В 1839 г. Луи Дагер представил миру дагеротип — один из первых фотопроцессов. До этого запечатлеть реальность было делом избранных: художник учился годами, знал, как смешивать краски, выстраивать композицию, работать со светом. Портрет стоил дорого, ждать его приходилось неделями, и позволить себе это мог далеко не каждый. Живопись была искусством с высоким порогом входа.
А потом появилась камера. Нажать кнопку мог любой. Не нужно было учиться рисовать, понимать перспективу или знать, как грунтовать холст. Достаточно было иметь аппарат и желание. Прошло почти 200 лет. Живопись жива, фотография стала искусством, а миллионы людей получили камеру и снимают всё подряд — от еды до котиков.

С программированием сейчас происходит то же самое. Только вместо камеры у вас теперь агент, который вместо картинок создаёт код. И не только код — в принципе, любую работу на компьютере. Хотите бота? Пожалуйста. Хотите финансовый отчёт? Пожалуйста. Хотите, чтобы кто‑то разобрал вашу почту и составил список задач на неделю? Тоже можно.
И сегодня мы с вами выполним базовые настройки, чтобы вы уже, наконец, начали этим пользоваться. Больше никаких отговорок про иностранные симки, карты и блокировки. Всё решаемо, и я покажу, как. Но скажу честно: кнопки «шедевр» пока нет. Вы всё ещё не можете написать «Do it the best» и получить готовый результат. Не потому, что искусственный интеллект (ИИ) плохой, а потому что шедевр — это не кнопка.
Но прежде чем мы начнём наше увлекательное путешествие в мир ИИ‑агентов, я должна вас сразу предупредить: уставать вы будете больше, работать — больше, учиться — больше, ваш собственный контекст тоже начнёт переполняться, но остановиться будет невозможно. И я уверена, результаты не заставят себя ждать. Если ещё не передумали, то поехали!
Сегодня для вас небольшая инструкция, как вкатиться быстро и безболезненно для семейного бюджета. Понадобится: компьютер — одна штука, 100 руб. (ладно, немного лукавлю: сумма зависит от минимального перевода на Alipay, доступного в вашем банке, но расходы и правда будут небольшие, если, конечно, вы не решили написать свой Adobe Photoshop), действующий загранпаспорт — одна штука.
Внимание! Инструкция предназначена для личного пользования, любое её использование в рабочих целях должно быть согласовано со службой безопасности.
1. Дешёвый быстрый старт: OpenCode + DeepSeek
-
Скачиваем OpenCode (открытый бесплатный ИИ‑агент для программирования). Есть терминал, веб и десктопное приложение. Если не хотите работать в чёрном окне терминала, качайте десктоп. Установили, открыли.
-
Регистрируемся в DeepSeek и пополняем баланс через Alipay. В биллинге DeepSeek выбираем оплату по QR‑коду и сканируем его в Alipay. Коротко про Alipay:
-
Приложение есть в App Store и Google Play
-
Регистрация возможна по российскому номеру (+7)
-
Обязательна верификация: Account → Account and Security → Identity Information → Passport → сканируете загранпаспорт → селфи
-
Рабочий способ пополнения (напрямую российские карты не привязываются) — перевод через Сбер: выбираете перевод за рубеж, страну — Китай, вводите номер, на который зарегистрирован Alipay, в формате +7, не +86
-
-
Подключаем DeepSeek в OpenCode Desktop: открываете приложение и находите подключение провайдера (шестерёнка или список моделей; если что‑то пойдёт не так, смотрите инструкцию). Дальше выбираете DeepSeek. Вставляете API‑ключ из platform.deepseek.com (раздел API Keys), выбираете модель
deepseek-flash— она быстрая и дешёвая, отлично подходит для старта. Если DeepSeek не отображается в списке, обновите OpenCode до последней версии. Если появляется ошибка: 401 — неверный ключ, 402 — на балансе DeepSeek нет средств.
Подробные инструкции на случай проблем: OpenCode, DeepSeek + OpenCode.
И всё — вы видите тот же чат, что и в браузере!
Аааа, она меня обманула!
Спокойно.

Дальше главное — правильно настроить свою машину. И здесь я сразу дам несколько советов: как лучше выставлять свет, насколько открывать диафрагму — ну, вы поняли. Вам нужны агенты — по сути, много маленьких сотрудников, которых можно заточить под ваши задачи, которые сейчас вы выполняете вручную. И здесь вы прямо пишете ему: «Я такой‑то и такой‑то, постоянно занимаюсь этим, и мне нужно, например, сделать финансовую аналитику моей организации». Важное замечание: не перегружайте контекст, но и не заставляйте агента каждый раз перечитывать всё заново ради какой‑нибудь мелочи. Задачи должны быть конкретными и конечными, инструкции — чёткими. Сразу предупрежу: вам не помешает Python. Обсудите это в чате, спросите, что нужно агенту, чтобы сделать всё наиболее оптимально, и если он попросит — разрешите установку. Python пригодится для написания скриптов и получения точных результатов, потому что считать сам агент умеет плохо. Всё, что можно закодировать, лучше закодировать. К счастью, теперь вам не придётся писать этот код вручную.
