Соло-підприємець та колишній продуктовий менеджер Reddit, Meta і Roblox Пітер Ян останні роки демонструє радикальний підхід до роботи: замість команди він вибудовує навколо себе систему з AI-інструментів. Одна з найцікавіших її частин — персональний радник, щось на кшталт «chief of staff», який знає його бізнес, принципи й стиль прийняття рішень і допомагає фільтрувати можливості.
Базується цей «радник» не на складних агентських фреймворках, а на доволі приземленій концепції: текстовий файл зі зрозумілими інструкціями у Codex та окремий файл пам’яті learnings.md. Але саме це поєднання перетворює звичайну мовну модель на постійного стратегічного партнера.
Текстовий файл як радник: мінімалістичний «скелет» системи
Ядро особистого AI-радника в системі Яна — це всього лише один skill у Codex. Skill, за його визначенням, — це простий текстовий файл з інструкціями. Для персонального радника інструкція максимально пряма: це має бути «trusted life and business adviser» із теплим тоном.
Тобто немає жодних багатосторінкових промптів, складних систем правил чи каскадів підпромптів. Радник описаний кількома реченнями: давай чесну пораду, ти — мій довірений життєвий і бізнес-радник, тримай тон теплим. Далі в цьому ж файлі — кілька додаткових технічних моментів (зокрема про роботу з пам’яттю), але логіка залишається тією ж: простота понад усе.
Для запуску цього радника Ян використовує опис навичок угорі файла: коли користувач «застряг на рішенні», «працює над складною проблемою» чи «просить поради на рівні інтуїції», Codex має викликати саме цей skill. Інколи це спрацьовує автоматично, інколи доводиться вручну викликати радника через команду на кшталт /personal advisor, але принцип один: конкретний запит тригерить конкретний набір інструкцій.
За цим стоїть ключова ідея: зробити звернення по пораду до AI настільки ж природним, як написати знайомому. Фактично Ян знімає з себе частину ментального навантаження — те саме, яке раніше лягало на родину: він прямо каже, що одним із мотивів створити такого радника було те, що дружина втомилася постійно слухати його питання про рішення.
Друга пам’ять: навіщо learnings.md, якщо в моделі вже є memory
Codex, як і інші сучасні системи, має вбудовану пам’ять. Але Ян додає до цього ще один шар — окремий файл learnings.md. Завдання цього файла подвійне: по-перше, зняти частину навантаження з контекстного вікна моделі, по-друге, зробити накопичені інсайти видимими для нього самого.
Learnings.md — це звичайний текстовий документ у тій самій робочій папці Codex. AI отримує чіткі інструкції: після кожної розмови розпізнавати патерни й «навчання», які з’явилися, і питати, чи варто додати їх до learnings.md. Йдеться не про протоколи бесід, а саме про стратегічні висновки, які можуть допомогти в майбутніх рішеннях.
Ян окремо обмежує обсяг: якщо радник усе ж зберігає новий запис, той має бути «декілька рядків, одна-дві пропозиції, не величезні абзаци». Причини тут не лише технічні. Чим коротший факт, тим легше його перечитати самому і тримати під контролем, у що саме «вірить» AI про власника. Надмірна деталізація перетворює пам’ять на «слоп» — безформну масу тексту, яку неможливо ані проглянути, ані відредагувати.
Ще одна важлива інструкція: перед тим, як відповідати на будь-яке нове запитання, радник має швидко проглянути learnings.md. А в процесі діалогу, коли з’являється нова важлива закономірність, він знову ж таки повинен спитати, чи додавати її у файл. Таким чином формується цикл:
питання → відповідь із урахуванням минулих learnings → виділення нових learnings → опційне збереження.
Це і є практична реалізація «self‑improving» в локальному, персональному масштабі: не складні алгоритми самонавчання, а скромний, але дисциплінований механізм запису того, що справді важить.
Фільтр від «AI-слопу»: контроль над складністю та «чистотою» навичок
Власна пам’ять AI швидко перетворюється на проблему, якщо її не обмежувати. Ян прямо говорить про страх перетворити систему на «слоп»: якщо довірити моделі переписувати чи будувати навички повністю автоматично, вона починає додавати забагато тексту, дублікатів інструкцій, розлогих пояснень, які ніхто не прочитає.
