Бывало у вас такое: дел в голове так много, что забывать их начинаешь как только вышел с очередной встречи? Через несколько дней надо принять решение, на основании того, что мелькало перед тобой 3 секунды. Через время ловишь себя на мысли «У нас 21 век, агенты, скиллы, почему строить связи между встречами, записями и мыслями должен я?». У меня — бывало, и тут как раз об этом.

Привет! Меня зовут Дима, и я работаю руководителем команды web‑разработки AI‑продуктов в R&D Яндекса. А ещё — я учусь в вузе на 4 курсе, люблю куда‑нибудь слетать, пытаюсь следить за здоровьем: и всё это, как я думаю, легко бустится агентами.

TL;DR: ChatGPT или Claude, настроенный git и obsidian, а также несколько правил работы с агентами — и теперь у вас есть персональный ассистент, который помнит про вашу встречу, помогает принять решение и основывается на конкретных фактах и точном контексте

Если вы работаете в IT — слово AI вы слышите ежедневно из каждого корпоративного утюга, и, думаю, уже научились заставлять ИИ писать код / ставить встречи / перекладывать json‑ы за вас, превращая привычные сценарии во что‑то более абстрактное, оставляя себе самое главное — думать. Как теперь это перенести на новые области? На все области? Сначала подумаем, как эту же задачу решали бы наши древние предки, из 2020 или 2023. Думаю, самый очевидный ответ — записывали бы всё что происходит в заметки, в избранное Телеграмма, в Notion и другие подобные сервисы. В целом — решение рабочее, но есть много проблем:

Заметки делаются быстро, сильными сокращениями и без контекста.
Мотать сообщения в чате не очень удобно, а заметки ещё надо открыть.
Информации в какой‑то момент становится слишком много, и контекст всё равно теряется.

С появлением ИИ очевидным решением становится +1 чат, в котором общаешься на нужную тему, однако проблемы тут всё те же: чат быстро разрастается, и модель сама забывает, о чём её просили.

Тут на помощь приходят «Проекты» — это скоуп чатов, которые объединены одной темой, они шерят контекст между друг другом. Мы сходу получаем «Память»: возможность иметь изолированный контекст в файловой системе, а ещё сохранённый слепок информации, который не отберут баном аккаунта или банкротством OpenAI (если, конечно, ваш проект не в их же облаке).

Тут должна была быть картинка о том, как создать проект, но решил, что вы и сами справитесь

Какое‑то время мне их хватало, если не давать проекту слишком много ответственности. Например, проект «Поездка в Испанию» понятен, самодостаточен и решает контекстную проблему конкретного события. Он временный, выполнил какую‑то ресёрч задачу — потом его можно удалить. Но что если хочется проект с названием «Работа», «Команда» или «Здоровье». Да, я хочу сгружать контекст туда месяцами, пополнять его, а потом абсолютно неожиданно для себя получить ответ вида «Ты 2 года назад уже делал то же самое — и тебе это не помогло, лучше смени вектор в этом и этом».

Кроме того мне бы хотелось, чтобы накопленный контекст жил отдельно от сервиса. Если завтра я решу сменить модель, заново объяснять ей последние полгода своей жизни не очень хочется. Наверное, смешно называть стремление сделать AI детерминированным, но это именно оно. Поэтому модель я хочу сделать эфемерной, заменяемой. А заметки, принятые решения и историю изменений — хранить у себя, в формате, который могу прочитать и поправить руками.

Здесь появляется Obsidian. В основе — обычные Markdown файлы: их удобно читать и редактировать самому, а агенту можно передавать нужные материалы для конкретной задачи. Отличает Obsidian от обычной папки на ПК ещё и то, что модель знает как строить связи между информацией, а я могу видеть визуализацию перед глазами.

Чтобы было понятнее, что я имею в виду, покажу реализацию на примере своего Университета: тут понятные задачи, чёткие сроки и описанные требования, а ещё конечный набор информации про преподавателей и предметы.

Как это настроить: скачиваем Obsidian, устанавливаем и создам в нём проект. Дальше скачиваем с официального сайта/ заходим в приложение ChatGPT или Claude AI, создаём новый проект по локальной папке, указываем ту же папку, что создали в Obsidian ранее. Готово — проект уже создан. Я также всюду подключаю git, чтобы видеть, что изменилось, иметь возможность откатиться, если агент решил заодно переписать мою биографию, а ещё у меня всё стоит одновременно на нескольких системах.

И первое правило перед тем как сказать агенту заинициализировать всё — сначала дать много контекста, чтобы потом писать мало.

Я не хочу каждый раз объяснять, где я учусь, что я делаю, какие у меня предметы, что там спрашивают и так далее, поэтому первый шаг в любом таком «Проекте» — дать тонну вводной информации. Для университета мне подошло скормить весь внутренний портал вуза, разрешить шариться там везде: скачивать файлы, записывать дисциплины, преподов, требования. Я также отдал ей расписание, свои личные мысли о преподавателях, папку со всеми прошлыми семестрами, а ещё чатик группы в телеграмме (и не надо на меня косо смотреть, о приватности — в конце).

Визуализация связей начальной вводной информации, подписи пришлось скрыть. Каждая точка — описанный md файл, с подробной информацией о какой‑то закрытой области, например, преподаватель, курсовая 2025, или расписание. Чем больше точка — тем больше у неё связей

Результат — модель суммаризировала, выделила информацию, записала её фактами в память (Obsidian), и выстроила связи: между людьми, предметами, преподавателями, дисциплинами. Теперь вместо подробного объяснения я просто пишу «что нужно сделать по предмету преподавателя N и где его найти?». Да, я немного схитрил и скормил модельке не только своё расписание, а все расписания, что можно достать из интернета по институту, чтобы знать окна преподавателей вне своего расписания.

