Codex по git и чатам насчитал 180 часов на продукт и помог закрыть налоговые хвосты
Автор канала «LLM под капотом» поручил агенту Codex оценить трудозатраты по git-истории, рабочим чатам и журналу диалогов с ним. Получилось 180 часов на последний продукт и 20 часов на обучающий модуль. Тот же подход со «мозгом компании» — общей базой чатов, почты и банковских выгрузок — помог найти и оплатить налоговые хвосты. Если у агента есть следы вашей работы, оценки и рутину можно отдавать ему.
AI-обработка оригинала TG: @llm_under_hood (LLM под капотом); редакция Hamidun News
Сколько часов вы на самом деле потратили на последний продукт? Большинство отвечает по памяти и ошибается. Автор Telegram-канала «LLM под капотом» перестал гадать и поручил это агенту Codex: тот прошёл по истории коммитов в git, рабочим чатам и журналу диалогов с самим Codex и насчитал около 180 часов на разработку последнего продукта и около 20 часов на подготовку обучающего модуля. Это пример «AI-native» процесса, когда ИИ не просто отвечает на вопросы, а работает с реальными следами вашей работы. А «мозгом компании» (company brain) автор называет единую базу, куда сведены чаты, почта и банковские выгрузки. Пост личный, без бенчмарков, но приёмы из него можно повторить.
Оценка времени по следам работы
Первый приём прост. Когда нужно понять, сколько времени ушло на проект, автор не вспоминает, а просит Codex посчитать. Для этого у агента должен быть доступ к трём источникам: git-истории всех проектов, рабочим чатам и истории работы с самим Codex. Последнюю автор выгружает в отдельный conversation index, то есть индекс диалогов с агентом.
Важная оговорка самого автора: 180 и 20 часов — это только его личное время. Суммарные часы команды агент пока посчитать не может, потому что у него нет такого же доступа к следам остальных людей.
Практический смысл понятен. Оценки задним числом нужны для планирования, прайсинга и разговора с инвесторами, а по памяти они ненадёжны. Коммиты и переписка дают хотя бы воспроизводимую основу. Правда, это всё равно оценка модели, а не табель: время на размышления вдали от клавиатуры в git не попадает.
«Мозг компании» и бухгалтерские хвосты
Второй приём тяжелее. Чтобы разобраться в бухгалтерской отчётности и незакрытых вопросах, автор подключает к company brain все рабочие чаты (или вообще все), почтовую базу и банковские выгрузки. Затем просит агента разгрести вопрос так, как это сделал бы опытный менеджер процессов из Кремниевой долины.
Для локальных данных автор сделал отдельный bridge service, который работает на Mac. Он решает три задачи:
- даёт read-only доступ к локальной базе Telegram и почтового клиента, поэтому агент ничего не может изменить или удалить;
- держит отдельный кэш в виде, удобном для поиска;
- отдаёт данные через интерфейс с progressive disclosure: сначала короткие сводки, потом детали по запросу.
Последний пункт важен для экономики токенов. Если сразу заливать в контекст всю переписку и выгрузки, это дорого и снижает качество ответа. Когда агент сначала видит оглавление и открывает только нужные куски, он тратит меньше токенов и реже путается в лишнем.
По словам автора, так удалось точно найти налоговые хвосты, быстро их оплатить, сверить результаты и аккуратно разложить документы по папкам. Попутно агент помог отправить в банк баг-репорт о сбое в системе экспорта выписок.
Идеи на ночь и ограничения
Третий приём скорее про мышление. Когда смотришь на процессы более зрелых компаний через призму company brain, видно, сколько можно улучшить у себя. Сразу возникают идеи, какие источники данных подключить и куда встроить.
Автор называет любимый вопрос: на ночь он просит модель, которую называет Fable 5.2, стать опытным партнёром YC, нанятым за большие деньги ускорять компанию. Задача: просмотреть изменения в company brain за последние дни, провести research и предложить одну небольшую вещь, которая улучшит масштабирование, перераспределение ответственности или упростит жизнь. Ограничение «одна маленькая вещь» полезно само по себе: получается шаг, который реально выполнить, а не длинный отчёт, который никто не читает.
Что стоит учесть, если захотите повторить:
- В посте нет измерений качества: неизвестно, сколько ошибок агент допустил в налогах и как их проверяли. Финансовые выводы лучше сверять вручную.
- Доступ к чатам, почте и банку — серьёзный риск приватности. Read-only и локальный bridge снижают его, но не убирают. Сотрудников и контрагентов, чьи сообщения попадают в базу, стоит предупредить.
- Подсчёт времени по git и чатам хорошо работает для одного человека. Для команды нужны единые источники и согласие участников.
- Название модели и детали сервисов даны со слов автора, независимой проверки нет.
Практический вывод: ценность агента растёт вместе с качеством данных, к которым он имеет доступ. Если собрать историю работы в одном месте, дать безопасный доступ только для чтения и подавать данные порциями, одну и ту же модель можно использовать как аналитика, помощника бухгалтера и ночного консультанта по процессам. Автор закончил вопросом к читателям о том, какие приёмы используют они. Это хороший повод проверить, какие источники данных в вашей компании пока не подключены к агенту.
- 21 нояб. 2026 г.Восемь open-source инструментов для ИИ-агентов: Browser Use лидирует со 121 тысячей звёзд
- 21 нояб. 2026 г.Parallel Search взял 83 балла в рейтинге 26 поисковых API для ИИ-агентов
- 21 нояб. 2026 г.MCP-сервер на 360 строк без SDK: пять решений, после которых агент перестал ломать ссылки
- 21 нояб. 2026 г.Text-to-cad: ИИ-агент рисует детали робота по описанию, проект набрал 26 тысяч звёзд
Вопросы и ответы по материалу
Что известно по теме: оценка времени по следам работы?
Первый приём прост. Когда нужно понять, сколько времени ушло на проект, автор не вспоминает, а просит Codex посчитать. Для этого у агента должен быть доступ к трём источникам: git-истории всех проектов, рабочим чатам и истории работы с самим Codex. Последнюю автор выгружает в отдельный conversation index, то есть индекс диалогов с агентом. Важная оговорка самого автора: 180 и 20 часов — это только его личное время.
Что известно по теме: «Мозг компании» и бухгалтерские хвосты?
Второй приём тяжелее. Чтобы разобраться в бухгалтерской отчётности и незакрытых вопросах, автор подключает к company brain все рабочие чаты (или вообще все), почтовую базу и банковские выгрузки. Затем просит агента разгрести вопрос так, как это сделал бы опытный менеджер процессов из Кремниевой долины. Для локальных данных автор сделал отдельный bridge service, который работает на Mac.
Что известно по теме: идеи на ночь и ограничения?
Третий приём скорее про мышление. Когда смотришь на процессы более зрелых компаний через призму company brain, видно, сколько можно улучшить у себя. Сразу возникают идеи, какие источники данных подключить и куда встроить. Автор называет любимый вопрос: на ночь он просит модель, которую называет Fable 5.2, стать опытным партнёром YC, нанятым за большие деньги ускорять компанию.
Соберите рабочего ИИ-агента или сервис своими руками без ручного кода
В Академии Жемала Хамидуна (academy.hamidun.com) открыт бесплатный 72-часовой тест-драйв: интерактивные скетч-уроки по Claude Code и Cursor, живой Tech Radar и готовые шаблоны агентов.
Главное из мира ИИ — раз в неделю
7 ключевых событий недели, отобранных вручную. Без шума, репостов и пресс-релизов.
Готово! Проверьте почту — мы отправили подтверждение.