Каждое утро начинается одинаково. Вы открываете терминал, запускаете сессию с AI и тратите первые десять минут на то, чтобы объяснить ему, что в этом проекте мы не используем библиотеки пятилетней давности. Он кивает, генерирует код, извиняется и... снова тянет тот самый проклятый зависимый модуль. Знакомо? Это не просто раздражает, это убивает любую продуктивность на корню, превращая работу с передовыми технологиями в обучение умственно отсталого стажера.
Проблема не в том, что модели глупые. Проблема в том, что у них нет долговременной памяти. Контекст умирает вместе с закрытием вкладки или терминала. Но решение нашлось там, где не ждали — в простом текстовом файле.
Память на салфетке
В GitHub тихо, без лишнего шума, появился инструмент Napkin. Это даже не программа, а скорее скилл для Claude Code, который работает по принципу записной книжки психопата. Идея гениально проста: агент получает принудительную инструкцию вести лог всего, что пошло не так.
Суть механики элементарна. В корне проекта создается скрытая папка, а в ней — файл .claude/napkin.md. Перед тем как написать хоть строчку кода или выполнить команду, агент обязан прочитать этот файл. А в конце работы — записать туда, где он облажался, какие паттерны сработали, а за что пользователь готов был оторвать ему виртуальные руки.
Это меняет правила игры. Вместо того чтобы каждый раз заново выстраивать промптинг и объяснять архитектурные предпочтения, вы получаете систему, которая учится на своих ошибках.
Дисциплина вместо магии
Самое смешное, что здесь нет никакой нейросетевой магии или сложных векторных баз данных. Это чистая бюрократия, которая внезапно работает. Агент просто ведет дневник. "Сегодня я пытался использовать var вместо let и получил по шапке. Больше так не делаю".
Уже к третьей или пятой сессии поведение помощника меняется кардинально. Он перестает предлагать решения, которые вы отвергли неделю назад. Он начинает сразу попадать в стиль проекта. Автокодинг превращается из лотереи в предсказуемый процесс, потому что "грабли", на которые можно наступить, уже помечены красным флажком в файле напкина.
Это особенно полезно для задач DevOps, где цена ошибки чуть выше, чем просто упавший фронтенд. Если агент один раз уронил прод из-за кривого конфига и записал это, шанс повторения стремится к нулю.
Коллективный разум
Но настоящий кайф начинается, когда вы коммитите этот файл в общий репозиторий. Представьте: ваш коллега помучился с настройкой окружения, агент зафиксировал рабочие стандарты в markdown, и все это улетело в git.
Теперь, когда другой разработчик сделает git clone и запустит своего ассистента, тот уже будет "знать", как не надо делать. Это автоматизация онбординга, о которой мы мечтали. Не нужно писать огромные вики-статьи, которые никто не читает. Робот сам прочитает инструкции, написанные другим роботом.
Установка занимает секунды — нужно просто клонировать репозиторий в папку скиллов. Лицензия MIT позволяет использовать это везде, хоть в стартапе, хоть в энтерпрайзе.
Почему это сработает
Мы привыкли думать, что AI должен быть умным "из коробки". Но правда в том, что качество выдачи зависит от контекста. Napkin — это костыль, да. Но это тот самый костыль, который позволяет бежать марафон, а не спотыкаться на старте каждые сто метров.
Если вы устали от дебага одних и тех же галлюцинаций и хотите, чтобы чеклист требований соблюдался железно, попробуйте. В конце концов, заставить робота вести конспект своих унижений — это даже приятно.
А вы верите, что текстовый файл может заменить полноценное дообучение модели, или это все мертвому припарка?
🔔 Если статья сэкономила вам пару нервных клеток, жмите на колокольчик на главной странице канала, чтобы быть в курсе новых публикаций, и подпишитесь, если ещё не подписаны! 📰