Как настроить ИИ-агента под свои рутины: разбор подходов

За 2024–2025 годы три вещи из мира ИИ перешли из демо в реальные продукты: персональная память (модель запоминает факты о вас между сессиями), пользовательские инструкции и подключаемые инструменты — от календаря до файловой системы. По отдельности это было и раньше. Вместе они дают то, что маркетологи называют «агентом»: систему, которая не просто отвечает на вопрос, а действует по вашим правилам без переформулировки каждый раз с нуля.

Проблема в том, что «настроить агента под свои привычки» звучит красиво, а на практике упирается в три ограничения: что модель вообще умеет помнить, что она умеет запускать сама и сколько это стоит в подписке. Разберём по порядку, что реально доступно и как это собрать.

Из чего состоит персонализация

Любая настройка агента сводится к четырём слоям, и путать их — главная причина разочарований.

• Системная инструкция. Постоянный текст, который модель видит перед каждым вашим сообщением. В ChatGPT это «Custom Instructions», в Claude — «Personal preferences» и настройки проекта. Здесь вы задаёте тон, формат ответов, свою профессию и то, чего делать не нужно.
• Память. Факты, которые модель извлекает из разговоров и хранит между сессиями. У ChatGPT она включается в настройках и наполняется автоматически плюс вручную. У Claude память по состоянию на конец 2025 года раскатывается постепенно и зависит от плана.
• Инструменты и действия. Возможность модели вызывать внешние сервисы: искать в интернете, читать ваши файлы, писать код, обращаться к календарю или почте через коннекторы.
• Расписание и триггеры. Способность запускать задачу без вашего участия — по времени или событию. В ChatGPT это «Tasks» (запланированные задачи), в остальных продуктах реализуется через сторонние оркестраторы.

Привычка и рутина живут на разных слоях. «Отвечай мне кратко и по-русски» — это системная инструкция. «Каждый понедельник в 9 утра собери сводку новостей по моим темам» — это расписание плюс инструмент поиска. Смешивать их в одном текстовом промпте бессмысленно: расписание из инструкции работать не будет.

Сравнение платформ

Возможности меняются буквально помесячно, поэтому таблица — срез на конец 2025 года. Перед покупкой сверяйте актуальные лимиты на официальных страницах продуктов.

MCP^* здесь — открытый протокол подключения инструментов, который Anthropic представила в конце 2024 года и который к 2025-му поддержали несколько платформ. Он и превращает чат в агента: даёт модели стандартный способ вызывать внешние функции.

Сноска

^* MCP (Model Context Protocol) — открытый стандарт, по которому языковая модель обращается к внешним инструментам и источникам данных: файлам, базам, API. Вместо того чтобы встраивать каждую интеграцию отдельно, разработчик поднимает MCP-сервер, а модель обращается к нему единообразно.

Как собрать агента под себя: пошагово

Начинать стоит не с расписаний и коннекторов, а с самого дешёвого слоя — инструкций и памяти. Он покрывает большую часть бытовых сценариев и не требует ничего, кроме подписки.

1. Опишите себя один раз. В системной инструкции укажите профессию, язык, желаемую длину ответов и запреты. Пример запрета, который экономит время: «не добавляй вводные абзацы и извинения, сразу к делу».
2. Задайте формат под повторяющиеся задачи. Если каждую неделю просите одно и то же — сводку, черновик письма, разбор кода, — пропишите шаблон вывода прямо в инструкции или в отдельном проекте.
3. Проверьте, что попало в память. Автоматическая память любит запоминать случайное. Раз в пару недель загляните в список сохранённых фактов и удалите мусор: устаревшие проекты, одноразовые просьбы.
4. Подключите инструменты по одному. Сначала поиск, потом доступ к файлам, потом календарь. Каждый новый коннектор — новая поверхность для ошибок и утечек, поэтому включайте только то, чем реально пользуетесь.
5. Автоматизируйте рутину расписанием. Только когда предыдущие шаги стабильно работают, добавляйте запуск по времени. Начните с одной задачи и посмотрите, что она присылает на второй и третий раз.

Хороший агент — это не тот, что умеет всё, а тот, которому вы доверяете запускаться без вашего контроля. Доверие набирается по одной задаче за раз.

Кому это пригодится, а кому нет

Персонализация окупается там, где есть повторяемость. Если вы каждый день делаете одно и то же в диалоге с моделью — настройка снимает ручную работу.

• Пригодится: тому, кто каждое утро собирает дайджест по своим темам; кто пишет письма в узнаваемом стиле; кто ведёт несколько проектов с разными требованиями к формату; разработчику, которому нужен агент с доступом к репозиторию и понятными правилами код-стайла.
• Не пригодится: тому, у кого запросы каждый раз разные и одноразовые — персонализация тут только мешает, навязывая формат. Тем, кто работает с чувствительными данными и не готов отдавать их на чужие серверы: для них ответ — локальная сборка, а не облачная подписка.

Отдельно про приватность

Память и коннекторы означают, что сервис хранит и обрабатывает больше ваших данных. Прежде чем подключать почту или рабочие документы, прочитайте, что провайдер делает с этими данными и используются ли они для обучения. У большинства платных планов есть отдельная настройка отказа от обучения на ваших данных — проверьте, что она включена.

Сколько это стоит

Базовая персонализация — инструкции и память — доступна на платных планах, а частично и в бесплатных версиях. Расписания и продвинутые коннекторы обычно требуют более дорогих подписок. Конкретные цены меняются каждые несколько месяцев и различаются по регионам, поэтому актуальную стоимость смотрите на официальных страницах OpenAI и Anthropic, а не в статьях. Локальная сборка не требует подписки, но требует вашего времени на настройку и достаточно мощного железа для приемлемой скорости.