Единый цифровой контекст

Одни из самых высоких издержек при работе с ИИ — сбор и передача информации. Сесть, подробно расписать задачу со всеми вводными, приложить файлы, объяснить, как у нас всё устроено. Это тормозит всё.

Принцип предлагает убрать эти издержки на корню: изначально организовать рабочее пространство так, чтобы вся работа была «на столе» и у человека, и у агента.

Модель знает всё, но вас видит впервые

Немного преувеличивая: языковая модель внутри агента уже знает почти всё — кроме вас и вашей задачи. Чтобы решить её верно, модели нужен точный контекст.

Агент без контекста бесполезен. Агент с правильным контекстом решает задачу с одной вашей фразы: сам находит нужное, правильно понимает задачу и выполняет.

Ключевой инсайт: организация работы агентов = организация их контекстов.

Это прямо связывает первый принцип со вторым. ИИ работает везде (P1) — но только если у него есть данные о контексте (P2).

Среда, в которой это возможно

Пример такой среды — любая агентная IDE: Cursor, Claude Code, Codex, Antigravity, GitHub Copilot. Все артефакты хранятся текстовыми документами прямо на диске и при этом синхронизированы с коллегами через репозиторий. У агентов есть эффективные функции поиска и доступа к файлам.

Это и есть коренное отличие от чат-ассистентов вроде ChatGPT, Qwen, DeepSeek или GigaChat: там контекст надо приносить в каждое окно заново, здесь он лежит на месте постоянно.

В таких средах уже сейчас не только программируют. Юридическая проверка договора, коммерческое предложение, техническое задание, планирование задач, маркетинговые коммуникации — всё в одной среде. Эта страница тоже написана так.

Среды недостаточно — нужен порядок

Само по себе наличие среды ничего не решает. Требуется выработать и соблюдать порядок: что где лежит, чтобы агент не путался. И люди тоже.

Hint 1. Просите агента описывать в readme-файлах, что где лежит по папкам. Новые копии агента будут узнавать оттуда, как ориентироваться. Об этом же — P6 «Абсолютная актуальность регламентов».

Hint 2. Один из видов контекста — инструкции для повторяющихся действий. Их тоже стоит сохранять файлами: как rules, которые агент применяет сам, и как commands, которые вы вызываете быстрой командой.

Контекст раскрывается слоями

Главная ошибка — свалить всё в один огромный файл. Агент должен быстро находить карту входа и от неё переходить к источникам правды.

Именно этот путь прошла команда OpenAI: монолитный AGENTS.md заменили оглавлением-картой, а источником правды сделали структурированную папку docs/ с механической проверкой актуальности.

Артефакты: индекс знаний, карта навигации, правила владения и ревизии артефактов, машинные проверки актуальности.

Показатели: доля критичных знаний в агентно-доступном контуре; доля устаревших документов (drift rate); скорость поиска нужного контекста.

Анти-паттерны: знания «в чатах и головах»; монолитная инструкция; отсутствие владельца и даты ревизии у документа.

Со стороны ценности

Кому и зачем. И сотруднику, и компании — получать результат от агента, не собирая для него вводные вручную каждый раз заново.

В чём выгода. Исчезает целый пласт скрытой работы — заново объяснять агенту, где что лежит. Падают время, усилия и умственная нагрузка на «ввод в курс дела»; сегодня это одна из самых дорогих статей при работе с ИИ.

Как измерить. Агент находит нужное с одной фразы в большинстве задач. «Всё доступно» — лозунг; измеримо звучит иначе: «находит с первого запроса в N% задач».

Что легко переоценить. Что «сложить всё в одну папку» и есть единый контекст. Важна не полнота, а находимость: если нужное нельзя быстро найти, объём только мешает.

Дёшево проверить. Дайте агенту пять реальных задач и посмотрите, находит ли он контекст сам — или его приходится подкармливать.

Куда это ведёт дальше

Часто контекст лежит во внешних системах: почта, трекер задач, мессенджер, корпоративная база данных, интернет. Доступ к ним требует интеграций — и это уже P3 «Делегируемость любых задач»: как сделать так, чтобы агенты могли не только читать и писать, но и действовать.