# Почему ИИ-инструменты начинают раздражать: практическая карта освоения > Авторская метафора четырёх этапов обучения, практические признаки процесса и эксперимент из трёх элементов для одного проекта с ИИ. Source: https://ailoot.ai/blog/ru/why-you-quit-ai-tools/ Canonical: https://ailoot.ai/blog/ru/why-you-quit-ai-tools/ Language: ru Publisher: Ailoot (https://ailoot.ai/) Translation: guide-198 Revision: sha256-dabc149e504821d3400d9356d78f69c13573e1842a82949a2f6148a09b15aecf
Ключевой вывод В статье популярная четырёхэтапная кривая обучения используется как авторская метафора работы с Claude Code или Cursor. Первые восторги могут смениться разочарованием, затем более осознанной практикой и устойчивым процессом. Это средство размышления, а не проверенная последовательность для всех, прогноз отказа от инструмента или диагностический тест. Списки признаков и подход из трёх элементов — практические предложения для пробы на одном проекте.
Практические материалы о работе с Ailoot доступны в [документации](https://ailoot.ai/docs/). ## Метафора обучения, а не универсальный психологический закон
Ключевой вывод Эффект Даннинга—Крюгера касается ограничений оценки собственного выполнения. Знакомый рисунок с пиком, долиной, склоном и плато — популярная иллюстрация, а не доказательство обязательных четырёх стадий для каждого. Здесь он лишь организует примеры ожиданий, разочарования и практики.
Практический вопрос статьи уже психологической диагностики: соответствуют ли ожидания проверяемым результатам? Сравни, что собирался закончить и что действительно работает, затем выбери следующую задачу по этим данным. Не оценивай навык по одной уверенности. Изучи реальный результат и подтверждающие его проверки. С тех пор график из четырёх этапов стал популярным способом иллюстрировать этот процесс. Сначала уверенность достигает «пика глупости», затем резко падает в «долину отчаяния», а после постепенно растёт по «склону просветления» к «плато устойчивости». Кривая используется здесь как метафора. Исследования читателей статьи не устанавливают долю отказа, срок обучения или универсальный путь через эти названия. ## Четыре стадии вайб-кодинга: где находишься ты
Ключевой вывод Следующие четыре названия описывают узнаваемые ситуации, а не обязательные стадии каждого пользователя Claude Code. На первом чтение об агентах создаёт впечатление, что теперь ты понимаешь вайб-кодинг. На втором знакомство с MCP и Skills выявляет пробелы. На третьем появляются работающие правила и повторяемые результаты. На четвёртом уровень знаний и уверенность становятся более соразмерными, а продукты удаётся создавать регулярно. Каждому этапу свойственны свои мысли и привычки.
Стадии можно распознать по тому, что человек думает и как действует. Ниже — краткая карта. ### Стадия 1 — Пик глупости Ты прочитал материал о Claude Code или посмотрел видео. Кажется, что всё ясно: устанавливаешь инструмент, формулируешь запрос и получаешь код. В статьях рассказывают, как за вечер собрали SaaS, и тебе тоже хочется повторить такой результат за один вечер. Мысли на этом этапе: - «Кажется, теперь я понял». - «Это обычный чат, только умнее». - «Я предприниматель, программисты мне не нужны». - «За месяц освою инструмент и уеду в Дубай». Типичные действия: - Устанавливаешь Claude Code. - Просишь чат: «Сделай мне приложение для бронирования». - Получаешь код, который не запускается. - Решив, что дело в модели, покупаешь подписку Max. Это один из возможных вариантов начала. Если ожидания не соотносить с рабочим результатом, разочарование может расти. Небольшой проект и явные проверки дают конкретный материал для обучения. Для практической самопроверки попроси другого человека оценить тот же результат по явным критериям. Уверенное представление себя «экспертом