Как я строю себе «второй мозг» с помощью ИИ

Речь идет об экзокортексе нового поколения, в котором не просто LLM, а полноценно настроенные сценарии и процессы с участием ИИ в самых разных ролях, которые помогают реализовывать твои рабочие и личные проекты. Они буквально заточены на создание систем, меняющих окружение и мир.

Последнюю неделю у меня случился значительный прорыв, вплотную подошел к созданию ИИ-агентов, которые помогают мне думать, планировать и накапливать знания. Не «чат с ChatGPT», а именно среда — с памятью, правилами и структурой.

Каждый раз, когда вы открываете новый чат с ИИ, то он, если не начинает с нуля, то вряд ли досконально знает все ваши проекты, все ваши предметные области и готов сразу выделять из одного проекта нечто общее для всего. Вы часто тратите время на повторный ввод контекста. А если работаете над чем-то сложным — контекст просто не влезает в одно сообщение.

Я решил это системно. Решение: среда вместо чата с множеством отдельных проектов. Я работаю с Claude Code — это CLI-версия Claude, которая живёт прямо в терминале, рядом с кодом. Ключевое отличие от веб-чата: Claude Code умеет читать и редактировать файлы на диске. А значит — ему можно дать долговременную память.

Вот что я настроил:

1. Трёхслойная память

Вместо одного промпта у меня три слоя, доступные всем моим проектам и репозиториям:

— Оперативная память (MEMORY) — загружается в каждую сессию автоматически. Там: текущие задачи на неделю, блокирующие правила, навигация. ~200 строк. Если Claude видит только этот файл — он уже знает, что делать.

— Правила (CLAUDE) — протоколы работы: как начинать сессию, как фиксировать знания, как закрывать. Это «конституция» моей среды.

— Справочники (memory/*.md) — подгружаются по запросу. Там: терминология, чеклисты, архитектурные паттерны. Не грузим всё сразу — только когда нужно.

Принцип: минимум в контексте, максимум доступно.

2. Pack — база предметных знаний, а не папка с файлами

Самая необычная часть. Я формализую знания в так называемые Pack-репозитории. Pack — это не просто заметки. Каждая единица знания — это сущность с типом (метод, различение, рабочий продукт), связями и онтологией.

Сейчас у меня 4 Pack-репозитория предметных областей и 134 формализованные сущности. Это знания о цифровых платформах, о мышлении, об экосистеме и личная информация.

Зачем так сложно? Потому что структурированное знание — это знание, которое ИИ может найти и использовать. Когда внешний пользователь моего разрабатываемого бота задаёт вопрос — бот ищет по 2968 проиндексированным документам через семантический поиск. И находит точный ответ, а не галлюцинацию.

3. Три ИИ-агента

Не одно LLM, а пока несколько специализированных агентов:

— Claude Code — мой рабочий партнёр. Пишет код, извлекает знания из сессий, проверяет задачи по плану. Работает, когда я работаю. Причем есть общий для всех репо Claude Code и есть специализированные Claude Code для каждого репозитория.

— Стратег — автоматически формирует план дня в 4 утра, подводит итоги недели, разбирает мои заметки вечером.

— Экстрактор знаний — превращает сырые инсайты из рабочих сессий в формализованные сущности Pack. ИИ предлагает — я подтверждаю. Он это делает не только когда я ему даю материал для переработки, но и он сам по определенным сигналам это делает.

Плюс Синхронизатор, который всё это оркестрирует: следит за изменениями файлов (кода и текстов), запускает агентов по расписанию, рассылает уведомления.

4. Протокол, а не вайб

Главная идея: ИИ работает по правилам, а не только по тому, что у него под капотом от вендоров.