Проект / Python

fstech-digital/operational-ontology-framework: Operational Ontology Framework — фреймворк для аудируемых AI-агентов без постоянной памяти в модели

Превратите LLM-агентов из чёрного ящика в управляемый, аудируемый процесс с помощью файловой системы и git.

★ 12 Python ↑ 1 за 24ч Форки 4 Issue 0 Оценка 7/10 Карточка проверена

Для кого это

Для разработчиков, DevOps и AI-инженеров, которым нужны production-ready LLM-агенты с прозрачной историей решений, без потери состояния между сессиями и без зависимости от вендорских моделей.

Проблема / задача

LLM-агенты в production страдают от трёх проблем: нет аудита решений, потеря состояния между сессиями и самоподтверждение (circular self-validation). Стандартные решения (векторные базы, эмбеддинги) не решают проблему, а лишь заменяют её диффузной памятью без гарантий, какие факты выжили.

Как это работает

fstech-digital/operational-ontology-framework — open-source проект на Python, который стоит оценить перед внедрением или доработкой.

Что видно по README

Open-source фреймворк для запуска LLM-агентов в production, решающий проблемы памяти и аудита. Вместо памяти в модели — файловая система. Пять артефактов: Pin (неизменяемые правила домена), Spec (состояние выполнения задач), Handoff (память между сессиями), Facts (накопленные знания с метаданными), Skills (повторяемые процедуры, улучшаемые с практикой). Агент сам пишет свою память — дисциплина зашита в промпт, а не...

Ключевые возможности

Пять артефактов памяти в markdown-файлах, версионируемых git — полный контроль и аудитМодельно-независимый: встроенные адаптеры для Anthropic, OpenAI, Ollama — переключение провайдера без потери состоянияПолная аудируемость: каждое решение фиксируется с обоснованием, git log и git bisect дают исчерпывающую историюНикакой потери состояния между сессиями: Handoff передаёт контекст, Facts хранят долгосрочные знанияАгент сам управляет своей памятью: write-back, консолидация фактов, автоматическая обрезка устаревших (>90 дней)Встроенная защита от переполнения контекста: предупреждение при превышении 50% окна модели

Технологии

PythonAnthropic SDKOpenAI SDKOllamaGitMarkdownDockerOpenAI APILangChainLLaMARust

Темы и ключи

agent-memoryagent-stateai-agentscc-by-4filesystem-memoryllmmodel-agnosticoperational-ontologypin-spec-handoffwrite-back

Интересный факт

Идея родилась из опыта автора с production-агентами: стандартные решения (RAG, векторные базы) не дают гарантий, какие факты выжили. Фреймворк делает память явной — если файл есть, факт есть. Нет файла — нет факта. Версионирование через git...

С чего начать

Клонируйте репозиторий и перейдите в папку: git clone <url> && cd operational-ontology-framework
Установите зависимости: pip install -r requirements.txt
Скопируйте .env.example в .env и укажите ANTHROPIC_API_KEY (или OPENAI_API_KEY, или используйте Ollama без ключа)
Для своего проекта скопируйте шаблоны _pin.md и _spec.md, отредактируйте доменные правила и задачи, затем запустите: python agent.py my-project

Оценка GitRadar

Удобство

7/10

Свежесть

9/10

Перспектива

8/10

Монетизация

5/10

Общая оценка

7/10

Вердикт GitRadar

Стоит попробовать, если вы строите production-агентов и устали от чёрных ящиков. Проект зрелый (версия 2.1), с открытым кодом и примерами. Легко начать: скопировать шаблоны и запустить агента. Но учтите, что экосистема вокруг проекта пока небольшая (12 звёзд) — придётся разбираться самостоятельно.

Наблюдения по обновлениям

Проект зрелый (версия 2.1), есть португальская версия README, активный автор. По коммитам и тестам — качественный код, но сообщество небольшое.

Что мы проверили

Карточка собрана по данным GitHub, README и структуре репозитория. Это не официальная документация проекта.

Исходный репозиторий: https://github.com/fstech-digital/operational-ontology-framework
Лицензия: CC-BY-4.0
Создан на GitHub: 12 апреля 2026 г.
Последнее обновление репо: 12 апреля 2026 г.
Последняя проверка GitRadar: 12 апреля 2026 г.
Изученные файлы: README.md, README.pt-BR.md, requirements.txt, adapters.py, test_agent.py, agent.py

FAQ

Что это такое?

Operational Ontology Framework — open-source фреймворк для запуска LLM-агентов в production с памятью, хранящейся в файловой системе, а не в модели. Использует пять типов markdown-файлов: Pin (правила), Spec (задачи), Handoff (передача контекста), Facts (знания) и Skills (навыки). Всё версионируется git и аудируется.

Для кого подходит?

Для разработчиков и команд, внедряющих AI-агентов в бизнес-процессы и нуждающихся в прозрачности, контроле и стабильности. Подходит для сценариев: поддержка клиентов, обработка заявок, автоматизация с аудитом.

Источники

GitHub исходный код и активность
README описание, ссылки, стартовые материалы

Нужна помощь с fstech-digital/operational-ontology-framework?

Если проект подходит под ваш сценарий, можем помочь с установкой, интеграцией, доработкой или аккуратным форком под вашу инфраструктуру.

Смотреть услуги Открыть на GitHub Написать в Telegram