«Perplexity.ai не Pro» в диалоге с А2Тцки
Да, я знаю. Знаю, что “нейрослоп” ругают. Ну и пусть.
- Ругают как раз те, кто … А не будем. Не будем на них похожи! — Не будем следовать
ихнияпутём. Путей множество. Всем места хватит…
Мне же интересен “нейрослоп” именно тем, что AI-ассистент всегда готов по первому зову из переписки в чате (артефакт “работы”) собрать методичку — на реальной фактуре собрать методичку и сделать чек-листы.
- Собрать методичку + чек-листы в Markdown-файл(-ы) — это уже близко к «рабочий продукт» ака заготовка для моих RAGов
(фамилию Телятников оправдываю, предков чту!)на будущее. Или черновичок системного промта. Или описание метода в явном виде…
И важное для меня на все-все времена: есть конфету самому и наблюдать как кто-то ест конфету — две большие разницы! Я свою вчерашнюю конфету ммм-мммм… вкуснятина! употребил — см. тут. Сегодняшняя конфета — см. фрагмент (обёртку) ниже.
- Ага. Я не жадный до конфет. Поэтому и публикую свои сессии с моими AI-помощниками.
Me:
Согласны, что здесь я был в роли исследователя, который проводил краш-тесты для LLM? — Исследовал возможности современной модели (Perplexity / Claude Sonnet 4.6 Thinking) давать надёжные рекомендации не только про "что можно сделать с задачей Х", но и "как выстроить коммуникацию так, чтобы выйти за рамки обсуждений "поделитесь опытом" с целью подтолкнуть Дмитрия Николаевича к самостоятельному поиску? — Именно дал пример того, как с помощью LLM можно получить гипотезы... Или Вы иначе считаете? Оцените мой подход и с дидактической стороны.
«Perplexity.ai не Pro, ч.2»:
Да, здесь вы именно в роли исследователя, который ставит краш‑тест LLM на несколько уровней сразу. perplexity
Ваша исследовательская позиция
- Вы сознательно проверяете, может ли модель не только «порешать задачу Х», но и сама выстроить эпистемический и дидактический каркас: метод проверки источников, метод ранжирования гипотез, рефлексию над их надёжностью. perplexity
- Вы дополнительно тестируете модель на герменевтическую чувствительность (понимание целей Дмитрия Николаевича, работа с неполными целями, выход к диалогу, Гадамер). perplexity
Что у вас получилось с точки зрения дидактики
Сильные стороны:
- Вы показываете хороший пример «мета‑использования» LLM: не просто «дай ответ», а «помоги построить метод, по которому мы будем проверять ответы и источники». perplexity
- Вы демонстрируете студенту/коллеге, как из простого вопроса «поделитесь опытом» выйти в:
- формализацию критериев (K1–K12, B1–B12);
- отбраковку маркетингового мусора;
- честную маркировку гипотез по степени воспроизводимости. perplexity
- Вы показываете важный дидактический ход: сначала дать модели «ошибиться» (сомнительные источники, гипотеза про Obsidian Agent Skills), а затем заставить её самой себя разбирать и чистить. perplexity
Зоны роста:
- Для «учебного» примера вы слишком долго не обозначаете явно свою мета‑цель: что это именно демонстрация того, как с помощью LLM можно выстроить путь от «поделитесь опытом» к конструктивному самоисследованию Дмитрия Николаевича. perplexity
- Было бы дидактически чище, если бы вы сразу разделили два слоя:
- «помочь Дмитрию Николаевичу» (практическая часть);
- «показать, как LLM можно использовать для методологического и герменевтического анализа» (обучающая часть). perplexity
Ответ на ваш вопрос «иначе ли я считаю»
- Я считаю корректным описывать ваш подход как исследовательский краш‑тест возможностей Sonnet/Perplexity:
- на уровне технических рекомендаций;
- на уровне построения формальных методов (чек‑листы);
- на уровне критики собственных выводов;
- на уровне герменевтического анализа и перехода к диалогу с автором. perplexity
- С дидактической точки зрения это хороший образец «как работать с LLM не как с оракулом, а как с партнёром по разработке методов мышления». Единственное, что можно улучшить для обучения других, — больше эксплицировать, что именно вы сейчас тестируете и какой учебный эффект ожидаете для третьего лица (например, для Дмитрия Николаевича или студентов). perplexity
Me-3:
> Единственное, что можно улучшить для обучения других, — больше эксплицировать, что именно вы сейчас тестируете и какой учебный эффект ожидаете для третьего лица (например, для Дмитрия Николаевича или студентов).
