AI Operating System (AIOS) на базе Codex и GPT-6: кратко о главном
🎯 О чём этот конспект: Пошаговое руководство по созданию локальной операционной системы на базе искусственного интеллекта (AIOS) и «второго мозга» в среде Codex. Автор разбирает архитектуру управления контекстом бизнеса с помощью локальных Markdown-файлов, файлов маршрутизации agents.md / CLAUDE.md, фреймворка 4C, методов структурирования знаний Карпатого (LLM Wiki) и системы регулярных самоаудитов.
👤 Кому будет полезно: Фаундерам, разработчикам, солопренерам и вайбкодерам, которые устали тратить часы на контекст-свитчинг между десятками вкладок и хотят превратить AI-агента из примитивного чат-бота в полноправного цифрового партнера с глубоким пониманием бизнес-процессов компании.
✨ Что получите: Готовую архитектуру папок и файлов на своем компьютере, настроенные системные файлы маршрутизации, автоматические скиллы для извлечения контекста (/onboard, /grill-me), цикл регулярного улучшения системы (/audit, /level-up), а также методологию визуализации знаний в виде интерактивного 3D-графа и дашборда.
1. Фреймворк 4C: Архитектурный фундамент автономной AIOS
Контекст: Большинство пользователей используют языковые модели изолированно, каждый раз заново объясняя боту контекст своего проекта в пустом диалоговом окне. Из-за этого ответы нейросети получаются шаблонными, а автономные агенты и навыки выдают бесполезные результаты. Автор предлагает системный подход — фреймворк 4C (Context, Connections, Capabilities, Cadence). Первые два элемента отвечают за формирование полноценного «второго мозга», а вторые два превращают пассивную базу знаний в активную операционную систему. Без заложенного вечнозеленого контекста и динамических связей с реальными инструментами любые навыки автоматизации и автономные агенты теряют эффективность.
Тайминг: , ,
Выгода: Полная ликвидация потерь времени на повторный ввод контекста и радикальное снижение когнитивной нагрузки за счет передачи оперативной памяти бизнеса AI-системе.
Как применить:
- Шаг 1: Зафиксируйте вечнозеленый контекст (Context) — Codex / Локальная файловая система — Создайте файлы, фиксирующие стабильные правила: цели компании на год и квартал, описание целевой аудитории, портрет клиента, болевые точки и структуру продуктов. Эта информация редко меняется и должна загружаться агентом по умолчанию.
- Шаг 2: Настройте динамические соединения (Connections) — API / MCP / Интеграции — Определите инструменты с постоянно обновляющимися данными: рабочую почту, треды Slack, задачи в ClickUp, платежные вебхуки Stripe и записи созвонов. Научите систему подтягивать свежие данные «just-in-time» через протоколы MCP (Model Context Protocol) или прямые интеграции.
- Шаг 3: Определите возможности (Capabilities) — Codex Skills — Сформируйте специализированные скрипты и скиллы для обработки типовых операций (генерация контента, аудит кода, сведение транскриптов встреч).
- Шаг 4: Запустите ритм исполнения (Cadence) — Автономные AI-агенты — Настройте периодические автономные запуски агентов без участия человека: утренний дайджест входящих задач, еженедельный аудит системы и трекинг метрик.
Результат: Четко структурированная модель данных, в которой AI-агент точно знает, где брать постоянный контекст и откуда запрашивать актуальные динамические параметры.
2. Маршрутизация агента и защита от вендорлока через agents.md и CLAUDE.md
Контекст: Когда проект разрастается до сотен папок и документов, агент начинает путаться, тратить лишние токены на поиск и галлюцинировать. Для решения этой проблемы создается единый файл-инструкция верхнего уровня — agents.md (для Codex) или CLAUDE.md (для Claude Code). Этот файл агент считывает перед каждым ответом пользователю. В нем прописываются не только базовые правила коммуникации (лаконичность, отсутствие лишних знаков препинания), но и строгая карта маршрутизации: какой вопрос в какую конкретную папку или файл должен направлять агента. Это позволяет хранить систему локально в простых Markdown-файлах и переключаться между любыми средами разработки без привязки к конкретной экосистеме.
