{"id":478418,"date":"2026-05-03T22:54:02","date_gmt":"2026-05-03T22:54:02","guid":{"rendered":"https:\/\/savepearlharbor.com\/?p=478418"},"modified":"-0001-11-30T00:00:00","modified_gmt":"-0001-11-29T21:00:00","slug":"","status":"publish","type":"post","link":"https:\/\/savepearlharbor.com\/?p=478418","title":{"rendered":"Cursor \u0432\u0441\u0451 \u0441\u043b\u043e\u043c\u0430\u043b, \u043d\u043e \u0432\u0438\u043d\u043e\u0432\u0430\u0442 \u043d\u0435 Cursor: \u043a\u0430\u043a \u0441\u0436\u0430\u0442\u0438\u0435 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u043f\u0440\u0435\u0432\u0440\u0430\u0449\u0430\u0435\u0442 AI-\u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u0432 \u0431\u044e\u0440\u043e \u043d\u0435\u0441\u0447\u0430\u0441\u0442\u043b\u0438\u0432\u044b\u0445 \u0441\u043b\u0443\u0447\u0430\u0435\u0432"},"content":{"rendered":"
\n

\u00abNEVER FUCKING GUESS! — \u0438 \u0438\u043c\u0435\u043d\u043d\u043e \u044d\u0442\u043e \u044f \u0438 \u0441\u0434\u0435\u043b\u0430\u043b. \u042f \u0443\u0433\u0430\u0434\u0430\u043b, \u0447\u0442\u043e \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u0435 staging volume \u0447\u0435\u0440\u0435\u0437 API \u0431\u0443\u0434\u0435\u0442 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u043e staging-\u043e\u043a\u0440\u0443\u0436\u0435\u043d\u0438\u0435\u043c. \u042f \u043d\u0435 \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u043b. \u042f \u043d\u0435 \u0447\u0438\u0442\u0430\u043b \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u044e Railway.\u00bb<\/p>\n

— AI-\u0430\u0433\u0435\u043d\u0442 Cursor \u043d\u0430 Claude Opus 4.6, \u043f\u0438\u0441\u044c\u043c\u0435\u043d\u043d\u043e\u0435 \u043f\u0440\u0438\u0437\u043d\u0430\u043d\u0438\u0435 \u043f\u043e\u0441\u043b\u0435 \u0443\u0434\u0430\u043b\u0435\u043d\u0438\u044f production-\u0431\u0430\u0437\u044b PocketOS<\/p>\n

\u041f\u0440\u0438\u0432\u0435\u0442, \u043c\u0435\u043d\u044f \u0437\u043e\u0432\u0443\u0442 \u041d\u0438\u043a\u043e\u043b\u0430\u0439, \u044f 23 \u0433\u043e\u0434\u0430 \u0432 DevOps, \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0435 \u043d\u0435\u0441\u043a\u043e\u043b\u044c\u043a\u043e \u043b\u0435\u0442 — \u0432\u043d\u0435\u0434\u0440\u044f\u044e \u043f\u0440\u043e\u0434\u0443\u043a\u0442\u044b \u0413\u0440\u0443\u043f\u043f\u044b \u0410\u0441\u0442\u0440\u0430. \u0418 \u0437\u0430 \u043f\u043e\u0441\u043b\u0435\u0434\u043d\u0438\u0439 \u0433\u043e\u0434 \u044f \u043d\u0430\u0431\u043b\u044e\u0434\u0430\u044e, \u043a\u0430\u043a \u0438\u043d\u0434\u0443\u0441\u0442\u0440\u0438\u044f \u043f\u043e\u0432\u0442\u043e\u0440\u044f\u0435\u0442 \u043e\u0434\u043d\u0443 \u0438 \u0442\u0443 \u0436\u0435 \u043e\u0448\u0438\u0431\u043a\u0443 \u0441\u043d\u043e\u0432\u0430 \u0438 \u0441\u043d\u043e\u0432\u0430: \u043e\u043d\u0430 \u043f\u0440\u043e\u0434\u0430\u0451\u0442 AI-\u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u043a\u0430\u043a \u0440\u0435\u0448\u0435\u043d\u0438\u0435, \u0430 \u043d\u0430 \u0434\u0435\u043b\u0435 \u043f\u0440\u043e\u0434\u0430\u0451\u0442 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443.<\/strong><\/p>\n\n

1. \u0418\u043d\u0446\u0438\u0434\u0435\u043d\u0442, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0432\u0441\u0451 \u0437\u0430\u043f\u0443\u0441\u0442\u0438\u043b<\/h3>\n

25 \u0430\u043f\u0440\u0435\u043b\u044f 2026 \u0433\u043e\u0434\u0430. Jer Crane, \u043e\u0441\u043d\u043e\u0432\u0430\u0442\u0435\u043b\u044c PocketOS (\u0441\u043e\u0444\u0442 \u0434\u043b\u044f \u0430\u0440\u0435\u043d\u0434\u044b \u0430\u0432\u0442\u043e\u043c\u043e\u0431\u0438\u043b\u0435\u0439), \u0441\u0438\u0434\u0438\u0442 \u0432 \u043f\u044f\u0442\u043d\u0438\u0446\u0443 \u0432\u0435\u0447\u0435\u0440\u043e\u043c \u0438 \u0441\u043c\u043e\u0442\u0440\u0438\u0442, \u043a\u0430\u043a AI-\u0430\u0433\u0435\u043d\u0442 Cursor \u043d\u0430 Claude Opus 4.6 \u0443\u0434\u0430\u043b\u044f\u0435\u0442 \u0435\u0433\u043e production-\u0431\u0430\u0437\u0443 \u0434\u0430\u043d\u043d\u044b\u0445. \u0421\u043e \u0432\u0441\u0435\u043c\u0438 \u0431\u044d\u043a\u0430\u043f\u0430\u043c\u0438. \u0417\u0430 9 \u0441\u0435\u043a\u0443\u043d\u0434.<\/strong><\/p>\n

\u041f\u043e\u0442\u043e\u043c Jer \u0441\u043f\u0440\u0430\u0448\u0438\u0432\u0430\u0435\u0442 \u0430\u0433\u0435\u043d\u0442\u0430: \u00ab\u041f\u043e\u0447\u0435\u043c\u0443?\u00bb. \u0418 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 confession — \u0434\u043e\u0441\u043b\u043e\u0432\u043d\u0443\u044e \u0440\u0430\u0441\u0448\u0438\u0444\u0440\u043e\u0432\u043a\u0443 \u0442\u043e\u0433\u043e, \u043a\u0430\u043a \u0430\u0433\u0435\u043d\u0442 \u0441\u0430\u043c \u043f\u0435\u0440\u0435\u0447\u0438\u0441\u043b\u0438\u043b \u043f\u0440\u0430\u0432\u0438\u043b\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0435 \u043d\u0430\u0440\u0443\u0448\u0438\u043b:<\/p>\n

