Термоядерный текстовый процессор

Neal Stephenson, известный писатель-фантаст, называет Emacs "термоядерным текстовым процессором". Не Word. Не Google Docs. Emacs — редактор для программистов.

Он не одинок. Кто-то написал 16 романов в VS Code. Другие используют Obsidian, Vim, Sublime Text. Инструменты, созданные для кода, а не для текстов.

Почему?

Потому что современные IDE решают проблемы, о которых Word даже не знает.

Когда пишешь что-то серьёзное (книгу, серию статей, исследование), появляются задачи, которых нет в коротких текстах.

Нужно помнить, что ты писал три месяца назад. Отслеживать связи между идеями. Не противоречить себе на странице 200, если на странице 50 утверждал обратное. Находить все упоминания автора или концепции по всему тексту.

Традиционные редакторы для этого не созданы. Они умеют делать текст красивым, но не умеют помогать думать.

Версионный контроль. Git для писателей это не просто бэкап. Это детальная история каждого изменения. Возможность экспериментировать в отдельной ветке, не боясь сломать основной текст. Понимание, как развивалась мысль.

Связывание идей. Obsidian с Zettelkasten создаёт "второй мозг" через двусторонние ссылки между заметками. Пишешь про одну концепцию, видишь все другие тексты, где она упоминается. Обнаруживаешь неожиданные связи. Структура знаний растёт органически.

Массовое редактирование. Нужно заменить имя персонажа во всём романе? Или изменить термин в исследовании? Regex позволяет делать сложные операции поиска и замены, которые в обычном редакторе потребовали бы часов ручной работы.

Plain text как философия. Твой контент не привязан к проприетарным форматам. Файлы можно открыть в любом редакторе через 20 лет. Они работают с любыми инструментами. Это свобода и долгосрочность.

Но настоящий прорыв это AI, интегрированный в рабочий процесс.

Современные AI инструменты проверяют не только грамматику. Они отслеживают консистентность стиля, терминологии, тона по всему тексту. Видят противоречия, которые человек пропустит в длинном документе.

Cursor или Copilot могут автоматически предлагать ссылки на другие твои тексты или авторов из базы знаний. Pressmaster.ai проверяет факты и верифицирует контент.

Ручная работа со ссылками, авторами, проверкой целостности повествования, всё это можно автоматизировать.

Это не для всех.

Git имеет крутую кривую обучения для нетехнических пользователей. Концепции репозиториев, коммитов, веток — это не очевидно, даже с графическим интерфейсом.

Markdown не для сложной вёрстки. Если нужна точная типографика или продвинутый контроль дизайна — традиционные редакторы всё ещё лучше.

И AI требует надзора. Это помощник, не замена. Человеческий контроль критически важен для проверки фактов и сохранения уникального голоса.

Для больших проектов. Для связанных текстов. Для тех, кто работает с идеями, а не просто набирает слова.

Если пишешь книгу, серию статей, исследование, инструменты программистов дают то, чего нет в обычных редакторах. Способность поддерживать связи в огромных хранилищах текстов. Поддержку версий. Поиск и замену на стероидах.

А с AI ещё и автоматизацию того, что раньше требовало часов ручной работы.

Не нужно тратить время на поиск и расстановку ссылок. Нужно просто завести правильный текстовый редактор.

Это позволяет мне писать больше, ведь я сосредоточен на самом процессе, а не на обслуживании среды, списках или библиотеках. Такой подход экономит время и силы.

Кроме того, я нахожу подтверждения своим доводам и проверяю их с помощью современных ИИ-инструментов.

Это придает уверенности в идеях и избавляет от страха допустить фактическую ошибку. В процессе таких проверок я постоянно учусь.

Когнитивный долг

MIT провели эксперимент: три группы писали эссе — одни своими силами, вторые с поиском Google, третьи с ChatGPT. Мозговую активность замеряли через ЭЭГ.

