Зачем публиковать знания графом, а не книгой. Как AI меняет правила игры. Почему подписка, а не разовая продажа. Ниже — все статьи, свежие сверху; тематическую подборку смотрите в боковом меню.
Почему созвон — точка на длинной нити, а не отдельная сводка, как заметка нити со строкой на каждый созвон становится таймлайном и почему агент предлагает, а человек проверяет на экране, а не отвечает в чате.
Мы выпустили три необязательных поля запроса для поиска по MCP и измерили их в руках настоящих агентов Claude: какие поля они заполняют, помогает ли ИЛИ короткому полю, помогает ли просьба заполнять больше и меняет ли размер заметки в результате то, как агент её читает.
Мы прогнали документацию продукта через Claude Code так, как это делает пользователь, и нашли пять дефектов, мимо которых прошли все прежние бенчмарки: тело заметки не доходило до модели, инструкции терялись на новом протоколе, подключение шло 25 секунд, полнотекстовый поиск на большинство запросов отвечал пустотой, а поля запроса измерили, но так и не выпустили.
ontoship Валерия Ковальского — база знаний из трёх вещей: markdown-файлов, индекса README.md в каждой папке и git. Его CLI, gitmark, строит из тех же файлов поисковый индекс, HTML-граф и отчёты. Сверху лежит необязательная онтология, и именно её стоит позаимствовать: у каждого документа есть тип, а линтер следит, чтобы база не теряла форму по мере роста. Это эссе показывает, сколько из этого хранилище trip2g умеет уже сегодня и где оно останавливается.
Колесо позиционирования trip2g — это папка обычных markdown-заметок и один макет. Как оно устроено, что движок сделал легко и где упёрся.
Ubuntu 24.04 LTS aarch64, VMware на Mac, без десктопного окружения — dwm под голым X11, startx из TTY. Obsidian 1.12.7 (проверено и Flatpak, и AppImage).
Функция в разработке. Если заинтересовала — напишите в Telegram, обсудим ваш кейс.
Функция в разработке. Если заинтересовала — напишите в Telegram, обсудим ваш кейс.
Функция в разработке. Если заинтересовала — напишите в Telegram, обсудим ваш кейс.
trip2g — контент-инфраструктура. Люди и AI-агенты работают с одним и тем же контентом на равных. Контент не лежит мёртвым грузом — он течёт между участниками и трансформируется на каждом шаге.
Что сделали: разобрали, как qmd расширяет запрос — сначала я понял это неправильно. Предложили отдать эту работу агенту, который и так подключён по MCP: он передаёт три необязательных поля вместе с запросом. Подобрали имена полей на трёх моделях и замерили прирост на 236 запросах: с сильным агентом nDCG@5 вырос на всех четырёх наборах, уверенно — на русском основном, с 0,603 до 0,702. Со слабым агентом (gpt-5.4-mini) прирост почти пропадает, и больше всего на него влияет описание одного поля. Читать, если у вас MCP-поиск и вы думаете, не добавить ли переписывание запросов.
В июне trip2g отдавал 4 000 страниц в секунду. В октябре мы перемерили его на 10 000 заметок и с профилировщиком на каждом пути. Кеш держит те же цифры, поиск, MCP и шаблон нашли себе новые узкие места, а опубликованная цифра синхронизации оказалась снятой на синтетике.
Почему у каждой базы знаний в trip2g ровно один автор и как пространство команды собирается из федерации баз, а не из матрицы прав над общей вики. Права доступа в Notion и Confluence, Federated Wiki и где эта идея проигрывает.
Четыре принципа data mesh Жамак Дегани простыми словами и как они ложатся на базы знаний в trip2g: владение по доменам, знание как продукт, платформа самообслуживания, федеративное управление. Плюс Backstage TechDocs, известная критика и где аналогия нам льстит.
Представьте команду, где у каждого сотрудника свой ИИ-агент (у нас это hermes), и каждый агент держит память в своей базе trip2g. Руководитель хочет утром знать, что команда собирается делать, а вечером — как прошёл день. Без созвона-летучки, без формы, которую надо заполнять, и без отчётов, которые кто-то должен присылать.
Команда AI Mindset называет заметки в своих хранилищах по одной схеме:
О чём это: за неделю мы нашли в шаблонах trip2g выключенное экранирование, nil, который не равен nil, якоря, на которые не попадает ни одна wikilink, и справочник, который в трёх местах говорил обратное коду. Всё это генератор статических сайтов или CMS делает за вас, и вы об этом не знаете. Читать, если вы пишете свои макеты для trip2g или выбираете шаблонизатор для своего продукта.
