Саммари

🎯 О чём этот конспект: Пошаговый разбор агентской архитектуры от Барбары Йованович, позволившей масштабировать соло-маркетинговое агентство в 5 раз без найма сотрудников. Внутри — переход от простых чат-промптов к автономным многоагентным системам («skills») в Claude Code, интеграция сотен документов контекста через MCP и протокол холодного ревью, уничтожающий шаблонный «AI-slop».

👤 Кому будет полезно: Вайбкодерам, соло-фаундерам, агентствам контент-маркетинга, техническим райтерам и AI-автоматизаторам, создающим контент-пайплайны для LinkedIn и X.

✨ Что получите: Готовую архитектуру скилла founder-ghostwriter-setup, понимание пайплайна сбора контекста из транскриптов и Slack, правила параллельной генерации постов независимыми агентами и метод самообучения системы на базе аналитики просмотров.

1. Отказ от промптов в пользу агентских пайплайнов (Skills)

Контекст: Использование языковых моделей в режиме простого чат-окна с длинными промптами достигло своего потолка эффективности. Попытка заставить одну модель сгенерировать сразу пачку качественных постов за один проход неизбежно приводит к «AI-slop» — одинаковому ритму, шаблонной длине текстов и роботизированным оборотам. Вместо реактивного копирования промптов Барбара перешла на агентские системы на базе Claude Code. Каждый раз, когда возникает желание написать разовый промпт, необходимо формализовать задачу в воспроизводимый пайплайн (скилл) с разделением ролей.

Тайминг: [01:08], [01:25], [01:46]

Выгода: Рост бизнеса в 5 раз при сохранении формата соло-агентства (1 человек). Возможность обрабатывать более 10 звонков продаж в неделю вместо 2-3 за счет полной автоматизации подготовки КП и контента.

Как применить:

• Шаг 1: Формализация повторяющейся задачи — Claude Code — Вместо того чтобы вручную закидывать транскрипты в интерфейс Claude или ChatGPT, определите этапы: парсинг контекста, утверждение тем, драфтинг, критическое ревью и полировка.
• Шаг 2: Упаковка логики в навык (Skill) — Файловая система / Claude Code — Создайте системный файл навыка, в котором зафиксированы роли, ограничения и пути к документам контекста, вместо того чтобы хранить текстовые промпты в заметках.

Результат: Переход от ручного копипаста к вызову одной высокоуровневой инструкции, запускающей оркестрацию нескольких агентов.

2. Построение контекстного слоя: MCP-инструменты и хак через Slack

Контекст: Главная причина галлюцинаций и поверхностного контента — дефицит сырых данных о продукте и фаундере. Ограничение чатов в 5 прикрепленных документов осталось в прошлом: современному агенту требуются сотни файлов для точной генерации. Чтобы агент имел доступ к живому голосу компании, Барбара подключает стек инструментов через Model Context Protocol (MCP) и настраивает автоматический сбор внутренней информации. Если нельзя напрямую подключить аккаунты клиентов к своему Claude, данные собираются через командный мессенджер.

Тайминг: [05:44], [07:05], [08:24]

Выгода: 100% точность продуктовых деталей, отсутствие галлюцинаций, сохранение реального tone of voice без ручной пересылки сотен транскриптов.

Как применить:

• Шаг 1: Настройка прямых MCP-интеграций — Claude Desktop / Claude Code — Подключите рабочие расширения (Google Drive, Gmail, Granola, Buffer) в настройках MCP-клиента.
• Шаг 2: Организация пайплайна через Slack для внешних клиентов — Slack API / Claude Code — Настройте отправку транскриптов внутренних созвонов клиента (из Granola, Fireflies или Otter) в выделенный закрытый канал Slack.
• Шаг 3: Настройка регулярного синка — Claude Code — Создайте процедуру (routine), которая проверяет входящие сообщения в Slack-канале клиента, скачивает транскрипты и раскладывает их по локальным папкам:

# Пример структуры клиентской папки в Claude Code
mkdir -p client-data/source-material/meetings
mkdir -p client-data/source-material/social-history
mkdir -p client-data/context-docs

Результат: Автономное хранилище знаний, которое обновляется ежедневно без прямого доступа к внутренним аккаунтам заказчика.

3. Сбор «золотого фонда» контекста: интервью, продажи и запретные слова

Контекст: ИИ не способен придумать позиционирование с нуля — он лишь масштабирует существующие инсайты. Для работы скилла требуется глубокий онбординг. Барбара проводит ежемесячные 45-минутные «терапевтические сессии» с фаундерами, так как фаундеры никогда не согласятся общаться с ИИ-ботом для сбора мыслей. Кроме того, в контекст загружаются записи сейлз-звонков (где лучше всего слышны боли и возражения), записи общения с текущими клиентами и внутренние обсуждения роадмапа.