Группа с ChatGPT показала вдвое меньшую активность мозга. Но интереснее другое: 83% из них не смогли точно процитировать собственное эссе. В других группах — около 10%.

Написал, но не запомнил. Потому что не писал — редактировал чужое.

Дальше группы поменяли инструменты. Тем, кто раньше пользовался ChatGPT, дали писать своими силами. Они всё равно справились хуже. Исследователи назвали это «когнитивным долгом» — регулярная разгрузка мышления ослабляет само мышление. Даже когда инструмент убирают.

Это не новость. Мы давно знаем про когнитивную разгрузку: списки, заметки, калькуляторы. Всегда был компромисс — что-то отдаёшь наружу, что-то теряешь внутри. Но раньше мы отдавали хранение. Теперь отдаём сам процесс.

Предложенное решение звучит просто: «Output before input». Сначала попробуй сам — вспомнить, сформулировать, написать. Потом проверь с ИИ. Используй его как оппонента, а не как автора.

Ирония в том, что я читаю об этом в конспекте, который сделал ИИ. И пишу заметку, опираясь на чужую выжимку.

Может, стоило сначала посмотреть видео самому.

От списка дел к партнёрству

В обычной продуктивности мы относимся к инструментам как к клеркам. Даём им дедлайны, приоритеты, статусы — получаем список задач. Но если вы строите Agentic Workflow, эти отношения нужно сломать.

Чтобы система превратилась из пассивного архива в активного партнёра, она должна научиться понимать ваши неявные предпочтения.

Явные данные против скрытого вкуса

Большинство систем помешаны на явных данных: когда дедлайн, какой приоритет, выполнено или нет. Это нужно, но это просто административная рутина.

Настоящая сила агентного процесса — в "скрытом вкусе". В тех нюансах, которые определяют не что вы делаете, а как. Разница между тем, чтобы знать "у меня есть задача почитать" и понимать, почему проза одного автора вам кажется "беспокойной", а идеи другого — "обоснованными". Знать, что вы предпочитаете первый ряд в музыкальном театре. Или что готовы отложить "срочную" административную задачу ради глубокого размышления.

Когда агент начинает распознавать эти паттерны, разговор меняется. Вместо "Что делать дальше?" появляется "Что бы вы предпочли?"

Привычка наблюдать

Эта обратная связь не возникает сама собой. Её питают наблюдения, а не просто отчёты о выполнении.

В агентном процессе "логирование" — это уже не рутина фиксации результата. Это запись атмосферы. Когда вы устанавливаете подсветку монитора и отмечаете, что "тёплая температура света делает комнату намного продуктивнее" — вы не просто ставите галочку. Вы даёте агенту сырой материал для понимания успеха вашей среды.

Привыкая фиксировать эти микро-детали — предпочтения в рассадке, стилистическое трение, сигналы окружения — вы даёте контекст для эволюции системы. Эта привычка к явному наблюдению превращает статичный Markdown-файл в развивающийся интеллект.

От инструмента к партнёру

В этом суть агентного сотрудничества.

Когда система понимает "скрытый вкус" вашей жизни, психологическое трение управления исчезает. Вам больше не нужно объяснять свои стандарты каждый раз, создавая намерение. "Библиотекарь" (ваша база знаний) и "Солдат" (ваши исполнительные циклы) начинают предвосхищать друг друга.

Конечная цель — не идеально отсортированный список. Партнёрство. Система, которая уважает вашу перспективу, разделяет ваши стандарты и позволяет полностью сосредоточиться на исполнении. Зная, что душа вашего процесса сохранена и уважаема.

Время без передышки

AI-системы работают самостоятельно. Планируют встречи, суммируют отчёты, запускают воркфлоу. Я видел, как ассистенты справляются с этим почти без сбоев.

Так почему делегирование работы языковой модели не освобождает?

Замечал, как даёшь компьютеру задачу, а потом наблюдаешь за ним всё время?

