Семь минут. Столько времени у автора свежего видео про лучшие ИИ-инструменты 2026 ушло на заказ еды: агент открыл DoorDash, посмотрел историю заказов, выбрал привычный ресторан, наткнулся на просроченную карту, обновил реквизиты и оформил доставку на полдень. Человек в этот момент сказал одну фразу: «закажи мне моё обычное». Дальше по ролику идут 37 ботов на постоянной работе, 30 тысяч долларов экономии в месяц у знакомого и совет перестать быть исполнителем.

Список инструментов тут не самое ценное. Ценных мыслей две. Первая: исполнитель и команда исполнителей это разные слои, и их надо собирать вместе, а не выбирать один. Вторая, и она же главная: любой стек развалится через три месяца, когда выйдет новая модель. Поэтому вкладываться нужно не в инструмент, а в слой контекста, который останется при вас. Автор формулирует это коротко: мы владеем мозгом и арендуем модели.

Что такое второй мозг для ИИ

Второй мозг в контексте ИИ, это внешнее хранилище ваших решений, переписки, документов и правил работы, к которому подключается любая модель. Модель меняется, хранилище остаётся. Новый инструмент стартует не с пустого листа, а с вашего контекста, и вам не нужно заново объяснять, кто вы и как вы работаете.

Звучит абстрактно, пока не посчитаешь издержки переезда. Смена модели обычно означает: перенести настройки, заново залить документы, восстановить память, объяснить ассистенту контекст клиентов и повторить свои предпочтения по формату ответов. Автор говорит, что полтора года ведёт видео про миграцию с инструмента на инструмент, и это его и вымотало. Проблема не в том, что модели плохие. Проблема в том, что каждая новая модель заходит с выключенным светом.

Два инструмента, о которых идёт речь

Первый, GPT Astra от OpenAI. Это не чат-бот и не приложение поверх системы. Агент с флагом computer use живёт внутри машины: читает файлы, открывает программы, кликает, копирует, работает в фоне, пока вы заняты своими задачами. В настройках нужно включить Any App, а режим Show Pet выводит маленькое окно с голосовым вводом, чтобы вызывать агента прямо из Slack или другого приложения. Через remote access в мобильном приложении можно рулить ноутбуком с телефона.

Разница с Claude Code и подобными инструментами, на которой настаивает автор, в отсутствии API и коннекторов. Агент действует как человек за тем же компьютером. Отсюда и пример с подключением HubSpot: менеджер попросил разобраться с настройками, агент открыл Grockbot, прочитал, что тот просит, зашёл в HubSpot через менеджер паролей, нашёл нужное поле, перенёс значение и нажал submit. Человеку не пришлось изучать термины и звать помощь.

Второй, Grockbot от xAI. Это команда виртуальных сотрудников, у каждого свой компьютер и своя роль. Главный бот работает как chief of staff: принимает задачу, раздаёт её профильным ботам, собирает результат. Можно создавать групповые чаты ботов, чтобы они обменивались контекстом, и раскладывать их по категориям, как папки с сотрудниками. Никаких cron-заданий, API-ключей и серверов: расписание задаётся обычной фразой вроде «делай это каждое утро в восемь и присылай сводку того, что требует моего внимания».

Отдельная функция, которая объясняет, почему такие платформы вообще приживаются: Teach a Task. Вы нажимаете плюс, выбираете пункт, открывается компьютер, вы вручную делаете то, что нужно, и останавливаете запись. Бот забирает последовательность действий себе. Автор называет это camcorder method, метод записи на камеру: раньше вы записывали экран, чтобы научить человека, теперь запись забирает агент.

Собирается всё в двухуровневую конструкцию. Astra сидит на вашем ноутбуке и работает с локальными файлами, паролями, приложениями. Grockbot живёт в облаке на своих виртуальных машинах и работает круглосуточно, независимо от того, включён ваш компьютер или нет. Вы говорите с Astra, Astra передаёт работу ботам, боты возвращаются с результатом. Автор называет это компанией, которая работает только на вас, и это, пожалуй, самая точная метафора ролика.

MAPS: как ставить задачу исполнителю

Отдельный кусок, который стоит забрать даже скептикам, это фреймворк постановки задачи. Четыре буквы, ничего нового по сути, но в применении к агенту с доступом к компьютеру он экономит много итераций.