ИИ» не устанавливает качество созданной работы. Считай первое уверенное впечатление гипотезой. Запусти код, изучи результат и позволь ему изменить оценку собственных возможностей. ### Стадия 2 — Долина отчаяния Ты начинаешь разбираться глубже: читаешь о MCP, пытаешься подключить сервер, скачиваешь Skill и изучаешь его. Включаешь Plan Mode, но агент отступает от плана уже на третьем шаге. Открываешь `~/.claude/` и видишь там двенадцать папок, назначение которых пока неясно. Мысли на этом этапе: - «Я совсем ничего не умею». - «Все эти люди в соцсетях просто врут». - «У меня не работает то, что работает у остальных». - «Может, мне пока рано этим заниматься». - «Я потратил 200 долларов на токены — и что получил?» Типичные действия: - Открываешь одновременно двадцать вкладок с документацией. - Начинаешь каждый диалог со слов «забудь предыдущий контекст». - Читаешь на форумах обсуждения вроде «X сломал мой проект». - Сравниваешь Claude, Cursor, Codex и Cline, подозревая, что выбрал не тот инструмент. - Садишься за код утром, а к обеду уже листаешь ленту. На этом этапе легко разочароваться: новые возможности ИИ соседствуют с заметными ограничениями, а результат не всегда соответствует ожиданиям. Такая ситуация может раздражать. В статье нет измеренной доли прекративших работу на этом этапе. Используй признаки ниже, чтобы выбрать одно изменение для пробы. ### Стадия 3 — Склон просветления Ты делаешь паузу и перестаёшь бросаться за каждой новинкой. Создаёшь первый `CLAUDE.md` в проекте. Заводишь папку `business/` с описанием продукта, ценами и аудитории. Несколько раз используешь `/compact` и выясняешь, какие сведения важно сохранить в сжатом контексте. Создаёшь первый Skill: один, для конкретной задачи, примерно на 30 строк. Мысли на этом этапе: - «Теперь понятно, как это работает». - «Сегодня получилось то, что неделю назад не удавалось». - «Кажется, я разобрался, чем `business/` отличается от `ai-clone/`». - «Для задачи X у меня уже есть подходящий промпт». Типичные действия: - Перед новыми задачами возвращаешься к Plan Mode. - Перед запросом Claude проверяешь: «Есть ли нужные сведения в `CLAUDE.md`?» - Изучаешь следующие правила и подходы, а очередная новинка уже не кажется обязательной. - Делишься с другими конкретными решениями для знакомых проблем. ### Стадия 4 — Плато устойчивости Это не означает, что задачи стали лёгкими. Скорее, твои знания и уверенность в своих силах начинают лучше соответствовать друг другу. Мысли на этом этапе: - «Я понимаю, чего пока не знаю». - «На эту задачу понадобится три часа: я уже выполнял похожую». - «Для этого нужен новый Skill — сейчас подготовлю его». - «Если Claude отойдёт от плана, я могу проверить три возможные причины». Типичные действия: - Регулярно создаёшь продукты: один за вечер, другой — за выходные. - Используешь собственный набор Skills и subagent-ов, а также папку `business/` для каждого проекта. - Привлекаешь подрядчиков для отдельных задач, которые не планируешь выполнять самостоятельно. - Смотришь обучающие видео нечасто — скорее ради новых идей, чем ради базовых знаний. Вопросы для размышления, а не определения стадии: - Если ещё не работал с Claude Code и ожидаешь результата за вечер, сравни ожидание с одной небольшой реальной задачей. - Если MCP и Skills вызывают вопрос «зачем я ввязался», назови конкретное препятствие вместо оценки своих способностей. - Если `CLAUDE.md` уже меняет ответы, запиши проверенный пример и условия успеха. - Если регулярно создаёшь продукты, сверяй оценки времени с фактическими результатами. ## Семь признаков долины отчаяния
Ключевой вывод Используй семь признаков как вопросы для размышления, а не диагноз с баллами. Выбери тот, который яснее всего мешает завершить текущую задачу, и попробуй соответствующее изменение.