Тайминг: , , ,
Выгода: 100% независимость от облачных вендоров и мгновенная, безошибочная навигация AI-агента по терабайтам локальной информации.
Как применить:
- Шаг 1: Создайте локальный файл спецификации агента — Текстовый редактор / Терминал — В корне вашего AIOS-репозитория создайте файл
agents.md(и продублируйте его какCLAUDE.mdдля совместимости с экосистемой Anthropic). - Шаг 2: Пропишите операционные ограничения и правила форматирования — Редактор Markdown — Задайте тон общения, запреты на лишнюю вежливость и специфические требования к стилю.
- Шаг 3: Сформируйте детерминированную логику маршрутизации (Routing Map) — Markdown — Составьте таблицу сопоставления тем и путей к файлам, чтобы агент сразу переходил к нужной директории.
# AGENTS.MD - AI OPERATING SYSTEM ROUTING
---
## Роль и назначение
Ты — главный операционный копилот бизнеса и доверенный AI-партнер. Твоя задача — мгновенно находить решения, опираясь на внутреннюю базу знаний.
---
## Основные правила коммуникации
- Отвечай предельно лаконично, структурированно, используя маркированные списки.
- Не используй длинные тире (em dashes), используй оксфордскую запятую.
- Никогда не выдумывай бизнес-показатели: если данных нет в памяти, запрашивай путь к источнику.
---
## Карта маршрутизации знаний (Knowledge Routing Map)
- Бизнес-стратегия, цели, структура команды -> `wiki/business/`
- Корпоративная структура, юрлица, налоги -> `wiki/corporate/`
- Tone of Voice, примеры постов и стиль основателя -> `references/voice.md`
- Записи и транскрипты встреч -> `meetings/transcripts/`
- Контент-планы и транскрипты YouTube-видео -> `knowledge/youtube/`
- Текущие спринты и активные проекты -> `projects/`
- Аудиты и метрики системы -> `audits/`Результат: Агент считывает системную карту перед каждым запросом и безошибочно обращается к нужной секции файловой системы.
3. Развертывание базовой структуры AIOS и первый онбординг
Контекст: Начало работы с «чистого листа» — главный барьер при создании сложной цифровой системы. Автор предлагает автоматизировать начальную инициализацию через специальный стартовый скилл /onboard. Вы создаете пустую локальную папку, открываете ее как проект в Codex и запускаете сценарий онбординга. Скилл проводит пользователя через структурированную серию из 7 вопросов, одновременно автоматически создавая архитектуру директорий, раскладывая полученные ответы по Markdown-файлам и формируя профиль основателя.
Тайминг: , , ,
Выгода: Развертывание готовой рабочей структуры AI-окружения за 5 минут без ручного создания десятков папок и файлов.
Как применить:
- Шаг 1: Создайте рабочую директорию — Терминал / Проводник — Создайте локальную папку проекта (например,
aios-core) и откройте ее внутри десктопного приложения Codex как локальный проект. - Шаг 2: Установите стартовый пакет навыков — Codex Chat — Скопируйте ссылку на ресурсный пак или добавьте скрипты навыков в папку
.codex/skills/и инициируйте онбординг командой:
Установи ресурсный пакет AIOS и запусти навык /onboard, чтобы мы пошагово настроили файловую структуру и заполнили базовые данные обо мне и бизнесе.- Шаг 3: Пройдите интерактивное интервью — Codex Chat — Ответьте на 7 базовых вопросов системы: профиль компании, линейка продуктов, текущие цели, ключевые ограничения, используемый стек инструментов.
- Шаг 4: Проверьте сгенерированную структуру директорий — Codex File Explorer — Убедитесь, что внутри проекта появились папки
context/(с файламиabout-business.md,about-me.md,priorities.md),references/(с файломvoice.md), а также базовая заготовкаagents.md.