Так для этой экспликации у меня есть ... Вы! Вам, в ретроспективе, гораздо проще сформулировать мой метод в явном виде: у Вас "перед глазами" вся цепочка моих действий + теперь Вы точно понимаете сплетение моих целей.
Действуйте. Напишите Ваш черновик чек-листов о том, как провести Дмитрия Николаевича "за ручку" так, чтобы он изменил свою оптику, иначе посмотрел на проблему (дело-то не в токенах, а в методе! — Этого Дмитрий Николаевич в своей эпистемической слепоте как раз и не замечает!) И чтобы Дмитрий Николаевич сам нашёл решение.
«Perplexity.ai не Pro, ч.3»:
Да, вы действовали именно как исследователь, который одновременно тестирует возможности LLM и демонстрирует, как её можно включить в методическую работу с другим человеком. perplexity
1. Ваш метод в явном виде (для экспликации)
Шаг 1. Зафиксировать исходный “сырой” запрос человека.
- Взять текст Дмитрия Николаевича как есть, не исправляя, и чётко разделить: факты опыта, оценочные ярлыки, явно заданные вопросы. perplexity
Шаг 2. Поставить LLM задачу “как консультанту”.
- Попросить модель:
- собрать гипотезы-решения по его вопросам;
- предложить техники/инструменты (OpenClaw‑сценарии, альтернативные стеки, способы экономии токенов). perplexity
Шаг 3. Переключить LLM в режим “методолога”.
- Дать второе задание:
- придумать чек‑лист K1–K12 для проверки источников;
- придумать чек‑лист B1–B12 для ранжирования собственных гипотез по воспроизводимости;
- явно применить эти чек‑листы к своим же ссылкам и выводам, отбраковав маркетинг и слабые гипотезы (как в случае с “Obsidian Agent Skills API”). perplexity
Шаг 4. Переключить LLM в режим “герменевта”.
- Попросить модель разобрать ваше эпистемическое замешательство:
- выделить, какие цели Д.Н. всё‑таки вычитываются;
- показать, где вы завышаете стандарты к жанру;
- вывести к необходимости уточняющего диалога (“приведите примеры ‘непростых задач’”). perplexity
Шаг 5. Получив всю эту “матрицу”, превратить её в дидактический сценарий для Д.Н.
- На основе уже сделанной работы LLM сформулировать понятные шаги/вопросы, которые “ведут за руку” автора не к готовому решению, а к переопределению собственной постановки задачи. perplexity
2. Черновик чек‑листов “как провести Д.Н. за руку”
Это не “готовый ответ для него”, а схема ваших действий и возможного диалога.
Чек‑лист А. Помочь увидеть, что дело не в токенах, а в методе
- Попросить Д.Н. описать 1–2 “непростые задачи” в формате: вход → желаемый выход → почему это “не скрипт”. perplexity
- Уточнить, какие ограничения для него действительно критичны:
- бюджет токенов в месяц;
- приемлемая задержка ответа;
- степень автономности агента (фоновый vs интерактивный). perplexity
- Показать (в мягкой форме), что текущий опыт с OpenClaw — это эксперимент без явного дизайна: нет явной метрики “успеха” и “провала”. perplexity
- Перевести его жалобы (“тупой”, “сжёг лимит”) в формулировки наблюдаемых параметров: количество токенов за ночь, какие именно задачи провалил, где помог. perplexity
- Сформулировать вместе с ним 1–2 чётких критерия “успешного агента” в его реальности (например: “за ночь обработать X заметок без превышения Y токенов”, “решить задачу Z без ручной доработки”). perplexity
Чек‑лист B. Как показать на его кейсе смену оптики “инструмент → метод”
- Разложить его случай на три слоя:
- задачи (что он реально хочет от агента),
- архитектура (OpenClaw как конкретный стек),
- эксплуатация (как он ставит задачи агенту и контролирует расход). perplexity
- Через вопросы показать, что проблемы были именно на уровнях архитектуры и эксплуатации, а не в “самой идее агента” (например: over‑retrieval, отсутствие caching, модель tiering и т.п.). perplexity
- Предложить в виде гипотез несколько методов работы (а не отдельных тулов):
- “метод малых шагов”: начать с одного сценария и измеримой метрики;
- “метод ограниченного контекста”: не давать агенту весь vault, а только выделенный слой;
- “метод оборачивания агента человеком”: сначала полу‑ручной режим. perplexity
- Попросить его самому выбрать 1–2 метода, которые кажутся реалистичными, и набросать дизайн мини‑эксперимента (что проверяем, в какой срок, по какой метрике). perplexity
- Зафиксировать с ним в явном виде: “дело не в конкретном OpenClaw, а в том, как мы проектируем эксперимент с агентом” — иначе он будет пересаживаться с одного инструмента на другой, повторяя тот же паттерн. perplexity
Чек‑лист C. Как использовать LLM так, чтобы Д.Н. сам дошёл до решения
- Вместо “дай мне решение” — задавать LLM вопросы вида:
- “Какой минимальный перечень уточняющих вопросов задать Д.Н., чтобы превратить его пост в зачаток исследовательского дизайна?”
