Контекст размазан
ChatGPT, Claude, Codex, Telegram, Notion, Obsidian, Google Docs, CRM и локальные файлы живут отдельно.
Контекстное ядро для AI-агентов
За 10 дней собираю рабочую память для AI-агентов: единый source of truth, живой слой внимания, историю решений, защиту от повторов, поиск по базе и writeback после работы.
Сначала собрал это для себя: Claude, Codex, Kimi и Hermes работают с одной Книгой, а не с разными кусками памяти.
Проблема
Каждая новая сессия начинается как будто с нуля. Агент не знает, чем вы занимались вчера, какой проект сейчас горячий, какие решения уже приняли, какие маршруты пробовали и куда писать результат.
ChatGPT, Claude, Codex, Telegram, Notion, Obsidian, Google Docs, CRM и локальные файлы живут отдельно.
Семантика находит старое, но не объясняет, что сейчас важно и куда агенту идти сначала.
Агент сделал работу, но не оставил след следующему агенту: current, history, tried и правила не обновились.
Система
Файлы остаются источником правды. Moon Vault становится лицом и графом. HOT_INDEX показывает, что сейчас кипит. Семантика достаёт холодную библиотеку. tried/current/history защищают от повторов. writeback заставляет агентов оставлять след после работы. RLM включается, когда обычный контекст ломается на больших массивах.
Документы, решения, заметки, правила, статусы проектов и evidence лежат в файлах, а не в памяти одного чата.
Живой слой внимания: агент сначала смотрит, что трогали недавно и где сейчас рабочий фокус.
Система показывает текущий маршрут, уже отброшенные варианты и историю решений, чтобы не ходить по кругу.
Старая библиотека доступна через поиск, а большие массивы проходят пакетно без переполнения обычного контекста.
Работа не заканчивается ответом в чат: агент обновляет ядро, чтобы следующий агент вошёл уже с новым состоянием.
Практика
У меня одна рабочая Книга для Claude, Codex, Kimi и Hermes. Агенты заходят не в пустоту: сначала смотрят протокол, текущий статус, горячие проекты, историю попыток и только потом лезут в холодную библиотеку.
Не сканирует всю библиотеку с нуля, а начинает с горячего слоя и current.
Смотрит tried/history, чтобы не повторять старые тупики и не ломать рабочие решения.
После работы обновляет ядро, индексы и следующие действия, а не оставляет всё в чате.
Форматы
За 60-90 минут разбираем, где теряется контекст: чаты, документы, агенты, CRM, файлы, решения и повторяющиеся объяснения.
Контекстное ядро для одного направления: source of truth, HOT_INDEX, current/tried/history, поиск, writeback и правила работы агентов.
Несколько проектов, агенты, документы, CRM, боты, операционные процессы, доступы, мониторинг и поддержка.
Обновление правил, проверка индексов, чистка повторяющихся маршрутов, новые workflows и контроль writeback.
Пилот
Смотрим чаты, документы, CRM, файлы, агентов, повторяющиеся боли и места, где вы заново объясняете одно и то же.
Фиксируем source of truth, current, tried, history, HOT_INDEX, search-route и правила входа для агентов.
Гоняем реальный процесс, включаем writeback, оставляем инструкцию и список следующих улучшений.
Кому подходит
Кому рано
FAQ
Нет. Obsidian хорош для человека. Здесь задача другая: дать агентам рабочую ориентацию, что сейчас важно, что уже пробовали и куда писать результат.
Нет. RAG помогает доставать старое. Но агенту перед поиском нужно понять, что сейчас горячее, где current, что уже пробовали и где оставить результат.
Да. Базовая логика строится вокруг файлов как источника правды. Конкретная архитектура зависит от ваших инструментов, серверов и требований к приватности.
Потому что длинный промпт не является живой системой. Он не знает свежесть проектов, не ведёт историю попыток и не заставляет агентов обновлять базу после работы.
Заявка в CRM
За одну встречу покажу, где у вас теряется контекст, что можно собрать за 10 дней и какой процесс даст первый ощутимый эффект.