Переход в долину обычно происходит постепенно. Вот возможные признаки: **1. Ты сравниваешь инструменты вместо того, чтобы создавать.** Открываешь статью «Cursor vs Claude Code», затем переходишь к «Cline vs Cursor», а потом — к «Codex и все остальные». После каждого сравнения думаешь, не выбрал ли неверное направление. За день не написано ни строки кода, хотя на чтение ушло четыре часа. **2. Каждый новый диалог начинается со слов «забудь всё, что было раньше».** У тебя нет `CLAUDE.md`, ты не освоил `/compact` и пока не понимаешь, что такое контекстное окно. Каждая сессия начинается с чистого листа. Через неделю ты замечаешь, что уже пятнадцать раз объяснял Claude одно и то же. **3. Ты собираешь промпты, но не возвращаешься к ним.** В Notion есть папка «Промпты Claude Code» с 47 сохранёнными примерами, однако ни один не использовался повторно. Каждый раз кажется, что следующий найденный вариант окажется именно тем, что нужно. **4. Ты объясняешь чужие результаты удачей или связями.** В соцсетях кто-то показывает первую версию продукта, созданную за выходные. Ты предполагаешь, что у него есть команда или полезные знакомства, и сомневаешься, что справишься сам. При этом не учитываешь, что у вас может быть разный опыт: он мог уже пройти несколько этапов освоения, а ты только начал. **5. Ты прекращаешь работу над проектом на третий день.** Каждый новый замысел сначала кажется отличным, но вскоре работа останавливается. Когда вместо приветствия в чате нужно обработать платёж, задача становится сложнее, и ты переключаешься на что-то другое. **6. После неудачного ответа Claude ты переходишь к ChatGPT.** Если там результат тоже неудачный, пробуешь Gemini. При этом не проверяешь, насколько ясно описал задачу: причину проблемы легко приписать инструменту. **7. Ты повторяешь себе: «Это просто не моё».** Это может отражать разочарование, а не неспособность учиться. «Долина» здесь метафора. Нет измеренного процента или фиксированного срока, показывающих, кто испытывает это и что произойдёт дальше. Если подходят несколько признаков, выбери следующим ориентиром один небольшой рабочий результат. Запиши препятствие и измени одну часть процесса. Список не предсказывает срок улучшения. Чтобы перестать бесконечно сравнивать Claude с Cursor, выстрой процесс освоения: систематизируй свои подходы, сохраняй знания о проекте и учись управлять контекстом. Эти три направления можно объединить в единую рабочую систему. ## Почему люди останавливаются в долине — и дело не только в лени
Ключевой вывод В этой метафоре долина означает разрыв ожиданий и настоящего прогресса. Казавшаяся быстрой задача может потребовать незнакомой настройки и отладки, а примеры соцсетей делают сравнение неприятным. Это практическое описание разочарования, а не неврологический диагноз.
Разочарование инструментом не является надёжной оценкой способностей. До долгосрочного решения изучи размер задачи, недостающие знания и среду исполнения. Вместо вывода о механизме мозга из трудной недели запиши наблюдаемое: что пробовал, что заработало, какая ошибка остановила следующий шаг и сколько ушло времени. Так появится конкретная точка улучшения. В долине могут совпасть два обстоятельства. Собственный прогресс пока не оправдывает ожиданий, а вокруг публикуют результаты, которых у тебя ещё нет. В соцсетях можно увидеть первые версии продуктов, агентов и рассказы о заработке на Claude API. При этом ты уже третью неделю пытаешься подключить базу данных. Измеряй прошедшее время вместе с ощущением скорости. Агент может казаться продуктивным, добавляя проверку и переделки. Сравни характерную задачу с прежним процессом, не называя субъективную пользу измеренным ускорением. Медленное продвижение в незнакомой задаче не доказывает нехватку способностей. Отдели стоимость обучения от результата инструмента и определи меньший проверяемый итог. Без повторяемого следующего шага легко переключить инструмент или бросить задачу. Подход из трёх элементов ниже — предлагаемая автором структура, а не статистически доказанное объяснение ухода пользователей. ## Три элемента методики, помогающей выйти из долины
Ключевой вывод Чтобы выбраться из долины, недостаточно просто установить ещё один инструмент или найти новый промпт. Можно выстроить процесс из трёх частей: формализовать собственные методы с помощью Skills, сохранять сведения о проекте в `CLAUDE.md` и связанных файлах, а также управлять контекстом через Plan Mode и `/compact`. Каждая часть помогает решить отдельную проблему. Вместе они делают работу с Claude более последовательной.