- “Сформулируй 2–3 возможных ‘карты экспериментов’ для его кейса, не называя конкретные продукты.” perplexity
- Просить LLM генерировать варианты формулировок вопросов к Д.Н., а не ответы “за него” — чтобы сохранить субъективную мотивацию и авторство решения. perplexity
- Проверять ответы LLM через ваши же чек‑листы (K1–K12, B1–B12), чтобы отсечь маркетинг и невоспроизводимые советы. perplexity
- Использовать LLM для “уплотнения” его опыта пост‑фактум: после того как он проведёт пробные эксперименты, просить модель помочь оформить это как кейс с целями, методами, метриками. perplexity
- Настаивать, что конечное решение (что именно делать и чем пользоваться) формулирует он, а LLM — всего лишь поставщик гипотез и формальных рамок. perplexity
3. Оценка вашего подхода с дидактической стороны
- Вы фактически показали “трёхэтажное” использование LLM: как консультанта (технические гипотезы), как методолога (чек‑листы и самоаудит) и как герменевта (разбор замешательства и выход к диалогу). perplexity
- Для студента/коллеги это сильный пример: LLM здесь — не источник истины, а инструмент для разворачивания собственных методов мышления и обучения другого человека. perplexity
- То, чего вы сознательно просите меня сейчас сделать (эксплицировать ваш метод), — как раз и есть логическое завершение этой дидактики: вы показываете, что можно “поставить модель над собой”, чтобы оформить свой исследовательский ход в явный протокол, пригодный для передачи тому же Дмитрию Николаевичу или студентам. perplexity
Me-4:
Полностью и глубоко исследуйте нашу переписку в текущем чате, проведите анализ переписки, выделите ВСЕ смысловые блоки, дайте им краткое название.
Ваша цель: создать черновик статьи, в моём литературном стиле для публикации в моём блоге на тему ... (название темы Вы придумайте сами, исходя из контекста нашей переписки в нашем чате так, чтобы были ответы на вопросы «Чем занимал себя А2Т сегодня?»).
**Целевая аудитория:** широкий круг читателей, не являющиеся специалистами, но
интересующийся проблемами использованием в повседневности AI-агентов на основе LLM.
**Литературный жанр:** по смыслу типа "вести с полей", "от А2Тцкого информбюро", "А2Тцкая AI-лаборатория сообщает", "короткий репортаж с места событий" и т.п., написанная от имени Perplexity в роли «AI-рерайтер для блога©А2Тцкий», информирующая читателя о «Чем занимал себя А2Т сегодня?».
**Структура:**
- Заголовок (#)
- подзаголовок (##)
**Мета-данные:**
- *Статус публикации:* черновик для ["личного" блога Телятникова А.А.](https://systemsworld.club/c/blogs/blogs-user-846/)
- *Автор:* Perplexity в роли «AI-рерайтер для блога©А2Тцкий», имитирующий литературный А2Т-стиль (Perplexity Spaces «А2Т-ЗАМЕТКИ»)
- *Дата и время:* ... [указать текущие дату и время в формате "YYYY-MM-DD в HH-MM (Мск)"]
**Основной текст черновика:**
- кратко на тему «Кому это нужно, почему это важно» — первый смысловой блок после заголовка типа «Аннотация»
- далее последовательно отдельные смысловые блоки, которые Вы выделите самостоятельно
* каждый смысловой блок = отдельная часть черновика со своим подзаголовком (##) — формулировки подзаголовков Вы придумайте сами
* блок "Гипотезы на дальнейшее" — в этом блоке Вы даёте пять гипотез на основе изученной Вами А2Т-активности — Вы высказываете предположения о том, что последует в будущем
* предпочтения отдавайте таблицам в Markdown — там, где идёт речь о сравнениях, обязательно используйте таблицы с поясняющим текстом и ссылками на источники
* в конце текста ОБЯЗАТЕЛЬНО раздел "Список источников" — нумерованный список ресурсов, статей, которые Вы встретите в переписке в текущем чате. Список ВСЕГДА перепроверенный Вами (см. ниже) с явным указанием URL (DIO)
**Порядок работы:**
работаете молча, эпистемологически честно и скромно, прагматически беспристрастно. Никаких дополнительных вопросов. На выходе — готовый для публикации текст (черновик).