Что сделали: взяли частную базу знаний обучающего курса, подключённую к агентам по MCP, и задали четырём моделям Claude одни и те же вопросы — с серверными инструкциями и без них. Слепой судья оценил ответы. Короткий итог: слабой модели инструкции нужны, без них она проваливается; сильные находят инструкции сами. Читать, если вы собираете базу знаний для агентов и думаете, стоит ли писать для неё инструкции.
Что сделали: собрали двуязычный набор из 236 запросов к справке Obsidian, прогнали на нём trip2g, qmd и obsidian-hybrid-search и посчитали всё одним скриптом — цифрам из чужих README не верили. Нашли две причины, по которым trip2g проигрывал на русском. Добавили поиск по алиасам: в своей категории запросов он поднял nDCG@5 с 0,81 до 0,98. Самый большой выигрыш дали поля, которые передаёт агент по MCP: на русском основном наборе плюс 0,10, на остальных около 0,05. Читать, если у вас поиск по заметкам и вы хотите знать, как он выглядит рядом с соседями.
Что сделали: разобрали по коду и по статье, как устроен поиск в пяти чужих системах, и сравнили с нашим. Для Hindsight дополнительно проверили на живых моделях, что происходит с русским текстом. AnythingLLM — популярный self-hosted чат с документами. qmd — локальный поисковик по markdown от Тоби Лютке. Cerebras Knowledge — внутренняя база знаний компании, 15 000 вопросов в день. Hindsight — память для AI-агентов с графом фактов. obsidian-hybrid-search — MCP-поиск по хранилищу Obsidian, ближе всех к нам по задаче. Для каждой системы — отдельный раздел, в конце сводная таблица. Читать, если вы строите поиск по заметкам и хотите понять, какие решения у всех одинаковые, а в каких есть выбор.
О чём это: сервер trip2g отказался принять научную статью про иммунологию, потому что решил, что это шрифт. Разбираемся, почему так вышло, и почему проверка, которая выглядела разумной, для заметок не годилась вовсе. Читать, если вы проверяете загружаемые файлы по их содержимому.
Записи созвонов живут у рекордера — у меня это Krisp: его аккаунт, его правила, его поиск. trip2g забирает их оттуда в ваш собственный волт — дословный транскрипт, одна заметка на созвон, поиск сверху. Забирает не сервис и не плагин. Забирает markdown-заметка: фронтматтер — конфигурация, тело — fenced-блок на питоне, который и есть задание. Её версионируют, правят и синкают как любую другую заметку, а токен от рекордера лежит запечатанным в её же шапке.
Однажды в сентябре я задал дешёвому AI-ассистенту три вопроса по своей базе знаний, а потом прочитал не его ответы, а всё, что он делал по дороге к ним. Нашёл шесть мелких дефектов в сервисе, с которым ассистент разговаривает. О них никто не сообщал, и я понимаю почему. Продолжение A/B про инструкцию.
О чём это: что такое реранкер, зачем он нужен поиску и как наш реранкер полтора месяца не работал на проде. 61 354 отказа из 61 359 запросов, и ни один из них никто не увидел. Заодно про то, почему мы его выключили, а не починили. Читать, если у вас гибридный поиск и вы думаете, добавлять ли вторую ступень.
О чём это: новые Rich Messages в Telegram — посты в форме документа, а не чат-сообщения, — что они дают тому, кто публикует длинные тексты, и что trip2g собирается построить, чтобы ими пользоваться. Выводы сразу. Rich messages несут настоящие заголовки, медиа стоит рядом с тем абзацем, к которому относится, и места в восемь раз больше: документ, а не сообщение. Бот умеет отправлять их уже сегодня, бесплатно и без замка — и в личные чаты, и в каналы: за этой фразой стоит около 250 живых вызовов API, и замка по типу чата не нашлось ни в одном. И они отрисовываются: я открыл тестовый канал в настоящем клиенте — всё выглядит так, как и задумано. Работы оказалось куда меньше, чем выглядело: без обновления библиотеки, без MTProto, без новой зависимости — просто второй рендерер поверх goldmark AST, по которому мы и так ходим. Цена — включение по каждому чату, проверка после каждой отправки, кастомные эмодзи, теряющиеся по дороге, и одно продуктовое решение: каналы, куда мы публикуем через аккаунт пользователя, остаются на классике.