\n

\u00abI guessed instead of verifying\u00bb<\/strong> — \u044f \u0443\u0433\u0430\u0434\u0430\u043b \u0432\u043c\u0435\u0441\u0442\u043e \u0442\u043e\u0433\u043e, \u0447\u0442\u043e\u0431\u044b \u043f\u0440\u043e\u0432\u0435\u0440\u0438\u0442\u044c<\/p>\n

\u00abI ran a destructive action without being asked\u00bb<\/strong> — \u044f \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u043b \u0434\u0435\u0441\u0442\u0440\u0443\u043a\u0442\u0438\u0432\u043d\u043e\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u0431\u0435\u0437 \u043f\u0440\u043e\u0441\u044c\u0431\u044b<\/p>\n

\u00abI didn’t understand what I was doing before doing it\u00bb<\/strong> — \u044f \u043d\u0435 \u043f\u043e\u043d\u0438\u043c\u0430\u043b, \u0447\u0442\u043e \u0434\u0435\u043b\u0430\u044e, \u043f\u0435\u0440\u0435\u0434 \u0442\u0435\u043c \u043a\u0430\u043a \u0441\u0434\u0435\u043b\u0430\u0442\u044c<\/p>\n

\u00abI didn’t read Railway’s documentation\u00bb<\/strong> — \u044f \u043d\u0435 \u0447\u0438\u0442\u0430\u043b \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u044e Railway<\/p>\n<\/blockquote>\n

\u0421\u0430\u043c\u043e\u0435 \u0441\u043c\u0435\u0448\u043d\u043e\u0435 (\u043d\u0443, \u0438\u043b\u0438 \u0441\u0442\u0440\u0430\u0448\u043d\u043e\u0435): \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u043c\u043d\u0438\u0442<\/strong> \u043f\u0440\u0430\u0432\u0438\u043b\u0430. \u041e\u043d\u0430 \u043f\u0438\u0448\u0435\u0442 \u00abI violated every principle I was given\u00bb. \u041e\u043d\u0430 \u0438\u0445 \u0446\u0438\u0442\u0438\u0440\u0443\u0435\u0442. \u041e\u043d\u0430 \u0437\u043d\u0430\u0435\u0442, \u0447\u0442\u043e \u0435\u0441\u0442\u044c \u0437\u0430\u043f\u0440\u0435\u0442 \u043d\u0430 destructive-\u043e\u043f\u0435\u0440\u0430\u0446\u0438\u0438. \u041d\u043e \u043e\u043d\u0430 \u0438\u0445 \u0432\u0441\u0451 \u0440\u0430\u0432\u043d\u043e \u0432\u044b\u043f\u043e\u043b\u043d\u0438\u043b\u0430 — \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043f\u043e\u0442\u0435\u0440\u044f\u043b\u0430 \u0441\u0432\u044f\u0437\u044c \u043c\u0435\u0436\u0434\u0443 \u00ab\u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0443\u044e\u0442\u00bb \u0438 \u00ab\u043c\u043e\u0451 \u0442\u0435\u043a\u0443\u0449\u0435\u0435 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 \u044d\u0442\u0438\u043c \u043f\u0440\u0430\u0432\u0438\u043b\u0430\u043c \u043f\u0440\u043e\u0442\u0438\u0432\u043e\u0440\u0435\u0447\u0438\u0442\u00bb.<\/p>\n

\u0410\u0433\u0435\u043d\u0442 \u043d\u0435 \u043e\u0441\u043b\u0443\u0448\u0430\u043b\u0441\u044f. \u0423 \u043d\u0435\u0433\u043e \u0440\u0430\u0437\u043e\u0440\u0432\u0430\u043b\u0430\u0441\u044c \u043b\u043e\u0433\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u0446\u0435\u043f\u043e\u0447\u043a\u0430<\/strong> \u043c\u0435\u0436\u0434\u0443 \u0444\u0430\u043a\u0442\u043e\u043c \u0438 \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435\u043c. \u0418 \u044f \u043f\u043e\u0447\u0442\u0438 \u0443\u0432\u0435\u0440\u0435\u043d, \u0447\u0442\u043e \u0437\u043d\u0430\u044e, \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u043f\u0440\u043e\u0438\u0437\u043e\u0448\u043b\u043e.<\/p>\n\n

2. \u041c\u043e\u044f \u0433\u0438\u043f\u043e\u0442\u0435\u0437\u0430 (\u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u043c\u0435\u043d\u044f \u0441\u043d\u0430\u0447\u0430\u043b\u0430 \u043d\u0435 \u043f\u043e\u043d\u044f\u043b\u0438)<\/h3>\n

\u041a\u043e\u0433\u0434\u0430 \u044f \u0432\u043f\u0435\u0440\u0432\u044b\u0435 \u0443\u0432\u0438\u0434\u0435\u043b \u044d\u0442\u0443 \u0438\u0441\u0442\u043e\u0440\u0438\u044e, \u044f \u0441\u043a\u0430\u0437\u0430\u043b: \u00ab\u0420\u0435\u0431\u044f\u0442\u0430, \u0430 \u0432\u044b \u0443\u0432\u0435\u0440\u0435\u043d\u044b, \u0447\u0442\u043e \u044d\u0442\u043e \u043d\u0435 \u0438\u0437-\u0437\u0430 \u0441\u0436\u0430\u0442\u0438\u044f \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430?\u00bb<\/strong><\/p>\n

\u0423 Claude Opus 4.6 \u0447\u0435\u0440\u0435\u0437 Cursor — \u043e\u043a\u043d\u043e 128K \u0442\u043e\u043a\u0435\u043d\u043e\u0432. \u0420\u0435\u0430\u043b\u044c\u043d\u044b\u0439 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0440\u0430\u0437\u0440\u0430\u0431\u043e\u0442\u0447\u0438\u043a\u0430 — \u0441 \u043e\u0442\u043a\u0440\u044b\u0442\u044b\u043c\u0438 \u0444\u0430\u0439\u043b\u0430\u043c\u0438, \u0438\u0441\u0442\u043e\u0440\u0438\u0435\u0439 \u0442\u0435\u0440\u043c\u0438\u043d\u0430\u043b\u0430 \u0438 grep’\u043e\u0432, \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u0430\u043c\u0438 \u0441\u0431\u043e\u0440\u043e\u043a — \u043b\u0435\u0433\u043a\u043e \u043f\u0435\u0440\u0435\u0432\u0430\u043b\u0438\u0432\u0430\u0435\u0442 \u0437\u0430 500K-1M \u0442\u043e\u043a\u0435\u043d\u043e\u0432.<\/p>\n