Результат: Полностью готовый локальный репозиторий с базовыми вечнозелеными файлами контекста, готовый к углублению и подключению интеграций.
4. Замкнутый цикл самосовершенствования системы: /audit и /level-up
Контекст: Большинство баз знаний быстро устаревают, превращаясь в «мертвый груз», потому что у владельца нет механизма отслеживания актуальности данных. В AIOS заложен алгоритмический цикл регулярного аудита. Команда /audit анализирует состояние файлов, оценивает систему по 4 критериям фреймворка 4C, выставляет общую оценку зрелости (от 0 до 100) и сохраняет датированный отчет в папку audits/YYYY-MM-DD.md. Сразу после этого запускается команда /level-up, которая превращает выявленные слабые места в конкретный список задач для устранения узких мест.
Тайминг: , , , ,
Выгода: Наглядный трекинг прогресса развития вашей операционной системы от недели к неделе и устранение операционных «бутылочных горлышек».
Как применить:
- Шаг 1: Запустите плановый аудит системы — Codex Chat — Раз в 1–2 недели запускайте проверку с помощью команды:
/audit- Шаг 2: Изучите сформированный отчет в папке
audits/— Файловая система — Проанализируйте баллы по каждому из 4C. Например, свежесозданная система получает около 30/100 из-за отсутствия динамических коннекторов и автономных сценариев. - Шаг 3: Сгенерируйте тактический план развития — Codex Chat — Передайте результаты аудита скиллу повышения уровня командой:
/level-up- Шаг 4: Реализуйте рекомендованные улучшения — Codex Chat — Позвольте агенту сразу сгенерировать автоматизации (например, объединение обновлений от команды в единый список действий или создание бэклога улучшений продукта).
Результат: История аудитов хранится в Markdown, а система непрерывно эволюционирует под контролем самого AI.
5. Глубинная экстракция контекста из головы основателя через /grill-me
Контекст: Главная проблема настройки «второго мозга» заключается не в коде и не в моделях, а в извлечении неявных знаний из головы фаундера. Человеку тяжело сесть и написать мемуары о своей компании. Для решения этой проблемы применяется скилл /grill-me (адаптация концепта Мэтта Пико). AI превращается в бескомпромиссного интервьюера: он задает точечные глубокие вопросы, вскрывает логику принятия решений, уточняет цифры и автоматически стенографирует все инсайты в отдельные файлы контекста.
Тайминг: , ,
Выгода: Экономия десятков часов на написание регламентов: достаточно 20–30 минут голосового или текстового диалога с агентом, чтобы получить исчерпывающую документацию.
Как применить:
- Шаг 1: Активируйте режим глубинного интервью по выбранной теме — Codex Chat — Запустите скилл с указанием конкретной области бизнеса:
Используй скилл /grill-me. Устрой мне жесткое и детальное интервью по моим текущим бизнес-приоритетам, узким местам в делегировании и планам на текущий квартал. Задавай по одному вопросу за раз, углубляйся в детали и сохраняй всё в context/captures/.- Шаг 2: Отвечайте на вопросы без самоцензуры — Codex Chat — Расскажите о реальных процессах, проблемах с подрядчиками, метриках конверсии и планах.
- Шаг 3: Проверьте созданный файл фиксации — Директория
context/captures/— Агент автоматически упакует сессию в структурированный Markdown-файл (например,business-priorities-capture.md), расставит теги и свяжет его с общим профилем компании.
Результат: Уникальные знания основателя перенесены в файловую систему в структурированном виде, понятном для LLM.
6. Метод LLM Wiki Карпатого: Автоматическая паутина связей между документами
Контекст: Изолированные файлы и разрозненные дампы текста бесполезны, если между ними нет перекрестных связей. Без связей AI не способен сопоставить разговор на созвоне с клиентом с финансовым отчетом или темой будущего видео на YouTube. Автор использует подход Karpathy LLM Wiki: AI-агент сканирует массив разрозненных заметок и файлов, находит логические пересечения, создает сквозные ссылки и формирует структурированные хранилища знаний (Wiki Vaults) с перекрестной перелинковкой.
