Как собрать ИИ-помощника по своим заметкам: первый second brain
Начинаем с Markdown-папки: структура заметок, поиск источников, ответы с цитатами и правила обновления памяти. Без обязательной векторной базы.
Первый AI second brain можно собрать из обычной папки Markdown-заметок и инструмента, который умеет читать файлы или принимать документы. Сначала научи систему находить подтверждение ответа. Векторную базу, граф знаний и обработку голоса добавляй, когда станет понятно, какую проблему они решают.
Second brain — название подхода к организации личных знаний, а не отдельный стандарт. RAG описывает механизм поиска материалов перед генерацией ответа; он может быть частью такой системы. Наличие RAG ещё не означает, что помощник умеет обновлять факты и разрешать противоречия.
Шаг 1. Начни с одной рабочей области
Возьми 10–20 заметок об одном проекте. Это могут быть принятые решения, краткие итоги встреч и открытые вопросы. Для учебного запуска используй обезличенные материалы, которые допустимо обрабатывать выбранным инструментом.
my-notes/
inbox/
projects/
interview-search/
overview.md
decisions.md
open-questions.md
archive/В каждой записи добавь дату, источник и статус. «Предложено» и «решено» должны различаться. Иначе помощник может принять старый вариант плана за действующий.
# Формат выгрузки интервью
Дата: 2026-09-10
Статус: принято
Источник: встреча команды, протокол 2026-09-10
Решение: в первом пилоте принимаем TXT и Markdown.
Не решено: импорт аудио.Шаг 2. Проверь поиск без сложной инфраструктуры
Задай вопрос «Поддерживаем ли мы аудио в пилоте?» и передай соответствующие заметки в модель. Попроси ответить с названием файла и цитатой. Затем задай вопрос, на который ответа нет: «Когда выйдет мобильное приложение?».
Ответь только по предоставленным заметкам.
Для каждого утверждения укажи файл и короткую цитату.
Разделяй принятое решение, предложение и открытый вопрос.
При отсутствии данных скажи «в заметках ответа нет».
Если источники противоречат, покажи оба и их даты.Система должна отказаться от выдуманного срока. Сохрани эти два вопроса как первые тесты. Постепенно расширяй набор, добавляя похожие названия проектов и устаревшие решения.
Шаг 3. Добавь поиск по мере роста
Пока файлов мало, достаточно поиска по словам и ручного выбора источников. Если нужные фрагменты перестали помещаться в контекст, добавь индекс и выбирай релевантные отрывки перед запросом к модели.
SQLite может хранить ID записи, путь к файлу, дату и статус. Полнотекстовый поиск ищет слова; embeddings помогают искать смысловые совпадения. Это разные инструменты, и ни один не заменяет проверку цитат. Не создавай сразу два независимых «источника истины»: реши, где редактируется оригинал, а что лишь индекс.
Шаг 4. Проверь обновление памяти
Измени решение: теперь команда разрешила аудио в пилоте. Старую запись пометь как заменённую, добавь ссылку на новую. Повтори вопрос. Ответ должен опираться на действующее решение и при необходимости объяснять изменение.
После удаления заметки проверь, исчезла ли она из индекса, кэша и ответов. Папка без файла не гарантирует, что копия не осталась в другом хранилище. Определи срок хранения расшифровок и способ пересборки индекса.
Шаг 5. Только затем добавляй голос и локальную модель
Для голосовых заметок сначала нужна транскрибация, затем ручная проверка имён, цифр и отрицаний. Ошибка распознавания может стать устойчивым «фактом» в памяти. Сохраняй ссылку на исходную запись, если это допустимо.
Локальная модель через Ollama — отдельный вариант обработки. Передача заметок в облачный чат уже выводит их за пределы компьютера; локальное хранение файлов этого не меняет. Подробнее о выборе — в сравнении локального и облачного ИИ.
Скачать стартовую структуру и проверочные вопросы. Итог первого эксперимента — не количество подключённых сервисов, а помощник, который правильно отвечает, ссылается на источник и честно сообщает, чего не знает.
Идея материала — из поста Михаила Карпова в todo2go. Практические примеры в руководстве учебные, если не указано иное.
Преврати ИИ-инструменты в рабочую систему
«Быстрый старт в AI»: практические воркшопы по AI-инструментам, прототипам и автоматизации. Собираем результат, который можно применить в работе.
21 практических воркшопов · записи · вопросы автору в чате
Посмотреть программу курса ↗