Второй мозг на Claude: память, которая не забывает

Мой второй мозг - это папка с текстовыми файлами, которую Claude читает в начале каждой сессии. Главный файл там называется CLAUDE.md: правила, тон и карта, куда провалиться за деталями. Дальше модель сама подтягивает нужное, и я не пересказываю по десятому разу, что за проект, какие цены и почему я не пишу «вы». Память лежит у меня на диске, в репозитории, и переживает закрытую вкладку, отпуск и смену модели.

Идея внешнего хранилища знаний старше нейросетей: Тиаго Форте описал её для личных заметок, когда никаких агентов ещё не было. Голова плохо хранит, зато хорошо думает, поэтому знание выгружают наружу. Новое здесь одно - у хранилища появился исполнитель, который читает markdown быстрее меня и заходит в задачу уже подготовленным.

Дальше я разбираю всю конструкцию: почему чат забывает, из чего собран CLAUDE.md, как режется знание по файлам, какой ритуал держит память живой и в каких местах вся схема разваливается. Если ты пока присматриваешься к самой модели, сначала имеет смысл прочитать, что такое Claude и чем он отличается от других нейросетей - здесь я исхожу из того, что доступ у тебя уже есть.

Почему диалог плохо держит контекст?

Любой чат забывчив по устройству. Контекст - окно фиксированного размера: разговор растёт, старое вытесняется, и модель начинает путать то, что я давал в самом начале. Закрыл вкладку - завтра объясняй заново.

Механика простая. Модель не помнит вчерашнюю сессию так, как помнит человек. При каждом запросе она заново получает на вход весь текст, который помещается в окно: системную инструкцию, твои сообщения, свои ответы. Что не поместилось или лежало в соседней вкладке, для неё физически не существует. Даже когда окно большое, работает эффект перегруза: чем длиннее полотно, тем легче теряется деталь из середины.

Отсюда странный опыт, знакомый всем, кто долго сидит в одном чате. Первые двадцать сообщений модель держит тон, помнит цену и не путает аудиторию. К сотому она уверенно предлагает то, что ты запретил на третьем шаге. Ошибки при этом выглядят убедительно, потому что уверенность формулировки никак не связана с наличием факта в контексте.

Для разовой задачи это терпимо. У меня разовых задач почти не бывает: блог живёт годами, оффер меняется, решения принимаются в марте и всплывают в августе. Такое в переписке не удерживается по определению.

Выход - перевернуть направление. Знание переезжает из головы модели в файлы, которыми управляю я. Модель по-прежнему стартует с чистого листа, но первым делом читает мои файлы и собирает из них рабочий контекст под конкретную задачу. Хранилище становится частью проекта и перестаёт зависеть от того, жива ли вкладка в браузере.

Побочный эффект приятный: память становится читаемой. Я открываю файл и вижу, что именно знает мой ассистент. Спорную формулировку правлю руками. Устаревшую цифру заменяю. Из чёрного ящика получается обычный текст, который можно вычитать за пять минут.

Что такое CLAUDE.md и зачем он нужен?

CLAUDE.md - входная точка. Claude Code читает его автоматически, когда работает в папке проекта, и кладёт содержимое в начало контекста. В обычном веб-чате того же эффекта добиваешься вручную: первым сообщением скармливаешь файл. Смысл от способа доставки меняется мало.

Я думаю о нём как о брифе для сотрудника, который выходит на работу каждое утро без памяти о вчерашнем дне. Такому человеку бесполезно рассказывать всю историю компании. Ему нужны роль, правила игры и понимание, в какой папке лежат ответы. Если ты уже собирал цифрового сотрудника, логика знакомая: сначала роль и границы, потом доступ к фактам.