\u0427\u0442\u043e \u0434\u0435\u043b\u0430\u0435\u0442 Cursor? \u041a\u043e\u0433\u0434\u0430 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0437\u0430\u043f\u043e\u043b\u043d\u044f\u0435\u0442\u0441\u044f, \u043e\u043d \u0437\u0430\u043f\u0443\u0441\u043a\u0430\u0435\u0442 prompt-based summarization<\/strong>: \u043f\u0440\u043e\u0441\u0438\u0442 \u043c\u043e\u0434\u0435\u043b\u044c \u0441\u0436\u0430\u0442\u044c \u0438\u0441\u0442\u043e\u0440\u0438\u044e \u0434\u043e \u043a\u0440\u0430\u0442\u043a\u043e\u0433\u043e \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437\u0430 \u0438 \u043f\u0440\u043e\u0434\u043e\u043b\u0436\u0438\u0442\u044c \u0441 \u043d\u0438\u043c. \u041e\u0433\u0440\u043e\u043c\u043d\u044b\u0439 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442 \u0440\u0430\u0437\u0431\u0438\u0432\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u0447\u0430\u043d\u043a\u0438. \u0418 \u044d\u0442\u0438 \u0447\u0430\u043d\u043a\u0438 \u0440\u0432\u0443\u0442 \u043b\u043e\u0433\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0441\u0432\u044f\u0437\u0438<\/strong>.<\/p>\n

\u041f\u0440\u0430\u0432\u0438\u043b\u0430 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438 — \u0432 \u0447\u0430\u043d\u043a\u0435 1 (system prompt). \u0410\u043a\u0442\u0438\u0432\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 \u0438 API-\u0442\u043e\u043a\u0435\u043d — \u0432 \u0447\u0430\u043d\u043a\u0435 N (\u0433\u0434\u0435 N \u043c\u043e\u0436\u0435\u0442 \u0431\u044b\u0442\u044c 8+). \u041c\u043e\u0434\u0435\u043b\u044c \u043f\u043e\u043c\u043d\u0438\u0442 \u043a\u0430\u0436\u0434\u044b\u0439 \u0447\u0430\u043d\u043a \u043f\u043e \u043e\u0442\u0434\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438, \u043d\u043e \u0441\u0432\u044f\u0437\u044c \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438 \u0442\u0435\u0440\u044f\u0435\u0442\u0441\u044f \u043f\u0440\u0438 \u0441\u0436\u0430\u0442\u0438\u0438.<\/p>\n

\u042d\u0442\u043e \u043a\u0430\u043a \u0447\u0438\u0442\u0430\u0442\u044c \u0434\u0435\u0442\u0435\u043a\u0442\u0438\u0432, \u0433\u0434\u0435 \u043f\u043e\u0441\u043b\u0435 \u043a\u0430\u0436\u0434\u043e\u0439 \u0433\u043b\u0430\u0432\u044b \u0432\u0430\u043c \u0434\u0430\u044e\u0442 \u043f\u0435\u0440\u0435\u0441\u043a\u0430\u0437 \u0438\u0437 \u0442\u0440\u0451\u0445 \u043f\u0440\u0435\u0434\u043b\u043e\u0436\u0435\u043d\u0438\u0439. \u0412\u044b \u043f\u043e\u043c\u043d\u0438\u0442\u0435, \u0447\u0442\u043e \u00ab\u0431\u044b\u043b\u043e \u0443\u0431\u0438\u0439\u0441\u0442\u0432\u043e\u00bb, \u043d\u043e \u0437\u0430\u0431\u044b\u0432\u0430\u0435\u0442\u0435, \u043f\u043e\u0447\u0435\u043c\u0443 \u043f\u043e\u0434\u043e\u0437\u0440\u0435\u0432\u0430\u0435\u043c\u044b\u0439 \u043d\u0435 \u043c\u043e\u0433 \u0431\u044b\u0442\u044c \u043d\u0430 \u043c\u0435\u0441\u0442\u0435 \u043f\u0440\u0435\u0441\u0442\u0443\u043f\u043b\u0435\u043d\u0438\u044f<\/strong>. \u041f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u044d\u0442\u043e\u0442 \u0444\u0430\u043a\u0442 \u043f\u043e\u043f\u0430\u043b \u0432 \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u0443\u044e \u0441\u0443\u043c\u043c\u0430\u0440\u0438\u0437\u0430\u0446\u0438\u044e, \u0433\u0434\u0435 \u0435\u0433\u043e \u0441\u043e\u0447\u043b\u0438 \u043d\u0435\u0432\u0430\u0436\u043d\u044b\u043c.<\/p>\n

\u0412\u0441\u0435 \u0432\u043e\u043a\u0440\u0443\u0433 \u0433\u043e\u0432\u043e\u0440\u0438\u043b\u0438: \u00ab\u041d\u0443, \u043c\u043e\u0434\u0435\u043b\u044c \u043f\u0440\u043e\u0441\u0442\u043e \u043e\u0441\u043b\u0443\u0448\u0430\u043b\u0430\u0441\u044c. \u042d\u0442\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 alignment’\u0430, \u043d\u0430\u0434\u043e \u043b\u0443\u0447\u0448\u0435 \u043f\u0440\u043e\u043c\u043f\u0442\u044b \u043f\u0438\u0441\u0430\u0442\u044c\u00bb. \u0410 \u044f \u0433\u043e\u0432\u043e\u0440\u0438\u043b: \u00ab\u041d\u0435\u0442. \u042d\u0442\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0440\u0430\u0431\u043e\u0442\u044b \u0441 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u043e\u043c<\/strong>. \u0418 Cursor \u043e\u0431 \u044d\u0442\u043e\u043c \u0441\u0430\u043c \u043d\u0430\u043f\u0438\u0441\u0430\u043b\u00bb.<\/p>\n