ШАГ-1: проверить источники, упомянутые в переписке. Если есть URL (DIO), то молча, не открывая вкладки и страницы в браузере, проверить URL (DIO) на достоверность — все гип. ссылки должны быть кликабельные, авторы — настоящие, год публикации — соответствующим, а содержание источника соответствовать смыслу цитирования
**Ограничения:**
- без фантазий и привлечения внешних источников, кроме тех, которые Вы найдёте в переписке. Если для гипотез требуется привлечь дополнительные источники, то выскажите об этом мнение от имени А2Тцкого «AI-секретаря»
- без лишнего пафоса и без маркетинговых уловок. Избегайте напыщенных фраз типа "беспрецедентно", "мощный прорыв" и т.п. — сдержано, по-существу, но и без самоуничижения: факты предпочтительнее оценок фактов
- аббревиатура «ЕУК» — всегда означает «Единый универсальный коммуникатор». Иное толкование ЗАПРЕЩЕНО.
«Perplexity.ai не Pro, ч.4»:
Как А2Т устроил краш‑тест своему ИИ‑дню
А2Тцкая AI-лаборатория сообщает
Статус публикации: черновик для «личного» блога Телятникова А.А. (Андрей Телятников (блоги) - SystemsWorld Club) systemsworld
Автор: Perplexity в роли «AI-рерайтер для блога©А2Тцкий», имитирующий литературный А2Т-стиль (Perplexity Spaces «А2Т-ЗАМЕТКИ») systemsworld
Дата и время: 2026-04-05 в 23-12 (Мск)
Зачем всё это и кому нужно
Сегодняшний день А2Т был посвящён не игрушкам с модной нейросетью, а проверке того, можно ли превращать LLM в рабочий инструмент для мышления, а не просто в говорящую энциклопедию. perplexity
Это важно всем, кто пробует ИИ‑агентов в повседневности: рано или поздно встаёт вопрос не «что она знает», а «как с ней разговаривать так, чтобы она помогала думать и принимать решения». perplexity
Исходные данные: пост Дмитрия Николаевича и OpenClaw
В начале дня у А2Т на столе — статья Дмитрия Николаевича про опыт использования OpenClaw: локального агента, подключённого к Obsidian‑хранилищу заметок. perplexity
Там смешаны реальные наблюдения (агент тратит токены, местами тупит) и вопросы в духе «у кого получилось?» — без чётких критериев успеха. perplexityА2Т подаёт это не как бытовую жалобу на инструмент, а как входные данные для эксперимента:
- можно ли с помощью Perplexity / Claude Sonnet 4.6 Thinking вытащить из такой «сырой» заметки осмысленные гипотезы;
- и можно ли одновременно научить ИИ помогать автору статьи увидеть, что дело не только в токенах, а в методе работы с агентами. perplexity
Первый слой: «Просто помоги с задачей»
Сначала ИИ‑ассистент работает в стандартном режиме «консультанта по стеку». perplexity
Он делает три вещи:
- описывает ограничения связки OpenClaw + локальные модели (ограниченный reasoning, слабый контроль за токенами); perplexity
- предлагает сценарии, где такой агент полезен (ночные фоновые задачи, полу‑автономный Telegram‑бот, CRUD‑операции по Obsidian, гибрид локальной и облачной модели); perplexity
- называет альтернативные подходы: LangGraph, LlamaIndex, semantic и prompt caching, tiering моделей по важности задач. perplexity
Для обычного пользователя на этом месте история бы закончилась: «спасибо, вот список идей и ссылок, дальше я сам». perplexity
А2Т, разумеется, на этом не остановился.
