Инфраструктура автономных агентов тихо сместила фокус с самих языковых моделей на среду их обитания и управление памятью. Наглядный срез этих процессов можно увидеть на Building AI-Native Startups [004] — серии воркшопов, где фаундеры показывают внутреннюю кухню своих компаний. Формат исключает слайды и теорию, оставляя только разбор реальных production-систем.

Показательный пример — «фабрика софта» от Jellypod. Их агенты каждое утро анализируют сессии PostHog, логи Vercel и запросы в Intercom, чтобы дедуплицировать проблемы и создать задачи в Linear. После этого модели Claude параллельно забирают баги в работу: пишут фиксы, открывают PR, поднимают preview-окружение и самостоятельно валидируют результат браузерным тестом в Playwright, прикрепляя запись экрана. Чтобы такие схемы работали стабильно, моделям нужна чистая песочница. Эту проблему закрывает open-source проект Mirage от Strukto. Он сворачивает разрозненные данные из Notion, Slack и почты в единую виртуальную файловую систему. Агент взаимодействует с ней через один терминал, что снижает потребление токенов и решает проблему гранулярных доступов.

Третий критический слой — персистентная память, которую покажет Павел Мунтян на примере проекта mf0.ai. Это графовый «цифровой мозг», позволяющий держать единый контекст сразу для нескольких LLM. Система приоритизирует самые плотные узлы памяти и жестко удерживает фокус при поиске. Внутри реализован механизм мульти-опроса: пять разных моделей параллельно решают задачу, шестая работает как фактчекер, а на выходе формируется проверенный структурированный документ.