Система знаний в мире нескольких AI

Последние месяцы я много работаю с ChatGPT, Claude, Codex.

В процессе работы несколько раз задумывался о двух вопросах:

• надо ли мне поддерживать старую систему баз знаний obsidian? она же немодная)
• где вообще со временем должна жить моя работа?

Раньше все было вот так.

У меня уже 3,5 года есть базы знаний obsidian с markdown-файлами, заметками, тегами, полями, ссылками между материалами. Я начал собирать такую систему без какой-то задней мысли. Просто в один момент хотел в одном месте собрать бесконечный поток ссылок и тех "полезных" образовательных материалов, которые хотел когда-то изучить.

Это побочная деятельность со временем разрослась до четырех баз знаний:

1. основная база знаний

2. материалы по аналитике данных

3. материалы по моим курсам и преподаванию (simulative, solvery, karpov courses и тд)

4. знания по текущему месту работы.

До эпохи LLM и AI эта система неплохо работала и закрывала основные потребности.

Но с AI эта привычка вести базы знаний в obsidian прошла трансформацию, причем не только не уровне инструментов. Но и структуры хранения, использования знаний.

Я вижу три ключевых противоречия, которые надо решить каждому для себя:

1. получение знаний через AI системы по структуре сильно отличается от мыслительного процесса на базе obsidian (источников и заметок)

2. все AI платформы активно консолидируют информацию и не склонны отдавать ее пользователю в виде воспроизводимого знания

3. на уровне AI систем сложно воспроизвести полученные знания без данной AI системы.

Все это может привести к трем решениям:

1. забить на ведение заметок и целиком перейти на одну из AI систем (Chat GPT, Claude). риск - все утратить в один момент времени без возможности восстановления.

2. вести базу obsidian с доступом в нее AI систем. риск - превратить базу знаний в неуправляемую свалку.

3. пересмотреть сущности и структуру баз знаний, адаптировав ее под реалии AI.

Я пробую сейчас третий вариант и вот что помогает.

Первое, что изменилось - перестать считать чат с AI основной единицей работы. Чат слишком быстро превращается в смесь постановок, ответов, промежуточных идей и случайного контекста. Решение - основной сущностью становится проект.

У проекта есть цель, файлы, данные, решения, текущий статус и следующие шаги. А ChatGPT, Claude или Codex просто подключаются к нему как исполнители.

Второе изменение - хранить не все ответы модели, а именно состояние работы:

• что решили;
• какие гипотезы остались;
• какие файлы появились;
• что изменилось;
• что делать дальше.

И третье — знания должны жить отдельно от конкретной LLM.

Для меня это сейчас: markdown + json + локальные файлы + Obsidian + GitHub + проекты

А поверх этого слоя уже работают разные модели. Получается примерно так:

знания → контекст → AI → результат → обновленные знания

Раньше база знаний помогала мне в первую очередь помнить. Теперь она все больше нужна, чтобы сохранять непрерывность мышления между разными AI-системами.

И, кажется, в новых реалиях это становится важнее, чем выбор конкретной модели.