Что лежит в моём:

• Что за проект - одним абзацем: продукт, читатель, цель.
• Как я работаю - ритуалы: что читать при старте, что обновлять в конце.
• Тон и голос - «ты, не вы», стоп-слова, длина абзацев, любимые и запрещённые конструкции.
• Запреты - чего не делать никогда: выдумывать цифры, обещать результат без оснований, лезть в чужую стилистику.
• Карту - куда провалиться за фактами: «цены - в products/offer.md, аудитория - в audience/».

Чего там нет: самих фактов и цифр. Метрики протухают, оффер меняется, линейка перекраивается. Я проверил это на себе неприятным способом - держал цену прямо в CLAUDE.md, поднял её, файл поправить забыл. Модель выдала текст со старой ценой, написанный настолько уверенно, что я заметил только на вычитке. С тех пор правило простое: CLAUDE.md описывает, как ты работаешь, а знания живут в отдельных файлах, на которые он ссылается.

Второй принцип - краткость. Файл читается перед каждой задачей, значит каждая лишняя строка отъедает место у самой задачи. Мой держится в пределах одного экрана с прокруткой. Когда он разбухает, я вычищаю и переношу подробности вглубь.

Как разложить знание по файлам?

Один толстый файл-помойка не работает: модель тонет и пропускает важное. Знание я режу атомарно - один файл, одна тема. Критерий простой: файл перестал читаться на один присест, значит пора делить.

Моя раскладка:

Файл / папка	Что внутри	Как часто меняется
CLAUDE.md	Правила, тон, карта	Редко
products/offer.md	Продукт, цены, линейка	Иногда
audience/	Кто клиент, боли, язык	Редко
brand.md	Голос, стоп-слова, примеры фраз	Редко
STATUS.md	Где проект сейчас, что в работе	Каждую неделю
history/	Заметки «почему так решили»	После каждой сессии

Раскладка живёт по частоте изменений. Редкие вещи вроде голоса бренда лежат отдельно и почти не трогаются. Подвижное вроде статуса вынесено в один короткий файл, который правится в конце каждой сессии. Смешивать эти два типа вредно: правя статус, ты рискуешь задеть описание аудитории, а перечитывая аудиторию, тонешь в оперативных заметках.

Больше всего мне даёт STATUS.md. В конце работы я пишу туда, что сделал и что дальше. Утром модель читает его и знает, где я остановился. Захожу править статью через несколько дней - открываю чат и говорю «продолжай», без пересказа темы, тона и того, что уже переписано. Раньше первые сообщения каждой сессии уходили на восстановление контекста, а иногда и на спор с моделью, которая уверенно тащила старую формулировку.

Отдельно про history/. Туда падают короткие заметки о решениях: что выбрал, из чего выбирал, почему отказался от альтернативы. Ценность вылезает через месяцы, когда возвращаешься к теме и не помнишь логику. Модель, читая такую заметку, перестаёт предлагать вариант, который ты уже отверг по причине, изложенной в двух строчках.

Имена файлов тоже работают на модель. offer.md понятнее, чем doc2.md, и по названию видно, когда туда лезть. Первая строка внутри файла объясняет, что здесь лежит и для какой задачи пригодится, - одно предложение, зато модель не читает три экрана, чтобы понять, попала ли она в нужное место. Перекрёстные ссылки тоже экономят шаги: в конце описания аудитории у меня стоит строка «язык и стоп-слова - в brand.md», и модель идёт туда сама, когда ей не хватает формулировок.

Хочешь разобраться, как вообще подсовывать нейросети собственные материалы и чем это отличается от простого копипаста в чат - у меня есть отдельный разбор про то, как дать нейросети базу знаний. Файловая память - частный случай той же логики, доведённый до состояния, когда модель ходит по хранилищу сама.

Если чувствуешь, что теория понятна, а руки не доходят собрать первый рабочий контур, у меня есть бесплатное обучение по сборке ИИ-помощников под свои задачи: пройти его можно здесь. Там пошагово, с примерами файлов и разбором типовых ошибок - быстрее, чем набивать шишки в одиночку.

Что писать в каждом файле?

