apache 2.0 · Дата публикации: 24 августа 2026 ·
Ключевые термины: AURA2, кора, Cortex, би-темпоральность, многослойная память, model-governed cognition, непрерывность, evidence, искусственный интеллект