Недавно писал про навыки агентов: Развитие возможностей ИИ-агентов: MCP → навыки
На данный момент уже перешёл от теории к практики в контексте стратегирования, да и работы с LLM вообще (через ИИ-агентов).
Процесс личного стратегирования и планирования начал выстраивать еще во время прохождения курса «Практики саморазвития», но к январю 2026 года метод претерпел существенные изменения благодаря переходу от стандартных запросов к LLM к использованию ИИ-агентов.
Как процесс выглядел раньше
Раньше я собирал разрозненные заметки из своей базы знаний в один объемный шаблон запроса. На основе этого нейросеть формировала план на неделю. Это работало, но требовало много ручного труда для сбора контекста. Позже я улучшил результат, добавив в запрос спецификацию First Principles Framework — планы стали глубже, но трудоемкость осталась.
Новый подход: Агентская модель
Недавно я протестировал другой формат.
Сначала я освоил тему скиллов для ИИ-агентов, переделав в формат скилла спецификацию FPF, мне понравилось - можно с ней работать и не бояться, что контекстное окно агента моментально забьётся или что огромная спецификация (4 МБ текста) будет жечь токены со скоростью света.
Затем создал специализированный скилл «Ассистент по стратегированию» и начал работать с хранилищем Obsidian напрямую в Cursor с использованием этого скилла. План на четвёртую неделю января я формировал уже с его помощью, и это вывело процесс на новый уровень качества по нескольким причинам:
- Автономная работа с контекстом. Мне больше не нужно вручную заполнять шаблон. Агент сам находит необходимую информацию прямо в хранилище с заметками. Если чего-то не хватает, он не пытается «додумать», а запрашивает у меня недостающие детали.
- Следование методологии. В агента заложен четкий алгоритм стратегирования. В отличие от человека, который осваивает навыки постепенно, программа сразу следует инструкции на уровне мастера и учитывает все нюансы.
- Извлечение задач. Задачи несут в себе много контекста. Я добавил в скилл скрипт, который собирает выполненные и запланированные на ближайшее время задачи из моего хранилища. Теперь ассистент видит не только записи дневника, но и фактический прогресс: какие задачи были выполнены за прошлую неделю и какие рабочие продукты запланированы на следующую.
Результат
На выходе автоматизированной сессии стратегирования я получаю не сухую таблицу, а полноценный, проработанный документ. В нем есть вступление, контекст, анализ прошедшей недели, ИИ-лесть и красные флаги, а также предлагаемый план на следующую неделю: таблица проектов, конкретные рабочие продукты и бюджет времени на каждый из них.
Конечно, финальный этап ручной коррекции остается, поскольку часть идей и контекста находится только у меня в голове, но скорость анализа прошедшей недели и подготовки первоначального черновика нового плана выросла многократно.
На картинке ниже - начало процесса.