Абстрактный совет «опиши проект» приводит к бесполезному тексту. Разберу по блокам, что именно я туда кладу.

Проект. Один абзац без маркетинга: что продаю, кому, за какие деньги, какую задачу читателя закрываю. Модель использует это, чтобы не улететь в чужую нишу и не начать писать для аудитории, которой у меня нет.

Голос. Тут работают примеры, а не прилагательные. «Пиши живо и экспертно» ничего не даёт. Три абзаца моего реального текста плюс список запрещённых оборотов дают результат сразу. Стоп-слова я собираю по ходу: заметил в черновике фразу, которая режет слух, - отправил в файл.

Аудитория. Кто читает, чем занимается, что уже пробовал, на каком языке говорит про свою боль. Полезно записывать реальные формулировки из переписок и комментариев. Модель начинает попадать в лексику вместо того, чтобы придумывать книжные описания клиента.

Оффер. Продукт, цена, что входит, что не входит, кому не подходит. Последний пункт недооценивают: явные границы удерживают модель от обещаний, которые тебе потом отрабатывать.

Правила работы. Что делать при старте задачи, как оформлять результат, куда складывать черновики, когда переспрашивать вместо додумывания. Одна строчка про переспрашивание экономит массу времени: «Не хватает факта - спроси, домысливать запрещено».

Запреты. Мой любимый блок. Выдуманные цифры, чужие кейсы, гарантии результата, канцелярит. Каждая строка появилась после конкретного провала, и в этом её сила - запреты из головы работают хуже, чем запреты из опыта.

Хорошая проверка готовности блока: дай его прочитать человеку, который не в теме, и попроси пересказать. Пересказал криво - модель поймёт так же криво.

Как устроен ритуал сессии?

Память умирает от одного - от того, что её перестают обновлять. Держать это на силе воли бесполезно, поэтому обновление я вшил в саму работу.

Начало выглядит так: «Прочитай CLAUDE.md и STATUS.md, потом сделай X». Через пару недель фраза въелась в привычку, а Claude Code стал открывать нужные файлы сам, потому что инструкция про старт лежит в самом CLAUDE.md.

Конец сессии - обратная операция. В правилах прописано: обнови STATUS.md, а если принято важное решение, положи заметку в history/ с датой и причиной. Модель делает это по команде «закрываем сессию», я пробегаю глазами и правлю формулировки. Занимает минуту, экономит следующее утро.

Третий элемент - подрезка. Раз в месяц я перечитываю CLAUDE.md целиком и выкидываю всё, что натекло: разросшиеся примеры, устаревшие правила, дубли. Файл живой, его надо полоть, как грядку.

Пропущенная сессия схему не ломает. Возвращаешься через две недели, читаешь STATUS.md, дописываешь строку про то, что успел сделать без модели, дальше работаешь как обычно. Хуже, когда пропуски копятся месяцами: статус описывает проект, которого уже нет, и доверия к такому файлу тоже нет. Тогда быстрее стереть его и написать заново с текущего состояния, чем построчно чинить накопленное расхождение.

Ритуал держится на том, что все три шага дешёвые. Как только обновление памяти начинает занимать больше пяти минут, оно отваливается первым. Поэтому STATUS.md короткий, заметки в history/ - три-четыре строки, а не отчёты.

Тот же принцип я закладываю в любую автоматизацию: сначала минимальный контур, который выдерживает плохой день, потом расширение. Подробнее про выбор первых задач я писал в материале о том, с каких задач начинать автоматизацию рутины.

Зачем памяти git?

Папка с файлами уже даёт эффект. Git добавляет к ней историю и обратимость.

Каждое изменение памяти - коммит с внятным сообщением. Через месяц видно, когда поменялся оффер, когда переписался голос, когда появилось правило про запрет выдуманных цифр. Откат идёт одной командой вместо попытки вспомнить, что там было до правки.