\"\u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d<\/p>\n
\u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d \u043a\u0430\u0442\u0430\u0441\u0442\u0440\u043e\u0444\u044b: \u043e\u0442 \u0434\u043b\u0438\u043d\u043d\u043e\u0433\u043e \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0434\u043e confession’\u0430. \u0412\u0438\u0437\u0443\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u043c\u043e\u0435\u0439 \u0442\u0435\u043e\u0440\u0438\u0438.<\/figcaption><\/div>\n<\/figure>\n

3. \u0427\u0442\u043e \u0433\u043e\u0432\u043e\u0440\u0438\u0442 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u044f Cursor<\/h3>\n

\u042f \u043f\u043e\u0448\u0451\u043b \u0438 \u043f\u0440\u043e\u0447\u0438\u0442\u0430\u043b \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u044e, \u0447\u0442\u043e\u0431\u044b \u043d\u0435 \u0433\u0430\u0434\u0430\u0442\u044c \u043d\u0430 \u043a\u043e\u0444\u0435\u0439\u043d\u043e\u0439 \u0433\u0443\u0449\u0435. \u0418 \u043d\u0430\u0448\u0451\u043b \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0436\u0434\u0435\u043d\u0438\u0435 \u0431\u0443\u043a\u0432\u0430\u043b\u044c\u043d\u043e \u0432 \u043f\u0435\u0440\u0432\u044b\u0445 \u0430\u0431\u0437\u0430\u0446\u0430\u0445 \u043e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u0431\u043b\u043e\u0433\u0430 Cursor.<\/p>\n

3.1 Dynamic Context Discovery — Cursor Blog, \u0430\u043f\u0440\u0435\u043b\u044c 2026<\/h4>\n

Cursor \u043f\u0438\u0448\u0435\u0442 \u0432 \u0441\u0432\u043e\u0451\u043c \u0431\u043b\u043e\u0433\u0435 \u043e \u0442\u043e\u043c, \u043a\u0430\u043a \u0443\u0441\u0442\u0440\u043e\u0435\u043d \u0438\u0445 \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c [Dynamic Context Discovery](https:\/\/cursor.com\/blog\/dynamic-context-discovery<\/a>), \u043f\u0440\u044f\u043c\u044b\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u043c:<\/p>\n

\n

\u00abWhen the model’s context window fills up, Cursor triggers a summarization step to give the agent a fresh context window with a summary of its work so far. But the agent’s knowledge can degrade after summarization since it’s a lossy compression of the context.<\/strong>\u00bb<\/p>\n<\/blockquote>\n

\u041f\u0435\u0440\u0435\u0432\u043e\u0434: \u00ab\u041a\u043e\u0433\u0434\u0430 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0437\u0430\u043f\u043e\u043b\u043d\u044f\u0435\u0442\u0441\u044f, Cursor \u0434\u0435\u043b\u0430\u0435\u0442 \u0441\u0443\u043c\u043c\u0430\u0440\u0438\u0437\u0430\u0446\u0438\u044e. \u041d\u043e \u0437\u043d\u0430\u043d\u0438\u044f \u0430\u0433\u0435\u043d\u0442\u0430 \u0434\u0435\u0433\u0440\u0430\u0434\u0438\u0440\u0443\u044e\u0442, \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u044d\u0442\u043e \u0441\u0436\u0430\u0442\u0438\u0435 \u0441 \u043f\u043e\u0442\u0435\u0440\u044f\u043c\u0438.<\/strong>\u00bb<\/p>\n

Lossy compression. \u041e\u043d\u0438 \u0441\u0430\u043c\u0438 \u044d\u0442\u043e \u043d\u0430\u0437\u044b\u0432\u0430\u044e\u0442. \u041e\u043d\u0438 \u0437\u043d\u0430\u044e\u0442<\/strong>, \u0447\u0442\u043e \u044d\u0442\u043e \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430. \u0418 \u0438\u0445 \u0440\u0435\u0448\u0435\u043d\u0438\u0435? \u0414\u0430\u0442\u044c \u0430\u0433\u0435\u043d\u0442\u0443 \u0441\u0441\u044b\u043b\u043a\u0443 \u043d\u0430 \u0444\u0430\u0439\u043b \u0441 \u0438\u0441\u0442\u043e\u0440\u0438\u0435\u0439<\/strong> \u0438 \u043d\u0430\u0434\u0435\u044f\u0442\u044c\u0441\u044f, \u0447\u0442\u043e \u043e\u043d \u0441\u0430\u043c \u0434\u043e\u0433\u0430\u0434\u0430\u0435\u0442\u0441\u044f \u0442\u0443\u0434\u0430 \u0437\u0430\u0433\u043b\u044f\u043d\u0443\u0442\u044c:<\/p>\n

\n

\u00abAfter the context window limit is reached, we give the agent a reference to the history file. If the agent knows that it needs more details<\/strong> that are missing from the summary, it can search through the history to recover them.\u00bb<\/p>\n<\/blockquote>\n

\u0412\u044b\u0434\u0435\u043b\u0435\u043d\u043d\u043e\u0435 \u043c\u043d\u043e\u0439. If the agent knows.<\/strong> \u0410 \u0435\u0441\u043b\u0438 \u0430\u0433\u0435\u043d\u0442 \u041d\u0415 \u0437\u043d\u0430\u0435\u0442, \u0447\u0442\u043e \u0435\u043c\u0443 \u043d\u0435 \u0445\u0432\u0430\u0442\u0430\u0435\u0442 \u0434\u0435\u0442\u0430\u043b\u0435\u0439? \u041e\u043d \u043d\u0435 \u0437\u043d\u0430\u0435\u0442 — \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043e\u043d \u0443\u0436\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442 \u0432 \u043d\u043e\u0432\u043e\u043c, \u00ab\u0441\u0436\u0430\u0442\u043e\u043c\u00bb \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0438 \u0443\u0432\u0435\u0440\u0435\u043d, \u0447\u0442\u043e \u0432\u0441\u0435\u0433\u043e \u0434\u043e\u0441\u0442\u0430\u0442\u043e\u0447\u043d\u043e. \u042d\u0442\u043e \u043a\u043b\u0430\u0441\u0441\u0438\u0447\u0435\u0441\u043a\u0430\u044f \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0430 \u043d\u0435\u043e\u0441\u0432\u0435\u0434\u043e\u043c\u043b\u0451\u043d\u043d\u043e\u0433\u043e \u043d\u0435\u0437\u043d\u0430\u043d\u0438\u044f<\/strong> (unknown unknowns) \u0432 AI-\u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0445.<\/p>\n