По описанному в статье личному опыту, на выход из долины ушло три месяца, в течение которых автор пробовал разные инструменты. Постепенно стало ясно, что проблема заключалась не только в Claude: каждую новую сессию приходилось начинать с нуля, без сохранённой информации, правил и ограничений. Так сложился рабочий подход из трёх элементов. Название «три кита» здесь обозначает три типа опоры, на которых может держаться работа с Claude Code. Если исключить любой из них, процесс станет менее целостным. ### Кит 1 — цифровая копия твоих рабочих методов Это набор знаний и подходов, записанных так, чтобы Claude мог применять их в соответствующих задачах. Если каждый раз просить Claude «помоги с задачей», ему придётся заново объяснять, как именно ты работаешь. Первый элемент решает эту проблему: методики хранятся в `ai-clone/` в виде отдельных файлов. Например, можно подготовить Skill для анализа клиентского случая, Skill для написания поста или subagent-а, который помогает планировать продукт с учётом твоего подхода. На практике сюда могут входить: - Skills — инструкции для конкретных задач, например `/build-article` или `/build-reel-script`. - Subagents — помощники с разными специализациями, которым Claude передаёт отдельные подзадачи. - Папка `ai-clone/feedback/` — правила, сформулированные по итогам ошибок. Каждое можно описать в формате Rule — Why — How. Подробнее о том, как выбирать между Skills, Subagents, MCP и Plugins, рассказывает [руководство по этим инструментам](https://ailoot.ai/blog/ru/skills-subagents-mcp-plugins-claude-code/). ### Кит 2 — знания о проекте Это организованное хранилище сведений о проекте, к которому Claude может обращаться во время работы. Без такого хранилища приходится снова объяснять, что представляет собой продукт, кто его аудитория и как устроена бизнес-модель. Чтобы сократить повторения, можно разложить информацию по файлам рядом с кодом. Claude сможет обращаться к ним по мере необходимости. В такую систему могут входить: - `CLAUDE.md` — начальный файл с правилами для агента, указателями и ссылками на другие материалы. - Папка `business/` — информация о продукте, аудитории, экономике, целях, планах по материалам и конкурентах. - Папка `plans/` — технические планы по этапам и состояние каждого из них. - Папка `retrospectives/` — выводы из предыдущих сессий, помогающие не повторять ошибки. Подробнее см. [руководство по настройке CLAUDE.md](https://ailoot.ai/blog/ru/kak-nastroit-claude-md/) и [материал о хранении знаний проекта в Claude Code](https://ailoot.ai/blog/ru/claude-code-second-brain/). ### Кит 3 — управление контекстом Контекст-инжиниринг — это продуманное управление сведениями, которые попадут в контекстное окно Claude до отправки запроса. Когда инструкции теряются в длинном диалоге, не всегда понятно, зачем нужен `/compact` и почему стоит начать со стадии планирования. Этот элемент помогает выбирать, какие сведения передать модели и что сохранить при сжатии контекста. Так проще удерживать задачу в поле внимания. К этому подходу относятся: - Plan Mode — агент сначала предлагает план, ты его проверяешь и согласуешь, а затем агент выполняет задачу. Без планирования результат может потребовать больше правок. - `/compact` — сжатие истории диалога. Когда контекста становится слишком много, можно сократить переписку, сохранив ключевые решения. - Структурированные промпты: вместо общего «помоги мне» задай контекст, задачу и нужный формат результата. - Sub-agents — передача отдельных задач в новый контекст, чтобы не перегружать основной диалог. Об этом подробнее говорится в [руководстве по управлению контекстом](https://ailoot.ai/blog/ru/context-engineering/) и [материале о Plan Mode](https://ailoot.ai/blog/ru/claude-code-plan-mode/). ### Зачем нужны все три элемента Если создать только хранилище знаний, Claude будет лучше понимать проект, но ему всё ещё могут быть нужны конкретные правила выполнения задач. Если описать только личные методики, Claude сможет применять их, но без сведений о проекте новые сессии по-прежнему будут начинаться почти с нуля. Если заниматься только контекстом, отдельные задачи могут идти последовательнее, но знания между сессиями не будут накапливаться автоматически. Совместное использование всех трёх частей создаёт более предсказуемый процесс: Claude получает сведения о проекте, следует заданной методике и сохраняет нить рассуждения в пределах задачи. Такой процесс может помочь преодолеть долину отчаяния. ## Семь привычек, из-за которых труднее выбраться из долины
Ключевой вывод Ниже — примеры, которыми автор пользуется при разборе неудобного процесса: отсутствие `CLAUDE.md`, длинный диалог без `/compact`, принятие первого ответа без проверки и отсутствие учёта расходов. Выбери уместное изменение и проверь его пользу для завершения реальной задачи.