Мы хотим видеть процесс. Вместо того чтобы отойти, смотрим на каждый шаг. Наши усилия и результат машины размываются. Иногда наблюдение занимает столько же времени, сколько само действие.

Доверие — другая проблема. Буду честен: иногда даже я сомневаюсь, справится ли агент со сложной задачей правильно. Справедливо ли беспокойство? Наверное. Историй о том, как агенты подходят близко, но не завершают работу, достаточно.

Но есть поворот: иногда AI работает так быстро, что ты не замечаешь, куда ушло время. Заканчиваешь одну задачу, и не успеваешь моргнуть — уже берёшься за следующую. Нет облегчения, нет паузы. В отличие от ожидания коллеги или незавершённой работы на ночь.

Настоящее облегчение приходит не от сэкономленного времени, а от возможности отойти.

В конце концов, всё в голове. AI может сократить часы рутины. Но ощущаешь ли ты настоящую свободу?

Если чувствовал разочарование от обмена времени с AI — ты не один.

Может быть, продуктивность — это не про скорость. А про возможность отпустить.

Внимание дорого

Конец 2025-го. AI везде. Я использую его много раз в день.

И я не уверен, что это хорошо.

В хорошие дни это рычаг: быстрее черновики, чище мысли, меньше тупиков. В плохие дни ощущение, что я отдаю слишком много. Передаю «сложную часть» и медленно атрофирую мышцу, которую пытаюсь накачать.

Я выработал правило. Когда отдаю что-то AI, не считаю это отдыхом. Держу мозг занятым. AI несёт один груз — я беру другой: задаю лучшие вопросы, оспариваю вывод, связываю с тем, что уже знаю. Пытаюсь использовать «сэкономленное» время, чтобы думать больше, просто иначе.

Не знаю, работает ли.

Вот один из способов, который пока кажется здоровым.

Для чтения я использую AI-браузеры: Comet, Dia, Atlas. Они помогают оставаться в потоке — выделить, извлечь, сравнить, перефразировать, проверить понимание. Без взрыва вкладок. Без кладбища «вернусь к этому позже».

Но реальная проблема была не в доступе к статьям. А в том, что статьи делают со мной.

Хорошая статья не просто информирует. Она провоцирует. Я начинаю составлять «личный план внедрения» в голове: делать это? как это впишется в жизнь? что изменить сначала? И вот здесь застреваю. Не потому что идеи плохие. Потому что превращение идей в действия требует внимания. А внимание дорого.

Я написал промпт, который делает этот шаг дешевле.

Он проходит по статье пункт за пунктом. Для каждого совета задаёт простой вопрос: это уже внедрено? не важно? или стоит сохранить как TODO? Я отвечаю быстро, без превращения процесса в тяжёлый проект. В конце — чистый список изменений, которые я действительно выбрал. Не смутное чувство вдохновения.

Дальше можно запланировать, приоритизировать или превратить в короткую шпаргалку. Но главное — сам опросник. Структурированный разговор, который превращает «интересно» в «применимо».

У меня уже есть пара наборов изменений для Q1 2026.

Промпт простой:

Turn it into the questionnaire, so you can ask user 

question by question and understand if recommendation 

is already implemented, not important and should be 

neglected or should be saved as a TODO.

Give user options with A), B), C)... for easy choice.

Три файла против хаоса

Полгода назад я пытался делегировать свою жизнь AI-агентам. Не получилось. Агенты были слишком тупыми — чтобы они хоть что-то сделали, приходилось формулировать задачи с нечеловеческой точностью. Про контекст они вообще не слышали. Называть их «ассистентами» было издевательством.

Сейчас всё изменилось. Агенты научились работать. Но через несколько недель экспериментов я понял: дело не только в том, насколько умный агент. Дело в том, как ты организуешь систему.

Я попробовал два подхода. Первый — очевидный и логичный. Собрать всё по темам: Работа, Личное, Семья, Быт. Хочешь увидеть рабочие задачи — открываешь файл «Работа». Удобно для чтения, но жёстко. Агент начинает теряться в большом файле, где смешаны десятки разных контекстов.

