Недавно я сделала для мамы…
персональную клинику.
Без стартапа, без сервиса. Просто папка на компьютере.
Я собрала всё, что обычно разбросано по жизни: анализы из разных стран, фотографии бланков, выписки от руки, данные из личных кабинетов клиник. И попросила Claude Code навести порядок.
Он:
— разложил документы по годам, странам и клиникам
— нормализовал единицы измерения
— вытащил анализы в единую таблицу
— построил локальный HTML-дашборд
Теперь это выглядит как нормальный медицинский интерфейс:
— графики анализов
— хронология исследований
— диагнозы
— рекомендации
— список того, что стоит проверить дальше
Всё работает локально на компьютере. Файлы никуда не отправляются.
Когда мама приходит к врачу с этим дашбордом, реакция почти всегда одна: «вау». Потому что обычно врач получает стопку бумажек, разрозненные анализы и минут 20 пытается понять, что вообще происходит. А здесь контекст уже собран.
Но самое интересное началось дальше.
Я сделала консилиум AI-врачей. Несколько агентов:
— эндокринолог
— кардиолог
— гастроэнтеролог
— клинический фармаколог
Причём с разной философией. Один максимально консервативный: только доказательная медицина. Другой допускает более экспериментальные подходы. И они спорят между собой.
Например, после операции маме назначили препарат для разжижения крови. Но он раздражает желудочно-кишечный тракт (ЖКТ). Я попросила систему: найди альтернативы и покажи вероятность побочек. Она собрала таблицу. И нашёлся препарат:
— тот же эффект
— почти без побочек для ЖКТ
Другой пример — статины. Мама боялась их принимать. Поэтому я попросила систему собрать таблицу рисков: что будет, если не пить, и что будет, если пить. Вероятность инсульта. Вероятность побочек.
И вдруг разговор становится другим. Это уже не «врач сказал — пей», а: «вот цифры, вот риски, вот почему».
Но самое интересное наблюдение оказалось другим.
AI начинает подстраиваться под тебя. Если говорить: «мама боится, может не будем», агенты начинают мягчать. Поэтому иногда приходится говорить им: стоп, у вас есть профессиональное мнение. И они снова начинают спорить.
В этот момент становится ясно: большие языковые модели (LLM, Large Language Models) — это не просто инструмент. Это зеркало твоего мышления.
И если это понимать, систему можно построить так, чтобы она не усиливала твои когнитивные искажения (bias). Например — добавить двух врачей с противоположными взглядами. И заставить их спорить.
В видео показываю, как всё это работает.
А дальше поделюсь артефактами:
— структурой системы
— шаблонами агентов
— инструкцией, как собрать такую систему у себя
Единственное: инструкции для агентов быстро устаревают. Так что это всегда информация «в моменте». Но сам принцип, кажется, уже никуда не денется.
🔊Послушать выступление можно
https://www.youtube.com/watch?v=T13PJgHVDJM (с 32 минуты).
https://www.youtube.com/watch?v=T13PJgHVDJM Артифакты прилагаю для вас:
1. Playbook
Это практическая инструкция, как собрать у себя локальный медицинский дашборд: разложить документы, нормализовать анализы, подключить агентов и получить систему, которая помогает видеть контекст, динамику и готовиться к визиту к врачу.
2. HTML-гайд по агентам
Это визуальное объяснение, как вообще устроены AI-агенты: agent loop, skills / hooks / instructions, разница между subagents и swarm, и почему “рой агентов” — это не красивая метафора в промпте, а конкретная архитектурная настройка
