LLM без шума: контекст-инжиниринг в ежедневной работе

В последнее время сталкиваюсь с одной и той же проблемой — получаю ответы от ИИ, которые не сильно помогают процессу.

Причина обычно не в модели, а в контексте: он плавает, и ответы становятся случайными.

Я собрал рабочую систему так:

VS Code + Codex (gpt-5.2) + AI Native Project Workspace

Что это значит на практике: я не «болтаю» с LLM в свободной форме, а даю ей стабильный операционный контур.

Минимальная структура проекта:

• /DRAFTS — рабочий трек задач (1 файл = 1 задача)
• PROFILE.md — роль, зона ответственности, ограничения, стиль мышления
• PROMPTS.md — заготовки под типы задач: стратегия, архитектура, review, планирование
• AGENTS.md — правила исполнения: формат результата, DoD, роли агента, процесс итераций

Что это дает в реальной работе:

1. Меньше случайных ассоциаций из старых чатов
2. Меньше галлюцинаций по биографии
3. Больше воспроизводимости: одинаковый запрос — предсказуемый формат ответа
4. Быстрее переход от идеи к артефакту (роадмап, план)

Контекст-инжиниринг для меня — это не теория, а способ сделать LLM управляемым рабочим инструментом.

Оригинал в Telegram