Я устал каждый раз объяснять агентам одно и то же и собрал им общий мозг

Всем привет! Меня зовут Миша Шумовский, я работаю главредом в медиа про нейросети и маркетологом в клубе по нейросетям. А еще веду несколько каналов по нейронкам и активно развиваю разные личные пет-проекты. 

95% всех задач я решаю нейронками и меня дико бесило, что каждая новая задачка начиналась одинаково. Заводишь папку, складываешь туда материалы и заново объясняешь нейронке, кто ты такой, что за проект и как мы тут работаем. Что редполитика лежит вот в этом файле и читать ее надо до начала работы. Что такой формат мы уже пробовали и он не зашел. Что на прод я выкатываюсь только через GitHub. 

«Но ведь нужно просто нормально проектные и глобальные Agents.md и Claude.md прописать, и не будет у тебя проблем».

Ожидаю такие комменты. И сразу отвечаю — нет. Глобально задачи хоть и одинаковые, но решать их в рамках одного проекта не получается. 

Например, для онлайн-клуба я создал себе конвейер по производству текстов разных форматов: гайдов, кейсов и даже постов в Телегу. Но раз в месяц мне нужно писать продающие посты для рекламы клуба — а для этого выгружать весь чат за месяц, анализировать его и продумывать заходы для 30 постов. А еще нужно писать десяток постов для рекламы интенсивов, курсов, и параллельно делать обычный контент. 

Подобные задачи есть и по медиа. Из-за этого сделать нормальный и компактный Claude.md нельзя — столько информации в него не поместится, и агент начнет путаться.

Плюс по одному и тому же проекту я могу не только писать текст, но и что-то вайб-кодить, а потом к этому делу писать тексты. Поэтому мне хотелось собрать систему, чтобы я в любом чате мог написать «разработай мне сайт и напиши текст для него» — а агент разрабатывал его по моей методологии и по другой моей методологии писал текст.

Так и появился мой мозг для агентов — одна память сразу на все проекты. Теперь в любой папке на компе агент сам понимает, кто я, над чем работаю и по каким правилам. Давайте расскажу, как эта память устроена и как я ее строил.

Мозг устроен как обычная библиотека

Мозг — это просто папка brain у меня на маке, внутри которой лежат обычные Markdown-файлы под Git. Никакой базы данных и никакого сложно менеджмента.

Устроено все как в обычной библиотеке: есть стеллажи, на стеллажах ряды, в рядах книги. У набора разных книг есть условные корешки от А до Я — чтобы искать нужные книги было проще.

Так вот стеллажи — это разделы моей работы. Один стеллаж под проекты, другой под правила, третий под то, как со мной работать.

Книжки на стеллажах — это карточки. Карточка это один файл с конкретной информацией: что за проект и в каком он состоянии, какое решение мы приняли и почему, какое правило действует сейчас. Одна книжка — одна тема. Это и есть то, что читает агент.

А корешок — это отдельный компактный файл-указатель с информацией, что на каком стеллаже лежит. Агент заглядывает в него, понимает, какие книжки ему нужны под задачу, и снимает с полки только их. Поэтому насколько огромной не была бы моя библиотека, агент всегда быстро найдет нужное и не будет читать кучу ненужного.

А чтобы не заблудиться в этой большой библиотеке, в начале каждого диалога агент читает памятку — короткую карточку про меня: кто я, чем занимаюсь, как со мной работать.

Дальше все зависит от задачи. Например, я прошу разработать сайт и написать текст для него. Агент идет в библиотеку и берет оттуда три книжки.

Первую — со стеллажа проектов: что это за продукт, для кого он и что мы по нему уже решали раньше. 

Вторую и третью — со стеллажа правил: по какой методологии я разрабатываю и по какой редполитике мы пишем тексты. Если по ходу работы понадобятся подробности, которых в карточке нет — старый макет, кусок кода, прошлая статья, — в карточке есть указание, в какой рабочей папке лежит оригинал. И только собрав все это, агент берется за задачу.

Ищет он обычным поиском по словам: сначала указатель подсказывает, на какой стеллаж идти, дальше поиск по файлам. Меня по мелочам агент при этом не дергает — написать мне он должен в двух случаях: если карточки противоречат друг другу или если у задачи высокая цена ошибки.

Стеллажей у меня 8, но рабочих из них три: как со мной работать, сами проекты и правила. Остальные пять служебные — там связи между проектами, короткие итоги рабочих сессий, наблюдения, входящие карточки и шаблоны.

Читают эту библиотеку оба моих агента: Claude Code и Codex. А узнают они про нее из глобальных инструкций Claude.md и Agents.md — их любой агент подхватывает в любой папке, где бы я его ни запустил.

При этом в мозге нет кучи информации и рабочих файлов. Статьи, код и макеты остались в своих проектах, а в библиотеке лежит только компактное знание о них и указание, где искать оригинал. Поэтому мозг и не пухнет, сколько бы новых папок я ни завел.

