Context Engineering для AI: как собирать и использовать контекст
Контекст — это не просто информация, которую ты забрасываешь в чат с Claude или ChatGPT. Это инструмент, который определяет качество ответов, релевантность решений и скорость, с которой ты получишь то, что действительно нужно. Но большинство людей используют контекст наугад — загружают всё подряд и надеются на лучшее.
Сейчас я покажу систему, которая работает и которую реально применять уже завтра.
Что такое контекст в контексте AI
Контекст — это всё то, что модель должна знать, чтобы помочь именно тебе. Это может быть:
- Информация — факты, данные, описания
- Память — история взаимодействий, прошлые решения
- Ключи и доступы — инструкции к сервисам, параметры
- Списки важного — приоритеты, ограничения, правила
Главное — контекст всегда есть. Даже если кажется, что его нет, начни с простого файла о себе, своей ситуации, компании или окружении. Это уже контекст.
Два уровня контекста: твёрдое и мягкое
Контекст можно разделить по типам источников:
Твёрдый контекст (hard context):
- Факты и решения
- Цифровой след (геолокация, истории поиска)
- Данные из инструментов (Google, базы данных)
- Собирается автоматически
Мягкий контекст (soft context):
- Мысли и идеи
- Эмоции и ощущения
- Рефлексия из дневников
- Сессии с психологом или размышления
- Собирается вручную
Обрати внимание: сейчас тенденция — автоматизировать всё. Но мягкий контекст остаётся самым человеческим и часто — самым ценным. Запомни это.
Алхимия контекста: как это работает
Представь контекст как игру в алхимию (как в Minecraft или старых RPG). У тебя есть ингредиенты, и ты смешиваешь их, чтобы получить результат. Иногда получается золотое яблоко, иногда — ничего полезного.
Примеры смешивания контекста:
- Цели + история разговора с начальником = понимание, идти туда или нет
- Профиль компании + стандартные контракты + профиль нового клиента = готовое коммерческое предложение
- Ценности + история взаимодействия с родителями = план разговора с ними
Штука в том, что человеку сложно сразу смешать весь этот контекст в голове. Ты упустишь детали, забудешь важное. Контекстное окно Claude или ChatGPT может вместить гораздо больше — и он будет работать с полной картиной.
Управление контекстом — это отчасти инженерия, отчасти искусство. Ты должен понимать, какие ингредиенты нужны, и уметь экспериментировать.
Упражнение: от целевого состояния к контексту
Вот ключевой приём, который меняет всё. Вместо того чтобы случайно собирать контекст, начни с конца — определи целевое состояние.
Целевое состояние — это состояние, в которое ты хочешь прийти. Например:
- "Я приходу на встречу подготовленным"
- "Я не боюсь экспериментировать"
- "Моя команда работает эффективно без выгорания"
- "Новый человек быстро влился в команду"
Как только у тебя есть целевое состояние, задай себе три вопроса:
Что я не знаю об этом состоянии?
- Пример: "Я прихожу на встречу подготовленным. Кто я в этом состоянии? Что значит подготовленным? Какую встречу? Как это вообще выглядит?"
Какой контекст может помочь?
- Пример: "Может, мне нужны профили участников? Чат, где обсуждалась встреча? Примеры работ из предыдущих потоков? Транскрипты старых сессий?"
Как это сформулировать для AI?
- Собери контекст → опиши целевое состояние → сформулируй промпт для Claude
Практический пример из реальности:
Я готовлюсь к воркшопу. Мое целевое состояние: "Я готов к варкшопу".
Что мне нужно знать?
- Сколько участников (80+ человек — это меняет формат)
- Какой их уровень (новички или опытные)
- Какие есть примеры из предыдущих потоков
- Как происходит обсуждение в чате
Контекст, который я собираю:
- Профили участников из Obsidian
- Чат с обсуждением
- Транскрипты прошлых воркшопов
- Примеры работ участников
Как я это использую:
Контекст:
- Профили: [загружаю данные]
- Чат: [вставляю обсуждение]
- Примеры: [примеры работ]
Целевое состояние: Я готов к варкшопу на 80 человек, всё прошло вовлечённо.
