OpenWiki Brains ukazuje, proč AI agenti potřebují pracovní paměť mimo chat

TL;DR:

• LangChain 10. července 2026 představil OpenWiki Brains, rozšíření OpenWiki pro vytváření lokální wiki paměti z pracovních zdrojů, jako jsou Gmail, Notion, git repozitáře, X, Hacker News a webové vyhledávání.
• Nejde jen o další chatovou paměť; cílem je dát AI agentům strukturovaný, průběžně obnovovaný kontext z míst, kde už člověk pracuje.
• Pro AI v práci je důležité, že paměť se posouvá od ručně vložených poznámek k udržované znalostní vrstvě nad reálnými nástroji.
• Praktické využití AI tu závisí na tom, co agent smí číst, jak se vybírá relevantní kontext a jak člověk kontroluje, co se do paměti dostalo.
• Sledujte hlavně konektory, aktualizaci paměti na pozadí a to, jestli takový AI workflow nezamění užitečný kontext za nekontrolovaný datový sběr.

LangChain posouvá svůj projekt OpenWiki mimo původní použití pro dokumentaci kódu. Nově představené OpenWiki Brains má agentům vytvářet lokální wiki paměť z pracovních zdrojů, které člověk běžně používá: e-mailu, Notionu, git repozitářů, X, Hacker News a webového vyhledávání. Slack má podle článku přijít později.

Pointa není v tom, že by agent měl „pamatovat všechno“. Důležitější je, že má mít místo, kam se může vracet pro udržovaný kontext. V praxi to znamená rozdíl mezi agentem, který se v každé nové konverzaci znovu ptá na projekt, a agentem, který má k dispozici stručnou pracovní mapu témat, lidí, poznámek, odkazů a změn.

Co přesně LangChain oznámil

OpenWiki vzniklo jako open-source CLI pro dokumentaci repozitářů. Nástroj prošel kód, vytvořil wiki daného projektu a udržoval ji při změnách. To dávalo smysl hlavně pro coding agenty, protože ti potřebují rozumět struktuře souborů, konvencím a vazbám v kódu.

Verze OpenWiki 0.1.0 rozšiřuje stejný princip do obecnější práce. Nový režim Personal Brain má z připojených zdrojů vytvářet lokální wiki pro agentovy budoucí úkoly. Během nastavení člověk určí, na co se má paměť soustředit: aktivní projekty, výzkumná témata, zákaznický kontext, uložené odkazy nebo třeba poznámky z Notion workspace.

LangChain zároveň odděluje Personal Brain od Code Brain. Code Brain zůstává zaměřený na repozitáře a kód. Personal Brain má řešit širší pracovní kontext, který je rozesetý napříč nástroji.

Proč to není totéž jako paměť v ChatGPT nebo Claude

Běžné paměťové funkce v asistentech jsou většinou reaktivní. Zapamatují si, co jim člověk řekl, případně co lze odvodit z předchozí konverzace. To pomáhá u preferencí, stabilních faktů a opakovaných instrukcí.

OpenWiki Brains míří na jiný problém: kontext, který vzniká mimo chat. Projektový update může přijít do e-mailu. Rozhodnutí může zůstat v Notionu. Užitečný odkaz se může objevit v záložkách nebo v diskusi. Pokud agent pracuje jen s tím, co mu člověk ručně vloží do promptu, velká část reálného pracovního kontextu se do úkolu nikdy nedostane.

LangChain proto mluví o proaktivní paměti. Nástroj má procházet zadané zdroje, vybírat relevantní informace podle nastaveného zaměření a zapisovat je do wiki, kterou agent později použije.

Co to znamená pro AI workflow v práci

Pro Agentivpraxi je na téhle novince zajímavý hlavně posun od „lepšího promptu“ k infrastruktuře kolem kontextu. U složitější automatizace práce pomocí AI často selhává právě to, že agent nemá stabilní obraz situace. Člověk mu pokaždé znovu vysvětluje projekt, zákazníka, cíle, rozhodnutí a aktuální stav.

OpenWiki Brains ukazuje jeden možný vzor: nejdřív vytvořit čitelnou znalostní vrstvu, teprve potom nad ní pouštět agentské úlohy. Takový postup může dávat smysl u research asistenta, přípravy na obchodní schůzky, obsahového plánování, interní podpory nebo osobní pracovní paměti freelancera.

Konkrétní příklad: místo aby agent před každým reportem znovu procházel e-maily, poznámky a webové odkazy, může mít aktualizovanou wiki aktivních témat. Při zadání pak nepracuje z prázdného místa, ale z kompaktního kontextu, který lze otevřít, přečíst a opravit.

Kde jsou limity a rizika

Tahle kategorie nástrojů bude užitečná jen tehdy, pokud zůstane kontrolovatelná. Problém není pouze technický. Jde o práva ke zdrojům, citlivá data, kvalitu výběru informací a možnost zjistit, proč se něco do paměti dostalo.

Lokální Markdown je v tomhle směru dobrý start. Je čitelný, verzovatelný a člověk ho může projít bez speciálního rozhraní. Zároveň to ale neřeší všechno. Pokud agent špatně vybere důležitost informace, může si do wiki uložit špatný kontext. Pokud se paměť aktualizuje na pozadí, musí být jasné, co se změnilo a co se má schvalovat ručně.

Druhá otázka je retrieval. Wiki na disku nestačí sama o sobě. Agent musí umět najít správnou stránku ve správný čas. LangChain zmiňuje full-text search, MCP, semantické vyhledávání a agentské vyhledávání nad pamětí jako další směry. Právě tam se ukáže, jestli jde o praktický pracovní systém, nebo jen další složku s poznámkami.

Co si z toho odnést

OpenWiki Brains není hotová odpověď na paměť AI agentů. Je to ale dobrý signál, kam se praktické využití AI posouvá: méně ručního kopírování kontextu do chatu, více udržovaných vrstev nad nástroji, kde práce už probíhá.

Pokud dnes stavíte AI workflow, neřešte jen model a prompt. Zeptejte se, odkud agent bere kontext, kdo ho smí aktualizovat, jak se paměť kontroluje a co se stane, když si systém uloží špatnou interpretaci. Právě tahle vrstva často rozhodne, jestli AI agenti v práci skutečně pomůžou, nebo jen vytvoří další místo, které musí člověk hlídat.

Zdroj

Zdroj: LangChain Blog - https://www.langchain.com/blog/introducing-openwiki-brains-general-purpose-wiki-memory-for-agents