Контекст-инжиниринг: как научить AI понимать тебя
Когда ты общаешься с Claude или ChatGPT, результат зависит не столько от твоего промпта, сколько от контекста, который ты предоставляешь. Контекст — это топливо для AI. Без него даже идеально написанный запрос даст посредственный результат.
На практике это выглядит так: ты просишь ChatGPT подготовить материал для встречи с клиентом, но AI не знает, кто этот клиент, какие его боли, на каком этапе отношений вы находитесь. Результат — генерик. Но если ты подаёшь контекст — историю взаимодействия, его индустрию, последний разговор — AI вдруг начинает "видеть" ситуацию и даёт конкретный, применимый результат.
Это не магия. Это контекст-инжиниринг — умение собирать, структурировать и подавать информацию так, чтобы AI работала для тебя максимально эффективно.
Три источника контекста, которые работают
Контекст не появляется из воздуха. Его нужно собирать. На воркшопе Context Engineering выделили три проверенных источника:
1. Тесты и метрики Это объективные данные о тебе, твоём прогрессе, твоей деятельности. Например, результаты тестирования (IQ, психотип), метрики продуктивности (часы фокуса в день), финансовые показатели (доход, расходы по категориям). Когда ты просишь AI помочь с планированием бюджета, включи в контекст не просто текущий доход, но и тренд за последние три месяца. Это даст AI представление о твоей финансовой динамике.
2. Цифровой след Это всё, что ты оставляешь в интернете и приложениях: переписки, заметки, истории просмотров, даже метаданные документов. Если ты используешь Obsidian с заметками о своих проектах — это твой цифровой след. Если ведёшь дневник в Notion — тоже. Главное: записывай близко к точке возникновения мысли. Память искажает факты за часы, поэтому заметка, написанная сразу после встречи, ценнее её же текста, переписанного через день.
3. Рефлексия Это твои осознанные выводы о себе, своих паттернах, целях. "Я лучше всего работаю с 7 до 10 утра", "Мой идеальный партнёр должен быть проактивным и честным в критике", "Я боюсь делегировать потому что...". Рефлексия требует мышления и часто не кажется "реальным контекстом", но для AI это золото. Комбинация рефлексии и метрик даёт AI полный портрет ситуации.
Алхимия контекста: смешивай неочевидное
Собрать контекст — это полдела. Вторая половина — найти неожиданные комбинации, которые откроют AI новые углы зрения.
Вот реальный пример из воркшопа: участница смешала два источника контекста — данные из психотерапии (её травмы и триггеры) и описание роли в компании (она руководитель отдела). Результат? Claude помог ей создать портрет идеального заместителя — того человека, который дополнит её слабые места и не будет её триггеров.
Или другой пример: парень собрал медданные за три года (давление, вес, уровень стресса, часы сна) и кинул это в Claude вместе с описанием своего расписания. AI проанализировала корреляции (например, "когда ты спишь менее 6 часов, давление поднимается на 10 пункт через два дня") и предложила персональный план оздоровления.
Контекстная алхимия работает, потому что в естественной речи такие комбинации редкие. AI это замечает и находит закономерности, которые человек упустил бы.
Четыре сезона обновления контекста
Контекст — живая система. Она устаревает. Поэтому нужна матрица обновления с четырьмя частотностями:
Real-time контекст — обновляется каждый час или по событию. Это текущее состояние: "Сейчас я на встрече с клиентом N", "Мне только что отказали в проекте", "Только прочитал статью про новый тренд".
Daily контекст — обновляется каждый день. Итоги дня, прогресс по проектам, как ты себя чувствуешь, что было важного. Многие ведут daily reviews, и это именно daily контекст.
Weekly контекст — еженедельные выводы. Какие привычки ты поддерживаешь, какие критерии успеха достигаются, куда движешься в целом. Weekly review от Дэвида Аллена, кстати, это один из способов собирать weekly контекст.