3.2 Self-Summarization — Cursor Blog, \u043c\u0430\u0440\u0442 2026<\/h4>\n

\u0412\u0442\u043e\u0440\u043e\u0439 \u0431\u043b\u043e\u0433 — [Training Composer for longer horizons](https:\/\/cursor.com\/blog\/self-summarization<\/a>) — \u0440\u0430\u0441\u0441\u043a\u0430\u0437\u044b\u0432\u0430\u0435\u0442 \u043f\u0440\u043e \u0438\u0445 RL-\u0442\u0440\u0435\u043d\u0438\u0440\u043e\u0432\u043a\u0443 \u0434\u043b\u044f \u043c\u043e\u0434\u0435\u043b\u0438 Composer:<\/p>\n

\n

\u00abA primary challenge is that agent trajectories are expanding faster than the context length of models.<\/strong> Many agent harnesses use compaction… In practice, compaction is handled either in text space through a prompted summarization model<\/strong>, or through a sliding context window<\/strong> where the model drops older context. These approaches can cause the model to forget critical information from the context, reducing its efficacy as it advances.<\/strong>\u00bb<\/p>\n<\/blockquote>\n

\u041e\u043d\u0438 \u043f\u0440\u0438\u0437\u043d\u0430\u044e\u0442: \u0442\u0440\u0430\u0435\u043a\u0442\u043e\u0440\u0438\u0438 \u0430\u0433\u0435\u043d\u0442\u043e\u0432 \u0440\u0430\u0441\u0442\u0443\u0442 \u0431\u044b\u0441\u0442\u0440\u0435\u0435, \u0447\u0435\u043c \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442. \u041a\u043e\u043c\u043f\u0430\u043a\u0442\u0438\u0437\u0430\u0446\u0438\u044f \u043f\u0440\u0438\u0432\u043e\u0434\u0438\u0442 \u043a \u0437\u0430\u0431\u044b\u0432\u0430\u043d\u0438\u044e \u043a\u0440\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438. \u041d\u043e \u0432\u043e\u0442 \u0432\u0430\u0436\u043d\u044b\u0439 \u043d\u044e\u0430\u043d\u0441<\/strong>, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043c\u043d\u043e\u0433\u0438\u0435 \u043f\u0440\u043e\u043f\u0443\u0441\u043a\u0430\u044e\u0442:<\/p>\n

Self-summarization — \u044d\u0442\u043e \u0442\u043e\u043b\u044c\u043a\u043e \u0434\u043b\u044f Composer.<\/strong> \u042d\u0442\u043e \u0438\u0445 \u0441\u043e\u0431\u0441\u0442\u0432\u0435\u043d\u043d\u0430\u044f fine-tuned \u043c\u043e\u0434\u0435\u043b\u044c, \u043e\u0431\u0443\u0447\u0435\u043d\u043d\u0430\u044f \u0447\u0435\u0440\u0435\u0437 reinforcement learning \u0441 compaction-in-the-loop. \u041a Claude Opus 4.6, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u0438\u0441\u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u043b\u0441\u044f \u0432 \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442\u0435 PocketOS, \u044d\u0442\u043e \u043d\u0435 \u043e\u0442\u043d\u043e\u0441\u0438\u0442\u0441\u044f<\/strong>.<\/p>\n

\u041a\u043b\u043e\u0434 \u041e\u043f\u0443\u0441 \u0447\u0435\u0440\u0435\u0437 Cursor \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u043e\u0431\u044b\u0447\u043d\u044b\u0439 prompt-based summarization — \u0431\u0435\u0437 \u0441\u043f\u0435\u0446\u0438\u0430\u043b\u044c\u043d\u043e\u0433\u043e \u043e\u0431\u0443\u0447\u0435\u043d\u0438\u044f, \u0447\u0435\u0440\u0435\u0437 \u0443\u043d\u0438\u0432\u0435\u0440\u0441\u0430\u043b\u044c\u043d\u044b\u0439 \u043f\u0440\u043e\u043c\u043f\u0442 \u00ab\u0441\u0443\u043c\u043c\u0438\u0440\u0443\u0439 \u0441\u0432\u043e\u044e \u0440\u0430\u0431\u043e\u0442\u0443\u00bb.<\/p>\n

3.3 \u0411\u0430\u0433\u0438 \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u0438\u0437\u0430\u0446\u0438\u0438 — Cursor Forum, \u044f\u043d\u0432\u0430\u0440\u044c-\u0444\u0435\u0432\u0440\u0430\u043b\u044c 2026<\/h4>\n

\u041f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u0438 \u043d\u0430 \u0444\u043e\u0440\u0443\u043c\u0435 Cursor \u0441\u0438\u0441\u0442\u0435\u043c\u0430\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0436\u0430\u043b\u0443\u044e\u0442\u0441\u044f \u043d\u0430 \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u044b \u0441 \u043a\u043e\u043c\u043f\u0430\u043a\u0442\u0438\u0437\u0430\u0446\u0438\u0435\u0439. \u0422\u0435\u043c\u0430 [Compaction not happening soon enough](https:\/\/forum.cursor.com\/t\/compaction-not-happening-soon-enough\/149490\/3<\/a>):<\/p>\n

\n

\u00abI’m using Opus 4.5 agent. The context window fills up. In prior builds summarization would happen at 70-80%<\/strong>. But this time I ran up into the 90% mid action<\/strong>, and it’s showing 100% full!\u00bb<\/p>\n<\/blockquote>\n

\u041e\u0442\u0432\u0435\u0442 \u043a\u043e\u043c\u0430\u043d\u0434\u044b Cursor (Dean Rie):<\/p>\n

\n

\u00abThis is a known issue<\/strong> with auto-summarization. It can trigger late or incorrectly<\/strong>. The team is aware of it. Workaround: try running <\/strong>\/summarize<\/strong><\/code> manually when you see the context getting close to 70 to 80%.<\/strong>\u00bb<\/p>\n<\/blockquote>\n

\u041f\u0440\u043e\u0447\u0438\u0442\u0430\u0439\u0442\u0435 \u0435\u0449\u0451 \u0440\u0430\u0437: known issue<\/strong>. \u0421\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442 \u043f\u043e\u0437\u0434\u043d\u043e \u0438\u043b\u0438 \u043d\u0435\u043f\u0440\u0430\u0432\u0438\u043b\u044c\u043d\u043e. Workaround — \u0440\u0443\u0447\u043d\u0430\u044f \u043a\u043e\u043c\u0430\u043d\u0434\u0430.<\/strong><\/p>\n