Начать можно и бесплатно: в OpenCode есть бесплатные модели — их хватит, чтобы попробовать и понять, как всё устроено, не тратя ни рубля. Но для реальной работы лучше перейти на платный DeepSeek: бесплатные модели часто ограничены по времени, а некоторые используют ваши данные для улучшения.
2. Агенты: где они и как их звать

Про агентов сказано красиво, но вы открыли OpenCode и увидели тот же чат. Где же агенты? Они уже здесь — просто их нужно позвать.
В OpenCode есть основные агенты и субагенты. Основной агент — это тот, с кем вы общаетесь напрямую. Субагенты — это помощники, которых основной агент вызывает сам, либо которых вы можете вызвать вручную через @. Для начала встроенных агентов вполне достаточно: Explore быстро ищет по проекту, General берёт на себя сложные многошаговые задачи.

Но самое интересное — это свои агенты. И здесь главный лайфхак для тех, кто не хочет разбираться с файлами: не создавайте их вручную. Попросите OpenCode сделать это за вас.
Способов настройки несколько, но самый простой — через чат. Просто пишете основному агенту:
Создай субагента Finance. Он финансовый аналитик. Считает только скриптами. Вывод — в Markdown. Инструменты: Read, Write, Bash. Режим: Subagent.
OpenCode создаст файл в.opencode/agents/finance.md и подключит его. После этого вы сможете вызвать его через @finance.
AGENTS.md — это не агент, а файл с правилами для всего проекта. Положите его в корень проекта или глобально в ~/.config/opencode/AGENTS.md, если нужно, чтобы правила работали везде. Этот файл содержит информацию о том, кто вы, чем занимаетесь, какие правила действуют в проекте, что можно, что нельзя. OpenCode читает его в начале каждой сессии — и основной агент, и субагенты видят эти правила. Именно AGENTS.md решает проблему, когда агент «забыл», кто вы и что вы делаете. Например, он может вызывать нужный агент по вашей кодовой фразе: «Реши задачу полностью». И снова: файл не нужно писать руками — попросите агента: «Создай AGENTS.md для этого проекта, опиши, что мы делаем, и какие правила действуют».
Важное про экономию. По возможности, пишите на английском: и AGENTS.md, и описания агентов, и системные промпты, и навыки. Русский текст для модели «весит» примерно на 38% больше токенов, чем тот же текст на английском. А зачем платить больше, если можно не платить? При этом описания должны быть короткими, но ёмкими. Почему это важно — расскажу в следующей главе, когда будем разбираться с контекстом. Если вам удобнее формулировать мысль по‑русски — пожалуйста. Пишите промпт на русском, обсуждайте задачу с агентом на русском, а потом просто попросите: «Переведи этот промпт на английский и сохрани». Он переведёт, вы проверите. Общаться с агентом на русском можно — это влияет на стоимость диалога, но не критично, если вы не загружаете в контекст целые романы. Ссылка на настройку агентов, если хочется сделать всё вручную.
3. Оркестрация через команды
Хорошо, теперь у нас есть агенты. Но допустим, что одного для нашей задачи недостаточно, ведь они все узкоспециализированные. Что делать? На помощь приходит оркестрация через команды.
В OpenCode команда — это просто файл в.opencode/commands/. Зачем это нужно? Затем, что вам не хочется каждый раз вручную писать: «сначала Finance, потом Coder, потом Tester». Один раз написали команду — и она сама запускает нужных агентов по очереди.
Как настроить, если вы обычный человек? Просто попросите OpenCode в чате:
Создай команду /audit. Внутри: сначала вызови @finance и попроси проанализировать отчёт, потом @coder — пусть напишет бота, потом @tester — пусть проверит результат.
Агент создаст файл и подключит его. Дальше вы просто вводите /audit и смотрите, как они работают.
4. А вдруг он что‑то сломает, или сделает лишнее, не спросив
Панель Questions. Когда вы описываете агента, попросите добавить блок с обязательными вопросами к вам. Тогда сначала он задаст вопросы — прямо в интерфейсе, через панель. Например: «Какой стек? Где хранить данные? Что важнее — скорость или точность?» Вы отвечаете, и только после этого агент составляет план.