Результат — сводка по предмету. Не нужно думать о контексте, новый чат или старый, модель помнит то, о чём ей говорили, что было до этого и знает все связи

Здесь почти сразу появляется второе правило — важные изменения должны возвращаться в вики.

Мало один раз рассказать агенту свою жизнь — его также нужно держать в курсе сюжета. Поменяли тему курсовой, перенесли дедлайн, договорились с преподавателем — всё это должно попасть в контекст. Иначе вы уже неделю живёте в новой реальности, а ваш ассистент всё ещё помогает вам в старой.

При этом не нужно вести подробный дневник руками. Достаточно просто писать «тему согласовали, сдаём до пятницы» и поручить агенту обновить нужные записи. За короткими запросами должен стоять актуальный контекст. Иначе модель может заполнить пробелы догадками, а вы можете принять их за факты.

В процессе заполнения не бойтесь давать агенту честную картину. Да, это звучит странно, но многие люди врут даже бездушному ИИ. Вряд ли он будет вас осуждать за неудачные решения, однако сможет сильнее вам помочь, если будет иметь весь контекст.

С университетом всё довольно удобно: есть предметы, задания и требования, которые нужно вовремя достать из памяти. В работе контекст меняется гораздо быстрее: на встрече договорились об одном, потом появились новые вводные, часть решений пересмотрели. Через неделю помнишь итог, но уже не очень помнишь, почему вообще к нему пришли. Поэтому следующий сценарий — сохранять не только само решение, но и то, на основании чего оно было принято. Тут уже помогают скиллы, MCP, планировщики, календарь, и так далее. Дать подробный кейс тут сложно — внутренней информации слишком много, однако понятных гайдлайнов тут много:

сгружаем в агента саммари любых важных встреч;
пишем контекст и свои мысли почти на любой чих, чтобы модель знала полную специфику проектов;
делаем планировщик на проверку почты и тикетов из Jira;
говорим где смотреть и как воспринимать мёрж‑реквесты;
просим давать сводки по известной информации.

Как итог получаем агента, который не просто помогает с абстрактным проектом или решением, а помогает конкретно с твоим проектом и конкретным решением, знает про определённых (обезличенных) людей, их задачи, планы, умеет давать сводки.

Отсюда третье правило — если приходится объяснять одно и то же, пора превратить это в инструмент.

Сначала я вручную собираю контекст и прошу сделать сводку. Если задача повторяется, сохраняю порядок действий в скилл или инструкцию: где искать информацию, что учитывать и в каком виде возвращать результат. Если постоянно приходится приносить данные из одного сервиса — имеет смысл настроить доступ к нему. Если сводка нужна регулярно — добавить запуск по расписанию.

Так постепенно появляется личный harness — окружение агента, настроенное под свои задачи. Какие источники ему доступны, какие действия он умеет выполнять и что должен делать без очередного подробного объяснения. Здесь легко увлечься и начать автоматизировать саму автоматизацию. Поэтому я ориентируюсь на конкретное повторение: если опять руками собираю одно и то же, значит, появился кандидат на следующий скилл или интеграцию.

Таких проектов у меня несколько — под разные части жизни. Разделять их удобнее по тому, какой долгосрочный контекст обычно нужен в одном месте. В университете это предметы, преподаватели, задания, напоминания; в работе — проекты, встречи и договорённости.

Но само по себе создание папки «Здоровье» ещё ничего не улучшает. Сначала стоит понять, где именно возникает проблема. «Хочу заниматься здоровьем» — слишком абстрактно. «Перед приёмом каждый раз заново собираю обследования и вспоминаю, когда что началось» — конкретная задача, для которой можно подготовить контекст и оценить результат.

То же самое с повседневными делами и общением. Можно собирать незакрытые домашние задачи, готовиться к сложному разговору или восстанавливать договорённости. Начинать удобнее с того места, где вы регулярно что‑то забываете, ищете или объясняете заново.

Теперь про обещанную приватность. Чатик телеграмма я, конечно, обезличил, однако общее удобство тут покупается доступом к контексту, поэтому увеличение «успеха» личной продуктивности часто идёт за счёт увеличения доступа к информации. Для своих данных каждый выбирает границу сам, поэтому здесь стоит заранее решить, что можно передавать, что нужно обезличить, а что вообще не должно попадать во внешнюю модель. И да, заголовок — шутка, а выбор того, чем платить за удобство, вполне настоящий.

Для меня главный результат — возможность делегировать свои решения в обычной жизни. Как подготовиться к встрече, с чего начать накопившиеся дела, когда нужно идти в вуз. Хочется, чтобы агент, которому я уже рассказал достаточно о себе, мог предложить конкретный следующий шаг — без очередного онбординга на полчаса. Какие‑то решения я готов принимать с минимальной проверкой, в других мне нужны аргументы и источники. Постепенно становится понятно, где агенту можно доверить больше, а где пока приходится разбираться самому. Ради этой возможности я и собираю контекст: чтобы меньше когнитивных усилий уходило на повседневные решения.

Начать можно с простого вопроса: какое решение вам регулярно приходится принимать заново, хотя вся нужная информация где‑то уже есть? Вот под него и попробуйте собрать первый проект.

Личная AI‑продуктивность или как слить OpenAI не только кодовую базу, но и всю свою жизнь