Встроенная память чат-ботов часто подводит: при переходе на новый инструмент предпочтения начинаются с нуля, контекст разных проектов путается, а старые настройки, которыми вы больше не пользуетесь, всплывают снова. Решением может стать собственная внешняя система памяти — переносимая, прозрачная и содержащая только то, что вы хотите сообщить ИИ. В ее основе лежат обычные Markdown-файлы: about_me.md с базовой информацией о пользователе, его предпочтениями по формату и постоянными правилами, projects.md с обзором текущих проектов, который регулярно проверяют и чистят, и archive.md с завершенными проектами для контекста в новых задачах. Формат выбран потому, что это простой текст, читаемый любым редактором, хорошо понимаемый и людьми, и языковыми моделями.
Настроить систему оказалось проще, чем ожидалось. Файлы размещают в папке Google Drive, поскольку бесплатная версия Claude поддерживает чтение из Google Drive через коннектор в Settings > Connectors, а ChatGPT на бесплатном плане файлы из Drive не читает, поэтому about_me.md и нужный файл проекта копируют в чат вручную. В кастомных инструкциях Claude просят в начале каждого чата читать about_me.md и следовать ему, обращаться к projects.md только при работе с текущими задачами, а к archive.md — когда упоминается прошлый проект или новый похож на завершенный; файлы считаются источником истины, и при конфликте с сообщением в чате модель должна указать на это, а не догадываться.
Похожие инструкции задают и для ChatGPT через Settings > Personalization > Custom instructions, с оговоркой, что на бесплатном плане файлы нужно вставлять при каждом использовании. После сессии чат-бота просят перечислить значимые изменения для файлов памяти и лишнее, а затем пользователь сам решает, что добавить или убрать.
Главное преимущество — переносимость: не нужно экспортировать и импортировать память при тестировании новых ИИ-инструментов. Внешняя коллекция Markdown-файлов настраивается гибче встроенных систем, а редактирование занимает секунды в любом текстовом редакторе, давая прозрачность: вы точно знаете, что видит и с чем работает модель. Кроме того, появляется более тонкий контроль над контекстом, который получает инструмент, — в отличие от функции проектов, чей контекст приходится синхронизировать между разными чат-ботами. Обратная сторона в том, что создание и поддержка такой системы требуют усилий, и если вы пользуетесь одной моделью для повседневных задач, внешняя память может оказаться избыточной.