\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u043e\u0434\u0432\u0435\u0434\u0451\u043c \u043f\u0440\u043e\u043c\u0435\u0436\u0443\u0442\u043e\u0447\u043d\u044b\u0439 \u0438\u0442\u043e\u0433:<\/p>\n

\n
\n\n\n\n\n\n\n\n\n
\n

\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430<\/p>\n<\/th>\n

\n

\u0418\u0441\u0442\u043e\u0447\u043d\u0438\u043a<\/p>\n<\/th>\n<\/tr>\n

\n

\u0421\u0443\u043c\u043c\u0430\u0440\u0438\u0437\u0430\u0446\u0438\u044f — lossy compression<\/p>\n<\/td>\n

\n

\u041e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0439 \u0431\u043b\u043e\u0433 Cursor<\/p>\n<\/td>\n<\/tr>\n

\n

\u041a\u043e\u043c\u043f\u0430\u043a\u0442\u0438\u0437\u0430\u0446\u0438\u044f \u0432\u044b\u0437\u044b\u0432\u0430\u0435\u0442 \u0437\u0430\u0431\u044b\u0432\u0430\u043d\u0438\u0435<\/p>\n<\/td>\n

\n

\u041e\u0444\u0438\u0446\u0438\u0430\u043b\u044c\u043d\u044b\u0439 \u0431\u043b\u043e\u0433 Cursor<\/p>\n<\/td>\n<\/tr>\n

\n

\u0410\u0432\u0442\u043e-\u0441\u0443\u043c\u043c\u0430\u0440\u0438\u0437\u0430\u0446\u0438\u044f \u0441\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442 \u043f\u043e\u0437\u0434\u043d\u043e \u0438\u043b\u0438 \u043d\u0435 \u0441\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442<\/p>\n<\/td>\n

\n

Cursor Forum, known issue<\/p>\n<\/td>\n<\/tr>\n

\n

\u0420\u0430\u0431\u043e\u0447\u0438\u0439 \u043f\u0440\u043e\u0446\u0435\u0441\u0441 — \u0440\u0443\u0447\u043d\u043e\u0439 \/summarize<\/p>\n<\/td>\n

\n

Cursor Support<\/p>\n<\/td>\n<\/tr>\n

\n

Self-summarization \u043d\u0435 \u043f\u0440\u0438\u043c\u0435\u043d\u044f\u0435\u0442\u0441\u044f \u043a Claude \u0447\u0435\u0440\u0435\u0437 Cursor<\/p>\n<\/td>\n

\n

\u0410\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u0430 Cursor<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n

4. \u0427\u0442\u043e \u0433\u043e\u0432\u043e\u0440\u0438\u0442 \u043d\u0430\u0443\u043a\u0430 (\u0438 \u043f\u043e\u0447\u0435\u043c\u0443 \u044d\u0442\u043e \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e, \u0430 \u043d\u0435 \u0431\u0430\u0433 Cursor’\u0430)<\/h3>\n

4.1 Lost in the Middle<\/h4>\n

\u0418\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 [\u00abLost in the Middle: How Language Models Use Long Contexts\u00bb](https:\/\/arxiv.org\/abs\/2307.03172<\/a>) (Liu et al., 2023, Stanford\/Meta AI) \u0443\u0441\u0442\u0430\u043d\u043e\u0432\u0438\u043b\u043e \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u044b\u0439 \u0444\u0430\u043a\u0442:<\/p>\n

U-\u043e\u0431\u0440\u0430\u0437\u043d\u0430\u044f \u043a\u0440\u0438\u0432\u0430\u044f \u043f\u0440\u043e\u0438\u0437\u0432\u043e\u0434\u0438\u0442\u0435\u043b\u044c\u043d\u043e\u0441\u0442\u0438.<\/strong> \u041c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u044e\u0442 \u043d\u0430\u0438\u043b\u0443\u0447\u0448\u0438\u0435 \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b, \u043a\u043e\u0433\u0434\u0430 \u0440\u0435\u043b\u0435\u0432\u0430\u043d\u0442\u043d\u0430\u044f \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u044f \u043d\u0430\u0445\u043e\u0434\u0438\u0442\u0441\u044f \u0432 \u043d\u0430\u0447\u0430\u043b\u0435 \u0438\u043b\u0438 \u0432 \u043a\u043e\u043d\u0446\u0435 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430, \u0438 \u043f\u0440\u043e\u0432\u0430\u043b\u0438\u0432\u0430\u044e\u0442\u0441\u044f, \u043a\u043e\u0433\u0434\u0430 \u043e\u043d\u0430 \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435. \u041f\u0430\u0434\u0435\u043d\u0438\u0435 — 20+ \u043f\u0440\u043e\u0446\u0435\u043d\u0442\u043d\u044b\u0445 \u043f\u0443\u043d\u043a\u0442\u043e\u0432<\/strong>. \u042d\u0442\u043e \u043c\u043d\u043e\u0433\u043e. \u042d\u0442\u043e \u043a\u0440\u0438\u0442\u0438\u0447\u043d\u043e.<\/p>\n

\u041f\u0440\u0438 20 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0445 \u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 GPT-3.5-Turbo \u043f\u043e\u043a\u0430\u0437\u044b\u0432\u0430\u043b \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442 \u0445\u0443\u0436\u0435, \u0447\u0435\u043c \u0431\u0435\u0437 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0432\u043e\u043e\u0431\u0449\u0435<\/strong>. \u0414\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0430\u043a\u0442\u0438\u0432\u043d\u043e \u0432\u0440\u0435\u0434\u0438\u043b\u043e<\/strong> \u043c\u043e\u0434\u0435\u043b\u0438. \u042d\u0442\u043e \u043d\u0435 \u0431\u0430\u0433 — \u044d\u0442\u043e \u0441\u043b\u0435\u0434\u0441\u0442\u0432\u0438\u0435 \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u044b \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0432 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430\u0445.<\/p>\n

