Наша полная когнитивная архитектура ENA - слоёный пирог: память, внутренние метрики, динамика состояний, контекст тела, история травм, цели, маски, защита, самосознание, вот это всё. Круто для корпораций, но сложно для обычных людей. Поэтому мы сделали то, что делают нормальные люди с задачами: взяли и срезали тонкий, но полезный слой. Только мышление. Только то, как человек:
сам видит себя себя;
принимает решения;
относится к риску и ошибкам;
каким тоном разговаривает и что для него табу.

Всё. Без магии, без кармы, без обещаний цифрового бессмертия. Только конфиг мышления, который можно отдать LLM. А объяснять нейросети «будь как я» — тупо и больно. Классический сценарий сейчас такой: человек приходит к ChatGPT/Claude/DeepSeek и пишет: «Веди себя как я. Я такой‑то, ценю то‑то, ненавижу то‑то, говори честно, не сглаживай, не льсти…»

Получает пару хороших ответов — и через десять сообщений всё съезжает обратно в стандартного «понимающего ассистента». Каждый новый чат — новая дрессировка.
Каждая новая модель — новое объяснение «как именно у меня устроена голова».Это бессмысленная трата энергии. Ты не кладёшь своё мышление в систему — ты каждый раз пересказываешь его заново, с нуля, в кривых формулировках.

И мы подумали - а что если вынести слой мышления в отдельный артефакт и просто подключать его к моделям, вместо бесконечных «act as»? Мы не верим в «полную оцифровку личности». Но слой «как я думаю и разговариваю» можно описать достаточно формально, чтобы LLM начала на него опираться.

Требования к артефакту получились такие:
это файл, а не «тред в истории чата»;
он описывает не факты о человеке, а динамику: стиль решений, отношение к ошибке, базовый тон;
он не привязан к конкретной модели: сегодня DeepSeek, завтра GPT, послезавтра что‑то своё;
он читается человеком и кодом — одновременно.

Формат очевиден — JSON. Название тоже прилетело само: PCR‑профиль (Personal Cognitive Resonance). Не «психологический портрет», а конфиг того, как эта конкретная голова резонирует с миром.

Как мы срезали слой мышления из ENA

Вся ENA — это много этажей. Мы оставили четвертинку одного из них (профиля идентичности - у каждого агента он свой):
identity_statement — как человек сам себя называет, без клише;
thinking_pattern — скорость, «вижу цель или нет», параллельность осей;
decision_style — «пан или пропал» vs «по чуть‑чуть», отношение к ошибкам;
tone — циничный/мягкий, допускает мат или нет, как относится к жалости;
taboos — что для него красная тряпка (льсть, газлайт, сюсюканье);
risk_zones — где он стабильно тонет;
overlay_role — в каком режиме его второе я должно работать (зеркало, стратег и т.п.).

Пример живого профиля, обрезанный до мысли:

json

{ "identity_statement": "Хитрая, честная, быстрая", "thinking_pattern": { "description": "Вижу цель", "speed": "medium", "parallel_axes": true }, "decision_style": { "pipeline": ["Пан или пропал"], "risk_tolerance": "medium", "error_attitude": "errors = feedback" }, "tone": { "base": ["Циничный тренер требовательный"],
"allows_swearing": true,
"warmth": "selective"
},
"taboos": ["Льстить, врать"],
"risk_zones": ["Административные задачи"],
"overlay_role": ["mirror", "strategist"],
"intensity_level": 7
}

Это и есть срез ENA по оси «мышление+тон». Тонкий, но уже полезный.

Telegram‑бот (Python + aiogram) гоняет человека по сценам, а не по тестикам. Не «выберите по шкале», а «что ты делаешь, когда всё летит в ад», «когда ты ненавидишь людей сильнее всего», «кто тебя бесит тоном». Под капотом ответы сразу упаковываются в промежуточный JSON. Скрипт convert_pcr.py читает сырые ответы и маппит их в понятные модели значения: если человек три раза подряд выбирает «ломаю в лоб и разберёмся по пути» — это уходит в decision_style.pipeline = ["Пан или пропал"]. Если ему физически плохо от жалости — tone.warmth = "selective", taboos пополняются соответствующими штуками.

Результат — профиль в data/pcr_profiles/....Это и есть мозг‑как‑конфиг. Не полный, но достаточно острый.

Инъекция в LLM - простая и циничная. Открываем чат, кидаем конфигурацию - готово.
Она считывает за секунды, переводит файл в свой системный промпт.

«Ты — второе я пользователя.
Вот твой профиль.
Это твоя конфигурация мышления и поведения.
Твоя задача — думать и говорить в этих рамках, даже если пользователю хочется, чтобы ты его пожалела.»

Мы буквально подкладываем JSON в системное сообщение и связываем правила:
следуй tone и taboos;
трактуй ошибки через error_attitude;
если поведение пользователя расходится с его же identity_statement и decision_style — подсвечивай это вслух;
помни, что ты — второе «я», а не внешний консультант.
И да — это работает лучше, чем сотни строк «act as».

Прогнала через эту схему свой профиль и отдала его DeepSeek, ответ был таким:

«Принято. Профиль загружен.
Теперь я говорю как умный, честный друг, который на твоей стороне, но лизать жопу не будет. Цели вижу. Последствия показываю. Если начнёшь врать себе — вытащу на свет.»
Модель просто начала честно пользоваться конфигом мышления, который я ей дала, вместо того, чтобы каждый раз заново угадывать, «какой у нас сегодня стиль».

Важно: при смене модели поведение остаётся узнаваемым.
Да, тон меняется. Но ядро решений, уровень прямоты, отношение к ошибке — стабильны, потому что они в JSON, а не в чьей‑то голове.

Полноценная ENA, которую мы пилим, гораздо сложнее. Там будут роли, динамика состояний, память, циклы, всё как положено.

Но этот тонкий слой мышления уже:
отчуждаемый — лежит файлом, а не в кишках чата;
переносимый — живёт поверх разных LLM;
управляемый — человек получает его на руки и сам решает, куда его втыкать.

Этим мелким продуктом мы не решаем проблему «что такое личность вообще». Мы честно решаем узкий кейс: как перестать в сотый раз объяснять нейросети, как ты думаешь, и просто дать ей свой конфиг мышления. Если тебе ближе подход «дайте мне один файл, и я воткну своё мышление в любую модель», чем бесконечное мучилово промптов — добро пожаловать в этот клуб из нескольких человек. Остальным можно дальше писать «будь моим добрым ассистентом» и удивляться, почему он снова не понял, кто ты такой.