Тайминг: [11:16], [11:46], [21:12], [22:10]

Выгода: Посты получают виральный охват за счет реальных историй, спорных мнений и инсайдерского понимания индустрии, а не рерайта общедоступных статей.

Как применить:

• Шаг 1: Запись онбординг-интервью — Granola / Whisper Flow — Проведите созвон с фаундером и ключевой командой. Задайте вопросы: «В чем origin story?», «Каков ваш elevator pitch?», «С чем в вашей индустрии вы категорически не согласны?». Повторяющиеся фразы и термины — ключевой сигнал (signal), на который нужно делать упор.
• Шаг 2: Сбор клиентских и продуктовых материалов — Скрипты парсинга / Claude Code — Выгрузите историю опубликованных блогов, постов в соцсетях, базу цитат клиентов (testimonials) и ICP-документы.
• Шаг 3: Формирование стоп-листа и референсов — Текстовый редактор — Зафиксируйте banned words (слова-паразиты, избитый маркетинговый булшит) и список эталонных аккаунтов для калибровки вкуса («что для вас выглядит хорошо»).

Результат: Набор структурированных markdown-файлов в папке context-docs/, готовых для сканирования агентом.

4. Архитектура навыка «Founder Ghostwriter Setup»

Контекст: Стандартные текстовые «writing guides» (гайды по стилю) не работают — они дают абстрактные советы, которые модели часто игнорируют. Вместо статического гайда система Барбары создает жесткий регламент процессов. Навык сканирует сырые материалы клиента (на это уходит 20-30 минут фоновой работы модели), индексирует их и собирает изолированные модули: профиль основателя, специфику каналов (LinkedIn против X), правила позиционирования и сценарии драфтинга.

Тайминг: [12:11], [12:54], [13:30], [14:02]

Выгода: Быстрый запуск нового клиента за 30 минут без необходимости писать промпты с нуля под каждый канал.

Как применить:

• Шаг 1: Инициализация генератора системы — Claude Code — Запустите глобальный мета-скилл настройки фаундерского стиля, скормив ему путь к папке с контекстом:

У меня новый клиент. Все исходные материалы находятся в папке source-material/, а базовые данные — в context-docs/. Создай полную агентскую систему для [Имя Фаундера]: обнови контекстные файлы, настрой навыки гострайтинга для LinkedIn и X и подготовь правила драфтинга.

• Шаг 2: Разделение платформ — Claude Code — Убедитесь, что навык зафиксировал разные профили аудитории: строгий ICP для LinkedIn и более свободный, аутентичный тон для X.
• Шаг 3: Валидация структуры файлов — Проверьте сгенерированный README.md и удостоверьтесь, что система выделила уникальные фразы фаундера и отделила фактуру от предположений.

Результат: Автономная рабочая среда клиента с преднастроенными агентами-исследователями и драфтерами.

5. Изолированная генерация: один пост — один независимый агент

Контекст: Когда один агент получает задачу «напиши 5 постов для LinkedIn на неделю», результат всегда страдает от монотонности: одинаковая длина абзацев, схожие хуки (крючки) и предсказуемая структура предложений. Барбара решила эту проблему за счет мультиагентного параллелизма: мастер-агент (оркестратор) декомпозирует утвержденный контент-план и спавнит изолированные инстансы агентов под каждую публикацию.

Тайминг: [17:05], [17:33], [17:54]

Выгода: Разнообразие стилей, структур и ритма в ленте. Ни один пост не кажется клоном предыдущего.

Как применить:

• Шаг 1: Двухэтапное согласование тем — Claude Code — Запросите у оркестратора список тем на утверждение перед генерацией текста. Внесите правки голосом через Whisper Flow / Willow Voice.
• Шаг 2: Оркестрация субагентов — Claude Code — Настройте мастер-агента так, чтобы он выделял отдельный контекст и задачу для каждого поста:
  • Субагент 1: Пишет пост-разбор на основе технического транскрипта.
  • Субагент 2: Пишет сторителлинг на основе фаундерской истории неудач.
  • Субагент 3: Формирует новостной комментарий по тренду индустрии.
• Шаг 3: Кросс-проверка на пересечение тем — Субагенты сверяют финальные черновики между собой, чтобы избежать дублирования мыслей и метафор в рамках одной недели.

Результат: Разнородный, глубокий контент-пак, готовый к финальной редактуре.