Quarterly контекст — раз в квартал. Большие изменения, переоценка целей, долгосрочные тренды, стратегические решения. Это контекст, который влияет на всю остальную работу.
Автоматизируй где можешь. Например, Granola или NotebookLM могут автоматически суммировать твои встречи и записывать их как real-time контекст. Obsidian с нужными плагинами может собирать daily метрики. Остальное — ручной ввод, но это небольшие затраты времени.
С чего начать: about.me файл
Главный инсайт воркшопа: начни с MVP — одного файла about.me. В нём напиши:
- Кто ты (профессия, инструменты, которые используешь)
- Какие твои основные цели (на год, на квартал)
- Как ты работаешь лучше всего (время дня, среда, компания или один)
- Какие твои основные страхи и препятствия
- Какие люди для тебя идеальны (в команде, в партнёрстве, в дружбе)
Один этот файл даёт 80% пользы. Когда ты запускаешь Claude с контекстом из about.me, результаты качественно отличаются от запроса без контекста.
Потом, когда почувствуешь, что файл работает, начни развивать систему. Добавь weekly review, собирай медданные, веди цифровой след в Obsidian. Но не начинай со сложной системы — перфекционизм враг прогресса.
Почему контекст важнее промптов
Один из спикеров сказал фразу, которая меняет подход: "Контекст важнее промптов". Это не значит, что промпты не важны. Но вот что происходит: ты можешь написать идеальный промпт, но если контекста нет или он неполный, AI даст так себе ответ. Зато если контекст достаточный, даже простой запрос ("Помоги подготовить встречу") даст отличный результат.
Думай об этом как об общении с новым сотрудником. Если он ничего не знает о компании, о проекте, о твоих целях — ты потратишь часы на объяснение каждый раз. Но если ты потратил время на онбординг (контекст) и он всё понимает, ты можешь просто сказать "сделай X" и получить то, что нужно.
Практическая задача на это неделю
- Открой Obsidian, Notion или даже простой текстовый файл
- Напиши свой about.me (500 слов достаточно)
- Выбери одну целевую ситуацию (например, подготовка к встречам или планирование недели)
- Собери контекст по трём источникам: тесты, цифровой след, рефлексия
- Попробуй две-три разные комбинации контекста в Claude и сравни результаты
Ты быстро увидишь, как контекст меняет качество ответов.
FAQ
Q1: Где хранить контекст — в Obsidian или Notion?
Obsidian лучше для личного архива контекста с полнотекстовым поиском и связями между заметками. Notion удобнее для совместной работы и структурированных баз. Выбери в зависимости от того, только ли это для тебя или делишься с командой. Главное — храни контекст близко к точке возникновения, чтобы не потерять детали.
Q2: Как не потеряться в контексте и не перегрузить AI?
Начни с простого: about.me + контекст для одной целевой ситуации. Потом добавляй. Не кидай сразу 20 файлов в Claude. Фокусируйся на релевантном контексте для конкретного запроса. AI лучше работает с сфокусированным контекстом, чем с шумом.
Q3: Нужно ли обновлять контекст каждый день?
Не весь. Daily контекст обновляй ежедневно (итоги дня, прогресс). Real-time — по событию. Weekly и quarterly — по графику. Автоматизируй сбор где можешь через Granola или интеграции. Не все источники требуют ежедневного внимания.
Q4: Может ли контекст быть слишком личным для AI?
Нет, если это помогает AI лучше понять твою ситуацию. Рефлексия о страхах, пристрастиях, травмах — это информация, которая делает результат релевантнее. AI не судит и не запоминает между сессиями (если ты не сохраняешь разговор). Будь честен с контекстом.
Q5: Как начать, если нет цифрового следа в Obsidian?
Начни с рефлексии и тестов. Один раз напиши about.me, пройди какой-то тест (вроде Myers-Briggs или StrengthsFinder). Кинь это в Claude с конкретным запросом. Параллельно начни вести заметки для daily контекста. Цифровой след будет расти. Главное — начать.