Второй бонус - ветки. Пробуешь новый тон или новую раскладку файлов, делаешь ветку и гоняешь модель на ней. Понравилось - вливаешь, не понравилось - удаляешь ветку, основная память нетронута.

Третий - синхронизация. Репозиторий на удалённом сервере означает, что память доступна с любого устройства и не умрёт вместе с ноутбуком. Для личного проекта хватает приватного репозитория.

На старте всё это необязательно. Начни с папки и .md-файлов, git подключи, когда почувствуешь, что боишься править память из-за риска что-то сломать. Страх - хороший сигнал, что пора.

Как собрать это за вечер?

1. Заведи папку проекта и положи в неё пустой CLAUDE.md.
2. Напиши бриф. Скажи модели: «Вот описание моего проекта, тон и правила. Собери из этого CLAUDE.md: короткий, только правила и карту, факты вынеси в отдельные файлы». Claude предложит структуру - поправь под себя, чужие шаблоны редко ложатся с первого раза.
3. Вынеси факты. Оффер, цены, портрет клиента - в отдельные .md. В CLAUDE.md оставь ссылки на них с одной строкой описания, чтобы модель понимала, когда туда лезть.
4. Добавь ритуал завершения. Пропиши: «В конце сессии обнови STATUS.md и, если было важное решение, запиши заметку в history/».
5. Пропиши запреты. Минимум два: не выдумывать факты и не менять тон без команды.
6. Проверь на новой сессии. Открой чистый чат и спроси: «Что за проект, какой тон и какая цена?». Ответила из файлов, не переспрашивая, - память работает.
7. Версионируй через git. Каждое изменение памяти - коммит.

Первая версия займёт вечер, дальше память растёт по капле. Развёрнутую сборку такой роли под конкретную функцию я показывал в материале как собрать ИИ-сотрудника с нуля - там те же файлы, только заточенные под одну повторяющуюся задачу.

Как это работает на блоге?

Возьму свой рабочий пример, чтобы схема не осталась теорией.

Блог требует стабильного тона на длинной дистанции. Читатель узнаёт манеру, и любое сползание в чужую стилистику выглядит как подмена автора. Держать это в голове от статьи к статье тяжело, особенно когда между текстами проходит неделя.

В памяти лежат: brand.md с примерами моих абзацев и списком запрещённых оборотов, audience/ с портретом читателя и его словарём, products/offer.md с линейкой, STATUS.md с текущим состоянием контент-плана и history/ с решениями вроде «почему отказался от формата длинных вступлений».

Сессия начинается с чтения этих файлов. Дальше идёт задача: разобрать тему, собрать структуру, написать черновик. Модель заходит с моим тоном и моими границами, потому что они лежат перед ней текстом. Правки после этого касаются смысла и точности формулировок, а восстановление контекста из процесса ушло целиком.

Отдельно работает history/ при возврате к старым темам. Открываю статью полугодовой давности, вижу заметку с логикой решений и не переигрываю то, что уже обдумал. Голова освобождается для новой работы.

Схема переносится на любую повторяющуюся деятельность: продажи, поддержка, аналитика. Про типовые задачи, которые закрываются таким помощником, я собрал отдельный разбор - семь задач ИИ-ассистента для малого бизнеса.

Что отвечать на типовые возражения?

«Это же просто папка с текстом, где тут технология?» Технология тут в дисциплине доступа. Модель читает конкретные файлы в конкретном порядке и знает, куда идти за фактом. Простота конструкции - её главное достоинство: сломаться нечему, чинится текстовым редактором.

«Проще держать всё в одном большом промпте». Работает до первой сотни строк. Дальше промпт становится нечитаемым, правки в нём страшно вносить, а модель начинает терять середину. Разделение на файлы даёт точечное редактирование: поменял цену - тронул один файл.

