Я работаю с нейросетями каждый день, и работа эта вся вот такая: собираю content engine для крипто-блогера, пишу VPN-сервис, строю админки. И каждая сессия в Claude Code оставляет после себя логи — решения, баги, архитектурные споры, моменты когда всё разваливается, и моменты когда оно наконец-то заводится.
А проблема вот в чём: чтобы превратить рабочий день в пост, нужно сесть и написать. Вспомнить что было утром, восстановить хронологию, сформулировать мысль — а это час-полтора, которых у меня просто нет. То есть каждый день вы по сути выбираете: либо работать, либо писать о работе, а не то и другое сразу.
И вот за 4 дня (25-28 марта) я собрал систему, которая делает это за меня — обычная ии для автоматизации, только заточенная под мой процесс. Она прочитала мои рабочие сессии и выдала 12 карточек историй и 39 черновиков под четыре формата. Этот текст, кстати, один из них.
Как это устроено
Цепочка из четырёх звеньев, и каждое делает ровно одну вещь, а не всё сразу.
Extractor сканирует логи сессий Claude Code, находит что интересного произошло, чистит от секретов и ранжирует по шести критериям — конфликт, результат, цифры, широта, новизна, человеческое. На выходе получаются карточки историй (briefs) с фактами, хронологией и оценкой.
Автор (я) просматриваю эти карточки, правлю хронологию, выкидываю лишнее, подтверждаю факты. Для личных историй это шаг обязательный, потому что первое звено неизбежно перевирает мотивации и причинно-следственные связи — оно же не знает, что на самом деле было у меня в голове.
Drafter берёт уже проверенную карточку и генерирует черновики под каждый формат: статья в блог, пост в Telegram, пачка микропостов для Threads, материал для ролика.
Text-review всё это полирует — убирает AI-маркеры, считает повторы слов, проверяет что тире не торчит в каждом предложении, что нет пришитого сбоку FAQ, и что живой человек в принципе мог бы так написать.
Что внутри карточки истории
Вот реальная карточка из сессии 24 марта:
```yaml id: "2026-03-25-001" project: "BogdanCollab" story_type: "human" result_type: "decision" requires_author_review: true ```
Заголовок: «Мне 30, долг 2.5 млн — и я выбрал не идти на завод». Хронология из 6 пунктов, каждый с пометкой «точно» или «примерно». Score: 8/10 — конфликт, цифры, человеческое.
И каждый факт тут помечен уровнем уверенности — «точно», «примерно», «неясно». Даты при этом берутся из timestamps сообщений в логе, а не из даты модификации файла, и это важно: одна сессия может тянуться неделями, и без timestamps вся хронология просто разваливается.
Как извлекаются истории
Первое звено читает логи порциями и фокусируется на user messages — они короче и в них суть. Если я где-то написал «текст крутой, но всё остальное дерьмо», агент вытаскивает эту цитату вместе с контекстом вокруг неё.
Группирует он не по дате, а по сюжету. То есть если история с Docker тянулась два вечера и три сессии, она становится одним brief, а не тремя кусками.
Дедупликация идёт по timestamps: перед сохранением агент читает все briefs за последнюю неделю и проверяет, не покрывают ли новые события то, что уже описано. Одна и та же сессия запросто может попасть в два запуска, и без этой проверки пошли бы повторы.
Отдельно, что мне самому нравится: поле «Роль AI» обязательно в каждом brief — кто что делал. User messages в логе это мои действия (задачи, решения, правки), а assistant messages плюс tool_use — действия нейросети (код, анализ, генерация). Я тут оркестрирую, а Claude Code выполняет, и это нигде не размывается.
Как упаковываются черновики
Четыре формата, и у каждого свой набор правил (platform profiles).
Blog (800-2000 слов): контекст, проблема, что сделал, результат, выводы. SEO-метаданные, code-блоки, факт или цифра каждые 150-200 слов. Статья в блоге — это каноничная версия, и все остальные форматы уже ссылаются на неё как на источник.
