Як перетворити великі мовні моделі на унікальні системи управління проектами
Великі мовні моделі: потужний інструмент, який варто освоїти
Великі мовні моделі (LLM) – це, без перебільшення, одна з найуніверсальніших та доступних технологій, з якими ми стикалися останнім часом. Зазвичай їх презентують як чат-ботів, але це далеко не єдиний спосіб взаємодії. За допомогою правильних підказок, такі моделі можна трансформувати в цілі аплікації з індивідуальним інтерфейсом та функціоналом.
Я експериментував із різними LLM, зокрема ChatGPT, Claude та Gemini, перетворюючи їх на системи управління проектами. Ось як це було, та який з них показав найкращі результати.
ChatGPT як система управління проектами
Перші кроки з трансформацією ChatGPT
У 2024 році я інтенсивно використовую ChatGPT, налаштовуючи його не просто як чат-бота, а як різноманітні інструменти. Одним із найцікавіших експериментів стало перетворення ChatGPT на систему управління проектами, що викликало у багатьох позитивний відгук.
Поява функції Memory дала можливість моделі зберігати інформацію між сесіями. Я створив кастомний системний підказ, що фактично визначав спеціальний «режим управління проектами». Тепер можна було додавати завдання, зберігати їх у пам’яті й видаляти після виконання. Команда «Start PMS» миттєво виводила всі поточні задачі у структурованому вигляді.
Ще однією корисною функцією стали заплановані завдання, які я використовував як нагадування. Щоранку система надсилала підсумок справ, що залишилися. Це виглядало досить футуристично та було дійсно ефективно.
Однак, уся організація існувала виключно у чаті — завдання відображалися лише як текст. Навіть після спроб створити таблиці це не замінювало досвід користування справжнім проектним застосунком. Лише з появою Claude вдалося подолати цей недолік.
Claude: новий рівень управління завдяки інтеграції
Доступ до файлів і розширення функціоналу
Anthropic з виходом Claude Cowork перевернули гру. Тепер модель мала безпосередній доступ до файлової системи комп’ютера. Замість пам’яті вона зберігала всі завдання у реальному файлі, що дозволяло працювати з ними напряму або редагувати їх вручну.
Запровадження екосистеми плагінів додало ще більше можливостей. Особливо вражає плагін Productivity. Він створює файл TASKS.md, де зберігаються всі справи, а також HTML-шаблон для відображення завдань на Канбан-дошці. Це ідеально вирішило проблему візуалізації і керування, яку я сором’язливо відчував у ChatGPT.
Функціонал включає просте додавання завдань у чаті, перегляд їх на дашборді, а оскільки TASKS.md — це звичайний текстовий файл, редагувати список можна будь-яким редактором.
Унікальною особливістю є набір скілів, зокрема Update, що дозволяє збирати завдання з інших сервісів, таких як Asana або Notion, і консолідувати їх у файлі TASKS.md. Такий підхід зробив Claude моїм центральним хабом для управління всіма проектами на одному рівні.
Порада
Плагін Productivity також можна встановити в десктоп-додаток ChatGPT Work (колишній Codex) і отримати практично таку ж зручність роботи, тож цей варіант не прив’язаний виключно до Claude.
Gemini і Google-екосистема: хороші наміри, але є нюанси
Великий потенціал, який поки що дещо ізольований
Після ChatGPT і Claude логічним було перевірити, чи впорається з цим і Gemini. Адже, як продукт Google, він має традиційний доступ до Google Tasks, Keep, Gmail та інших сервісів.
Теоретично на цій базі можна створити повноцінну систему управління проектами: від перегляду електронної пошти, ідей і нотаток у NotebookLM до перетворення їх у завдання та нотатки в Google Keep, а також формування списків To-Do у Google Tasks. Для командної роботи можна організувати спільний Google Docs з впорядкованими ідеями.
Однак у веб-версії цей процес виглядає дещо фрагментовано та не таким плавним, як хотілося б. Мобільний додаток, особливо для Android, працює краще і дуже зручний для швидкого захоплення ідей — знімки, голосові замітки, скріншоти миттєво трансформуються у завдання або події в календарі.
Основною проблемою залишаються відсутність нативної інтеграції з популярними сервісами керування проектами, такими як Asana чи Notion, що робить Gemini менш гнучким у порівнянні з ChatGPT і Claude.
Рішенням є використання Google Antigravity — десктоп-додатку, що дозволяє працювати з локальною файловою системою та MCP (Model Context Protocol) серверами, інтегруючи Gemini з іншими платформами для підвищення продуктивності.
Постійна еволюція: як LLM і MCP змінюють світ технологій
Інновації, що роблять роботу простішою і гнучкішою
Незважаючи на те, який інструмент ви оберете, спільним для них є дві речі: кастомні підкази, що формують поведінку моделі, та MCP-сервери, які зв’язують її з іншими застосунками. За рахунок цього ваша робота з проектами стає максимально організованою та портативною.
Як показують приклади ChatGPT Work та Google Antigravity, не обов’язково обмежуватися лише Claude — будь-яка LLM платформа, яка підтримує MCP, може бути налаштована під ваші реальні потреби.
Кінцева мета — це отримати програмне забезпечення, що слухається вас, працює так, як вам зручно, і робить багатокомпонентні робочі процеси простішими, гнучкішими й ефективнішими. З правильним підходом такі моделі можна «перекроїти» під майже будь-яке застосування, від управління проектами до творчої роботи або навчання.
