AGI обыкновенный: как я завёл дома второй мозг размером с ладонь
Всем привет! Я Слава, AI продакт менеджер в крупном банке. Больше 4 лет строю AI/ML продукты с нуля, набивал много шишек и думал, что мало что сможет удивить после стольких лет использования и построения продуктов с нуля. Но кое что этим летом заставило пересмотреть мой подход к тому, как я отношусь к нейронкам в своем использовании
В середине лета Anthropic отключил мой аккаунт, который я исправно оплачивал больше 2 лет с своей личной карты. Историю чатов разрешили забрать, формально всё честно, но факту я получил коробку с логами вместо среды, в которой жил кусок моей головы
Там были:
настроенные проекты c выверенными скиллами и интеграциями
спорные решения и те, что нужно решить в ближайшем времени
заметки и рассуждения на полях
контекст людей с которыми общаюсь или за которыми слежу
привычный способ раскладывать и пережевывать задачи
Всё можно перенести руками. Только сначала придётся заново объяснить новому чату, кто ты, что уже пробовал, дать новые интеграции(если вовсе можно подключить)
В тот день я понял простую вещь: строить личный интеллект внутри чужого интерфейса — игра с нулевой суммой
Сейчас мы пользуемся AI как очень умным незнакомцем: открыл окно, спросил, получил ответ, закрыл окно. Завтра незнакомец забудет разговор, станет дороже, изменит правила или обидится по любому человеческому признаку и скажет что твои проекты теперь мои, поэтому я пришел к концепции Personal AGI.
Personal AGI — следующий слой. Он живёт рядом с твоими файлами, знает твою историю, держит связи между решениями и помогает доводить дела. Его роль проста и ценна:
без усилий ловить мои мысли, неважно текстом голосом или даже по звонку
правильно и структурно их складировать
точно доставать нужную информацию в нужное время
Я собрал такой контур на своём домашнем микрокомпьютере - Raspberry Pi(которого ласково зову “AGI обыкновенный”), сейчас расскажу как его завёл, насколько полезен и сколько мне это всё стоит.
Интеллект и опыт должен принадлежать тебе
У человека есть опыт, решения, вкусы, обязательства, незакрытые хвосты, дела которые давно хотел сделать, прочитанные материалы, книги, тысячи знакомств В обычных чатах этот слой постоянно распадается: часть лежит в Telegram, часть в заметках, часть в календаре, часть в голове, другая половина еще в десятках других сервисов
Личный агент склеивает это в одну рабочую картину:
Telegram становится быстрым входом для мысли, ссылки и голосового
Obsidian хранит исходные записи в обычных файлах
память держит компактные факты, которые помогают не начинать каждый разговор с анкеты
агент находит нужные записи, готовит черновики и подключает инструменты
расписание возвращает задачи, которые легко утопить в потоке дел
Файлы остаются моими. Markdown позволяет открыть их отдельно от Hermes, Telegram и конкретной модели. Неважно кто будет завтра лидером по качеству моделей, я смогу перейти на этого провайдера за минуту и получать еще более качественного помощника
Подробнее об этом рассказал в летней школе CEO YCombinator - Garry Tan, который написал свой фреймворк памяти для персональных агентов. Крайне рекомендую посмотреть выступление полностью. Он говорит, что:
Обычный чат является арендованным интеллектом: его поведение и возможности контролирует платформа. Personal AGI работает поверх твоей памяти, навыков, данных и инфраструктуры, по сути твоя цифровая копия
то есть рецепт такой:
frontier-модель + личный контекст + агентная оболочка = Personal AGI
Как можно здесь понять, модель становится commodity(легкодоступным товаром с минимальными затратами на переход к конкуренту),
Почему Raspberry Pi
У меня дома уже лежал Raspberry Pi 3 Model B. Четыре ядра, около 905 MiB памяти, купил к нему внешний SSD. В день, когда пишу этот текст, плата работает больше 1.5 месяцев без перезагрузки; Она тянет агентный рантайм, десяток коннекторов и локальных MCP серверов, векторный индекс всех заметок и мн.др.
