Skip to content
Статья Nielsen Norman Group окт. 2026 г.

Nielsen Norman Group: контекстные библиотеки для опытных пользователей AI

Контекстные библиотеки для опытных пользователей AI

Статья написана Таннером Колером и опубликована Nielsen Norman Group 9 октября 2026 года. Она изучает практику, всё шире распространяющуюся среди опытных пользователей Claude: создание и поддержку «контекстных библиотек». Контекстная библиотека — это коллекция файлов, в основном markdown, иногда подключённых к Notion или Slack, которые AI-агент читает, чтобы понять, как работает человек или команда.

Исследование показало: участники тратили больше усилий на поддержку контекста, чем на написание промптов. Несмотря на это, многие работали без системы и допускали устаревание файлов, что сводило на нет экономию времени, которую должны были давать агенты.

Три типа контекста

Статья выделяет три различные роли файлов в библиотеке. Глобальный контекст — стабильная информация, задающая поведение агента во всех задачах: предпочтения по коммуникации, стиль письма. Локальный контекст ограничен конкретным проектом или задачей, например ограничениями для дизайн-спринта. Амбиентный контекст — сырой, неструктурированный ввод: письма, транскрипты встреч, в которых агент ищет нужную информацию, не читая их целиком.

Смешение этих типов создаёт хрупкость: глобальные инструкции просачиваются в задачно-ориентированную работу, а амбиентные данные делают всю библиотеку неудобной.

Индексные файлы и навигация

Неожиданный вывод: многие участники не могли найти файлы в собственных библиотеках. Некоторые не знали о существовании определённых файлов. Статья рекомендует помещать индексный файл — «индексную карточку» CLAUDE.md — в каждую папку: описывать её содержимое и указывать агенту, когда её использовать. Это помогает и людям, и агентам ориентироваться в библиотеке без загрузки всего контекста сразу.

Пусть агент поддерживает библиотеку

Вместо ручного редактирования файлов участники описывали нужное изменение и просили Claude обновить файлы — иногда сразу несколько. Качество результата оценивалось по выходным данным, а не по проверке каждого изменения.

Внешние подключения часто ломаются, и это стоит учитывать в плане обслуживания. Запрос агенту проверить контекст на соответствие последним задачам помогает выявить устаревшие инструкции до того, как они начнут создавать проблемы.

Ограничивайте доступ каждой сессии

Запуск сессии в конкретной папке ограничивает доступ агента и предотвращает утечку контекста одного проекта в не связанную с ним работу. У одного из участников было правило: агент обязан переходить вверх или вниз по иерархии папок, прежде чем двигаться в сторону. Поддержание отдельных файлов короткими — как правило, несколько сотен строк — также помогает агенту точнее их использовать.

Кому полезна эта статья

Продуктовым дизайнерам и UX-исследователям, ежедневно работающим с AI-агентами, особенно для написания текстов, документирования или систематического анализа. Статья основана на наблюдаемом поведении, а не на теоретических рекомендациях — это делает её компромиссы наглядными. Если вы работаете с AI-инструментами и накопили набор файлов с инструкциями без особой структуры, здесь хорошая отправная точка для их организации.