AI Brain

Задача

Когда вы пропускаете много задач через AI-агентов, каждая задача начинается с нуля. Агент не знает ваших предпочтений, команды, стека конкретного проекта или решений, принятых на прошлой неделе, поэтому контекст приходится объяснять снова и снова. Эта нагрузка тихо съедает ту самую скорость, которую должен давать AI.

Что мы сделали

AI Brain - это глобальный контекстный мозг для задач: он дистиллирует разговоры команды в структурированную базу знаний, которую любой AI-агент может прочитать перед началом работы. Вместо того чтобы повторять контекст в каждом запросе, агент один раз обращается к мозгу и получает чистое, дедуплицированное знание.

Пайплайн:

1. Сбор - инкрементально извлекаем историю разговоров (с курсорами, поэтому повторные запуски быстрые и идемпотентные)
2. Дистилляция - Claude фильтрует шум на входе и извлекает только долговременные факты, сливая их в структурированные Markdown-заметки
3. Синтез - автоматическое связывание людей, проектов и тем + анализ стиля коммуникации
4. Выдача - MCP-сервер предоставляет инструменты вроде get_profile(), get_person() и search_brain(), которые напрямую вызывают другие проекты и агенты

Роль AI

Ключевое решение - дистилляция на входе, а не на выдаче. Claude решает, что стоит запомнить, пока данные поступают, поэтому мозг остается сфокусированным - нет мусора на входе, нет его и на выходе - и чисто масштабируется. База знаний - это обычный Markdown (совместимый с Obsidian), поэтому она прозрачна, проверяема и редактируется вручную.

Для нашего AI-first процесса это базовая инфраструктура: агент, который берется за задачу, например, по интеграции для клиента, за секунды получает команду проекта, стек и открытые вопросы - превращая старт с нуля в готовый к работе контекст.

Инженерные детали

• Инкрементальность по умолчанию. Сбор идет с курсорами, поэтому повторный запуск почти ничего не стоит, и пайплайн можно запускать часто, а не ночным батчем. Мозгу, который отстает на сутки, агенты перестают доверять.
• Обычный Markdown как формат хранения - сознательное ограничение. В векторное хранилище было бы проще писать и невозможно читать: когда агент действует по ложному факту, кто-то должен открыть файл, увидеть предложение и удалить его. Совместимость с Obsidian означает, что этому человеку не нужен инструмент от нас.
• Дедупликация и есть настоящая работа. Один и тот же факт приходит в десятке разговоров в десятке формулировок. Свести их в одну заметку и корректно заменить факт, когда он изменился, сложнее, чем извлечь его впервые.
• MCP вместо собственного API. Отдача мозга через MCP означает, что любой агент в любом проекте обращается к нему без интеграции. Именно поэтому это стало общей инфраструктурой, а не функцией одного инструмента.

Результат

Настройка контекста, которая раньше стоила минут на задачу, сводится к одному запросу, а агенты действуют с настоящим знанием команды вместо общих предположений.

Стек: Python, Telethon, Claude (Anthropic SDK), MCP / FastMCP, Markdown / Obsidian.

Услуга: разработка AI-агентов для бизнеса