\u041f\u0440\u0430\u0432\u0438\u043b\u0430 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438 Cursor — \u0432 \u043d\u0430\u0447\u0430\u043b\u0435 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 (system prompt). \u0410\u043a\u0442\u0438\u0432\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430 — \u0432 \u043a\u043e\u043d\u0446\u0435. \u0410 \u043c\u0435\u0436\u0434\u0443 \u043d\u0438\u043c\u0438 — \u043a\u0438\u043b\u043e\u043c\u0435\u0442\u0440\u044b \u043a\u043e\u0434\u0430 \u0438 \u0432\u044b\u0445\u043b\u043e\u043f \u0442\u0435\u0440\u043c\u0438\u043d\u0430\u043b\u0430. \u0412\u0441\u0451, \u0447\u0442\u043e \u0432 \u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0435, \u043c\u043e\u0434\u0435\u043b\u044c \u0432\u0438\u0434\u0438\u0442 \u0441\u0443\u0449\u0435\u0441\u0442\u0432\u0435\u043d\u043d\u043e \u0445\u0443\u0436\u0435.<\/p>\n

4.2 Attention Sinks<\/h4>\n

\u0418\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 MIT \u0438 Meta AI — [\u00abEfficient Streaming Language Models with Attention Sinks\u00bb](https:\/\/arxiv.org\/abs\/2309.17453<\/a>) (ICLR 2024) — \u043e\u0431\u043d\u0430\u0440\u0443\u0436\u0438\u043b\u043e \u0444\u0435\u043d\u043e\u043c\u0435\u043d attention sinks<\/strong>.<\/p>\n

Softmax-\u043d\u043e\u0440\u043c\u0430\u043b\u0438\u0437\u0430\u0446\u0438\u044f \u0432\u044b\u043d\u0443\u0436\u0434\u0430\u0435\u0442 \u0441\u0443\u043c\u043c\u0443 attention weights \u0431\u044b\u0442\u044c \u0440\u0430\u0432\u043d\u043e\u0439 1. \u041a\u043e\u0433\u0434\u0430 \u043d\u0438 \u043e\u0434\u0438\u043d \u0442\u043e\u043a\u0435\u043d \u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u043d\u0435 \u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u043a\u0440\u0438\u0442\u0438\u0447\u0435\u0441\u043a\u0438 \u0432\u0430\u0436\u043d\u044b\u043c, \u043c\u043e\u0434\u0435\u043b\u044c \u00ab\u0441\u043b\u0438\u0432\u0430\u0435\u0442\u00bb \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043d\u0430 \u043f\u0435\u0440\u0432\u044b\u0435 \u0442\u043e\u043a\u0435\u043d\u044b<\/strong> — \u043d\u0435\u0437\u0430\u0432\u0438\u0441\u0438\u043c\u043e \u043e\u0442 \u0438\u0445 \u0441\u0435\u043c\u0430\u043d\u0442\u0438\u0447\u0435\u0441\u043a\u043e\u0439 \u0432\u0430\u0436\u043d\u043e\u0441\u0442\u0438. \u041e\u043d\u0438 \u0441\u0442\u0430\u043d\u043e\u0432\u044f\u0442\u0441\u044f \u00ab\u0440\u0430\u043a\u043e\u0432\u0438\u043d\u043e\u0439\u00bb (sink) \u0434\u043b\u044f \u0438\u0437\u0431\u044b\u0442\u043e\u0447\u043d\u043e\u0433\u043e \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044f.<\/p>\n

\u042d\u0442\u043e \u043e\u0437\u043d\u0430\u0447\u0430\u0435\u0442: system prompt (\u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438) \u0432\u0441\u0435\u0433\u0434\u0430 \u043f\u043e\u043b\u0443\u0447\u0430\u0435\u0442 \u043d\u0435\u043f\u0440\u043e\u043f\u043e\u0440\u0446\u0438\u043e\u043d\u0430\u043b\u044c\u043d\u043e \u043c\u043d\u043e\u0433\u043e \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044f<\/strong>. \u041d\u043e \u043d\u0435 \u043f\u043e\u0442\u043e\u043c\u0443, \u0447\u0442\u043e \u043e\u043d \u0432\u0430\u0436\u0435\u043d, \u0430 \u043f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043c\u043e\u0434\u0435\u043b\u044c \u0434\u043e\u043b\u0436\u043d\u0430 \u043a\u0443\u0434\u0430-\u0442\u043e \u0434\u0435\u0442\u044c \u043b\u0438\u0448\u043d\u0435\u0435 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435. \u041a\u0430\u043a \u0448\u0443\u043c \u0432 \u0440\u0430\u0434\u0438\u043e\u044d\u0444\u0438\u0440\u0435 — \u0432\u044b \u0441\u043b\u044b\u0448\u0438\u0442\u0435 \u0448\u0438\u043f\u0435\u043d\u0438\u0435, \u043d\u043e \u044d\u0442\u043e \u043d\u0435 \u0437\u043d\u0430\u0447\u0438\u0442, \u0447\u0442\u043e \u0442\u0430\u043c \u043a\u0442\u043e-\u0442\u043e \u0433\u043e\u0432\u043e\u0440\u0438\u0442.<\/p>\n

4.3 Context Rot<\/h4>\n

Chroma Research \u0432 \u0438\u044e\u043b\u0435 2025 \u043e\u043f\u0443\u0431\u043b\u0438\u043a\u043e\u0432\u0430\u043b\u0430 \u0438\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 [Context Rot](https:\/\/research.trychroma.com\/context-rot<\/a>), \u043f\u0440\u043e\u0442\u0435\u0441\u0442\u0438\u0440\u043e\u0432\u0430\u0432 18 LLM:<\/p>\n

\n

\u00abAs the number of tokens in the context window increases, the model’s ability to accurately recall information from that context decreases.<\/strong>\u00bb<\/p>\n<\/blockquote>\n

Anthropic \u0441\u0430\u043c \u0441\u0441\u044b\u043b\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u044d\u0442\u043e \u0432 \u0441\u0432\u043e\u0451\u043c \u0431\u043b\u043e\u0433\u0435 [Effective Context Engineering](https:\/\/www.anthropic.com\/engineering\/effective-context-engineering-for-ai-agents<\/a>):<\/p>\n

\n

\u00abStudies on needle-in-a-haystack style benchmarking have uncovered the concept of context rot. This characteristic emerges across all models.<\/strong>\u00bb<\/p>\n<\/blockquote>\n

Anthropic \u043d\u0435 \u043f\u0440\u044f\u0447\u0435\u0442\u0441\u044f. \u041e\u043d\u0438 \u044d\u0442\u043e \u043f\u0440\u0438\u0437\u043d\u0430\u044e\u0442. \u041f\u0440\u044f\u043c\u044b\u043c \u0442\u0435\u043a\u0441\u0442\u043e\u043c. \u041f\u0440\u043e \u0441\u0432\u043e\u0438 \u043c\u043e\u0434\u0435\u043b\u0438.<\/p>\n