«У Claude же есть встроенная память в настройках». Есть, и она удобна для мелочей. Управляешь ей ты слабо: не видно, что именно записано, невозможно версионировать, ничего не переносится в другой инструмент. Файлы дают полный контроль и остаются с тобой при любой смене платформы.

«Модель всё равно врёт». Врёт реже, когда факт лежит перед ней текстом, и врёт чаще, когда факта нет. Запрет на домысливание плюс требование переспрашивать закрывают заметную часть проблемы. Вычитку это не отменяет.

«А если файлы куда-нибудь утекут?» Держи в памяти только то, что переживёт публикацию: тон, портрет читателя, структуру оффера. Пароли, персональные данные клиентов и внутренние договорённости туда не кладут - для секретов есть отдельные хранилища, а работать над текстом модели такие данные и не требуются.

«У меня нет времени вести файлы». Веди один - STATUS.md. Три строки в конце работы. Эффект почувствуешь на второй неделе, дальше сам захочешь добавить остальное.

«Я не программист, git звучит страшно». Файловая память живёт без git. Markdown - это текст с решётками вместо заголовков, осваивается за десять минут. Git подключается позже и по желанию.

«Не проще ли взять готового агента под ключ?» Иногда проще, зависит от задачи и бюджета. Развилку я разбирал отдельно - ИИ-агенты под ключ или собрать самому, там же про то, во что упираются самостоятельные сборки.

Где метод ломается?

Файлы устарели. Память надёжна ровно настолько, насколько ты её обновляешь. На этом я обжигался чаще всего: решение поменялось в голове, в файле осталось прежнее, модель уверенно пишет мимо.

Всё свалено в один файл. Соблазн сильный, кончается тем, что модель читает три экрана и теряет половину. Лечится дроблением по темам.

Двойная запись. Одна и та же цифра лежит в двух файлах, ты правишь первый, второй остаётся со старым значением, и модель тянет то, что попалось раньше. Лечится правилом «у каждого факта один дом»: остальные файлы на него ссылаются, а не копируют.

Слишком длинный CLAUDE.md. Когда в него натекают факты, он перестаёт быть картой и превращается в шум. Регулярная подрезка обязательна.

Модель придумывает, чего в файлах нет. Отсутствующий факт она может достроить по общей логике. У меня в CLAUDE.md стоит явный запрет: «Не выдумывай цифры. Если факта нет в файлах - скажи, что не знаешь». Одна строчка заметно снижает риск.

Память превращается в архив. Файлы копятся, читать их перестаёшь, актуальность падает. Спасает жёсткое правило: каждый файл либо используется в работе, либо удаляется.

Ожидание автономности. Второй мозг снимает пересказ контекста и держит тон. Стратегию он не придумает и за качество фактов не отвечает.

Чем это отличается от базы знаний и RAG?

Базы знаний вроде Notion или вики строятся под человеческий просмотр: навигация, вложенность, оформление. Читает их глаз, и структура оптимизирована под глаз.

Файловая память строится под чтение моделью. Отсюда короткая карта, атомарность, плоские заголовки и отсутствие оформления. Красоты никакой, зато модель поднимает нужный кусок за один шаг.

RAG - следующий уровень: документы режутся на фрагменты, складываются в векторную базу, и под каждый запрос система достаёт подходящие куски. Мощно на больших объёмах, где никакая карта не спасает. Для личного проекта или небольшой команды это избыточно: файлов десятки, а не десятки тысяч, и модель прекрасно ходит по ним напрямую.

Разумный путь - начинать с файлов и переезжать на поиск по векторам, когда хранилище перестанет помещаться в контекст. Сама память при этом никуда не денется, поменяется только способ доставки. Если интересно, как эти конструкции складываются в автономные системы, у меня есть база про то, что такое ИИ-агенты для бизнеса, а сценарии связки с внешними сервисами разбираются в материале про освоение n8n с нуля.

Как проверить, что второй мозг работает?

Проверка нужна честная, иначе легко обмануть себя красивой папкой.