Панель To‑do. Когда работа начинается, Build mode превращает план в чеклист: «создать файл, написать обработчик, добавить выгрузку» — и отмечает пункты по мере выполнения. Вы видите, на каком шаге он находится, и не сидите в тревоге: «Что он там делает?» Если на третьем пункте что‑то пошло не так, вы заметите это сразу, а не через час.
Если боитесь, что агент что‑то сломает без вашего ведома, обяжите его спрашивать разрешения. В OpenCode есть настройка Permission. По умолчанию большинство действий разрешены автоматически, но вы можете изменить это для конкретных инструментов. Самый простой способ — попросить агента в чате:
Настрой Permissions: на Edit и Bash ставь Ask, чтобы я подтверждал каждое изменение файла и каждую команду.
Личный опыт: агенты, конечно, читают инструкции, но иногда стремление выполнить задачу оказывается сильнее. Об этом подробнее поговорим как‑нибудь в следующий раз, а пока просто знайте: Permission и Ask — это ваш реальный контроль, а не надежда на то, что агент будет паинькой.
5. Контекст и память: почему агент всё забывает
OpenCode по умолчанию не помнит ничего. Закрыли сессию, открыли новую — он смотрит на вас как на незнакомца: «Здравствуйте, чем могу помочь?» Это не баг, а задумка. Каждая сессия отдельная, а субагенты вообще работают в своих изолированных пространствах.
Smart zone и Dumb zone. У любой LLM есть зона, где она соображает хорошо, и зона, где начинает заметно тупеть. В начале контекста модель работает лучше всего. По мере его увеличения она начинает принимать странные решения. Почему так происходит? Каждый новый токен добавляет связи со всеми предыдущими. Когда этих связей становится слишком много, внимание модели «размывается». Ей всё сложнее выделить действительно важное среди тысяч других связей. Это как пытаться слушать одного человека в комнате, где одновременно говорят сто других: голоса сливаются в шум, и вы теряете нить. Поэтому приходится учиться искусству есть слона чайной ложкой: планировать — большие задачи разбивать на маленькие куски, которые помещаются в «голову» модели, и делегировать — не тащить всё самому, а отдавать часть работы тому, у кого голова свободнее. На каждую задачу — свой свежий субагент.
Теперь конкретно про DeepSeek Flash. У DeepSeek Flash контекстное окно размером в 1 млн токенов. Звучит как «десять Smart zone», но на деле это скорее «десять Dumb zone». Большое окно не даёт больше умной работы — оно даёт больше места, где модель тупеет. Поэтому я рекомендую не выходить за 60% окна, то есть примерно 600 тыс. токенов. Лично я стараюсь не приближаться даже к 300 тыс.
Очистка лучше компактинга. Компактинг — это сжатие истории в протокол, которое происходит, когда вы достигаете предела контекстного окна. Но есть минус: создаётся «осадок». Непонятно, что именно сохранилось, а что потерялось; старые данные могут вводить в заблуждение. Очистка возвращает в предсказуемое состояние — к системному промпту. В OpenCode для этого есть команда /clear : она удаляет все сообщения в текущей сессии и оставляет вас с чистым окном.
Системный промпт должен быть крошечным. Всё, что всегда в контексте — системный промпт, AGENTS.md и т.п. — сразу съедает Smart zone. Если там 250 тыс. токенов, вы входите в Dumb zone ещё до начала работы. Правило: Push‑инструкции (всегда отправляются) должны быть минимальными. Всё остальное лучше делать через Pull: скилы, которые ИИ загружает по необходимости. Об этом я отдельно расскажу в следующей главе.
Субагенты: делегирование с изолированным контекстом. Субагент — это отдельный запуск LLM с изолированным окном. Он может потратить 97 тыс. токенов на исследование, но в родительский контекст вернёт только выжимку. Приём: делегируйте исследование субагенту, чтобы не засорять свой контекст. Это и есть искусство делегирования: не тащить всё в свою голову, а поручать работу тому, у кого она свободнее.
Проверка — только с чистым окном. Задача выполнена, вы довольны. Но не спешите просить того же агента: «А теперь проверь». Если реализация уже сожгла токены и контекст ушёл в Dumb zone, тот же агент при проверке будет тупее, чем во время реализации. Он посмотрит на свой же код и скажет: «Всё хорошо», потому что уже не соображает. Решение простое: сначала /clear, потом проверка. Или отдельный агент‑ревьюер, который стартует с чистым контекстом. Важно: результаты работы должны быть записаны в файлы до очистки.
6. MCP
Всё отлично, но представим, что вы хотите, чтобы модель подключилась к вашей CRM и вытащила все ваши задачи на сегодня. Для этого используют MCP (Model Context Protocol) — стандартный способ подключать к агенту внешние инструменты: базы данных, API, файловые системы, GitHub и многое другое. В OpenCode вы указываете MCP‑сервер в конфигурации, и его инструменты становятся доступны агенту наравне со встроенными.
