Как собрать второй мозг, который помнит всё за вас? И причем здесь ИИ и Obsidian?

Сегодня вместо бесконечных чатов появляется новый подход, который называют Second Brain, LLM Wiki или AI Knowledge System.

Практически любой пользователь сталкивается с одной и той же ситуацией. Вы несколько часов обсуждали проект с Claude или ChatGPT. Получили хорошие идеи, составили план, приняли решения.

Проходит неделя. Начинается новая сессия. Теперь приходится снова рассказывать:

«Я backend-разработчик...»

«Мы используем Kotlin...»

«У нас микросервисная архитектура...»

«Неделю назад мы решили отказаться от Kafka...»

Большие языковые модели стали очень умными, но их рабочая память по-прежнему ограничена конкретной сессией. Даже если существует долговременная память, она хранит лишь небольшие пользовательские предпочтения. Она не способна удерживать тысячи страниц ваших документов, исследований, заметок, переписки, идей и рабочих материалов.

Ключевая идея состоит в том, чтобы перестать хранить знания внутри отдельных чатов. Все знания начинают жить в собственной базе.

Чаще всего для этого используют Obsidian, поскольку все заметки представляют собой обычные Markdown-файлы. Они не зависят от конкретного сервиса, легко индексируются, связываются между собой и могут использоваться любой современной моделью.

Claude в этой схеме становится не местом хранения информации, а интеллектуальным агентом, который умеет читать всю базу знаний целиком, понимать связи между документами, создавать новые заметки, обновлять существующие и отвечать с учетом накопленного контекста.

Большинство заметочников являются закрытыми экосистемами. Obsidian устроен иначе.

Все данные лежат обычными файлами на компьютере. Если завтра появится более сильная модель, ничего переносить не придется. Достаточно дать новому агенту доступ к той же папке.

Память принадлежит не модели. Память принадлежит пользователю.

Именно поэтому вокруг Obsidian сейчас строится огромное количество AI-инструментов.

Теперь между моделью и локальными файлами появляется MCP, Model Context Protocol. По сути это универсальный протокол, который позволяет ИИ безопасно работать с локальными источниками данных, внешними сервисами и приложениями.

Через MCP Claude может:

- читать заметки;

- создавать новые документы;

- обновлять существующие;

- искать информацию по всей базе знаний;

- работать с календарем;

- использовать файловую систему;

- взаимодействовать с другими сервисами.

Фактически модель начинает работать не только с текстом из чата, а со всей цифровой рабочей средой пользователя.

Современные агенты уже умеют автоматически превращать хаотичный поток документов в связанную базу знаний.

1. Новая статья попадает в папку.

2. ИИ читает ее.

3. Создает краткое содержание.

4. Выделяет основные идеи.

5. Связывает их с уже существующими заметками.

6. Добавляет перекрестные ссылки.

7. Находит противоречия.

8. Обновляет существующие страницы.

9. Через несколько месяцев пользователь получает уже не коллекцию заметок, а настоящий граф знаний.

Именно это сегодня называют LLM Wiki.

Одним из самых обсуждаемых подходов стала схема, которую в 2026 году показал Андрей Карпаты.

Она состоит всего из двух папок.

Первая содержит исходные материалы: статьи, PDF, скриншоты и тд. Это неизменяемые источники.

Вторая представляет собой живую энциклопедию, которую пишет уже сам ИИ.

Там появляются краткие пересказы, концепции, определения, связи между темами, выводы и новые знания.

Человек практически перестает вручную вести собственную базу. Он лишь продолжает потреблять информацию. Остальную работу берет на себя агент.

Если раньше ИИ просто отвечал на вопросы, теперь он начинает выполнять регулярную работу самостоятельно.

Например, каждое утро он может:

- прочитать новые документы;

- разложить их по категориям;

- обновить внутреннюю энциклопедию;

- проверить битые ссылки;

- пометить устаревшие материалы;

- составить краткую сводку изменений;

- обновить список задач;

- проверить календарь.

Пользователь открывает компьютер уже с актуальной системой знаний. Фактически речь идет о постоянной интеллектуальной обработке информации без участия человека.

Несмотря на впечатляющие возможности, подобные системы пока нельзя назвать полностью автономными.

Во-первых, качество структуры напрямую зависит от качества исходных документов.

Если пользователь складывает хаотичный поток информации, агент лишь ускорит распространение этого хаоса.

Во-вторых, автоматические связи не всегда оказываются корректными. Иногда ИИ объединяет темы слишком смело или делает ошибочные выводы, поэтому периодическая проверка остается необходимой.

В-третьих, безопасность должна строиться не на промптах, а на правах доступа. Если агент способен удалять файлы, однажды он действительно может это сделать. Поэтому современные рекомендации предполагают максимально ограниченные разрешения и использование режима только для чтения там, где это возможно.

Большие языковые модели становятся дешевле и быстрее.

Контекстные окна продолжают расти.

MCP постепенно превращается в универсальный стандарт интеграции.

Появляются специализированные агенты, которые умеют работать не только с текстом, но и с календарями, кодом, почтой, задачами и корпоративными знаниями.

Все это постепенно меняет саму роль ИИ.

Возможно, через несколько лет главным вопросом станет уже не «какую модель использовать», а «какой объем знаний накопил ваш второй мозг».