О чём это: тот же вопрос, что и в первом эссе — в каком классе живёт trip2g и кто соседи, — но после сверки с реальностью июля 2026. Короткий ответ изменился. trip2g — не «пустая середина flat-file CMS»: середину уже занял Grav 2.0, причём честнее-плоский и с тем же MCP-сюжетом. Настоящая, узкая и защитимая ниша trip2g — пересечение двух вещей, которого больше нет ни у кого: поверхность авторинга — твой личный Obsidian-vault с двусторонней синхронизацией, а доставка — веб + Telegram + агент (MCP) + федерация между хабами, поверх канонической SQLite. Всё остальное — write-API, app-shell, MCP — с июня 2026 уже не отличия, а гигиена нового класса.
О чём это: как называется класс, в котором живёт trip2g, кто соседи, и что в позиционировании честно, а что — маркетинг. Короткий ответ: это flat-file CMS — контент в файлах, рендер в рантайме, без отдельной базы-сервера. Ниша существует лет пятнадцать, но осталась тонкой: рынок разъехался на два полюса — статические генераторы и CMS с базой данных, — а середину почти никто не занял. trip2g стоит в этой середине, с двумя отличиями: поверхность редактирования — это локальный Obsidian-vault с синхронизацией, а под капотом не буквальные файлы, а SQLite. Гибрид: редактируешь как файлы, сервер работает как база.
Этот архитектурный подход я использую в Go уже 7+ лет. Устоявшегося названия у него нет — это естественная эволюция идиоматического Go применительно к реальному монолиту.
trip2g — платформа для публикации Obsidian-заметок с подпиской и интеграцией с Telegram. Go-монолит + $mol-фронтенд + SQLite.
Чтобы записать чистое видео фичи, приходится пройти весь её happy path на настоящем продукте. Всплывают ровно те баги, которые иначе ждали бы живого демо перед клиентом.
Сначала результаты — потом история.
Когда работаешь с агентом весь день, команда не видит ничего. Коммит появится к вечеру, если появится. Что агент делал шесть часов — тайна. Этот скил закрывает пробел: после каждого хода агент автоматически пишет короткий отчёт и отправляет его в trip2g.
Почему мы выбрали Obsidian как основу для trip2g. Что такое Markdown, wikilinks и почему это меняет подход к знаниям.
О чём это: замеренный A/B на двух дешёвых моделях. Я подключил Claude Haiku и GPT-5.4-nano к базе документации trip2g через MCP и задал каждой по восемь вопросов. Сначала с короткой инструкцией в контексте, потом без неё. Те же инструменты, те же вопросы. С инструкцией Haiku искал на 26% быстрее и на 41% реже выгружал заметки целиком. А nano, который и сам по себе бережлив, в ней почти не нуждался. Читать, если вы держите базу знаний за MCP и не уверены, окупается ли инструкция.
О чём это: мы написали alert-sink, небольшой открытый сервис, который превращает вебхуки Alertmanager в заметки об инцидентах в инстансе trip2g. Каждый алерт становится markdown-заметкой, заметки складываются в постоянную историю инцидентов с поиском, а база знаний может сама рассказывать про инциденты в Telegram-группе. Читать, если ваша история инцидентов сейчас живёт в скроллбэке чата.
Сколько стоит универсальный инструмент — тем, кто на нём строит, и тем, кто им пользуется.
Фичи, которые мы построили и удалили — или посчитали и не стали строить. С числами, которые решили.
О чём это: trip2g как буквальная операционная система. Заметки — файловая система, MCP — системные вызовы, федерация — сеть, агенты — процессы. Каждая строка в карте помечена тем, насколько она реальна, так что видно, где метафора заслужена, а где нет. Читать, если хотите решить, реальна ли «Markdown ОС» или это просто ярлык.
Почему Obsidian невозможно объяснить одной фразой, почему у trip2g та же проблема — и почему это свойство инструмента, а не провал маркетинга.
Языковая модель хорошо видит, где разговор поворачивает, и плохо считает арифметику по таймкодам. Моя первая попытка нарезать транскрипты звонков на темы это игнорировала: я просил у модели блоки [начало–конец], а она не сводила интервалы. Починил это не острый промпт и не модель побольше. Починил другой вопрос: спрашивай, где каждая тема начинается (один реальный таймкод из транскрипта), а интервалы досчитает код. Тогда самая дешёвая модель расставила переходы на 100% по порядку и на 97% по реальным таймкодам и обошла модель побольше.