Щоб цього уникнути, він використовує ще один допоміжний skill — щось на кшталт редактора skills. Його задача — видаляти повтори, зайві шматки та тримати кожен файл навички в межах приблизно однієї сторінки. Мета не стільки технічна, скільки управлінська: власник повинен бути здатен за один прохід перечитати й осмислити весь текст, який регулює поведінку його AI-радника.
Той самий принцип діє і для learnings.md: записів має бути рівно стільки, скільки реально впливають на рішення. Ніяких «протоколів» розмов, лише короткі, вичищені патерни.
Така дисципліна відрізняє систему стратегічного радника від звичайного чат-бота з «розширеною пам’яттю». Замість того, щоб безконтрольно складати всі розмови «в архів», Ян змушує модель постійно робити селекцію: що з цього дійсно є навчанням, а що — шумом.
Принципи як «операційна система» для рішень
Файл learnings.md — не єдине джерело довготривалої пам’яті. У центрі всієї системи радника лежить ще один документ — односторінковий план у Google Docs, який описує бізнес, цілі та принципи Яна.
Цей документ складається з кількох блоків: мета, принципи, бекграунд бізнесу, позиціонування та окремо — що дає енергію, а що її забирає. Радник отримує інструкцію завжди посилатися на цей документ перед тим, як давати пораду.
Один із ключових принципів, який Ян туди виносить, — «keep the main thing the main thing». У його випадку це означає, що основною увагою мають залишатися два напрямки: розсилки та подкаст. Проблема, яку цей принцип вирішує, дуже приземлена: постійна спокуса погоджуватися на конференції, книжкові проєкти, бічні ініціативи, які розмивають фокус.
Коли AI-радник бачить можливість — наприклад, нову ідею чи пропозицію, — він оцінює її вже не в абстракції, а крізь призму цих принципів. Якщо нова активність не допомагає зробити розсилку й подкаст кращими, радник має повне право «пригальмувати» власника й нагадати про пріоритети.
Окремий блок про енергію відіграє не меншу роль. У документі зібрані кілька пунктів про те, що «дає енергію» — наприклад, «vibe coding with Codex» — і що її «забирає», як-от надто багато Zoom-дзвінків. Для радника це ще один постійний фільтр: він має не лише рахувати гроші чи охоплення, а й зважати на те, наскільки запропонований курс дій узгоджується з енергетичним профілем власника.
Смисл у тому, що такий документ може створити не лише контент-кріейтор. Ян наголошує: незалежно від професії, варто мати власну сторінку з цілями, принципами, бекграундом і «енергетичними тригерами», покласти її в Google Doc і підключити до AI-радника. Це перетворює модель з «загальної» на максимально персональну.
Як працює «chief of staff» у щоденних рішеннях
Сукупність цих елементів — skill радника, learnings.md, принципи в Google Doc — дає на виході поведінку, дуже схожу на роботу особистого chief of staff. AI:
знає стратегічну мету власника і фінансові орієнтири,
розуміє, які заняття його заряджають, а які виснажують,
пам’ятає попередні рішення та патерни мислення,
має повноваження нагадати про принципи, коли з’являється нова можливість.
У результаті будь-яке звернення — від «чи варто брати цей проєкт» до «який напрямок розвитку обрати» — потрапляє в контекст, який ширший за поточне запитання. Це не просто «генерація ідей», а відфільтрована порада, яка співвідноситься з ціллю «тримати головне головним» і не розмінюватися на дрібниці.
Ян підкреслює, що саме цей персональний радник — один із найкорисніших skills у всій його системі. Він не найскладніший технічно, але дає найбільший ефект на якість рішень і кількість ментального шуму, який вдається відсіяти.
Висновок: особистий радник як реалістичний «AI‑перший» крок
Історія Яна показує, що «AI chief of staff» не обов’язково вимагає дорогих кастомних моделей чи складних агентських систем. У його випадку це проста зв’язка: Codex, один навик-радник, файл learnings.md і односторінковий документ із цілями та принципами.
Ключ у тому, як саме ці інструменти поєднані й які обмеження накладені: короткі записи, контроль за «слопом», регулярне оновлення learnings, суворе дотримання фокусу «головного». Саме це перетворює мовну модель з пошукової машини на справжнього персонального радника, який «знає» власника, його бізнес і його слабкі місця — і вміє тактовно, але послідовно нагадувати, куди він насправді хоче рухатися.
Джерело
AI-First Playbook: Do a Team’s Work With AI (2026) | Peter Yang