Claude и ChatGPT наконец работают с закрытым ноутбуком — но с одной оговоркой

В июле в Claude и ChatGPT незаметно поменялась одна деталь: запланированные задачи Claude научились работать в облаке, а не только на вашем компьютере. До этого закрытая крышка ноутбука обрывала выполнение задачи без единой ошибки — просто тихо ничего не происходило, а при следующем открытии агент «догонял» пропущенные запуски задним числом. Консультант по AI Дилан Дэвис (Dylan Davis) обратил внимание, что правило, решающее, можно ли доверить задачу облаку, спрятано в одном предложении документации Anthropic и OpenAI, которое почти никто не читает.

Где проходит граница: когда запланированные задачи Claude работают в облаке

Anthropic формулирует правило прямо: если задаче нужны локальные файлы или приложения — она должна выполняться только на компьютере, а не в облаке. Это же касается и работы агента в браузере: если он заходит под вашей залогиненной сессией в сервис без коннектора, задачу тоже стоит держать локальной. Всё, что построено исключительно на коннекторах — почта, календарь, CRM, Google Drive, Slack, — можно смело переносить в облако, и задача продолжит выполняться даже с выключенным устройством.

Коннекторы — не то же самое, что доступ к файлам

Соблазн очевиден: если сложить рабочие файлы в OneDrive или Google Drive, разве нельзя дальше работать через коннектор и не думать, включён ли компьютер? Формально да, но с оговоркой. Во-первых, у самого коннектора должны быть права на запись и удаление в нужной папке — это настраивается отдельно и не наследуется автоматически из интерфейса. Во-вторых, сценарий стоит протестировать несколько раз, прежде чем доверять его автономному запуску: коннектор может иметь доступ на чтение, но не на изменение, и задача будет молча проваливаться.

Почему агент Claude в облаке «глупеет» от большого числа файлов

Менее очевидный, но практичный момент: при работе через коннектор в контекстное окно агента возвращаются не только результаты действий, но и служебные метаданные — и чем больше файлов и операций, тем быстрее забивается рабочая память модели. На локальной машине агент спокойно обрабатывает сотню файлов; тот же объём через плагин быстро роняет качество ответов. Практическое правило простое: для облачных задач — мало файлов и мало действий, для крупных пакетов — только локальный запуск.

Две скрытые ловушки в запланированных задачах Claude

Даже разобравшись со средой выполнения, легко напороться на вещи, которые молча искажают результат. Первая — задача незаметно переключается на менее мощную модель: вы выбрали топовую, а по факту прогон отработал на более лёгкой. Это стоит проверять вручную после каждого запуска и переустанавливать модель заново, пока настройка не закрепится. Вторая ловушка серьёзнее: сама документация Anthropic честно предупреждает, что зелёный статус «run successful» означает только техническое завершение задачи, а не то, что она сделала именно то, что вы просили. Отсюда практическая рекомендация — прямо в инструкции к задаче прописывать: при сбое остановиться и сообщить об ошибке (письмом, в Slack, push-уведомлением), а не пытаться выкрутиться самостоятельно. Для задач с почтой отдельная страховка — разрешать агенту только черновики, а не автоматическую отправку писем.

Формально ничего революционного не произошло — у запланированных задач просто появилась вторая среда выполнения. Но именно это превращает Claude из инструмента, за которым нужно присматривать, в фонового агента, который реально работает, пока вы спите или летите без Wi-Fi. Граница между удобной автоматизацией и источником тихих ошибок здесь решается не мощностью модели, а простым аудитом: какие задачи опираются на файлы и приложения, а какие — только на коннекторы, и какая модель и права реально используются при запуске.