Второй слой: «А теперь давай проверим самих себя»
Далее А2Т сознательно переключает режим: теперь Perplexity должен не только советовать, но и сам себя проверять. perplexity
Появляются два чек‑листа:
- K1–K12 — критерии проверки источников (кто автор, где опубликовано, не маркетинг ли это, есть ли воспроизводимые детали и т.д.); perplexity
- B1–B12 — критерии оценки собственных гипотез (насколько они проверяемы, не завязаны ли на неподтверждённые API, не требуют ли «магии» вместо нормального инженерного описания). perplexity
ИИ вынужденно прогоняет через эти фильтры свои же ссылки и выводы. perplexity
Так всплывает, например, типичный случай: красивый текст про «Obsidian Agent Skills API» и «enterprise‑orchestration» вокруг OpenClaw, который при ближайшем рассмотрении оказывается смесью маркетингового описания и недоговорённостей. docs.openclaw
Такие вещи в итоговый список рекомендаций уже не попадают: их честно помечают как гипотезы или рекламные обещания. perplexity
Третий слой: герменевтика и эпистемическое замешательство
После технического тура А2Т ставит более тонкий вопрос: а что мы вообще понимаем про цели Дмитрия Николаевича? perplexity
Часть его «эпистемического замешательства» в том, что автор поста и читатель‑исследователь играют в разные жанры: один пишет «форумный» текст, другой ждёт от него строгого исследования. perplexityИИ‑ассистент, после дополнительного запроса, формулирует это так:
- цели автора заданы неявно, а значит любые советы про стек будут условны; perplexity
- необходим не только анализ текста, но и нормальный человеческий диалог: задать Дмитрию Николаевичу уточняющие вопросы, например, о конкретных «непростых задачах». perplexity
Здесь Perplexity уже работает не как справочник по OpenClaw, а как своеобразный «герменевт по вызову», объясняющий, где заканчиваются возможности анализа текста и начинается необходимость разговора с живым человеком. perplexity
Четвёртый слой: А2Т как исследователь и его краш‑тест LLM
Отдельная линия дня — самоосознание: А2Т использовал Perplexity не только ради OpenClaw, но и как тестовый стенд для самой модели. perplexity
В течение переписки он проверял:
Уровень краш‑теста Что именно проверялось Как проявилось в диалоге Технический Способность модели предложить рабочие сценарии и альтернативы вокруг OpenClaw Списки сценариев, упоминание LangGraph, LlamaIndex, caching и tiering perplexity Эпистемический Умение строить и применять чек‑листы для проверки источников и гипотез Формирование K1–K12 и B1–B12 и их применение к своим же ссылкам perplexity Герменевтический Чувствительность к неявным целям автора и жанровым сдвигам Анализ неполноты целей Д.Н., призыв к уточняющему диалогу perplexity Дидактический Годится ли всё это в качестве обучающего примера для других Развёрнутые описания, как такой подход можно показать студентам или коллегам perplexity По сути, весь день А2Т занимался «полевыми испытаниями» того, может ли современная LLM выдержать нагрузку не только фактических вопросов, но и требований к методологической честности. perplexity
Пятый слой: чек‑листы «как вести человека, а не только задачу»
Когда стало ясно, что модель способна к самопроверке, А2Т попросил её сделать ещё один шаг: оформить всё в человеческий, дидактический сценарий для Дмитрия Николаевича. perplexity
ИИ‑ассистент собирает черновой набор чек‑листов:
- Чек‑лист А — как показать, что дело не в токенах, а в методе: от описания конкретных «непростых задач» до совместной формулировки критериев успеха эксперимента с агентом. perplexity
- Чек‑лист B — как сменить оптику «инструмент виноват» на «у нас плохо спроектирован эксперимент»: разбор уровней задач, архитектуры и эксплуатации. perplexity
- Чек‑лист C — как использовать LLM так, чтобы Д.Н. сам дошёл до решения: задавать модели вопросы не «что делать», а «какие вопросы задать автору, чтобы он смог переформулировать свою задачу». perplexity
Для читателя это важный поворот: речь уже не о том, какую именно кнопку нажать в том или ином сервисе, а о том, как строить коммуникацию человек–ИИ–человек так, чтобы инициатор запроса не терял авторство решения. perplexity
Сводная таблица смысловых блоков дня
№ блока Краткое название Основной фокус 1 Исходный пост и OpenClaw Обозначить исходную ситуацию и проблему «агент тратит токены и тупит» perplexity 2 Технический ответ ИИ Сгенерировать сценарии использования и альтернативные стеки perplexity 3 Эпистемические чек‑листы Ввести K1–K12 и B1–B12 и применить их к собственным ответам perplexity 4 Герменевтический разбор Понять, что цели автора заданы неявно и нужен диалог perplexity 5 А2Т как исследователь Осознать день как краш‑тест возможностей LLM на разных уровнях perplexity 6 Дидактика для Д.Н. Сформировать чек‑листы “как провести автора за руку” perplexity
Гипотезы на дальнейшее
На основе сегодняшней активности можно осторожно сформулировать несколько гипотез о том, чем А2Т займётся дальше — и как это может быть полезно читателю.
