Мой AI-сетап 2026: Claude Code, Cursor, Ghostty, Spokenly и база всех чатов
Практический AI setup из стрима с @og_mishgun: что реально ускоряет работу, зачем Ghostty, Spokenly, OwnYourChat и Descript, и как не утонуть в инструментах.
Короткая версия: нормальный AI-сетап в 2026 — это не список из 40 тулз, а петля “голосом сформулировал → агент сделал → контекст сохранился → результат можно найти и переиспользовать”. В моем стеке эту петлю закрывают Claude Code/Codex/Cursor, Ghostty, Spokenly, OwnYourChat и Descript.
Это продолжение стрима “Покажи мне свой AI setup #1” с @og_mishgun и постов 1601, 1602. Ниже не обзор ради обзора, а что именно оставить в рабочем дне.
Что было в исходном посте
Позвал @og_mishgun показать его AI-сетап.
Что узнал:
- Ghostty — терминал для тех, кому лень настраивать iTerm. Установил и забыл.
- OwnYourChat — синхронизирует чаты с ChatGPT, Claude, Perplexity в локальную SQLite-базу. Грепай свои разговоры с AI.
- Descript — монтаж видео через редактирование текста.
- Spokenly — голос в текст в любом приложении. Нажал хоткей, сказал, получил промпт.
Потом вышла запись стрима: youtu.be/yJuzI2u-AnM.
Что реально делает сетап
| Инструмент | Работа в сетапе | Почему оставил | Где ломается |
|---|---|---|---|
| Claude Code / Codex | Кодинг-агент в репе | Может читать, менять и запускать код локально | Контекст быстро забивается, если тащить весь проект |
| Cursor | IDE-слой и ручной кодинг | Удобно, когда нужно видеть структуру проекта и править руками | Не заменяет нормальную постановку задачи |
| Ghostty | Быстрый терминал | Нативный, GPU, почти zero-config | Не решает оркестрацию сам по себе |
| Spokenly | Голосовой ввод | Промпты становятся длиннее и точнее без боли набора | После диктовки все равно нужно чистить термины |
| OwnYourChat | Локальная память AI-чатов | Можно искать старые решения и отдавать их агентам | Нужна дисциплина: мусор тоже синкается |
| Descript | Видео и подкасты | Текстовый монтаж резко снижает порог входа | Для сложной графики все равно нужен монтаж руками |
Главный вывод: ускорение дает не “еще одна модель”, а снижение трения между мыслью, промптом, исполнением и памятью.
Мой базовый workflow
- Говорю задачу голосом через Spokenly. Не пытаюсь сразу сделать идеальный промпт, сначала вываливаю мысль.
- Превращаю голосовуху в короткий spec: что сделать, где файлы, что считать готовым, что не трогать.
- Запускаю агента в терминале. Для простых изменений — один агент. Для больших — сначала plan mode, потом отдельные шаги.
- После результата прошу отдельный review: что мог сломать, какие тесты нужны, где риск.
- Важные куски решений сохраняю в markdown/GBrain/локальную базу чатов, чтобы не объяснять одно и то же через неделю.
- Если из работы получается контент, монтирую через Descript или превращаю в блог-пост.
Это звучит скучно, зато работает. AI-сетап без памяти превращается в бесконечное “а теперь заново объясни проект”.
Что добавилось из обсуждений
В обсуждениях вокруг Claude Code/Codex постоянно всплывает одна и та же проблема: люди называют это “модель тупит”, но часто проблема в контексте.
Из чата:
- на больших проектах контекст начинает “протухать”: было 35k строк и 3 сервера, стало 85k строк и 8 серверов — агент уже чаще ломает код;
- люди сжигают лимиты, потому что стартовая сессия уже грузит 150k+ токенов;
- дешевые модели нормальны для простых задач вроде классификации, суммаризации и структурирования диалогов;
- если задача большая, важнее harness: чанки, правила, формат вывода, проверка результата.
Практический вывод: не кормите агента всем подряд. Дайте ему ровно тот контекст, который нужен для текущего шага, и храните durable context отдельно.
Минимальный сетап, если начинать сегодня
Не надо ставить все сразу. Я бы шел так:
- Терминал + один coding agent. Claude Code или Codex, без фанатизма. Цель — научиться давать маленькие задачи и ревьюить diff.
- Голосовой ввод. Spokenly или аналог. Длинные промпты становятся дешевле по вниманию.
- Проектная память.
AGENTS.md,CLAUDE.md,README, GBrain или Obsidian. Не держите правила только в голове. - Локальная база AI-чатов. OwnYourChat или похожий слой. Старые ответы должны быть searchable.
- Контентный конвейер. Если вы делаете видео/стримы, Descript экономит часы на черновом монтаже.
Как понять, что тулза не нужна
Удаляйте инструмент, если он не проходит один из этих тестов:
| Тест | Вопрос |
|---|---|
| Повторяемость | Я пользуюсь этим каждую неделю или это FOMO? |
| Передача контекста | Помогает ли инструмент агенту лучше понимать задачу? |
| Снижение трения | Ускоряет ли путь от мысли до результата? |
| Выходной артефакт | Остается ли после работы файл, PR, заметка, видео, пост? |
| Заменяемость | Могу ли я убрать это без потери качества? |
Большая часть AI-тулз умирает на вопросе “какой артефакт остается после сессии?”.
Карта интентов
Для запроса claude code setup 2026 человеку обычно нужно не “что такое Claude Code”, а рабочая сборка:
| Интент | Ответ |
|---|---|
| “Какие AI tools реально использовать?” | Coding agent, голос, память, терминал, монтаж |
| “Claude Code или Cursor?” | Cursor как IDE, Claude Code/Codex как агент в терминале |
| “Как не тратить токены?” | Один task на сессию, plan mode, чистый контекст, короткие source packs |
| “Что добавить к агенту?” | Project memory, локальные чаты, чеклист готовности |
FAQ
Что поставить первым для AI coding setup?
Поставьте один coding agent и настройте проектную память: AGENTS.md, CLAUDE.md или аналог. Без этого вы будете каждый раз заново объяснять стек, команды, ограничения и стиль проекта.
Нужен ли Ghostty для AI-разработки?
Ghostty не делает AI умнее. Он просто убирает терминальную боль: быстрый нативный терминал, который можно поставить и не ковырять. Если текущий терминал не мешает, срочно мигрировать не надо.
Зачем OwnYourChat, если есть история в ChatGPT и Claude?
История внутри каждого сервиса не решает cross-provider memory. OwnYourChat складывает разговоры в локальную SQLite-базу, где их можно искать, экспортировать и отдавать другим AI-ассистентам.
Голосовой ввод реально ускоряет?
Да, если вы ставите агентам задачи длиннее двух строк. Голос помогает проговорить контекст, ограничения и критерии готовности. Потом промпт надо перечитать и почистить, но это быстрее, чем печатать с нуля.
Какой главный риск такого сетапа?
Контекстная грязь. Если вы синкаете все, храните все и кормите агента всем, он начинает работать хуже. Нужны короткие source packs под задачу, а не бесконечная память без фильтра.