К тому моменту, когда я впервые серьёзно взялся за Claude, система на базе ChatGPT уже работала. Были Projects, knowledge-base, правила, workflow, разделение задач. Ограничения тоже были понятны заранее: контекст между чатами не переносится сам, файлы в проекте обновляются вручную, длинные диалоги приходится резюмировать и тащить в новый чат. Всё это воспринималось как рабочие условия, а не как повод что-то менять.
Поэтому Claude появился не из разочарования в ChatGPT. Он появился из интереса к одной конкретной вещи.
Когда интерес оказался сильнее скепсиса
Сначала это был просто фоновый шум. Instagram, ролики, обсуждения — «Claude умеет то», «Claude делает это», «попробуй обязательно». Воспринималось как очередной AI-хайп. Один раз посмотрел, второй — ну и ладно.
Потом прилетела информация, что Claude Desktop умеет работать с файлами прямо на компьютере пользователя. Не просто отвечать на вопросы внутри чата — а выходить за пределы интерфейса, читать и писать файлы, взаимодействовать с файловой системой.
Вот это зацепило.
Поставил. Открыл. Ничего не понял. Логика работы другая, какие-то skills, непонятный вход, странная организация. Написал пару тестовых запросов — работает как обычный AI. Интерес почти угас.
Но идея осталась.
Как одна AI помогала строить систему вокруг другой
Разбираться с Claude я пошёл через ChatGPT. Не через YouTube, не через гайды — просто задал вопрос: чем Claude реально интересен и где его сильные стороны.
ChatGPT разложил архитектуру, объяснил, как Claude работает с длинным контекстом, как устроены проекты, что даёт файловая система. По сути, помог спроектировать подход к новому инструменту ещё до того, как я туда зашёл всерьёз.
Это один из самых необычных моментов всей истории. Одна AI-система помогала строить инфраструктуру вокруг другой. Не конкуренция — проектирование.
Первый Project и рождение внешней памяти
Первый проект в Claude был простым по замыслу: анализ сайта. Найти слабые места, посмотреть структуру, предложить улучшения.
Но сразу стало понятно, что главное здесь не анализ, а то, как Claude работает с информацией. Он не просто получает файлы в начале чата. Он обращается к файлам прямо во время работы и опирается на структуру, которая лежит на диске.
Контекст начал жить вне чатов.
Это был главный сдвиг во всей системе. До этого память жила внутри переписок. Теперь она начала жить отдельно: в markdown-файлах, логах, шаблонах, структуре папок. Не в чате, а рядом с ним.
Через ChatGPT была спроектирована структура хранения:
- core — общие файлы системы: стиль, паттерны, информация об авторе, базовые правила
- templates — шаблоны под разные типы задач
- projects — отдельные рабочие среды под конкретные проекты
Это был важный сдвиг. Мышление сместилось от «чатов» к организации среды. Не где хранится переписка, а где живёт знание.
Первый момент, который изменил восприятие
Первым заданием был анализ сайта. Claude не прошёлся по главной и паре страниц — он изучил весь сайт. Больше 130 страниц. Полностью. Структура, контент, слабые места — всё собрано в один связный анализ.
Вот тут впервые появилось ощущение, что Claude работает не как чат, а как исследовательская среда.
После этого стало ясно: надо копать глубже. Первое знакомство выглядело как «ну, работает». Анализ сайта впервые дал чувство: «здесь есть что-то серьёзное».
В процессе тестирования заметил небольшую неточность в анализе. Спросил, почему так. Claude объяснил: это было заложено в инструкциях. Тут же предложил поправить. Я согласился — он нашёл нужный файл, внёс правку, всё заработало как надо.
Я открыл файл на компьютере — аккуратно, без лишнего, именно то, что нужно.
Реакция была простая: нифига себе.
Не потому что это «умный AI». В этот момент впервые появилось ощущение, что система начинает обслуживать сама себя.
Примерно тогда же появились log-файлы. Идея была практической: не хотелось каждый раз заново вводить Claude в контекст. Пусть сам кратко фиксирует, что было сделано, к чему пришли, что изменилось. Заходишь в новый чат — он читает лог и продолжает, а не начинает с нуля.
Это и была внешняя память. Не встроенные заметки, не резюме чата — а живой файл, который обновляется в процессе работы и хранится на диске.
Projects, которые создают новые Projects
После того как стало понятно, что Claude умеет грамотно писать файлы, появилась идея: что если создать проект, который будет создавать новые проекты?