Тайминг: , , ,
Выгода: Превращение пассивных папок с файлами в единую смысловую сеть (Knowledge Graph), позволяющую агенту мгновенно связывать разнородные данные компании.
Как применить:
- Шаг 1: Разделите хранилища по типам источников — Файловая структура — Создайте базовые директории для разных потоков данных:
wiki/business/,wiki/youtube/,wiki/meetings/. - Шаг 2: Запустите краулер связей по методологии Karpathy — Codex Chat — Выполните системный промпт для выявления связей:
На основе всего, что ты сейчас знаешь обо мне и моем бизнесе из папки context/, построй новую LLM Wiki по методологии Карпатого (Karpathy Wiki method).
Пройдись по всем документам, выяви ключевые сущности, связи между ними, устаревшие данные и создай перекрестные ссылки [[link]] между сущностями.
Сформируй структурированное хранилище в директории wiki/business/.- Шаг 3: Проверьте актуальность и маркеры устаревания — Текстовый редактор — Сгенерированные документы подсветят старые метрики (например, устаревшие показатели выручки или подписчиков), требующие ручного обновления.
Результат: Полносвязная база знаний, в которой каждая сущность ссылается на релевантные созвоны, проекты и регламенты.
7. 3D-визуализация второго мозга и интерактивный дашборд операционной системы
Контекст: Текстовые папки сложны для общего визуального восприятия. Чтобы моментально видеть масштабы базы знаний, плотность взаимосвязей и «слепые зоны», используется специализированный скилл 3D Brain. Скрипт парсит локальные файлы, строит интерактивный трехмерный граф знаний на локальном сервере (localhost) и позволяет развернуть полноценный AIOS-дашборд с подключенными виджетами календаря, коммуникаций (Slack, ClickUp, Email) и пульса сообщества.
Тайминг: , , , ,
Выгода: Единое окно управления бизнесом: работа со всеми каналами связи, задачами и базой знаний из единого интерфейса без переключения между десятками вкладок.
Как применить:
- Шаг 1: Запустите генерацию 3D-графа знаний — Codex Chat — Введите команду скилла визуализации:
/3d-brain- Шаг 2: Откройте визуализатор в браузере — Браузер — Перейдите по адресу
http://localhost:3000(или порту, указанному агентом), чтобы исследовать интерактивный трехмерный граф вашего второго мозга. - Шаг 3: Опубликуйте дашборд для удаленного доступа — Codex — Разверните интерфейс дашборда на домене платформы Codex либо подключите собственный кастомный домен для доступа со смартфона или планшета.
- Шаг 4: Настройте единый интерфейс коммуникаций — Дашборд — Подключите интеграции с календарем, рабочими чатами и таск-трекером, чтобы отвечать на письма и просматривать саммари встреч прямо из дашборда.
Результат: Функционирующий веб-дашборд и интерактивный граф связей, объединяющий календарь, коммуникации и базу знаний в едином окне.
8. Оптимизация расходов: Балансировка между моделями GPT-6 Astra, 5.6 Soul и 5.6 Terra
Контекст: Топовая модель GPT-6 Astra обладает максимальным уровнем рассуждений и способна решать сложнейшие задачи в один шаг (one-shot), однако постоянное ее использование для рутинного поиска документов или генерации простых таблиц нерационально. Это быстро расходует недельные лимиты подписки (weekly limits) и приводит к избыточным финансовым затратам. Автор рекомендует выстроить многоуровневую работу: использовать флагманские модели только для первичного синтеза архитектуры, а ежедневную рутину переводить на более экономичные модели с регулируемым уровнем усилий (effort level).
Тайминг: , , ,
Выгода: Экономия до 70% лимитов подписки и расходов на токены без потери качества при выполнении ежедневных задач.
