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:
- 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.
- 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.
- 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.
- Протокол, а не вайб
Главная идея: ИИ работает по правилам, а не только по тому, что у него под капотом от вендоров.
Каждая рабочая сессия проходит три фазы:
— Open — Claude проверяет, есть ли задача в плане рабочи продуктов на неделю. Нет — стоп, сначала запланируй, а потом пройти ритуал практики инвестирования и учета времени. ИИ буквально называет роль, метод и рабочий продукт.
— Work — обычная работа LLM, но с у учетом сделанных настроек и на каждом рубеже Claude проверяет: появилось ли знание для записи в pack?
— Close — фиксация результатов, извлечение знаний, обновление планов, бэкап или формирование РП для будущих сессий.
Это не я каждый раз объясняю Claude что делать. Правила записаны в файлах, Claude читает их сам.
Что это даёт на практике?
— Нулевая потеря контекста между сессиями. Вчера остановился на полуслове — сегодня Claude знает, где я.
— Знания накапливаются, а не испаряются. Каждая сессия как опыт оставляет след в Pack и/или в Claude и/или в Памяти.
— Автоматическое планирование. Утром приходит план дня, составленный из моих же задач по 19 репозиториям, а в понедельник план на неделю исходя из заметок, отчетов и стратегических документов из разных проектов.
— Бот как один из интерфейсов и как производимая целевая система для пользователей, которая отвечает на основе базы знаний.
Таким образом, экзокортекс — это просто продукт. Это среда, которую собираешь под себя, и используешь при этом репо и файлы, правила и агентов. Порог входа не простой: нужно думать об архитектуре знаний, разбираться в предметных областях, писать протоколы, поддерживать структуру. Но результат — ИИ, который работает с тобой, а не вместо тебя. И который с каждым днём знает больше.