Самообучающийся ИИ-агент без дообучения модели — это не магия и не маркетинг. Это конкретный подход: агент адаптируется через то, что читает перед каждым ответом, а не через изменение весов. Я, Арина Михална, называю это ACE — Agentic Context Engineering. И это меняет вайбкодинг радикально.
Что такое ACE и почему это не просто «контекстное окно»
ACE — Agentic Context Engineering — это не просто «кинь побольше текста в промпт». Это архитектурный принцип: агент сам управляет тем, что попадает в его контекст на каждом шаге.
Разница важная. Обычный чат-бот получает контекст один раз — ты написал, он ответил. Агент с ACE работает иначе: перед каждым действием он решает, что нужно прочитать. Историю прошлых сессий? Правила проекта? Примеры успешных решений? Это его выбор, а не твоя ручная вставка.
По данным Analytics Vidhya, ACE — это сдвиг от «дай агенту инструменты» к «дай агенту память и стратегию её использования». Агент не просто исполняет — он обновляет свою базу знаний по ходу работы.
Три составляющих ACE на практике:
| Компонент | Что это | Пример |
|---|---|---|
| Эпизодическая память | история сессий и решений | «в прошлый раз ты выбрала PostgreSQL — используй снова» |
| Семантическая память | правила и факты о проекте | CLAUDE.md с архитектурными решениями |
| Процедурная память | шаблоны действий | скилл «как делать ревью кода в этом проекте» |
Читайте также
- 4 способа не потерять контекст Claude Code
- ИИ-агент: что это в 2026 и чем отличается от чат-бота
- Claude-агент в 2026: как собрать своего первого агента
- На портале «Мастерская нейросетей»: ИИ-агент взломал: 5 проверок безопасности
Вместе они дают агента, который от сессии к сессии ведёт себя умнее. Не потому что модель изменилась, а потому что у неё появилось больше нужного контекста под рукой.## Дообучение vs контекст: где на самом деле разница в деньгах и времени Дообучение (fine-tuning) меняет веса самой модели. Это долгий процесс: нужна размеченная выборка, GPU-часы, тестирование, откат при ошибке — тоже долгий и дорогой. Контекстный подход правит текстовый файл — правки применяются мгновенно.Вот честное сравнение по трём параметрам, которые реально решают:
| Параметр | Дообучение | Контекст (ACE) |
|---|---|---|
| Стоимость запуска | высокая: разметка + вычисления | низкая: правка файла или промпта |
| Время до результата | дни-недели | секунды-минуты |
| Откат при ошибке | пересборка модели | удалить/поправить строку в контексте |
| Что меняет | базовое поведение модели | поведение в конкретной задаче/проекте |
| Предел | не ограничен объёмом контекста | ограничен размером контекстного окна |
| По нашим замерам, стоимость одной SEO-статьи через шлюз vibecode.moe с Claude Sonnet 5 — около 7 рублей за текст и три картинки. Это к вопросу о цене «контекстного» подхода на практике: система не переобучается под каждую статью, она просто получает нужный контекст (тему, тон, референсы) — и результат готов за пару минут.> Совет: я держу для каждого проекта отдельный CLAUDE.md с накопленными решениями — не переписываю его с нуля, а дополняю после каждой сессии. Через месяц агент уже «знает» мой стиль работы без единого дообучения.➡️ Вот тут и начинается разница между «модель ответила» и «агент решил задачу сам». Хочешь разбор живых кейсов, где я показываю, как это работает не в теории, а на реальных проектах — в канале выкладываю такие примеры без прикрас. Забрать в канале | ||
 |
Как это работает у Claude: агент, который не забывает между сессиями
Ключевая техническая деталь, которая делает ACE рабочим прямо сейчас: Claude Code сохраняет состояние между сессиями и восстанавливает контекст при повторном открытии — это подтверждено официальной документацией Anthropic. Закрыл терминал, открыл через день — агент помнит, где остановился.Больше того: облачный агент продолжает работу после закрытия терминала. Ты не привязан к открытому окну — задача выполняется в фоне, а результат ждёт тебя, когда вернёшься.И агент может самостоятельно применять изменения и коммитить их — то есть цикл «прочитал контекст → принял решение → зафиксировал результат» замкнут без твоего участия на каждом шаге.Практический пример масштаба, до которого это доросло: агент на базе Claude нашёл новый фермент класса CRISPR, и открытие подтверждено лабораторно. Это не игрушечная демонстрация — это исследовательская работа, где агент вёл долгий процесс, накапливая контекст о промежуточных результатах, а не просто отвечал на одноразовые вопросы.
Что это значит для вайбкодинга на практике
Вайбкодинг — это разработка через диалог с агентом, без ручного написания кода построчно. ACE в этом процессе — разница между агентом, который каждую сессию как первый раз, и агентом, который помнит вчерашние решения.Без структурированного контекста вайбкодинг превращается в день сурка: объясняешь архитектуру проекта заново, напоминаешь про стиль кода, повторяешь, какие библиотеки не использовать. С ACE-подходом агент читает файл памяти проекта и уже знает контекст — твоя задача просто продолжить с того места, где остановилась вчера.Практический скелет, который у меня работает:
- Файл памяти проекта (CLAUDE.md) — архитектурные решения и правила, которые не меняются.2. Лог сессий — короткие заметки, что сделано и почему, без деталей кода.3. Библиотека готовых скиллов — шаблоны повторяющихся задач (ревью, деплой, тесты).4. Регулярная чистка — раз в неделю выкидываю из памяти то, что устарело.Про то, как собрать такую структуру памяти пошагово, я писала отдельно — долгосрочная память для агентов разбирает это на конкретных файлах. А если у тебя ещё нет базового CLAUDE.md — вот как его написать с нуля.➡️ Структура памяти — это половина дела, вторая половина — знать, где искать живые примеры, а не изобретать велосипед каждый раз. В канале я регулярно показываю такие связки на реальных проектах — без причёсанной теории, с честными «вот тут не сработало». Смотреть в канале
Как оценить, работает ли контекст агента
Метрика простая и практическая, без сложных бенчмарков: сколько раз за сессию ты повторяешь агенту то, что уже объясняла раньше. Ноль повторов — контекст структурирован правильно. Три-четыре повтора одного правила — контекст либо не читается агентом полностью, либо перегружен нерелевантным.Второй сигнал — качество первого ответа на новую задачу в начале сессии. Если агент сразу предлагает решение в стиле проекта, без общих шаблонов — контекст работает. Если выдаёт generic-код, будто видит проект впервые — контекст не долетает или устарел.Про субагентов и то, как несколько агентов делят контекст между собой без потери качества, я разбирала в статье про субагентов Claude Code — там же о том, что происходит, когда контекст одного агента передаётся другому.
По материалам: разбор Agentic Context Engineering, Analytics Vidhya, сентябрь 2026, сравнение архитектур агентов, MarkTechPost, документация Claude Code, Anthropic. Самообучающийся агент без дообучения — это не про то, что модель становится умнее сама. Это про то, что вокруг неё выстраивается система памяти, которая делает каждую следующую сессию быстрее предыдущей. В канале «А.М. решает вопросы» я регулярно разбираю именно такие рабочие связки — без теории ради теории, на живых проектах и с честными провалами. Забрать разборы в канале