Но у этого есть цена: каждый подключённый MCP‑сервер добавляет в контекст схемы своих инструментов — их описания и параметры. Они висят там в каждом запросе, даже если вы этими инструментами не пользуетесь. Официальная документация OpenCode прямо предупреждает: «Когда вы используете MCP‑сервер, он добавляет контекст». А некоторые серверы, например, GitHub MCP, «склонны добавлять много токенов и могут легко превысить лимит контекста».
Что с этим делать? Подключайте только те серверы, которые действительно нужны для задачи. Один сервер с пятью инструментами — это уже несколько тысяч токенов в каждом запросе. Пять серверов — и вы входите в сессию уже не в Smart zone, а где‑то на её границе. Выбирайте то, что реально экономит время, а не то, что «может пригодиться». Кроме того, MCP можно отключить глобально и открыть доступ для отдельных агентов, сохранив таким образом контекст основной сессии. Тут подробно оцениваются накладные расходы MCP и варианты, что можно предпринять.
7. Скилы: учимся у лучших
Не нужно вставлять в описание агента простыню на три экрана: «как делать финансовый анализ», «как писать бота», «как проверять код». Достаточно одной строки, а нужный навык подгрузится только тогда, когда он действительно понадобится. Так модель не тратит Smart zone на лишнее, а при необходимости быстро достаёт нужный материал.
Хорошие скилы — это ваш лучший учитель. Тысячи экспертов по всему миру ежедневно бесплатно выкладывают свои наработки в открытый доступ. Конечно, вы можете описывать всё самостоятельно, но вы же не думаете, что одни в этой теме разбираетесь. Ищите, разбирайте, берите лучшее для себя — и да, это тоже можно делать с помощью агента. Вот мой текущий топ по разработке ПО: gstack, pstack, Everything Claude Code.

Зачем это вам, если вы не пишете код? А затем, что ваш финансовый агент не должен с нуля придумывать, как проверять кассовые разрывы. Бот‑разработчик не должен заново изобретать структуру проекта. Хороший скил — это как рецепт: вы говорите: «Сделай аудит», а он уже знает, что сначала нужно воспроизвести данные, потом посчитать, потом проверить аномалии и в конце выдать отчёт. Без скилов вы объясняете это каждый раз. Со скилами — один раз.
Вместо заключения: реальный отзыв
А теперь — реальный отзыв человека, который воспользовался этой схемой:
Я не программист: последний раз писал код на втором курсе, на Паскале, если не считать мелких правок в HTML на корпоративных сайтах. Раньше любой вопрос про информационные системы для малого бизнеса казался мне неподъёмно сложным и дорогим: чтобы что‑то допилить, интегрировать или кастомизировать, приходилось нанимать интеграторов и сторонние команды, и всё равно всё работало через костыли. Теперь я сам формулирую задачу, отрабатываю её с моделью — и получаю работающий результат за вечер и за копейки. На стратегический анализ и декомпозицию целей до двухнедельных спринтов, на которые раньше у команды топ‑менеджеров уходили недели, у меня ушёл вечер и порядка десяти юаней. Дальше — телеграм‑бот‑планировщик, который формирует список моих задач на день с учётом временных возможностей и целей компании (это очень удобно: раньше из-за их обилия и разнонаправленности я не знал, за что хвататься, а теперь всё чётко, и моя продуктивность возросла в разы), бот‑«молчун» в чатах с подрядчиками, который вытаскивает задачи и складывает их в план, и отдельные агенты по отделам: продажи, маркетинг, финансы, логистика. Особенно меня выручил финансовый агент: я не финансист, и мне не хватало знаний, чтобы регулярно и грамотно вести показатели, Cashflow и аналитику, — а он закрыл эту дыру. Всё это связано скриптами, структурировано и собрано на модели за смешные деньги — порядка 1,5 тыс. руб. на всё. Рутину теперь можно перебрасывать на агентов, а настроить их под свой бизнес получается мгновенно — иногда быстрее, чем объяснить новому линейному сотруднику, что от него требуется. Для малого бизнеса, где раньше информатизация была непозволительной роскошью, это открывает безграничные возможности: быстро тестировать идеи и внедрять их в реальное дело с минимальными затратами.

Время, когда мы писали код руками, уходит. Приходит время создавать то, что раньше казалось невероятным.
Надеюсь, я вас вдохновила. А если вы и так уже всё это знали, поделитесь с другом, мамой или бабушкой — вдруг они давно мечтают автоматизировать какую‑то рутину или написать своего бота.
Автор: gcherevatenko


