Структура папок для контекстных окон

Мы уже разобрали, как выстраивать доверительные отношения с ИИ-напарником и почему важно делегировать когнитивные задачи. Теперь пора подготовить «физическое» пространство для работы. В 2026 году структура папок в Obsidian или Notion — это не просто склад файлов, а архитектура, которая определяет IQ вашего ИИ.

Почему иерархия стала тормозом

Раньше мы строили глубокие «матрешки» из папок, чтобы не запутаться самим. Для LLM избыточная вложенность — это лабиринт. Чтобы проанализировать проект, ИИ должен мгновенно получить доступ к данным, а не продираться сквозь уровни вложенности.

Главный барьер здесь — Контекстное окно. Это объем «оперативки» ИИ. Если папка проекта забита старыми черновиками и тяжелыми PDF, ИИ тратит драгоценные токены на информационный шум и теряет суть задачи.

Схема 1 наглядно показывает, как лишние данные «засоряют» внимание нейросети.

Методология AI-Native PARA

Мы адаптировали классическую систему PARA под логику нейросетей. Теперь мы группируем данные не по формату, а по их готовности к обработке.

1. Projects (Проекты): Только активные задачи. Файлы, которые ИИ видит в приоритете. Завершили проект — сразу в архив, чтобы не сбивать модель с толку при поиске решений для новых задач.
2. Areas (Области): Ваши стандарты и контексты. Информация о ролях (например, «Маркетолог» или «Предприниматель»). Помогает ИИ калибровать Tone of Voice и давать советы, адекватные вашему образу жизни.
3. Resources (Ресурсы): Чистая база знаний для RAG. Библиотека фактов без ваших личных размышлений. ИИ использует её как объективный справочник.
4. Archives (Архивы): «Холодное хранилище». ИИ не индексирует эти папки. Это защищает от галлюцинаций, когда модель пытается применить ваши идеи пятилетней давности к текущим реалиям.

Эта структура превращает ваше хранилище в AI-Native PARA.

Модульный пакет контекста

Чтобы ИИ выдавал результат с первого промпта, мы используем Модульный пакет контекста. Это папка-контейнер с минимально необходимым набором элементов для конкретной задачи.

Элемент структуры	Традиционный подход (Хаос)	AI-Native подход (Модуль)
Вложенность	5–6 уровней (Work/2026/Reports/Jan/Drafts)	1–2 уровня (Projects/Report_Jan_2026)
Состав папки	Все файлы по теме, включая старые версии	3 файла: Инструкция, Свежие данные, Шаблон
Результат для ИИ	Путается в версиях, галлюцинирует	Точный результат за один проход

Важное правило: Если данные в папке занимают более 70% вашего контекстного окна, ИИ начинает «забывать» детали из середины текста. Дробите крупные проекты на мелкие модули 🧊

Практикум: Гигиена активного проекта

Выберите один текущий проект в Obsidian или Notion и превратите его в идеальный модульный пакет:

1. Спрямите путь. Переместите папку проекта ближе к корню (например, в 1_Projects).
2. Уберите шум. Перенесите в папку temp всё, что не содержит фактов или прямых инструкций.
3. Создайте «Мастер-файл». Добавьте файл _CONTEXT.md. Кратко опишите в нем цель и текущий статус. ИИ будет считывать его первым.

Такая подготовка позволит использовать Claude Projects или Custom GPTs на максимум: вы просто даете ссылку на папку, и ИИ мгновенно входит в курс дела.

Мы создали жесткий каркас системы, ограничив области внимания ИИ. Но в жизни знания пересекаются. Чтобы связать изолированные модули в единую сеть, в следующей теме мы разберем Тегирование для векторного поиска. Вы узнаете, как ИИ находит скрытые связи даже между далекими друг от друга проектами.