AI Brain

Виклик

Коли ви пропускаєте багато задач через AI-агентів, кожна задача починається з нуля. Агент не знає ваших вподобань, команди, стека конкретного проєкту чи рішень, ухвалених минулого тижня — тож контекст доводиться пояснювати знову і знову. Це навантаження тихо з'їдає ту саму швидкість, яку AI має давати.

Що ми зробили

AI Brain — це глобальний контекстний мозок для задач: він дистилює розмови команди у структуровану базу знань, яку будь-який AI-агент може прочитати перед початком роботи. Замість повторювати контекст у кожному запиті, агент один раз звертається до мозку й отримує чисте, дедупліковане знання.

Пайплайн:

1. Збір — інкрементально витягуємо історію розмов (з курсорами, тож повторні запуски швидкі й ідемпотентні)
2. Дистиляція — Claude фільтрує шум на вході й витягує лише довготривалі факти, зливаючи їх у структуровані Markdown-нотатки
3. Синтез — автоматичне зв'язування людей, проєктів і тем + аналіз стилю комунікації
4. Видача — MCP-сервер надає інструменти на кшталт get_profile(), get_person() і search_brain(), які напряму викликають інші проєкти та агенти

Роль AI

Ключове рішення — дистиляція на вході, а не на видачі. Claude вирішує, що варто запам'ятати, поки дані надходять, тож мозок лишається сфокусованим — немає сміття на вході, немає й на виході — і чисто масштабується. База знань — це звичайний Markdown (сумісний з Obsidian), тож вона прозора, аудитована й редагована вручну.

Для нашого AI-first процесу це базова інфраструктура: агент, що береться за задачу, наприклад, з інтеграції для клієнта, за секунди отримує команду проєкту, стек і відкриті питання — перетворюючи старт з нуля на готовий до роботи контекст.

Результат

Налаштування контексту, що раніше коштувало хвилин на задачу, зводиться до одного запиту, а агенти діють зі справжнім знанням команди замість загальних припущень.

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