6. Cold Review Agent: устранение «эффекта домысливания контекста»

Контекст: ИИ-модели страдают когнитивным искажением контекста: при генерации они знают всю подноготную клиента и ошибочно полагают, что читатель в ленте тоже обладает этими знаниями. В результате первые строки (крючки) получаются размытыми, непонятными для незнакомца и наполненными скрытыми предпосылками. Для решения проблемы в пайплайн внедряется агент «холодного ревью» (Cold Reader).

Тайминг: [15:13], [15:44], [16:46], [27:37], [27:80]

Выгода: Первый черновик (first draft) избавляется от 90% AI-галлюцинаций и неестественных фраз. Фаундеру и редактору не приходится переписывать посты с нуля.

Как применить:

• Шаг 1: Изоляция агента-рецензента — Claude Code — Создайте агента с чистым контекстом, который НЕ видел исходные транскрипты, созвоны и брифы.
• Шаг 2: Настройка роли «Критичный незнакомец» — В системный промпт агента холодного ревью заложите жесткие правила оценки:

Ты — холодный читатель, эксперт в индустрии [Ниша], который впервые видит этот пост в своей ленте. Ты не знаешь автора лично.
Оцени текст по критериям:
1. Понятен ли хук за первые 2 секунды без предварительного контекста?
2. Звучит ли первая фраза фальшиво/роботизировано (паттерны "If this, then that", клише ИИ)?
3. Есть ли ощущение подлинного опыта человека или это сгенерированный шаблон?
Если пост звучит искусственно — верни список конкретных правок и отправь черновик автору на доработку.

• Шаг 3: Автоматический цикл правок (Fix Loop) — Если агент холодного ревью ставит статус «Fake» или находит смысловые дыры, оркестратор отправляет черновик обратно драфтеру до тех пор, пока рецензент не одобрит подачу.

Результат: Тексты, которые моментально захватывают внимание холодной аудитории и звучат как живая человеческая речь.

7. Мониторинг новостей индустрии в фоновом режиме (Daily Routines)

Контекст: Контент основателя не может строиться исключительно на внутренних процессах компании — необходима быстрая реакция на происходящее на рынке (ньюджекинг). Барбара настраивает автономные регулярные процедуры (routines) в Claude, которые ежедневно мониторят новости, релизы новых моделей или регуляторные изменения в нише клиента и готовят заготовки мнений.

Тайминг: [18:44], [24:95], [25:39]

Выгода: Фаундер стабильно публикует экспертную реакцию на горячие инфоповоды в день их появления без траты времени на ручной серфинг лент новостей.

Как применить:

• Шаг 1: Настройка фонового сканера — Claude Code — Создайте ежедневную задачу мониторинга отраслевых ресурсов через поисковые инструменты/MCP:

Каждое утро в 08:00 сканируй главные новости индустрии [Ниша клиента] за последние 24 часа. Выдели 2-3 ключевых события, где требуется экспертная позиция фаундера, и предложи противоположный общепринятому (contrarian) угол зрения.

• Шаг 2: Выбор инфоповода и калибровка тональности — Whisper Flow / Claude Code — При согласовании тем выберите релевантную новость и скорректируйте эмоциональный окрас (например: «Берем новость про увольнения в бигтехе, но без уныния и депрессии — делаем фокус на возможностях для стартапов»).
• Шаг 3: Обучение на обратной связи — Если сканер принес нерелевантный шум, напишите в чат: «Новость А не подходит для нашего позиционирования, новость Б — идеальна». Модель автоматически сохранит этот фильтр на будущее.

Результат: Регулярная подача актуальных рыночных инсайтов, готовых к интеграции в недельный контент-план.

8. Замкнутый контур самообучения (Loop Learning) через Buffer MCP

Контекст: Большинство маркетологов оценивают статистику публикаций раз в месяц вручную, но выводы редко влияют на следующий цикл генерации. В агентской системе сбор аналитики автоматизирован: Claude подключается напрямую к соцсетям через Buffer MCP, вытягивает метрики вовлеченности (просмотры, лайки, комментарии, переходы) и переписывает внутренние файлы скиллов и ICP на основе того, что реально сработало.

Тайминг: [17:79], [18:37], [18:86], [19:62]

Выгода: Маркетинг с экспоненциальным накоплением эффективности: алгоритм автоматически отсекает форматы, переставшие работать из-за изменений соцсетей.

Как применить:

• Шаг 1: Подключение Buffer через MCP — Настройки Claude Desktop — Добавьте MCP-сервер Buffer, объединяющий все клиентские каналы в одном воркспейсе (без необходимости логиниться под каждым клиентом отдельно).
• Шаг 2: Агент ретроспективного анализа (Performance Reviewer) — Claude Code — Настройте еженедельный прогон аналитики:

Проанализируй посты за последние 7 дней через Buffer MCP. 
Сгруппируй темы по охвату и конверсиям:
- Что вошло в топ-20% по глубине обсуждения?
- Какие хуки провалились?
На основе выводов обнови файл `context-docs/icp-insights.md` и внеси корректировки в навыки драфтинга на следующую неделю. Если значимых аномалий нет — оставь правила без изменений.