Telegram (3-7 абзацев): хук в первом предложении, никаких «сегодня я расскажу вам», живой текст и конкретика из карточки.
Threads (пачка из 3-7 микропостов по 500 символов): каждый микропост работает как отдельная мысль, а не как пересказ блога. Один инсайт = один микропост.
Reel-pack (материал для ролика): это не готовый каркас, а подготовленный материал — широкий угол, proof, человеческий момент, 2-3 направления хука. Полный каркас потом делает отдельный video-script.
Порядок тут важен: threads генерятся после blog и telegram, потому что ссылаются на них как на источник.
Полировка
Любой сгенерированный черновик содержит повторы и AI-маркеры. Всегда, без исключений — первая версия этой системы выдала 20 текстов, и публиковать было стыдно каждый. Ровно для этого и существует последнее звено.
- Проверяет оно четыре вещи:
- Фактичность: все ли факты есть в карточке? Не написано ли «я сделал X» если X делала нейросеть?
- Логика: каждый абзац следует из предыдущего? Переходы объяснимы?
- Повторы: одна мысль не сказана дважды? Слово не повторяется 5+ раз? Тире не в каждом предложении?
- AI-маркеры: «важно отметить», «стоит подчеркнуть», «безусловно», «на самом деле», «таким образом». Правило простое: если слово не скажешь другу за чаем, его быть не должно.
Отдельно про FAQ — в конце build-log статьи он всегда выглядит пришитым сбоку. Так что если вопрос реально интересный, ревью встраивает его прямо в текст, а если он просто дублирует контент — выкидывает.
Цифры за 4 дня
- С 25 по 28 марта цепочка переработала сессии из трёх проектов (MAKO, PersonalBrand, Мой сайт).
- 12 briefs (карточек историй)
- 39 черновиков для четырёх форматов (blog, telegram, threads, reel-pack)
- 4 дня от первого brief до этого текста
- Score от 5/10 до 8/10
Зачем вообще building in public
Это по сути контент-маркетинг для разработчика: показываешь работу — получаешь доверие. SEO потом тянет органику месяцами, Telegram и Threads дают быстрый контакт, а Reels приводят новую аудиторию.
И проблема ведь не в том, что нечего рассказать — рассказать как раз есть что. Проблема в том, что рассказывать нужно регулярно, а на это уходит время, которое могло бы пойти на саму работу. Build-log это противоречие и убирает: вы работаете как обычно, а контент вытаскивается из процесса сам.
Что здесь сделала нейросеть и что сделал я
Я спроектировал архитектуру: агенты, спеки, формат карточки, правила под каждый формат. Написал восемь спецификаций, ревьюил каждую карточку, правил хронологию, подтверждал факты. И принимал решения — какие категории контента, какой score считать проходным, что публиковать, а что нет.
А весь код написал Claude Code: агенты, скиллы, platform profiles. Все три звена работают как его субагенты, то есть это обычная работа с ai агентами, где каждый отвечает за свой кусок. Решения что вытаскивать, как упаковывать, что считать качественным текстом, какие AI-маркеры убирать — всё это лежит в спеках, которые формулировал я. Никакого «я закодил руками» тут нет, и я этого не скрываю: вайбкодинг в чистом виде, человек думает — нейросеть пишет.
Этот текст написан той же цепочкой
Drafter взял brief об этой самой цепочке и сгенерировал черновик, text-review по нему прошёлся, я проверил факты. И то, что вы это сейчас читаете, и есть результат, без лукавства.
А практическая часть тут простая: любой, кто работает с Claude Code (или другим AI-ассистентом, у которого есть логи сессий), может собрать себе такое же. Спеки открыты, подход воспроизводим, и это не магия, а просто способ снять с себя скучную часть работы.
Предыдущие посты серии: За 2 дня с нуля до первого ролика | Content engine: 3 этапа через спеки и дебаты | 7 секунд чёрного экрана