Как убрать шаблонность у ИИ-агентов: архитектура Brand Code из трех папок для Claude Code и Codex

Как убрать шаблонность у ИИ-агентов: архитектура Brand Code из трех папок для Claude Code и Codex

Массовое внедрение искусственного интеллекта в маркетинг, клиентскую поддержку и продажи выявило ключевую проблему современной автоматизации: стандартизированный, легко узнаваемый машинный стиль ответов. Современные нейросетевые модели (LLM), работающие через стандартные промпты в обычном интерфейсе чата, генерируют усредненный контент. Пользователи моментально считывают характерные штампы, вводные конструкции и гладкие формулировки, что приводит к снижению доверия к бренду.

Проблема кроется в базовом принципе работы языковых моделей: алгоритм стремится угадать статистически наиболее вероятное следующее слово. Без жестко зафиксированных проектных ограничений модель выдает безопасный «среднеарифметический» текст. Чтобы превратить автономного ИИ-агента (копирайтера, виртуального продавца или специалиста техподдержки) в уникального помощника, способного точно воспроизводить Tone of Voice (голос бренда), требуется перейти от текстовых промптов к проектированию изолированных баз знаний. Методология Brand Code предлагает архитектурное решение из трех папок внутри проектного окружения Claude Code и файла конфигурации agents.md в Codex.

Проблема машинного инфошума: почему базовые промпты дают узнаваемый штамп

Два года назад простой запрос в чат с предложением «напиши пост для Telegram» казался прорывом. Однако сегодня аудитория выработала устойчивую слепоту к стандартным генерациям. Типичный текст ИИ-агента без специальной настройки содержит следующие маркеры:

• Отсутствие уникальной позиции: Модель избегает острых углов, экспертных оценок и субъективных суждений.
• Штампы и канцелярит: Использование вводных фраз («в современном мире», «несомненно», «важно отметить»), которые раздувают объем текста без добавления смысла.
• Абстрактные выводы: Каждая публикация завершается шаблонным призывом («а что вы думаете по этому поводу?» или «делай выводы сам»).

Инструкция вида «проверь себя и исправь ошибки», отправленная в тот же чат, не работает. Модель перечитает свой текст и с большой вероятностью подтвердит, что результат идеален, так как она оценивает собственные сгенерированные токены как наиболее вероятные.

Методология Brand Code: архитектурный подход к обучению LLM-агентов

Чтобы заставить ИИ-агента выдавать живые, релевантные тексты, необходимо вынести правила стиля за пределы диалогового окна и оформить их в виде структуры файлов проекта. В среде командных агентов (таких как Claude Code или Codex) модель считывает проектные инструкции при каждом вызове, ориентируясь на базы знаний.

Схема Brand Code разделяет обучающие материалы на три фундаментальных блока, каждый из которых размещается в отдельной директории:

• Блок 1: Редполитика и Tone of Voice. Жесткие табу, стоп-слова, правила форматирования и целевая структура ответов.
• Блок 2: Журнал правок (Edits Log). Динамическая база реальных исправлений по принципу «было / стало» с пояснением причин редакторских правок.
• Блок 3: Золотые эталоны (Gold Standards). Архивная коллекция лучших текстов, постов или ответов поддержки, созданных человеком.

Три ключевые папки системы: от редполитики до архива эталонов

Рассмотрим детальное наполнение каждого элемента архитектуры Brand Code:

1. Папка правил стиля (Style & Voice rules)

В этом каталоге содержатся markdown-файлы, описывающие визуальный и текстовый код бренда. Вместо абстрактной просьбы «пиши живо» правила содержат конкретные запреты:

• Запрет на использование специфических вводных слов.
• Ограничение на количество причастий и деепричастий в одном предложении.
• Требование использовать короткие абзацы (не более 3–4 строк).
• Правила оформления списков и выделения ключевых мыслей полужирным шрифтом.

2. Папка журнала правок (Edits Log)

Это ключевой элемент непрерывного обучения агента. Каждый раз, когда человек-редактор или руководитель правит сгенерированный агентом текст, исходный вариант и итоговая правка сохраняются в журнал. Структура записи в Edits Log включает:

• Оригинал агента: Исходный сгенерированный фрагмент с машинным штампом.
• Отредактированный вариант: Живой человеческий текст.
• Причина правки: Пояснение (например: «Убран клише-вывод, заменен на конкретный кейс с цифрами»).

Обращаясь к папке Edits Log, агент анализирует регулярные ошибки и перестает допускать их в новых сессиях.

3. Папка архива золотых эталонов (Gold Standards)

Здесь хранятся 15–20 лучших исторически успешных публикаций бренда или реальных диалогов лучших продавцов. Агент использует эту папку для считывания ритмики текста, юмора, структуры аргументации и контекстных деталей.

Настройка конфигурации проекта в Claude Code и Codex

Практическая реализация схемы зависит от используемой среды разработки ИИ-агентов:

1. В среде Claude Code: В корневой директории проекта создаются три папки: brand_rules/, edits_log/ и gold_standards/. В главном файле инструкции проекта (например, CLAUDE.md) прописывается системная директива:

   «Перед генерацией любого ответа или текста обязательно изучи правила в brand_rules/, сверься с журналом правок в edits_log/ и адаптируй стиль под эталоны из gold_standards/».

2. В среде Codex: Вместо разрозненных файлов создается единый конфигурационный файл agents.md в корне рабочей директории. Файл описывает системную роль агента, содержит ссылки на структурированные правила Tone of Voice и подключает архив примеров.

Пошаговая инструкция по внедрению и верификация работы агента

Для внедрения архитектуры Brand Code в вашем проекте выполните следующие шаги:

• Шаг 1: Сбор первичного архива. Отберите 10–15 лучших постов, писем или диалогов поддержки, которые идеально отражают голос компании, и сохраните их в gold_standards/.
• Шаг 2: Формулирование редполитики. Составьте список из 15 главных стоп-слов и шаблонов, которые чаще всего раздражают в ответах ИИ, и сохраните в brand_rules/voice.md.
• Шаг 3: Создание журнала правок. Создайте файл edits_log/log.md и вносите туда первые 5–10 правок человеческого редактора.
• Шаг 4: Конфигурация инструкций. Пропишите пути к папкам в файле CLAUDE.md или agents.md.
• Шаг 5: Проверочное тестирование. Запустите генерацию по тестовому промпту. Сравните результат с базовым чатом. Ответ должен содержать живые конструкции, конкретные примеры и структуру из архива эталонов.

Ограничения контекстного окна и правила актуализации базы знаний

Несмотря на высокую эффективность, методология Brand Code имеет технические ограничения. Избыточный объем файлов в папке gold_standards/ может быстро переполнить контекстное окно языковой модели (Context Window), в результате чего нейросеть начнет игнорировать первые инструкции.

Рекомендуется поддерживать гигиену базы знаний: в папке эталонов следует хранить не более 15–20 самых релевантных файлов, а журнал правок Edits Log периодически архивировать, вычищая дублирующиеся типы ошибок. Наличие структуры Brand Code существенно повышает качество копирайтинга и ответов ботов, но не отменяет необходимости выборочного контроля со стороны человека-редактора.