• Шаг 3: Итеративное обновление весов тем — Позвольте системе самостоятельно увеличивать долю форматов, генерирующих лиды и подписки на сайт.

Результат: Самообучающийся контент-пайплайн, генерирующий все более качественные результаты каждую неделю.

FAQ

В: Почему Барбара перешла с ChatGPT на Claude Code для работы с контентом? О: В ChatGPT до середины 2025 года работа сводилась к ручному общению в чат-окне с жестким лимитом прикрепляемых файлов (до 5 штук). Claude Code позволил развернуть полноценную локальную агентскую архитектуру, подключить сотни файлов контекста через файловую систему и MCP, а также связать параллельных агентов для исследований, драфтинга и независимого ревью.

В: Как организовать сбор созвонов клиента, если он не дает прямой доступ к своему Granola или Google Drive? О: Самый простой рабочий хак — использовать выделенный канал в Slack. На стороне клиента настраивается автоматическая пересылка готовых транскриптов (из Granola, Otter или Fireflies) в этот канал, а локальный агент в Claude Code периодически скачивает их и распределяет по папкам контекста.

В: Чем специализированный скилл отличается от обычного «Writing Style Guide» (руководства по стилю)? О: Статические гайды содержат абстрактные инструкции («пиши кратко», «будь убедительным»), которые модели часто нарушают. Скилл — это многоэтапный интерактивный процесс: он инициирует утверждение тем, запускает независимых агентов под каждый пост и прогоняет черновики через отдельного агента-критика (Cold Reader), моделируя классический редакционный процесс.

В: Почему нельзя поручить проведение интервью с фаундером AI-агенту? О: Фаундеры не станут откровенно и увлеченно разговаривать с голосовым роботом — они либо проигнорируют созвон, либо набросают сухие тезисы в заметки. Личное интервью работает как «терапевтическая сессия»: живой интервьюер замечает необычные интонации, цепляется за спорные мысли и вытягивает уникальные истории, которые дают максимальный виральный охват.

В: Зачем для каждого поста спавнить отдельного агента-драфтера? О: Если одна языковая модель генерирует пачку из 5 постов подряд, они неизбежно будут иметь одинаковую длину, схожий ритм предложений и повторяющиеся конструкции. Выделение изолированного агента на каждый пост гарантирует стилистическое разнообразие и защищает ленту от монотонности.

В: Как агент «холодного ревью» спасает от шаблонного AI-контента? О: Агент холодного ревью намеренно изолирован от исходных материалов клиента и оценивает черновик с позиции незнакомца из ленты. Он сразу видит искусственные вступительные фразы (например, формулы «Если ..., то ...»), отсутствие понятного крючка и необоснованное домысливание контекста, отправляя черновик на переделку еще до того, как его увидит редактор-человек.

В: Сколько времени уходит на финальную полировку готовой пачки постов? О: Несмотря на автоматизацию, финальная редактура пачки постов занимает несколько часов. Барбара использует голосовой ввод (Whisper Flow / Willow Voice), чтобы надиктовывать свои замечания модели органично и без самоцензуры, доводя черновик с 80-90% готовности до идеального состояния.

Ресурсы и ссылки

• Claude Desktop / Claude Code — среда для запуска агентских навыков, работы с локальными файлами и интеграции через MCP.
• Granola — ИИ-блокнот для записи и транскрибации созвонов, используемый для сбора фаундерских инсайтов.
• Whisper Flow — инструмент для голосового ввода и диктовки правок в интерфейс ИИ без использования клавиатуры.
• Willow Voice — специализированный софт для голосового управления и высокоточного захвата речи через whisper-микрофоны.
• Buffer — платформа для шедулинга и аналитики контента в соцсетях, поддерживающая MCP-интеграцию с Claude.
• Type.ai — рабочее пространство для взаимодействия с контекстными документами клиентов (упомянуто в видео).
• Книга «The Loop» (Kieran Flanagan & Matt Bilotti) — методология циклических систем самообучения (loop learning cycles) в современном AI-маркетинге (упомянута авторами подкаста).

Конспект создан на основе видео «She 5x'd Her Business In 1 Year With Claude Code (Full Tutorial)» канала Marketing Against the Grain. Все права на оригинальный материал принадлежат авторам. Источник: https://www.youtube.com/watch?v=_KJOJdA___k