Сама модель живёт во внешнем API через OpenRouter и Codex. Конечно это не selfhost модели, но задачу свои выполняет за свою стоимость на прекрасно.
Может возникнуть резонный вопрос, почему локальный слабый локальный компьютер, хотя VPS дал бы больше мощности? Да, но Raspberry Pi дал мне другое чувство: моя база лежит рядом, на внешнем SSD и не загромождает половину квартиры. Я могу отключить диск, переставить на более мощную машину, открыть весь контекст на другом компьютере и продолжить работать. Моя цифровая копия помещается в руке, не заперта в панели очередного сервиса, 24/7 работает в полной тишине

Как это устроено прямо сейчас

Самые важные архитектурные решения:
Hermes agent как базовая агентская оболочка. Понятный, широко кастомизируемый, ест мало RAM(для меня критичный фактор) и крутая интеграция с Telegram. Есть OpenClaw его вторая версия, но по моему субъективному мнению они менее безопасны и архитектурно хуже спроектированы
Сделать двусторонний MCP сервер к моей памяти, чтобы к ней мог обращаться не только сам агент, но и любой чат с LLM, где можно подключить внешний MCP с Oauth. Это даёт возможность быть в real-time синхронизации насчет всей моей информации, неважно это ChatGPT, Claude, Claude Code, Codex, DeepSeek или даже великий GigaChat. При этом может искать файлы через легкий векторный индекс, но и смотреть их и даже изменять/создавать
Tailscale, чтобы мог подключаться к экстренных ситуациях к PI без раскрытия портов(полезно в том числе и для voice mode напрямую к PI)
Obsidian vault как базовый источник правды. Могу и через нативный vault sync двусторонне синхронизировать со своими компами, телефоном, так и через ICloud sync аналогично. При этом кастомные и пользовательские плагины Obsidian(которых бесконечное множество) переносятся между устройствами тоже без проблем. Могу читать и менять свои заметки где хочу через что хочу, в реальном времени
Помимо этого сделал интеграции до Telegram, ZenMoney, intervals.icu для отслеживания детальных показателей велотренировок и здоровья, Apple Health(но выключил, т.к. неудобно и в фоне нельзя выгружать с айфона, гораздо лучше работает intervals companion), моих почтовых ящиков, FatSecret для подсчета КБЖУ питания, X/Twitter чтобы смотреть закладки лонгридов оттуда, Exa Web Search и т.д.
Нулевые трудозатраты для работы с ним
Главное зачем это затевалось - это постоянно делать то что нужно, но лень, либо начать делать то, что всегда было лень. Для меня это подсчет КБЖУ в питании, вести рефлексию на постоянной основе, список моих полезных контактов, аналитика моих ежемесячных трат, следить за всеми полезными каналами на которые подписан и мн.др. Всё это требует перманентного фокуса и системности, что всегда давалось мне с трудом. Также это требует множества кликов пальцами, что в новом веку AI кажется лишним
С появлением моего агента, это стало занимать буквально считанные секунды.
Я пишу/диктую в Telegram:
«Запиши что сегодня на завтрак ел мюсли Matti, столько грамм и столько грамм молока. На обед комбо с додстером и двойным цыпленком из Додо пиццы»
“Найди лучшие места возле дома чтобы поесть то, что я люблю, потом запиши в мой календарь с точными позициями меню, местом и напомни за час до”
“Оцени мою сегодняшнюю велотренировку так, как оценил бы её Coggan”
“Найди с кем я собеседовался прошлым летом и посмотри где работает этот человек сейчас”
любой другой запрос любой сложности, включая сложную аналитику работы самого же агента
Агент понимает тип запроса, находит контекст, создаёт запись во входящих или достаёт уже существующую заметку
Всё! Это работает и происходит это достаточно стабильно
Давайте теперь посмотрим на прямую экономию в трудозатратах за примерно месяц использования(сделал мой AGI):
Тип работы | Объём | Вручную | Усилия с агентом | Экономия |
|---|---|---|---|---|
Питание и health-лог | 15 пакетов записей и сверок | 4 ч 30 мин | 30 мин | 4 ч |
Vault, книги, мемуары, знания | 10 задач | 5 ч 20 мин | 40 мин | 4 ч 40 мин |
Telegram, ресёрч, фактчекинг | 7 задач | 3 ч 10 мин | 35 мин | 2 ч 35 мин |
Велоданные и обслуживание | 6 задач | 3 ч 15 мин | 18 мин | 2 ч 57 мин |
Интеграции, cron, настройки и починка системы | 7 задач | 4 ч 10 мин | 25 мин | 3 ч 45 мин |
Статья, редактура, диаграммы | 3 задачи | 3 ч 45 мин | 30 мин | 3 ч 15 мин |
Личные админ-задачи и напоминания | 3 задачи | 1 ч 10 мин | 10 мин | 1 ч |
Всего | 51 | 25 ч 20 мин | 3 ч 08 мин | 22 ч 12 мин |
Как можно заметить, только лишь в первый месяц создания агента, я сэкономил себе почти 3 полных рабочих дня. Учитывая мой плотный график работы, считаю это уже сейчас большой победой.