Сначала я скормил нейронке чужие мозги

Когда я решил построить такую штуку, понимания, как это должно выглядеть, у меня не было. Поэтому сразу полез искать чужое и уже проверенное.

Главным ориентиром был gbrain — открытая система памяти для агентов, где знания тоже лежат текстовыми файлами, но сверху навешана база данных с умным поиском. Следом я отдал агенту на разбор еще с десяток репозиториев с памятью для нейронок. 

Все известные системы оказались или слишком сложными под мою задачу, или заточенными под разработку. У меня же задачи промежуточные, поэтому остановились на таком:

Сначала строим свою библиотеку карточек в Markdown с историей в Git, а поиск подключаем потом и смотрим по факту, нужен ли он.

Дальше все пошло как в студии разработки

Разработка предстояла серьезная, поэтому лезть в код с наскоку я не стал. Решил сначала все детально спланировать. Пришел к нейронке и описал словами, чего хочу:

Дальше мы долго обсуждали, что считать знанием, а что рабочим файлом. Откуда мозг узнает, что правило устарело. Кто решает, попадет ли новое знание в библиотеку. Что делать, если два источника противоречат друг другу. Как быть с секретами: ключами, паролями, личными данными.

Из этого допроса выросла половина системы. Например, на вопрос «кто решает, попадет ли знание в библиотеку» я ответил, что решаю только я. Из этого ответа потом появились входящие — ящик, куда система складывает кандидатов и ждет моего решения.

Когда мы все обсудили, нейронка создала огромное техническое задание для разработки. А потом декомпозировала на десятки, если не сотни мелких подзадач.

Затем все это дело еще раз проверили агенты-ревьюеры: один искал выдумки и сверял, что все файлы и функции, на которые ссылается ТЗ, существуют на самом деле. Второй проверял безопасность. Третий спрашивал, реалистично ли вообще сделать то, что написано, и не переусложнили ли мы на ровном месте.

Пришлось прогнать два круга таких ревьюеров, чтобы еще на старте отсечь как можно больше потенциальных ошибок. В итоге пришли к такому плану разработки:

1. Скелет: шаблоны карточек, правила именования, автоматическая проверка структуры.

2. Подключение к глобальным инструкциям Codex и Claude Code — чтобы оба агента вообще узнали про папку.

3. Аудит рабочих папок: наполнение мозга моими же знаниями.

4. Пилот поискового движка: проверить, а вдруг мне понадобится какой-то сложный поиск и просто поиска по ключевым словам мне не хватит.

5. Постоянный профиль: короткая карточка про меня, которую агент читает в начале любой сессии.

6. Еженедельный автозахват, чтобы мозг пополнялся сам.

На всю эту разработку ушло примерно 3 дня (на подписке Claude и Codex), потому что лимиты быстро заканчивались. Да и я параллельно решал кучу рабочих задач.

Так у меня появились карточки по всем задачам

Карточка — это маленький файл про одно знание. Сверху служебная шапка с полями, снизу текст. Правило выглядит примерно так, (я его придумал специально для статьи, в не подумайте):

Посмотрите на шапку — там есть поле origin — происхождение знания. Вариантов три:

• stated — я это сказал или написал прямо; 

• inferred — правило вывел из моих переписок с агентами скрипт, который раз в неделю их перечитывает; к такой карточке он обязан приложить цитату, где это увидел;

• observation — сигнал был всего один раз и на правило пока не тянет.

Поле это нужно вот зачем: когда две карточки спорят друг с другом, агент должен понимать, чью сторону занять. Если карточка, выведенная из переписки, противоречит той, что я продиктовал сам, работает моя.

Старые знания я не удаляю. Когда правило меняется, старую карточку надо закрыть датой и поставить в ней ссылку на новую. Так я в любой момент могу поднять, как думал в июле и почему передумал.

А еще каждое смысловое изменение я сохраняю в Git отдельным коммитом, и в сообщении обязательно стоит причина:

memory(content): prefer reader route over file protocol — reason: Mikhail rewrote the Codex lesson around reader benefit

Так я всегда вижу, что и когда в памяти поменялось.

Важно: типов карточек у меня несколько, Правило, проект, решение, человек, конфликт, наблюдение, запись в журнал. У каждого свой шаблон, чтобы карточки не смешивались по формату. Отдельно идут связи — карточки про то, что с чем связано: этот проект работает по этим правилам, эта система выросла из вот той. По связям агент от одной карточки добирается до остальных, которые пригодятся в задаче.

Мозг наполнился, когда агент прочитал мой рабочий диск

Все мои знания ожидаемо лежали у меня в рабочих папках, инструкциях для агентов и редполитиках.

Сначала агент составил карту: какие рабочие папки вообще есть и что в каждой лежит. На этом шаге он видел только имена файлов, внутрь не заходил. Потом мы пошли по контурам — так мы назвали отдельные области работы: контент, боты, сервер, курсы. Внутри контура агент читал файлы и превращал их в карточки: правило в карточку правила, решение в карточку решения. 

