Claude забывает контекст между сессиями, а claude-mem решает именно это.

Это надстройка для Claude Code, которая автоматически сохраняет ход работы: что агент делал, какие выводы сделал, где уже копал и к чему пришёл. Потом в новой сессии этот контекст подтягивается обратно, и не нужно каждый раз заново объяснять проект с нуля.

Ставится очень просто: npx claude-mem install

После установки достаточно перезапустить Claude Code. Дальше всё работает почти без ручной возни: работаешь как обычно, а память между сессиями сохраняется сама. При необходимости историю можно смотреть через локальный интерфейс на http://localhost:37777.

Канал | Чат | OpenClaw Lab

Anthropic добавили в Claude Developer Console отдельный дашборд для Prompt Caching. Это полезное обновление для тех, кто работает с API: теперь проще понять, как именно используется кэш, где он помогает экономить ресурсы и как оптимизировать запросы.

Сама идея prompt caching в том, что повторяющиеся части промпта не нужно обрабатывать каждый раз с нуля. В результате можно получить и более быстрый отклик, и более разумные затраты при работе с большими или часто повторяющимися запросами.

Канал | Чат | OpenClaw Lab

github.com/Alishahryar1/free-claude-code

Репозиторий позволяющий использовать Claude Code бесплатно через провайдеров: NVIDIA NIM, OpenRouter, DeepSeek и через локальные модели.

Канал | Чат | OpenClaw Lab

Только что OpenAI зарелизили GPT-5.5

Канал | Чат | OpenClaw Lab

На прошлой неделе стало известно, что Google инвестирует 40 млрд баксов в Anthropic. А до этого Amazon обязались инвестировать еще 25 млрд.

Звучит круто, но если читать это глазами Anthropic, то будет так: ладно, покупайте долю, только дайте нам вычислительных мощностей!

Например, по условиям сделки с Google, Anthropic получает не только 10 млрд $ «кэшем», но и доступ к 5 ГВт вычислительной мощности от Google Cloud в течение следующих пяти лет, с возможностью дальнейшего расширения.

Канал | Чат | OpenClaw Lab

Здесь мы обсуждаем всех AI-агентов.

LLM - это большая языковая модель, которая понимает и генерирует текст: отвечает, объясняет, пишет и переводит.

AI-агент - это ИИ-система, которая не только отвечает, но и выполняет действия для достижения цели, используя инструменты.

Задачи, которые могут выполнять агенты, почти безграничны (в рамках разумного).
Их можно использовать как ассистентов, для разработки, выстраивать сложную многошаговую оркестрацию и в целом управлять серверами.

У нас уже есть сообщество OpenClaw, где собраны десятки полезных юзкейсов и гайдов.
Канал @openclaw_lab и чат.

Краб - это база, как Linux. Но новые агенты появляются очень быстро, и мы не можем не рассказывать о них.

Присоединяйтесь к обсуждению в чате Agents Lab Community

Опенсорсный курс Learn Harness Engineering на русском - про то, как выстраивать более надёжную работу с ИИ-агентами в разработке.

Курс разбирает пять ключевых механизмов: инструкции, состояние, проверку результата, границы задачи и жизненный цикл сессий. За счёт этого работа агента становится понятнее: видно, что уже сделано, что осталось, какие проверки пройдены и с какого места продолжать в следующей сессии.

Внутри - 12 теоретических уроков и 6 практических проектов. Все проекты собираются вокруг одного десктоп-приложения для базы знаний: от простого сравнения разных подходов к работе с агентом до полноценного окружения с журналом прогресса, списком функций, стартовыми скриптами, проверками и передачей контекста между сессиями.

Отдельно полезна библиотека готовых шаблонов: AGENTS.md, init.sh, feature_list.json, claude-progress.md, чеклисты и файл передачи состояния. Их можно адаптировать под свой репозиторий и сразу сделать работу с Codex, Claude Code или другими агентами более предсказуемой.

В итоге курс скорее про инженерную дисциплину вокруг ИИ: как задавать правила, сохранять контекст, ограничивать объём задачи, требовать подтверждения результата и оставлять проект в состоянии, с которым можно спокойно работать дальше.

Agents Lab Community | OpenClaw Lab