Снова пошёл к ChatGPT. Обсудили. Спроектировали базовую структуру: логи, output, файлы проекта с workflow и knowledge-base. Не под одну задачу, а под систему, которая сможет масштабироваться дальше. Создали отдельный Project Manager — проект с инструкциями о том, как разворачивать новые рабочие среды.
Дальше произошло вот что.
Захожу в Project Manager, говорю: хочу проект для написания статей. Claude читает все материалы, которые у него есть — стиль, паттерны, правила работы — находит нужное, создаёт папки в нужной директории, раскладывает файлы, формирует project prompt. В конце говорит: всё готово, возьми prompt вот из этой папки и подгрузи в новый проект.
Захожу, создаю проект, закидываю prompt — и всё запускается с первого раза.
Следующим был проект для сайта жены. Она юрист — то есть вообще другая предметная область, никакого отношения к фотографии. Вводных данных у меня особо не было. Я просто дал ссылку на сайт и описал задачу в нескольких предложениях.
Claude сам изучил сайт, собрал контекст и проанализировал тематику. Единственное, о чём спросил — про стиль и паттерны. Я сказал: возьми за основу мои. Он взял мои файлы из core, но не скопировал шаблон, а адаптировал систему под другую задачу.
Всё, что потребовалось от меня дальше — открыть отдельную директорию на диске. Claude развернул полную структуру: папки, knowledge-base, адаптированный стиль — всё отдельно, не смешав ни с одним из моих проектов.
Это был второй момент «нифига себе». Система не просто скопировала шаблон — она адаптировала архитектуру под новую предметную область. Сама.
Причём от меня к этому моменту требовалось всё меньше. Поставить задачу — и система разворачивается. Это и есть self-scaling: не автономный AI, а среда, которая масштабируется вместе с работой.
Где система всё ещё ломается
Опыт работы с Claude пока небольшой. Поэтому — только то, что реально заметил.
Главная слабость: русский язык. Ощущение, что Claude думает по-английски, а потом переводит. Появляются неестественные конструкции, иногда вставляются английские слова там, где можно было написать по-русски. Не критично, но заметно — особенно если текст потом идёт на публикацию.
Второе: с Claude не поговоришь. ChatGPT живее в общении, он дискутирует, настраивает тон, чувствует контекст разговора. Claude — конкретнее и суше. Вопрос — ответ. Это не минус для инфраструктурных задач, но для обсуждения идей — ощутимая разница.
Третье: файлы всё еще требуют ручной проверки. Не потому что Claude ошибается, а потому что доверять без проверки пока рано. Открываю, смотрю, закрываю. Это часть работы.
Ещё одно наблюдение — про skills. В сообществах вокруг Claude много шума: «установи этот skill», «скачай тот». Поначалу тоже заинтересовало. Но когда разобрался — skill это просто небольшой промпт, написанный под чужую задачу, без знания твоего контекста, твоих правил, твоей структуры. Полезен для небольших локальных вещей. Но проблему длинной работы не решает. Её решает архитектура. Не надстройка над системой, а сама система.
Почему связка оказалась сильнее одного инструмента
Claude не заменил ChatGPT. Появилось разделение ролей.
ChatGPT — управляющий слой. Обсуждение, формулировка задач, архитектура, анализ, финальная шлифовка. Здесь идёт работа с идеями — что вообще нужно строить и зачем.
Claude — инфраструктурный слой. Длинный контекст, файловая среда, knowledge-base, разворачивание структуры, работа с большими объёмами. Claude строит и обслуживает среду.
Типовой процесс выглядит так: сначала обсуждение с ChatGPT, потом задание уходит в Claude, Claude собирает или строит нужное, результат возвращается в ChatGPT на проверку и доработку. Так работают статьи, сайт, клиентские задачи — практически всё.
Причём ChatGPT остался управляющим центром даже при освоении Claude. Он объяснял архитектуру, помогал строить workflow, спроектировал структуру хранения. Одна система помогала строить инфраструктуру вокруг другой — и продолжает управлять ею сейчас.
Отсюда вывод
AI начинает меняться не тогда, когда «становится умнее».
А тогда, когда вокруг него появляется среда: память, структура, workflow, разделение ролей, инфраструктура, которая накапливает знание и масштабируется вместе с работой.
Чат без этого — временный инструмент. Полезный, но не системный. Без внешней памяти и структуры даже хороший AI со временем начинает превращаться обратно в набор отдельных переписок.
Чем длиннее интеллектуальная работа, тем важнее становится не сам AI, а среда вокруг него.