M, mission: что вы вообще пытаетесь получить. A, ask: что конкретно нужно сделать. P, parameters: файлы, правила, ограничения, чего делать нельзя. S, shape: в каком виде вернуть результат и как вас уведомить. Разница с обычным промптом в том, что параметры и форма ответа здесь не подразумеваются, а проговариваются явно, потому что агент действует в вашей системе и цена ошибки выше.

Пример из видео звучит так: собери все чеки за последний месяц, открой папку с чеками, прочитай каждый, переименуй файл по дате и продавцу, командировочные пропусти, посчитай сумму и отправь её руководителю офиса в Slack. Одна фраза, четыре элемента MAPS внутри, и дальше агент проходит по шагам без вашего участия. В старом мире это был бы скрипт, ручной экспорт и три переключения между приложениями.

Почему дело не в модели

Дальше начинается самая интересная часть, ради которой стоит смотреть последние десять минут. Автор честно говорит, что не может предсказать, какая модель будет лучшей через три недели, зато может предсказать процесс. Процесс такой: вытащить весь свой контекст из вендорских силосов в одно место, к которому можно подключать любую модель.

Внутри этой логики появляется сильный аргумент против привычки выбирать «лучший» инструмент. Пока ваш контекст живёт внутри одного продукта, вы арендуете не только модель, но и собственные данные. Смена поставщика превращается в переезд с потерей памяти. А если контекст лежит отдельно, новая модель это просто новая модель, а не новый онбординг с нуля.

Здесь стоит напомнить, что блог уже разбирал близкую мысль с другой стороны: главная ошибка 2026 года не выбор инструмента, а бесконечное прыгание между платформами до того, как вы поняли возможности каждой. Оба утверждения совместимы. Прыгать бессмысленно, если у вас нет слоя контекста. И наоборот, слой контекста делает прыжок дешёвым и осмысленным.

Где заканчивается практика и начинается продажа

Тут нужно остановиться, потому что дальше ролик превращается в воронку. Центральный элемент второго мозга в видео, платформа Apex, принадлежит компании самого автора. Ссылка в описании, QR-код на экране, призыв написать в директ кодовое слово и получить бесплатный документ по управлению ИИ в компании. Это нормальная модель монетизации, но она означает, что рекомендация не нейтральна. Полезно держать это в голове, когда звучит «все инструменты хотят вас запереть, поэтому идите ко мне».

Вторая категория сомнительного, это цифры. 30 тысяч долларов экономии в месяц на подписках у знакомого по имени Ник, 90 процентов работы против 100, попадание в 99,9 процентиль пользователей ИИ. Ни одна из этих цифр не проверяется и не сопровождается методикой. В ролике они работают как социальное доказательство, в вашем решении строить второй мозг они не должны весить ничего.

Третья и самая серьёзная, это доступы. Агент обновляет просроченную карту, заходит в аккаунты, ведёт переговоры со службой поддержки через чат-ботов, читает менеджер паролей. Каждый из этих шагов в реальной жизни упирается в двухфакторную аутентификацию, условия использования сервиса и антифрод-системы банка. Автор подаёт это как обычную бытовую операцию, но для читателя это как раз то место, где стек ломается и где можно потерять деньги или доступ.

Отдельно про agent swarm: бот, который установил Grockbot под другим аккаунтом, чтобы плодить новых агентов. Автор сам шутит, что счёт по кредитке вырастет. Шутка точная. Рекурсивное размножение агентов с доступом к платежам это не продвинутый приём, а конструкция без предохранителей, и повторять её на рабочих аккаунтах не стоит.

И последнее, про зрелость. Автор говорит, что провёл в Grockbot больше времени, чем в любой другой платформе, за две недели. Две недели это ровно тот срок, за который очарование не успевает пройти, а проблемы с надёжностью ещё не проявились. Это не приговор инструменту, это причина не строить на нём критичные процессы в первый месяц.

Как собрать слой контекста без вендора

Хорошая новость: то, ради чего продаётся отдельная платформа, собирается вручную за вечер и работает с любой моделью. Основа это обычная папка с текстовыми файлами в markdown, которая синхронизируется через то, что у вас уже есть: git, облако, Obsidian, Notion, Google Drive. Важнее содержимое и структура, чем инструмент.