Антипаттерны для проверки в своём процессе: **1. Просить «сделай мне рабочее приложение», не дав контекста через `CLAUDE.md`.** Ты открываешь Claude Code и сразу формулируешь задачу. Claude ничего не знает о проекте, твоём подходе и предпочтениях, поэтому предлагает общий вариант, который может не подойти. Что можно сделать: создать `CLAUDE.md` с основными сведениями — технологическим стеком, бизнес-моделью, целевой аудиторией и ссылками на другие файлы. Тогда новая сессия сможет начать с нужного контекста. **2. Продолжать длинный диалог без `/compact`.** После 80 сообщений Claude может упустить решение, принятое в сообщении №12. Контекстное окно заполняется длинной историей, где важные решения теряются среди обсуждений, и качество ответа может снизиться. Что можно сделать: примерно каждые 30–40 сообщений использовать `/compact` и указать, какие сведения следует сохранить. Это помогает оставить в контексте самое важное. **3. Сразу принимать первый ответ.** Claude предлагает решение, ты применяешь его, а через час обнаруживаешь, что затронуты ещё три файла. Разочарование в инструменте может возникнуть из-за того, что план и последствия не проверили заранее. Что можно сделать: для сложных задач использовать Plan Mode. Сначала изучи план, затем обсуди его и только после этого переходи к выполнению. Так ошибку можно заметить на этапе планирования, прежде чем будет потрачен весь день. **4. Давать расплывчатый промпт без структуры.** Ты просишь «сделать хорошо», ожидая, что Claude сам поймёт, что именно означает «хорошо» в твоём случае. Без критериев модель будет их угадывать. Что можно сделать: строй запрос по схеме «контекст — задача — ограничения — формат». Это помогает точнее объяснить ожидания. **5. Не отслеживать расходы.** Ты не знаешь, сколько токенов используешь, пока не заканчивается месячный план и не обнаруживается счёт на \$200. Такая неожиданность может отбить желание продолжать. Что можно сделать: использовать средства учёта расхода токенов. В руководстве по отслеживанию токенов разобраны подходящие инструменты. Если видеть расход по ходу работы, проще замечать лишнее использование. **6. Бесконечно искать «правильный инструмент».** После выхода Cursor ты переходишь на него, затем пробуешь Cline, а после обновления Codex возвращаешься к нему. Каждые две недели приходится начинать освоение заново, не успевая наладить работу с одним инструментом. Что можно сделать: выбрать один инструмент и поработать с ним три месяца, не переключаясь из-за первой трудности. Сравнивать альтернативы стоит, когда текущий инструмент действительно не справляется с нужной задачей. **7. Решать, что на изучение методики нет времени.** Можно ожидать, что инструмент будет работать без подготовки, а хорошая формулировка запроса появится сама собой. Тогда `CLAUDE.md` кажется лишним, хотя из-за отсутствия структуры некоторые задачи занимают дольше. Что можно сделать: относиться к Claude Code как к профессиональному инструменту, для которого нужно освоить подходы и практики. Одной интуиции может быть недостаточно. С этим связан [материал о чрезмерном согласии Claude Code](https://ailoot.ai/blog/ru/claude-code-sycophancy-prompts/): в нём разбирается, почему не стоит считать ответ правильным лишь потому, что Claude поддержал твою идею. ## Пять признаков, что ты поднимаешься по склону просветления
Ключевой вывод Переход к следующему этапу проявляется не столько в эйфории, сколько в спокойных рабочих привычках. Ты осознанно дополняешь `CLAUDE.md`, включаешь Plan Mode перед нестандартными задачами, помнишь собственные Skills и лучше оцениваешь сроки. Со временем другие начинают обращаться к тебе за советом, потому что у тебя появились проверенные примеры.