О чём это: история про ошибку SQLITE_BUSY, которую я полгода ловил, валил на SQLite и в итоге нашёл в собственном пуле соединений. Наполовину боевая история, наполовину — довод в пользу того, чтобы держать базу внутри одного процесса. Читать, если вы хоть раз видели «database is locked» и думали, что зря выбрали SQLite.
После запуска кеша анонимных страниц мы снова запустили профилировщик. Рендеринг исчез с горячего пути. Треть CPU ушла в парсер SQL.
Профилировщик показал: обычная страница документации в 30 раз дороже кастомного лендинга. Мы думали наоборот.
Вайбкодинг — это когда программу пишут, диктуя задачу ИИ на обычном языке, и принимают его код, не читая и не проверяя. Термин придумал Андрей Карпаты в твите 2 февраля 2025 года: «полностью отдаёшься вайбу… забываешь, что код вообще существует; я всегда жму „Accept All" и больше не читаю диффы». Сначала он имел в виду одноразовые проекты на выходные. За 2025 год смысл сузился. Теперь так называют крайний случай — без понимания и без ревью. Это отличают от «инженерии с ИИ», где человек всё равно читает, тестирует и может объяснить каждую строку. Главный признак вайбкодинга — не использование ИИ, а отсутствие понимания у человека. Поэтому одно и то же занятие хвалят за демократизацию софта и ругают за тихий поток багов, дыр и техдолга.
Короткий итог. Сеть знаний trip2g (markdown-вольты на SQLite) можно держать на прерываемых (preemptible) нодах: они в 2-3 раза дешевле и могут исчезнуть в любой момент. В синтетическом тесте сеть это переживает: нода умирает, поднимается на другой машине и восстанавливает свои данные за ~35 секунд, теряя не больше 1 секунды записей. Держит данные не локальный диск, а копия в объектном хранилище (Litestream). Ниже по деталям: что проверял, как это работает и где границы.
Корпус знаний (синоним — база знаний) это папка заметок в markdown, по которым ходишь как по связанному графу. Та же штука, что пользователи Obsidian называют «vault». Разница в одном: у нас корпус не привязан к Obsidian.
Мы пересматривали синхронизацию Obsidian в trip2g и собирались ускорить медленное хеширование. Потом построили бенчмарк и измерили. Тормозило в другом месте — один забытый флаг превращал пуш на 3 секунды в пуш на 4 минуты.
Чтобы агент надёжно выполнял сложный скил, недостаточно написать инструкцию красивыми словами. Нужен цикл: гоняем агента, проверяем артефакты bash-чекером, ловим стабильные ошибки и правим структуру инструкции — не текст. За три итерации скил создания лендинга прошёл путь от 4 фейлов до 0. Сама идея цикла подсмотрена у Anthropic, материалы которого собрал агент Николая Сенина через knowlu.me и опубликовал на его trip2g-инстансе. Мой агент достал их через MCP-эндпоинт его сайта.
Спустя чуть больше месяца после первого коммита про федерацию наш публичный trip2g-хаб запущен: один MCP-эндпоинт ищет сразу по нескольким независимым базам знаний. Демо — меньшая часть. Ставка — сеть: базы принадлежат разным людям, доступны по одному адресу, и любой агент может по ним искать без центрального реестра.
Каждое утро агент читает, что делали участники команды вчера, и пишет дневную заметку. По понедельникам — недельную. Никто ничего не вводит вручную: данные берутся из trip2g-инстансов участников через MCP.
Книга, курс, канал — привычные форматы. Но у каждого есть ограничения, которые граф знаний снимает.
Знания эксперта — как айсберг. Видимая часть — малая доля того, что есть на самом деле.
Заметка — это узел. Ссылка между заметками — связь. Вместе они образуют граф.
Новая бизнес-модель для экспертов: не продажа знаний, а аренда доступа к живой системе.
Конкретные сценарии использования графа знаний.
Dogfooding — философия разработки, где команда использует собственный продукт в реальной работе. Термин появился в Microsoft в 80-х: "eating your own dog food".
Ваши знания должны принадлежать вам. Не платформе, не сервису — вам.
CMS без контента внутри. Звучит как парадокс, но в этом суть.
AI — главный сдвиг, который делает графы знаний актуальными прямо сейчас.
Вы описываете что хотите получить, а не как это сделать. Система разбирается сама.
Каждая функция требует настроек. Telegram-бот — токен и группы. OAuth — ключи от Google и GitHub. Patreon — API-токен и уровни подписки.