Второй подход оказался нелогичным, но рабочим. Каждая задача, идея или проект — это отдельный файл. Открытый цикл со своим логом, деталями и статусом. Закончил — закрыл цикл, переместил в архив. Атомарно и автономно.

Я выбрал второй. Да, теперь я не могу одним взглядом охватить все рабочие задачи. Приходится агрегировать данные. Но взамен я получил идеальную хронологию каждого проекта. Всё в одном месте.

Сейчас у меня открыты максимум три цикла одновременно. Вместо того чтобы тонуть в море задач, я работаю с тремя конкретными единицами изменения. Агент прекрасно справляется с одним файлом как единицей функциональности. Но когда пытается жонглировать раскиданными по темам задачами — заходит в тупик.

Агенты в средах разработки по природе «файл-ориентированы». Они воспринимают файл как контейнер для конкретной фичи или логики. Используя файлы-циклы, я работаю с их природным поведением, а не против него.

Когда нужна сводка или чистка, я не делаю это руками. Прошу систему запустить скрипт — Bash или Python. Он объединяет данные, архивирует закрытые циклы, генерирует индексы за секунды.

У меня даже есть отдельный воркфлоу для постов в блог. Агент сам перемещает файлы между папками: Идея → Черновик → Опубликовано. Я не писал ни строчки кода для этой логики. Просто описал, как хочу работать.

Самое важное: это просто файлы. Markdown. Даже если завтра все подписки закончатся, система останется. Я смогу открыть её в любом редакторе. Это безопасность.

Гонка в сфере ИИ: ни дня без новых объявлений

Глобальная гонка за лидерство в сфере искусственного интеллекта превратилась в бесконечный поток ежедневных объявлений. Я считаю, что компании слишком одержимы демонстрацией своих достижений и панически боятся отстать хотя бы на день. Эта нездоровая фиксация на постоянных обновлениях не приносит реальной пользы конечным пользователям, которые просто не успевают освоить одну модель, прежде чем она устаревает.

За последние годы ИИ превратился из области научных исследований в арену корпоративного соперничества. Каждый день мы слышим о новых моделях, функциях и возможностях, но в этой гонке за заголовками теряется самое главное – удобство пользователей. На мой взгляд, это создает парадоксальную ситуацию: чем больше инноваций, тем меньше практической пользы от них получают обычные люди, поскольку никто не успевает по-настоящему интегрировать эти технологии в свою работу.

OpenAI, Google, Anthropic и другие компании соревнуются в скорости выпуска новых версий своих моделей. Я убежден, что эта гонка диктуется не столько желанием улучшить пользовательский опыт, сколько страхом упустить лидерство и потерять инвесторов. В результате пользователи оказываются в ситуации, когда они только начинают осваивать GPT-4, как уже объявляют о GPT-4o, а затем немедленно анонсируют следующую итерацию.

Это безумие особенно заметно в противостоянии американских и китайских компаний, где каждое объявление становится частью геополитической стратегии. Я полагаю, что в этой гонке за новостными заголовками теряется суть технологии – служить инструментом для решения реальных проблем. Вместо этого мы получаем постоянный шум, в котором действительно значимые улучшения трудно отделить от маркетинговых трюков.

Регуляторы пытаются успеть за развитием технологий, но и они застигнуты врасплох скоростью изменений. По моему мнению, нам нужно замедлиться и переосмыслить подход к развитию ИИ. Компаниям следует сосредоточиться на стабильности и удобстве использования, а не на гонке за новыми функциями.

В конечном итоге, я уверен, что успешными станут не те компании, которые быстрее всех объявят о новой модели, а те, кто создаст надежные инструменты, которыми пользователи смогут овладеть и интегрировать в свою жизнь до того, как они устареют. Настоящая инновация требует не только технического прогресса, но и времени для осмысленного внедрения и адаптации.