Саммари

🎯 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: [01:33], [02:22], [02:44]

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: [03:41], [04:14], [04:37], [06:64]

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 как CLAUDE.md для 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: [04:58], [05:20], [05:59], [06:07]

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 файлами about-business.md, about-me.md, priorities.md), references/ (с файлом voice.md), а также базовая заготовка agents.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: [07:05], [07:22], [07:60], [07:84], [08:21]

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: [08:58], [09:12], [09:23]

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: [09:44], [09:56], [09:81], [09:96]

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: [00:58], [01:14], [03:24], [10:07], [10:25]

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: [10:48], [10:57], [10:85], [11:00]

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.

FAQ

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.

Ресурсы и ссылки

• 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