Сотня заметок и ни одного вывода: как собрать личную библиотеку с ИИ?

Сотня сохранённых заметок ещё не делает знания доступными. Проблема часто не в хранении, а в том, что вы не помните, почему сохранили материал и к какой задаче он относится. Нейросеть может помочь найти связи, если у каждой записи есть происхождение и понятный статус.

В Чатиуме можно собрать личную библиотеку с вопросами, заметками и выводами. Она будет помогать возвращаться к материалам в контексте работы, а не просто производить новые пересказы старых пересказов.

У заметки должна быть причина существования

Название и тег «интересное» редко помогают через месяц. Полезнее короткое пояснение: «может пригодиться для выбора формы регистрации» или «пример того, как объяснить сложное правило». Это связывает материал с будущим действием.

Не обязательно сразу строить идеальную классификацию. Начните с нескольких рабочих вопросов. Одна заметка может относиться к нескольким темам, но её исходное происхождение должно оставаться понятным.

Пример: три заметки о формах

Представим личную подборку: наблюдение о длинной анкете, пример короткой формы и собственная идея перенести часть вопросов после регистрации. Нейросеть может связать их общей темой, но не должна выдавать вашу идею за подтверждённый результат исследования.

Итогом может стать вопрос для эксперимента: какие поля действительно нужны до регистрации? Это полезнее общего пересказа «формы должны быть удобными».

Как находить связи без искусственного объединения

Попросите модель объяснять, чем материалы связаны: общей проблемой, противоположными подходами или последовательностью действий. Совпадение одного слова ещё не означает содержательной связи.

Противоречия тоже полезны. Один автор может говорить о короткой форме для массовой регистрации, другой — о подробной анкете перед индивидуальной консультацией. Это не обязательно спор: разные ситуации требуют разной информации. Сохранение контекста помогает не выбирать универсального победителя там, где его нет.

Короткий вызов Gemini в Чатиуме

В sourceText передаются выбранные заметки с ID, происхождением и рабочим вопросом. Этот вызов не даёт модели постоянную память обо всей библиотеке: приложение само выбирает и передаёт нужные записи.

Это фрагмент серверного обработчика Чатиума. ctx передаёт платформа, sourceText содержит проверенный текст из формы. done и failed — заранее зарегистрированные маршруты app.function для результата и ошибки. Они проверяют, что вызов пришёл от приложения start: caller.type === 'plugin' && caller.appSlug === 'start'.

import { startCompletion } from '@start/sdk'

const { completionId } = await startCompletion(ctx, {
  model: 'google/gemini-4-argon',
  system: 'Свяжи выбранные заметки с рабочим вопросом. Укажи ID оснований, различия контекста и противоречия. Отдели чужие утверждения, собственные гипотезы и подтверждённые выводы. Не придумывай источники.',
  messages: [{
    role: 'user',
    content: [{ type: 'text', text: sourceText }],
  }],
  onCompletionCompleted: done,
  onCompletionFailed: failed,
})

Метод возвращает completionId. Сам ответ приходит позже в onCompletionCompleted, ошибка — в onCompletionFailed; до этого приложение показывает ожидание. Это схема вызова, а не полный код приложения.

Встроенный помощник Чатиума создаёт хранение, поиск и связи. Ответ модели сохраняется как отдельный черновик вывода, а не заменяет исходные записи. Так вы можете пересмотреть интерпретацию, не потеряв материал.

Как не утонуть в новых AI-сводках

Каждую сводку тоже нужно привязать к вопросу. Если она не помогает принять решение, подготовить материал или выполнить действие, возможно, её не стоит сохранять навсегда. Иначе библиотека начнёт расти за счёт производных текстов, которые дублируют друг друга.

Полезно иметь состояние «нужна проверка» и дату пересмотра для изменчивых сведений. Историческая заметка может оставаться ценной, но не должна выглядеть как актуальное описание продукта или тарифа.

Как проверить пользу библиотеки

Возьмите реальную задачу и попробуйте найти три основания для решения. Оцените, удалось ли быстро вернуться к исходникам и понять их ограничения. Если вместо этого вы получили ещё одну длинную сводку без происхождения, стоит улучшить структуру данных и запрос.

Частые вопросы