Задача: Помоги мне подготовить структуру варкшопа.
И Claude (или ChatGPT) будет работать с полной картиной твоей ситуации.
Типичная ошибка: перегруз контекста
Не спеши загружать всё подряд. Да, контекста может быть дофига — десятки мегабайт транскриптов, сотни статей про AI.
Решение: Начни с релевантного. Если у тебя 200 карточек контекста из брейнштормов, выбери 10—20 самых важных. Качество важнее количества.
Но помни: контекст можно бесконечно улучшать. Это как фрактал — один слой становится базой для следующего. Первый раз не получилось идеально? Возьми ответ, добавь уточнения, сформулируй новый промпт.
Как собирать контекст: практические инструменты
Где искать контекст:
- Obsidian — храни заметки, профили, процессы
- Telegram-чаты — обсуждения, идеи, решения
- Задачники (Miro) — примеры работ, брейнштормы
- Папки в Claude — создай отдельную папку (не стандартный чат) и загружай туда всё подряд. Это твоя персональная база
- Личные дневники — размышления, эмоции, планы
- Гугл-аналитика — автоматический цифровой след
Совет: Создай дефолтную папку в Claude, куда ты будешь загружать контекст по проекту. Потом ты сможешь просто задавать вопросы в этой папке, и модель будет учитывать весь загруженный материал.
Главное: не оставляй контекст на самотёк
Контекст нужно поддерживать. Старые данные устаревают, появляются новые инсайты. Если в начале месяца ты загрузил контекст о состоянии проекта, а сейчас уже конец месяца — обнови его.
Это как уход за садом: посадил, не забыл поливать, периодически подрезаешь.
Кривая обучения: почему это сложно на второй неделе
Всегда бывает так: первая неделя — энтузиазм и примеры. Вторая неделя — кризис реальности. Ты пытаешься применить это на реальной задаче, а не получается.
Это нормально.
Если ты продержишься до четвертой недели, всё начнет получаться. Практика приживается, промпты пишутся легче, работа с Claude/ChatGPT перестанет пугать.
Главное — не сдавайся на второй неделе. Продолжай, экспериментируй, ошибайся.
Итог
Контекст — это твой главный инструмент в работе с AI. Но он работает только если ты:
- Знаешь своё целевое состояние — чего ты хочешь получить
- Отбираешь релевантный контекст — не всё подряд, а то, что действительно поможет
- Не боишься экспериментировать — первый вариант не получится идеальным, и это ок
- Поддерживаешь контекст актуальным — обновляешь, когда появляется новая информация
- Смешиваешь контексты игровым способом — как в алхимии, пока не получится нужный результат
Начни прямо сейчас: возьми одну задачу, опиши целевое состояние, собери 5—10 релевантных файлов или заметок, загрузи в Claude — и посмотри, какие вопросы у тебя возникнут. Это будет лучше, чем бесконечная прокрастинация.
FAQ
Q1: Что делать, если контекста слишком много?
Начни с минимального набора — 3-5 самых релевантных файлов. Загрузи их в Claude, получи первый результат, потом добавляй контекст постепенно, если нужно уточнить. Качество информации важнее её объема.
Q2: Как часто обновлять контекст?
Как минимум раз в неделю, если это активный проект. Если это долгосрочная задача — раз в месяц. Помни: устаревший контекст может привести к неправильным рекомендациям модели.
Q3: Нужно ли давать AI роль в промпте?
Да, часто это помогает. Например: "Ты — опытный менеджер проектов" или "Ты — консультант по продажам". Это направляет стиль и глубину ответа. Но это не всегда критично — главное, чтобы контекст был полным.
Q4: Где лучше хранить контекст — в Obsidian или в папке Claude?
Obsidian — для долгосрочного хранения и связей между заметками. Папка в Claude — для текущего проекта. Используй оба: Obsidian для архива, Claude для активной работы.
Q5: Может ли плохой контекст испортить ответ?
Да, абсолютно. Если ты загрузишь противоречивую или неправильную информацию, модель будет работать с ней. Поэтому отбирай контекст осознанно и проверяй его качество перед загрузкой.