Цифровой двойник автора за два дня: 3,4 млн символов в одном файле вместо RAG

Идея родилась из бытовой задачи. Автор вёл книжный блог и хотел, чтобы читателям не приходилось листать длинное оглавление ради одной подборки. Он попробовал заставить нейросеть искать информацию конкретного автора по открытым источникам и отвечать только в контексте его знаний. Не получилось: публикации были разбросаны по разным площадкам, и модель путала факты.

Тогда он за два дня собрал всё, что написал за десять лет про автоматизацию, управление, карьеру и книги, в единый markdown-файл. На момент публикации в нём 3,4 млн символов, это примерно восемь книг (если считать по 400 тысяч символов на книгу). Художественную литературу автор не включал: из неё, по его словам, «смысл и пользу слишком сложно выковыривать». Файл выложен на GitHub и открывается прямо в браузере.

Почему именно markdown, а не PDF или Word?

Структуру файла автор проектировал с помощью DeepSeek. Модель предложила формат markdown и объяснила, что нейросети лучше «понимают» его разметку: заголовки, списки и блоки кода считываются точнее, чем вёрстка PDF.

Позже автор проверил структуру через Qwen, и та предложила всё переделать. Он пока оставил первый вариант, но сам факт показателен: разные модели по-разному оценивают удобство разметки, и перед загрузкой имеет смысл спросить у выбранной нейросети, всё ли ей понятно.

Что понадобится

• Все ваши тексты по теме (статьи, посты, заметки, конспекты) за любой период.
• Текстовый редактор с поддержкой markdown (подойдут бесплатные Obsidian, Typora, VS Code или даже «Блокнот»).
• Бесплатный чат нейросети с большим контекстным окном (автор рекомендует DeepSeek, Qwen, ИИ-ассистент Google).
• От одного до трёх дней на сборку, зависит от объёма.

Пошаговая инструкция

1. Соберите тексты в одну папку. Скопируйте всё, что писали по рабочей теме: посты из блога, статьи, черновики, конспекты книг. Художественные и развлекательные тексты лучше не включать, они засоряют контекст.

2. Попросите нейросеть предложить структуру файла. Откройте DeepSeek или Qwen и напишите промпт (запрос к нейросети):

Я хочу собрать все свои тексты по теме [ваша тема] в один
markdown-файл, чтобы потом загружать его в нейросеть и
получать ответы строго в контексте моих знаний.
Предложи структуру файла: какие разделы, какие заголовки,
как разметить блоки. Объём текстов — примерно [ваш объём].

1. Перенесите тексты в markdown-файл по предложенной структуре. Используйте заголовки второго и третьего уровня (##, ###), маркированные списки, разделители между блоками. Каждый текст или конспект начинайте с заголовка и краткой аннотации.

2. Проверьте файл другой моделью. Загрузите готовый файл в другую нейросеть и спросите:

Посмотри на структуру этого файла. Всё ли тебе понятно?
Что стоит изменить, чтобы ты лучше находила нужную
информацию по запросу пользователя?

1. Выложите файл в открытый доступ или храните локально. Автор оригинала выбрал GitHub: файл открывается в браузере, скачивается без учётной записи. Для личного пользования достаточно хранить на диске.

2. Загрузите файл в чат нейросети и задайте вопрос. Откройте бесплатный чат (DeepSeek, Qwen, ИИ-ассистент Google), прикрепите файл и спросите то, на что обычно отвечаете читателям сами.

Что делать с этим по ролям?

Автору Дзена. Соберите лучшие статьи в один файл и предложите подписчикам «поговорить с вашим цифровым двойником». Это необычный формат вовлечения: читатель задаёт вопрос, нейросеть отвечает вашими словами. Фактически вы создаёте бесплатного консультанта из собственного контента.

Маркетологу. Цифровой двойник эксперта на базе его текстов может заменить раздел FAQ, базу знаний для отдела продаж или бот для первичной консультации. Себестоимость: ноль рублей, если использовать бесплатные модели.

Предпринимателю в РФ. Всё работает локально и бесплатно. DeepSeek, Qwen и ИИ-ассистент Google доступны из России без VPN. Токены (единицы текста, которые модель обрабатывает за один запрос) при загрузке большого файла сгорают быстро, поэтому автор прямо предупреждает: не загружайте в платные нейросети, «будете проклинать за горение токенов».

Подход требует двух дней ручной работы и ноль рублей. Если у вас за плечами хотя бы полсотни статей по одной теме, попробуйте собрать файл в эти выходные и загрузить в DeepSeek: результат покажет, стоит ли развивать идею дальше.