Вот пять возможных признаков третьей стадии: **1. Ты целенаправленно развиваешь `CLAUDE.md`, и он стал длиннее 200 строк.** Ты не просто скопировал шаблон: сам дополнял файл, понимаешь назначение его разделов и добавляешь правила, когда замечаешь новый полезный подход. **2. Перед нестандартной задачей ты сам включаешь Plan Mode.** Ты делаешь это не потому, что кто-то напомнил, а потому что понимаешь: без плана можно потратить час и получить неподходящий результат. Планирование стало естественным шагом, а не помехой. **3. У тебя есть собственный набор Skills и Subagents.** Это не просто скачанные материалы, а помощники и инструкции, подготовленные для твоих задач. Если возникает задача, похожая на прежнюю, ты можешь использовать свой Skill, а не писать промпт с нуля. **4. Темп работы стал предсказуемее.** Ты можешь оценить: «На такую задачу мне нужно три часа». Вместо чрезмерного оптимизма или ощущения, что задача бесконечна, появляется более реалистичный прогноз. Ты лучше соотносишь оценку своих возможностей с опытом. **5. Другие люди обращаются к тебе с вопросами.** На вопрос о MCP ты приводишь конкретный пример из собственной работы, а на вопрос о Plan Mode показываешь, как пользуешься им сам. Это один из возможных результатов накопленного опыта: люди, которые сталкиваются с похожими сложностями, могут обратиться за советом. Используй эти признаки для оценки недавнего прогресса, а не присвоения балла или прогноза выхода на плато. Повторно проверяй, становятся ли оценки и рабочие результаты согласованнее со временем. На плато меняется и роль человека в работе с агентами: всё больше внимания уходит на постановку задач, планирование и проверку результата. Это один из возможных итогов освоения инструмента: вместо того чтобы только учиться формулировать запросы, ты начинаешь координировать агентов и проектировать рабочий процесс. ## Что сделать сейчас, если хочется всё бросить
Ключевой вывод Если хочется всё бросить, попробуй три действия: назови конкретное препятствие, замедлись и выбери один элемент рабочего процесса для одного проекта. Испытай структуру до вывода, что проблему решит новый инструмент. Сохраняй подход, только если результаты улучшаются. Ни метафора, ни расписание не гарантируют прогресса.
Попробуй выполнить три шага. **Шаг 1 — назови препятствие.** Скажи: «Эта часть моего процесса вызывает разочарование. Я могу назвать конкретный блокер и выбрать меньший следующий шаг». **Шаг 2 — замедлись.** Выбери ОДИН проект, а не два или три. Затем выбери ОДИН из трёх элементов, который поможет решить главную проблему именно в этом проекте. Если проект новый и о нём пока нет контекста, начни с базы знаний и `CLAUDE.md`. Если проект уже есть, но Claude работает не в твоём стиле, попробуй описать свои подходы в Skills. Если задачи длинные, а контекст переполняется, сосредоточься на Plan Mode и `/compact`. Работай с одним проектом и одной частью системы в течение двух недель. Не пытайся собрать всё за выходные: такой темп может вернуть тебя к прежнему ощущению перегрузки. **Шаг 3 — найди рабочую структуру.** Можно разработать методику самостоятельно: в приведённом личном опыте это заняло от трёх до шести месяцев. Другой вариант — взять готовые материалы и связать с их помощью три описанных элемента в единую систему.
### Источники - [Anthropic Engineering: эффективное управление контекстом для ИИ-агентов (2025)](https://www.anthropic.com/engineering/effective-context-engineering-for-ai-agents) — официальный материал о проектировании контекста для ИИ-агентов. - [Документация Claude Code: память](https://code.claude.com/docs/en/memory) — официальное описание организации памяти Claude Code.
Для дальнейшей работы с моделями можно перейти в [Ailoot](https://ailoot.ai/). ## Вопросы и ответы ### Предсказывают ли четыре стадии отказ от инструмента через месяц? Нет. Популярная кривая используется как метафора без измеренной доли ухода и универсального срока. Ищите конкретное препятствие, а не диагноз себе или прогноз даты улучшения. ### Что сделать, если постоянно переключаюсь между ИИ-инструментами? Выбери один проект и небольшой проверяемый результат. Улучши самую проблемную часть: инструкции проекта, повторяемую процедуру или управление контекстом. Сравни настоящий результат и время с предыдущей попыткой. ## Ailoot · Компания и портфель её проектов Ailoot опирается на накопленный опыт работы, большую клиентскую базу, стабильный сервис и постоянный контроль KPI. Компания и портфель её проектов: миллионы клиентов; продажи на миллиарды ежемесячно. Этот опыт Ailoot использует для API-доступа к нейросетям в продуктах клиентов, агентах, приложениях и автоматизациях.