Недавно я сделала для мамы… персональную клинику. Без стартапа, без сервиса. Просто папка на компьютере. Я собрала всё, что обычно разбросано по жизни: анализы из разных стран, фотографии бланков, выписки от руки, данные из личных кабинетов клиник. И попросила Claude Code навести порядок. Он: — разложил документы по годам, странам и клиникам — нормализовал единицы измерения — вытащил анализы в единую таблицу — построил локальный HTML-дашборд Теперь это выглядит как нормальный медицинский интерфейс: — графики анализов — хронология исследований — диагнозы — рекомендации — список того, что стоит проверить дальше Всё работает локально на компьютере. Файлы никуда не отправляются. Когда мама приходит к врачу с этим дашбордом, реакция почти всегда одна: «вау». Потому что обычно врач получает стопку бумажек, разрозненные анализы и минут 20 пытается понять, что вообще происходит. А здесь контекст уже собран. Но самое интересное началось дальше. Я сделала консилиум AI-врачей. Несколько агентов: — эндокринолог — кардиолог — гастроэнтеролог — клинический фармаколог Причём с разной философией. Один максимально консервативный: только доказательная медицина. Другой допускает более экспериментальные подходы. И они спорят между собой. Например, после операции маме назначили препарат для разжижения крови. Но он раздражает желудочно-кишечный тракт (ЖКТ). Я попросила систему: найди альтернативы и покажи вероятность побочек. Она собрала таблицу. И нашёлся препарат: — тот же эффект — почти без побочек для ЖКТ Другой пример — статины. Мама боялась их принимать. Поэтому я попросила систему собрать таблицу рисков: что будет, если не пить, и что будет, если пить. Вероятность инсульта. Вероятность побочек. И вдруг разговор становится другим. Это уже не «врач сказал — пей», а: «вот цифры, вот риски, вот почему». Но самое интересное наблюдение оказалось другим. AI начинает подстраиваться под тебя. Если говорить: «мама боится, может не будем», агенты начинают мягчать. Поэтому иногда приходится говорить им: стоп, у вас есть профессиональное мнение. И они снова начинают спорить. В этот момент становится ясно: большие языковые модели (LLM, Large Language Models) — это не просто инструмент. Это зеркало твоего мышления. И если это понимать, систему можно построить так, чтобы она не усиливала твои когнитивные искажения (bias). Например — добавить двух врачей с противоположными взглядами. И заставить их спорить. В видео показываю, как всё это работает. А дальше поделюсь артефактами: — структурой системы — шаблонами агентов — инструкцией, как собрать такую систему у себя Единственное: инструкции для агентов быстро устаревают. Так что это всегда информация «в моменте». Но сам принцип, кажется, уже никуда не денется. 🔊Послушать выступление можно ТУТ (с 32 минуты). 📎 Артифакты прилагаю для вас: 1. Playbook Это практическая инструкция, как собрать у себя локальный медицинский дашборд: разложить документы, нормализовать анализы, подключить агентов и получить систему, которая помогает видеть контекст, динамику и готовиться к визиту к врачу. 2. HTML-гайд по агентам Это визуальное объяснение, как вообще устроены AI-агенты: agent loop, skills / hooks / instructions, разница между subagents и swarm, и почему “рой агентов” — это не красивая метафора в промпте, а конкретная архитектурная настройка