Минимальный набор из пяти файлов закрывает большую часть задачи. Первый, о себе: чем занимаетесь, какие проекты ведёте, в каком часовом поясе, как предпочитаете получать ответы. Второй, клиенты и партнёры: кто есть кто, что важно помнить перед разговором. Третий, проекты: статус, решения, открытые вопросы. Четвёртый, правила: тон, формат, чего никогда не делать, какие слова вы не используете. Пятый, журнал решений: дата, решение, причина. На заполнение уходит полчаса, и это единственная инвестиция, которую не нужно повторять при смене модели.

Дальше подключаем. Современные агенты читают локальные файлы напрямую, а через MCP цепляются к внешним системам: заметкам, трекерам, календарю, базе знаний. Если такой файл лежит в репозитории, любая новая модель получает его первым же запросом, и вам не нужно переносить память между аккаунтами.

Три правила, которые стоит соблюсти при сборке. Первое: второй мозг должен читаться человеком без открытого инструмента. Если содержимое существует только внутри вендора, это не ваш слой контекста, а его. Второе: секретов там нет. Пароли, номера карт, коды восстановления живут в менеджере паролей, а в файлах допустимы только ссылки на него. Третье: файлы короткие. Три экрана на файл это уже предел, дальше модель начинает терять сигнал в шуме.

Что ломается в такой схеме

Первое и самое частое, это устаревший контекст. Старая запись про клиента, который уже ушёл, или про цену, которая изменилась, хуже, чем отсутствие записи: модель уверенно выдаёт прошлогодний ответ, а вы не проверяете, потому что источник выглядит своим. Нужен ритм чистки, например раз в месяц проходить журнал решений и удалять то, что перестало быть правдой.

Второе, переизбыток. Соблазн сложить во второй мозг всю переписку и все документы заканчивается тем, что нужный факт тонет. Помогает разделение: постоянные правила отдельно от временных заметок, а рабочие материалы проекта отдельно от личных предпочтений.

Третье, приватность. Медицинские детали, финансовые документы, переписка с юристом в синхронизированной папке это риск, который вы создаёте добровольно. Стоит заранее решить, какие категории данных туда не попадают вообще.

Четвёртое, и самое коварное, потеря навыка проверки. Идея «будь режиссёром, а не исполнителем» работает, пока режиссёр понимает, что делает исполнитель. Как только вы перестаёте различать хороший результат от правдоподобного, агент начинает принимать решения за вас, а вы это замечаете через месяц по счетам или по качеству работы.

Часто задаваемые вопросы

Чем второй мозг отличается от памяти чат-бота?

Память чат-бота живёт внутри одного продукта и обычно недоступна для экспорта. Второй мозг это внешние файлы, которые вы контролируете: их можно подключить к любой модели, открыть вручную и отредактировать. При смене инструмента память не теряется, потому что она никогда не принадлежала инструменту.

Обязательно ли покупать отдельную платформу?

Нет. Папка markdown с пятью файлами и синхронизация закрывают базовую задачу. Платные платформы нужны, когда файлов сотни, их надо автоматически пополнять из встреч и переписок и когда есть требования к безопасности. Начинать с покупки стоит только после того, как ручная версия прожила месяц.

Опасно ли давать агенту доступ к компьютеру и паролям?

Да, и это главный риск такого стека. Агент с доступом ко всем приложениям может нажать не туда, а агент с доступом к менеджеру паролей может войти куда угодно. Разумный минимум: отдельный браузерный профиль, отдельный пользователь системы, лимит на платежи и обязательное подтверждение действий, которые тратят деньги или меняют настройки.

Итог

Главная мысль ролика про лучшие ИИ-инструменты 2026 не в списке инструментов: этот список устареет раньше, чем вы дочитаете. Смысл в том, что модель это переменная, а контекст это актив. Второй мозг для ИИ, то есть ваши файлы, решения и правила в одном месте, переживает любую смену поставщика и делает переход дешёвым.

Практический шаг на сегодня, без покупок и установок: откройте текстовый файл и выпишите десять решений, которые вы приняли за последний месяц, с причиной каждого. Это первая версия вашего слоя контекста, и она уже работает.