Claude не нужно тренировать — ему нужны файлы, правила и память

Рано или поздно у любого, кто плотно работает с Claude, возникает одна и та же мысль: «надо бы обучить его на моих данных». И вот здесь начинается путаница, из-за которой одни компании тратят месяцы и бюджеты впустую, а другие просто не понимают, почему ИИ раз за разом не помнит их цены и клиентов. Разберёмся, как обучить Claude под свой бизнес — и почему это не имеет отношения к тренировке моделей.

Дообучение — это не то, что вам нужно

Тренировка модели — то, чем занимается Anthropic: миллиарды параметров, месяцы вычислений, бюджеты уровня целой компании. Это точно не про малый и средний бизнес. Fine-tuning звучит доступнее, но проблема та же в миниатюре: вы прогоняете через модель тысячи примеров, и она меняет в основном стиль ответов, а не по-настоящему «знает» ваш бизнес. Хуже того, всё, что вы зафиксировали при дообучении, тут же начинает устаревать — цены меняются, клиенты приходят и уходят, а модель этого уже не видит. По сути, когда предприниматель говорит «хочу обучить ИИ на моей компании», он почти всегда имеет в виду совсем другое: чтобы ИИ помнил контекст и не забывал его от диалога к диалогу.

Дообучение против контекста: в чём разница

Дообучение фиксирует срез знаний на момент тренировки. Контекст — живой и обновляемый: он подтягивается заново при каждом обращении и остаётся актуальным, пока актуальны сами файлы и правила. Для 99% задач бизнеса нужен именно второй вариант — и он не требует ни денег на GPU, ни ожидания недель.

Как обучить Claude под свой бизнес: файлы, правила, заметки

Вся конструкция держится на трёх простых элементах. Файлы — прайс-лист, описание услуг, примеры хороших работ: всё, что ИИ должен прочитать перед тем, как отвечать. Правила — явные инструкции вроде «не давать скидку больше 10%» или «не брать срочные заказы в декабре»: закреплённые предпочтения, которые не нужно повторять в каждом чате. Заметки — то, что ИИ фиксирует сам по мере работы, постепенно накапливая понимание ваших предпочтений без ручного вмешательства. Вместе эти три вещи и дают эффект «ИИ, который знает мой бизнес» — без единого часа тренировки модели.

Где это живёт: проекты, CLAUDE.md и skills

В браузерной версии Claude это оформлено как проекты: папка под конкретную задачу, куда загружаются файлы и куда прописываются инструкции-правила. Каждый диалог внутри проекта стартует с готовым контекстом. Встроенная память Claude дополняет это между диалогами, но полагаться на неё в важных задачах не стоит — надёжнее держать предпочтения явно в инструкциях проекта.

На десктопе, в Claude Code, та же идея выглядит иначе и, честно говоря, работает надёжнее: инструкции живут в файле CLAUDE.md в корне проекта, а рядом — обычные файлы и подпапки, которые агент читает по необходимости. Здесь же в игру вступают skills — переиспользуемые процессы (например, «как мы пишем коммерческие предложения»), которые применяются не к одному проекту, а ко всем разговорам сразу, если структура задачи совпадает.

Почему десктоп-агенты выигрывают у браузера

У браузерных инструментов есть скрытая цена — привязка к провайдеру. Все проекты, файлы и накопленная память живут внутри Claude или ChatGPT, и при попытке перейти на другую модель их приходится вытаскивать вручную, а память вытащить целиком почти невозможно. С десктоп-агентами вроде Claude Code всё иначе: инструкции и данные лежат обычными файлами на диске. Захотели попробовать другую модель — открыли ту же папку в другом инструменте, и 90% контекста уже на месте.

Вывод

Дообучение и тренировка моделей — не тот путь для обычного бизнеса, и это не упрощение, а факт архитектуры современных ИИ-инструментов. Реальный рычаг — три простые вещи: файлы, правила и заметки, оформленные через проекты и skills в браузере или через CLAUDE.md и skills в десктоп-агентах. Начать стоит с браузера — это можно сделать сегодня же, за один вечер. Но если контекст бизнеса должен работать на вас годами и оставаться переносимым между инструментами, разумно сразу смотреть в сторону десктоп-агентов: там память принадлежит вам, а не платформе.