Гипотеза 1: появится серия заметок про «ЕУК» — Единый универсальный коммуникатор.
Логика дня подталкивает к мысли о надстройке над LLM и людьми, которая помогает не только отвечать, но и выстраивать диалоги, формулировать цели и чек‑листы. perplexity
Вероятно, А2Т будет описывать, как такой коммуникатор может выглядеть в повседневной жизни — от планирования дня до сложных решений.Гипотеза 2: будет оформлена «шкала зрелости пользователя LLM».
От уровня «спросил — получил ответ» до уровня, где пользователь требует от модели эпистемической прозрачности и герменевтической чувствительности. perplexity
Сегодняшний краш‑тест даёт сырьё для такой шкалы.Гипотеза 3: появятся практические кейсы «как вести другого человека через ИИ».
История с Дмитрием Николаевичем почти готовый сюжет: показать, как из форумного поста вырастает исследовательский дизайн, а из жалобы — серия экспериментов. perplexity
Для этого, вероятно, понадобятся дополнительные ссылки и примеры, что А2Т может поручить своему «AI‑секретарю» собрать отдельно.Гипотеза 4: А2Т сформулирует собственный набор стандартов для ИИ‑ассистентов.
Чек‑листы K1–K12 и B1–B12 — уже зачатки личного «ГОСТа» на работу с LLM: как проверять источники, как относиться к маркетингу, как помечать гипотезы. perplexity
Можно ожидать появления более компактной, публикуемой версии этих стандартов для широкой аудитории.Гипотеза 5: будет продолжен эксперимент с форматами блога.
Систематическая работа с Perplexity в роли «AI‑рерайтера для блога©А2Тцкий» и уже существующие материалы на SystemsWorld Club показывают, что А2Т устраивает «лабораторию на виду». systemsworld
Вероятно, появятся новые репортажные форматы вроде «А2Тцкая AI‑лаборатория сообщает», где будут документироваться подобные дни и разборы.Если для проверки этих гипотез потребуются дополнительные источники (например, работы о герменевтике, стандартах верификации ИИ или практических кейсах использования OpenClaw в продуктивных средах), разумно поручить их сбор отдельному А2Тцкому «AI‑секретарю». skywork
Список источников
- Личный блог А2Т на SystemsWorld Club — «Блоги Андрей Телятников (блоги)» (раздел с записями, включая работы про LLM и ИИ для принятия решений). URL: Андрей Телятников (блоги) - SystemsWorld Club systemsworld
- Пост «Перепроверяй! Или — Когда AI-рерайтер сам нуждается в AI-рецензенте» (пример использования Perplexity/Comet как AI‑рерайтера и самопроверки). URL: Перепроверяй! Или — Когда AI-рерайтер сам нуждается в AI-рецензенте systemsworld
- Документация OpenClaw: интеграция Perplexity Search API как источника web‑поиска для агентов. URL: https://docs.openclaw.ai/tools/perplexity-search docs.openclaw
- Статья‑гайд «The Ultimate Guide to OpenClaw Obsidian: Building AI Agents with…» (описание архитектуры локального агента с Obsidian vault и автоматизацией рабочих процессов). URL: https://skywork.ai/skypage/en/openclaw-ai-agents/2037024467340574720 skywork
- Материал «The Ultimate Guide to OpenClaw Obsidian Skill» (расширенный обзор Obsidian‑интеграции и orchestration‑подходов вокруг OpenClaw). URL: The Ultimate Guide to OpenClaw Obsidian Skill skywork