Перед чтением агент прогонял каждую папку через скан на секреты, и файлы с ключами, токенами и паролями в мозг не попали вообще. Пока он читал контур, система следила, что исходники не менялись. И каждый раз, когда агенту требовался доступ к чему-то новому — сначала к именам файлов, потом к их содержимому, — он спрашивал разрешение отдельно.

После анализа папок появилось около сотни карточек.

Поисковый движок мы проверили и не поставили

Дальше по плану нужно было прикрутить к системе поиск, чтобы агент всегда быстро и безошибочно находил информацию.

Сначала мы собрали набор из тридцати реальных вопросов к мозгу и прогнали их.

В итоге обычный поиск находил нужную информацию в 96,7% случае, а gbrain — в 100%. НО!

Заодно мы посчитали, во что обходится один заход в память. Мой поиск — примерно 1700 токенов на запрос, а поиск через gbrain — 3500. Я решил, что лимиты мне важнее. Поэтому умный поиск встраивать не стал. И не потерял на этом время — уверен, что с первого раза мы бы его не раскатили и потом пришлось это дело как-то менеджить.

Все заработало и я ушел счастливый

Не знаю почему, но после тестов gbrain я решил, что мы с агентом все внедрили и им можно пользоваться. И я ушел заниматься привычными делами!

Мозг уже работал, в каждом новом чате подхватывал всю нужную инфу и из тупого стажера превратился в умного сотрудника. Прошло недели 3 и я спохватился: с середины июля в библиотеку не попало ни одной новой карточки, хотя работал я каждый день и решений принял вагон. 

А все потому, что я не настроил автоматический захват сессий, а делать это руками мне было лень. Поэтому я начал новый заход разработки — сделать так, чтобы раз в неделю по расписанию агент сам собирал инфу, грузил это в папку «Входящие» и сигнализировал мне.

В итоге реализовали все так: раз в неделю агент перечитывает мои сессии с агентами и выцепляет куски, похожие на новое знание. Например, сказал я в чате «в этом проекте больше не используем такой формат» — вот и кандидат.

Ящиков для кандидатов три: 

• Входящие — все, что похоже на знание, решение по такой карточке за мной. 

• Наблюдения — слабые сигналы, к каждому майнер прикладывает цитату из сессии, чтобы я мог проверить, откуда это вообще взялось. 

• Карантин — мусор, дубли и подозрительное: например, кусок, где мелькнул ключ или чужие личные данные.

Кандидатов всегда сильно больше, чем карточек: из полусотни кусков до библиотеки доезжает десяток. Остальное отсеивается на разборе, потому что внятного знания из куска не выходит: просто реплика, обрывок мысли, рабочая болтовня.

А как это все фильтруется? Сессии сначала перечитывает обычный скрипт без всякого ИИ: находит куски-кандидаты, вырезает из них секреты, выкидывает повторы. И только потом эти куски уходят к модели, у которой отключены все инструменты — она не может ни открыть файл, ни что-то записать. Модель возвращает готовый текст карточки, а раскладывает карточки по папкам и коммитит их снова скрипт. Так модель физически не может дотянуться и что-то там сломать, удалить или прочитать лишнего. 

После фильтра мне на ноутбук приходит уведомление с напоминанием, что пора разобрать сессии. Я открываю Claude Code или Codex, говорю, что готов все разобрать — и агенты показывают мне карточки. И дальше я уже сам решаю, что с ними делать. 

Во сколько мне это обходится

Главная плата — контекст. Карточка про меня, которую агент читает в начале, стоит примерно 1700 токенов. В контекстное окно современных моделей влезают сотни тысяч токенов, так что мозг съедает меньше процента. 

На еженедельный разбор я трачу не больше 10 минут — благодаря фильтрации карточек набегает немного. 

Как настроить такой мозг у себя на компьютере

Я человек не жадный, поэтому сделал personal-brain-builder — бесплатный инструмент, который поможет такой же мозг выстроить из ваших проектов. Внутри лежит инструкция для ассистента, которая ведет его по шагам сборки, пустой шаблон библиотеки без единой чужой карточки и несколько питоновских скриптов. Скрипты берут на себя то, что нельзя доверять модели: разрешения, проверку карточек, историю и откат. 

Работает не только с моей связкой: подойдет любое приложение с ИИ, у которого есть доступ к локальным файлам. Скачиваете папку, открываете ее в своем ассистенте и просите прочитать — дальше ассистент проведет вас сам.

На выходе получится ваша собственная библиотека: та же структура стеллажей, шаблоны карточек и проверки, но наполненная вашими проектами и правилами. Сколько в ней будет карточек, зависит только от того, сколько своих папок вы отдадите на разбор. 

Если появятся вопросы по мозгу или идеи, что в нем докрутить, — пишите в комменты, буду рад пообщаться.

Еще у меня есть телега, где я много рассказываю про нейросети и свой опыт работы с ИИшками. Заходите в гости.