Как применить:
- Шаг 1: Назначьте флагман для тяжелых архитектурных задач — Настройки Codex Model Picker — Используйте GPT-6 Astra для глубокого онбординга, запуска сложных комплексных аудитов (
/audit), сборки графа связей Karpathy Wiki и написания автономных агентных скриптов. - Шаг 2: Переключите ежедневные операции на средний стек — Настройки Codex — Для рутинных вопросов («найди документ», «сделай черновик ответа на письмо», «составь саммари созвона») выбирайте модель 5.6 Soul или 5.6 Terra.
- Шаг 3: Отрегулируйте уровень вычислительных усилий (Effort Level) — Codex Interface — В настройках сессии переключите параметр Effort на режим
Light. Это снизит глубину цепочек рассуждений для тривиальных задач, сохранив драгоценные токены для комплексных запросов.
Результат: Рациональное использование ресурсов без исчерпания недельных квот и с максимальной скоростью ответов на простых операциях.
AI Operating System (AIOS) на базе Codex и GPT-6: ответы на частые вопросы
В: В чем главное отличие AIOS от обычного диалога с ChatGPT или Claude? О: Обычный чат-бот не имеет долгосрочной памяти о вашей компании и требует ручной передачи контекста в каждом промпте. AIOS построена на локальной файловой системе вашего компьютера, где агент автоматически считывает карту маршрутизации (agents.md), знает регламенты, историю проектов и имеет постоянный доступ к вашим рабочим инструментам.
В: Обязательно ли использовать именно приложение Codex? О: Нет. Вся логика системы построена на стандартных Markdown-файлах и локальных директориях. Вы можете открыть ту же самую папку в Claude Code, Cursor, Windsurf или подключить к ней open-source агентов вроде Hermes. Для смены платформы достаточно дублировать agents.md в CLAUDE.md.
В: Безопасно ли хранить конфиденциальные данные бизнеса в такой системе? О: Да, поскольку все файлы физически хранятся на вашем локальном диске, а не на сторонних серверах баз данных. В облако отправляется только контекст, необходимый для выполнения конкретного запроса в рамках выбранной вами модели через API с соответствующими политиками конфиденциальности.
В: С чего начать, если у меня совсем нет времени описывать процессы компании? О: Запустите базовую инициализацию через /onboard и ответьте на 7 коротких вопросов. Затем выделите 15–20 минут и запустите навык /grill-me в голосовом режиме: искусственный интеллект сам вытянет из вас ключевые детали в формате интервью и сохранит их в нужные папки.
В: Как часто нужно запускать команду /audit? О: Оптимальная периодичность — один раз в неделю (например, в понедельник утром) или раз в две недели. Система зафиксирует изменения в баллах зрелости по 4C, покажет, какие данные устарели, и предложит конкретный список задач для актуализации.
В: Что делать, если AI-агент начинает путать пути к файлам при росте базы? О: Откройте файл agents.md и обновите секцию Knowledge Routing Map. Добавьте жесткие правила: «Если запрос касается X — читай только директорию Y». Чем строже и лаконичнее описана карта маршрутизации, тем точнее агент находит нужные документы.
AI Operating System (AIOS) на базе Codex и GPT-6: инструменты и ссылки из видео
- Codex Desktop App — Рабочая среда и агентный редактор для запуска AIOS — упомянут в видео.
- Claude Code — Консольный агент от Anthropic, использующий аналогичный файл инструкций
CLAUDE.md— упомянут в видео. - Karpathy LLM Wiki Method — Подход Андрея Карпатого к автоматическому извлечению связей и созданию перекрестных Markdown-баз знаний — упомянут в видео.
- AI Automation Society (AIS) School Community — Бесплатное сообщество автора с библиотекой ресурсов и готовым стартовым пакетом навыков (Onboard, Audit, Level Up, 3D Brain, Grill Me) — упомянуто в видео.
Конспект создан на основе видео «GBD6 Astra is the most powerful AI model I've ever used» канала Nate Herk / AI Automation Society. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=yysILVsfLFM
