Автор tamizuddin опубликовал на dev.to паттерн «Hippocampus Architecture»: 3 компонента (Encoder, Consensus Store, Context Synthesizer) и обещание 40–60% экономии токенов в крупных кодовых базах. Как устроено. Идея в разделении памяти: рабочая память — контекстное окно LLM (4k–128k tokens), долгосрочная — векторное хранилище плюс граф связей между воспоминаниями. Кодер превращает в эмбеддинги, Consensus Store хранит всё вместе, а синтезатор решает, что из накопленного действительно нужно LLM сейчас. Для связей автор использовал NetworkX, для эмбеддингов — ChromaDB. Честная оговорка. Код — прототип: функции consolidate_similar_memories и graph expansion содержат только pass. Заявленные 40–60% экономии не подкреплены ни методологией замеров, ни размером выборки, ни ссылкой на источник. Что это значит: концепция разделения памяти в LLM-агентах здравая, но паттерн требует самостоятельной проверки на реальных кодовых базах.