Как собрать личную ИИ-систему: заметки, агент и проверка результата
Личная ИИ-система — это не папка с промптами и не подписка на самый дорогой чат. Это контур, в котором ваши заметки, задачи, правила, файлы и агент начинают работать вместе. Человек не каждый раз объясняет все заново, а ведет маленькую операционную систему для своей работы.
В ручном журнале эта тема появилась через примеры людей и команд, которые собирают себе рабочие системы вокруг Claude Code, Obsidian, GitHub и личных архивов. Смысл не в том, что всем нужен одинаковый стек. Смысл в навыке: описать свою повторяемую работу так, чтобы агент мог помогать не разово, а постоянно.
Такие примеры уже видны в разных средах. Anthropic описывала, как юрист компании Марк Пайк использует Claude для проверки маркетинговых материалов в юридическом контуре. Strategic Nerds показывали, как автоматизировать продуктовый маркетинг с Claude. В открытом коде есть шаблоны вроде Claudesidian для Obsidian и Personal AI Infrastructure Дэниела Мисслера.
Из чего она состоит
Сильная личная ИИ-система держится на пяти слоях.
Первый слой — входы. Это заметки, расшифровки звонков, документы, ссылки, планы, письма, задачи и решения. Если входы разбросаны, агент каждый раз будет гадать.
Второй слой — правила. Что считать хорошим результатом, как писать, что нельзя трогать, какие источники надежны, где нужна пауза перед действием.
Третий слой — память. Не весь сырой архив, а отобранные факты: решения, предпочтения, повторяющиеся ошибки, важные ссылки, границы проекта.
Четвертый слой — действия. Агент должен не только рассуждать, но и делать понятные операции: подготовить черновик, проверить документ, собрать список вопросов, обновить план, сравнить варианты.
Пятый слой — проверка. Любая система без проверки превращается в красивую уверенность. Нужен список критериев: что должно быть в результате, как понять, что он готов, когда звать человека.
Главное:Личная ИИ-система начинается там, где у человека появляется не один удачный промпт, а повторяемый маршрут: входы, правила, действие, проверка и журнал опыта.
Как выбрать первый процесс
Не стоит начинать с мечты “автоматизировать всю жизнь”. Лучше выбрать один повторяемый процесс, который уже немного болит.
| Процесс | Что дать агенту | Что должен вернуть агент | Как проверить |
|---|---|---|---|
| подготовка статьи | заметки, источники, правила языка | черновик, SEO-поля, список сомнений | нет служебного мусора, есть источники |
| разбор звонка | расшифровка, цель встречи, роли | решения, задачи, риски, следующий шаг | задачи понятны и назначены |
| личное обучение | конспект, тема, уровень | вопросы, карточки, план повторения | можно ответить без подсказки |
| проектная память | журнал, решения, ошибки | handoff для следующей сессии | следующий агент быстро входит в работу |
| анализ документа | файл, чек-лист, запреты | замечания и цитаты из документа | каждое замечание проверяется ссылкой |
Если процесс нельзя проверить, его рано отдавать агенту. Сначала нужно придумать приемку.
Почему это не просто база знаний
Обычная база знаний хранит материалы. Личная ИИ-система превращает материалы в действие. Разница простая: заметка лежит, а агент по ней готовит результат.
Например, в статье про AgentMemory мы разбирали, зачем агенту постоянная память между сессиями. Здесь следующий слой: память должна быть привязана к рабочему маршруту. Если агент помнит много, но не знает, что с этим делать, пользы мало.
Рабочая карточка
Когда использовать: если вы часто начинаете одну и ту же работу с нуля и заново объясняете контекст ИИ-помощнику.
Что подать на вход: один повторяемый процесс, папку материалов, правила качества, список запретов и критерии приемки.
Что сделать по шагам:
- Выбрать один процесс, а не всю жизнь сразу.
- Собрать входы в одном месте.
- Записать правила хорошего результата.
- Дать агенту первый маленький сценарий.
- Проверить результат и записать, что нужно улучшить.
- Перенести удачное правило в постоянную инструкцию.
Как проверить качество: следующий запуск требует меньше объяснений, результат стал стабильнее, а ошибки превращаются в правила, а не повторяются.
Когда не использовать: если данные слишком чувствительные, процесс не описан или результат нельзя проверить без догадок.
Какой навык рождается: умение проектировать личную рабочую систему вокруг ИИ, где агент не заменяет мышление, а усиливает повторяемую работу.
Вывод
Сильная личная ИИ-система не похожа на витрину инструментов. Она похожа на аккуратный рабочий стол: здесь лежат материалы, рядом правила, дальше агент, после него проверка и журнал решений. Сначала это кажется скучнее, чем новый сервис. Зато именно так ИИ перестает быть игрушкой и становится привычкой работы.