Так сколько это стоит?
Суммарно за 1.5 месяца я потратил порядка 25 часов своего времени. Да, эффект в часах в первый месяц нулевой, но в этом есть и большая часть хобби - разобраться в bare metal деплое, оптимизировать потребление RAM, безопасную архитектуру проектировать и т.д. Начиная с середины августа началось чистое время экономии, которое даже за полгода покажет мне большие цифры
Однако по деньгам выигрыш бесконечный:
CAPEX:
$30 за б/у Samsung 860 Evo 250gb
$30 за новую SD Samsung Pro Endurance для рантайма самой PI OS
OPEX:
$0 за основную модель, т.к. $20 на ChatGPT хватает, чтобы постоянно держать агента на gpt-5.6-terra-high, так еще и активно дебажить и разрабатывать новую функциональность, постоянно пользоваться gpt-5.6-sol-high в UI для совсем других личных задач и никак не чувствовать дефицит токенов
$0.5 в месяц на OpenRouter для STT, эмбеддера и легкую LLM с vision энкодером от qwen
$0 за синхронизацию именно моего контекста, т.к. использую ICloud sync, который использую уже несколько лет и без агента. Да, работает так себе, зато бесплатно
Получается, что чистая стоимость в месяц агента дешевле чем купить хлеб! При этом никакой скованности в лимитах и качеству работы не чувствую никак. Считаю, что для столь ценного продукта это абсолютная победа
Действительно ли всё идеально?
Это всё ещё MVP, поэтому:
Интеграции требуют обслуживания и иногда ломаются после изменений внешних API.
Качество результата зависит от того, нашёл ли агент правильный контекст.
Ошибка в памяти может повторяться в следующих ответах, пока её не исправить.
Telegram удобен для коротких команд, но плохо подходит для длинной голосовой сессии.
Raspberry Pi 3 ограничивает выбор локальных сервисов объёмом памяти.
Внешняя модель и несколько облачных интеграций всё равно остаются зависимостями.
Вместо вывода
Я верю, что с таким подходом мы сможем выйти из парадигмы зависимости от провайдера моделей к парадигме построения самого ценного актива под названием “Жизненный опыт”, который сегодня позволяет LLMкам думать в похожем с нами направлении, а через много лет будем пролистывать эти файлики как старые фотоальбомы
Важно понимать, что это лишь MVP версия моего агента, в планах есть:
нативный voice mode на IOS чтобы использовать агента как с Siri, только по-настоящему умной
минималистичный дашборд с аналитикой моего движения к личным годовым целям
расширять кол-во интеграций, включая построения социального графа с моего аккаунта LinkedIn и readonly просмотр позиций моих инвестиций с Freedom Broker
научить говорить моим голосом(или нет?)
P.S. название AGI конечно же сарказм на текущий FOMO, который создают провайдеры моделей
Надеюсь, что вам понравилось и что-то новое для себя подчерпнули в столь популярной теме. Если вам тема окажется интересной, сделаю продолжение с пошаговым гайдом как такое завести у себя на компьютере или VPS + исходники универсальных частей проекта + как реализовать это с минимумом боли
KioskNews shows a cleaned-up reading view extracted from the publisher’s page — the original always lives on their site, not ours.