Тест чистой сессии. Открой новый чат, дай задачу без единого слова контекста. Модель зашла с твоим тоном, знает продукт и не выдумала цену - память живая.

Тест возврата. Вернись к задаче через неделю. Скажи «продолжай». Если модель подняла статус и попала в точку остановки, ритуал завершения работает.

Тест незнания. Спроси про факт, которого в файлах нет. Правильный ответ - «не знаю, уточни». Уверенная выдумка означает, что запрет прописан слабо.

Тест переноса. Отдай те же файлы другой модели. Контекст поднялся, тон сохранился - память действительно твоя, а не привязка к одному сервису. Кстати, про разницу инструментов под текстовые задачи у меня есть сравнение - Claude или ChatGPT, что выбрать.

Тест чужого взгляда. Дай CLAUDE.md человеку со стороны и попроси описать, чем ты занимаешься. Не смог - модель тоже не сможет.

Где всё равно нужен человек?

Второй мозг снимает рутину: пересказ контекста, поиск «где мы это записывали», восстановление тона. Решения он за меня не принимает.

Что остаётся на мне:

• Решения. Поднять цену, сменить оффер, зайти в новую нишу. Модель подсветит варианты, ответственность не делегируется.
• Вкус. Что звучит как я, а что как чужой шаблон - слышу только я.
• Правда фактов. Модель хранит то, что я записал. Записал ерунду - она аккуратно её запомнит и будет уверенно повторять. Гигиена памяти остаётся ручной работой.
• Приоритеты. Файл со статусом отражает мой выбор, что делать первым. Этот выбор сделать за меня некому.

Границу полезно понимать заранее, иначе ждёшь от инструмента лишнего и разочаровываешься. Про этот разрыв между ожиданием и реальностью я писал в разборе цифрового двойника сотрудника.

Свободные силы уходят туда, где они действительно нужны: на решения, формулировки и проверку фактов.

---

Мозг растёт сам: каждая сессия добавляет заметку, каждое решение оседает в history/. Инструмент под капотом меняется, память остаётся у меня. А у тебя CLAUDE.md уже лежит в проекте - или контекст пока живёт в чате?

Если хочешь готовые каркасы CLAUDE.md под разные роли и разборы того, как это устроено у других, загляни в закрытый канал ИИмперии: там лежат шаблоны ролей цифровых сотрудников, готовые промпты и связки.

Источники

• Официальная документация Anthropic по Claude Code, раздел про память проекта и CLAUDE.md - как модель читает файлы-память. Ищи её в актуальной документации Claude Code: адреса разделов у Anthropic периодически меняются.
• Building a Second Brain, Тиаго Форте - первоисточник идеи внешнего хранилища знаний.
• Git - система контроля версий - чтобы версионировать память и откатывать изменения через историю.
• Markdown, описание синтаксиса Джона Грубера - формат, в котором пишутся файлы-память.

FAQ

Это то же, что база знаний в Notion? По духу близко, отличие в адресате. Второй мозг на Claude заточен под чтение моделью: короткая карта плюс атомарные файлы, которые агент поднимает сам. Notion удобен человеку, который листает страницы глазами. Файловая раскладка рассчитана на машину, читающую markdown.

С чего начать, если проект уже большой? Не пиши всё сразу. Заведи CLAUDE.md с правилами и тоном, добавь STATUS.md, а факты выноси в файлы по мере того, как они всплывают в работе.

Как понять, что память реально помогает? Открой чистую сессию и дай задачу, не пересказывая контекст. Если модель зашла в неё правильно - тоном, цифрами, границами - мозг работает.

Сколько файлов нормально иметь? Столько, сколько ты реально используешь. Десяток рабочих файлов лучше полусотни красивых, в которые никто не заглядывает.

Что делать, если доступ к модели нестабилен? Память лежит на твоём диске и от доступа не зависит. Про сам доступ у меня есть отдельная инструкция - как пользоваться Claude из России.