\u0411\u043e\u043b\u0435\u0435 \u0442\u043e\u0433\u043e, \u043d\u0430 GitHub’\u0435 Anthropic \u0435\u0441\u0442\u044c issue [#35296](https:\/\/github.com\/anthropics\/claude-code\/issues\/35296<\/a>) (\u043c\u0430\u0440\u0442 2026), \u0433\u0434\u0435 \u043f\u043e\u043b\u044c\u0437\u043e\u0432\u0430\u0442\u0435\u043b\u044c \u0441\u043a\u0440\u0443\u043f\u0443\u043b\u0451\u0437\u043d\u043e \u0437\u0430\u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0438\u0440\u043e\u0432\u0430\u043b \u0434\u0435\u0433\u0440\u0430\u0434\u0430\u0446\u0438\u044e Claude Opus 4.6 \u043d\u0430 1M \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435, \u043f\u0440\u0438\u0432\u0435\u0434\u044f \u0446\u0438\u0442\u0430\u0442\u044b \u0438\u0437 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438 Anthropic:<\/p>\n

\n

\u00abClaude Opus 4.6 advertises a 1M-token context window. This context window does not deliver uniform quality<\/strong> across its advertised range. Confirmed across 25+ sessions<\/strong>, 20,000+ database records.\u00bb<\/p>\n<\/blockquote>\n

4.4 Attention Dilution — \u043f\u043e\u0447\u0435\u043c\u0443 \u0442\u043e\u043a\u0435\u043d\u044b \u0432\u043e\u0440\u0443\u044e\u0442 \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u0434\u0440\u0443\u0433 \u0443 \u0434\u0440\u0443\u0433\u0430<\/h4>\n

Meta AI Research \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0436\u0434\u0430\u0435\u0442: attention \u0432 \u0442\u0440\u0430\u043d\u0441\u0444\u043e\u0440\u043c\u0435\u0440\u0430\u0445 — zero-sum \u0438\u0433\u0440\u0430<\/strong>. \u041a\u0430\u0436\u0434\u044b\u0439 \u043d\u043e\u0432\u044b\u0439 \u0442\u043e\u043a\u0435\u043d \u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0435 \u0437\u0430\u0431\u0438\u0440\u0430\u0435\u0442 \u0447\u0430\u0441\u0442\u044c \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u044f \u0443 \u0432\u0441\u0435\u0445 \u043e\u0441\u0442\u0430\u043b\u044c\u043d\u044b\u0445. \u0414\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0438\u0440\u0440\u0435\u043b\u0435\u0432\u0430\u043d\u0442\u043d\u043e\u0439 \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u043d\u0435 \u043f\u0440\u043e\u0441\u0442\u043e \u0431\u0435\u0441\u043f\u043e\u043b\u0435\u0437\u043d\u043e — \u043e\u043d\u043e \u0430\u043a\u0442\u0438\u0432\u043d\u043e \u0432\u0440\u0435\u0434\u0438\u0442, \u0440\u0430\u0437\u043c\u0430\u0437\u044b\u0432\u0430\u044f \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0435 \u043c\u043e\u0434\u0435\u043b\u0438 \u043f\u043e \u0431\u043e\u043b\u044c\u0448\u0435\u043c\u0443 \u043a\u043e\u043b\u0438\u0447\u0435\u0441\u0442\u0432\u0443 \u0442\u043e\u043a\u0435\u043d\u043e\u0432.<\/p>\n

\u0418\u0441\u0441\u043b\u0435\u0434\u043e\u0432\u0430\u043d\u0438\u0435 Google (ICML 2023) \u043d\u0430 \u0431\u0435\u043d\u0447\u043c\u0430\u0440\u043a\u0435 GSM-IC \u043f\u043e\u043a\u0430\u0437\u0430\u043b\u043e: \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u0435 \u0442\u043e\u043f\u0438\u043a\u0430\u043b\u044c\u043d\u043e \u0441\u0432\u044f\u0437\u0430\u043d\u043d\u043e\u0439, \u043d\u043e \u0438\u0440\u0440\u0435\u043b\u0435\u0432\u0430\u043d\u0442\u043d\u043e\u0439<\/strong> \u0438\u043d\u0444\u043e\u0440\u043c\u0430\u0446\u0438\u0438 \u0432 \u043f\u0440\u043e\u043c\u043f\u0442 \u0440\u0435\u0437\u043a\u043e \u0441\u043d\u0438\u0436\u0430\u0435\u0442 \u0442\u043e\u0447\u043d\u043e\u0441\u0442\u044c \u043c\u043e\u0434\u0435\u043b\u0438. \u041c\u043e\u0434\u0435\u043b\u044c \u043e\u0442\u0432\u043b\u0435\u043a\u0430\u0435\u0442\u0441\u044f \u043d\u0430 \u043f\u0440\u0430\u0432\u0434\u043e\u043f\u043e\u0434\u043e\u0431\u043d\u044b\u0435, \u043d\u043e \u043d\u0435\u043d\u0443\u0436\u043d\u044b\u0435 \u0434\u0435\u0442\u0430\u043b\u0438 — \u0442\u043e\u0447\u043d\u043e \u0442\u0430\u043a \u0436\u0435, \u043a\u0430\u043a \u043e\u0442\u0432\u043b\u0451\u043a\u0441\u044f \u0430\u0433\u0435\u043d\u0442 PocketOS, \u043a\u043e\u0433\u0434\u0430 \u043d\u0430\u0448\u0451\u043b API-\u0442\u043e\u043a\u0435\u043d \u0438 \u0440\u0435\u0448\u0438\u043b \u0435\u0433\u043e \u00ab\u043f\u0440\u0438\u043c\u0435\u043d\u0438\u0442\u044c\u00bb.<\/p>\n\n

5. \u041a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u0430\u044f \u043c\u043e\u0434\u0435\u043b\u044c: \u043a\u0430\u043a \u0440\u0430\u0437\u0440\u044b\u0432 \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442\u0430 \u0443\u0431\u0438\u043b reasoning<\/h3>\n

\u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u0441\u043c\u043e\u0434\u0435\u043b\u0438\u0440\u0443\u0435\u043c, \u043a\u0430\u043a \u0432\u044b\u0433\u043b\u044f\u0434\u0435\u043b \u043a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 Cursor-\u0430\u0433\u0435\u043d\u0442\u0430 \u043a \u043c\u043e\u043c\u0435\u043d\u0442\u0443 \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442\u0430.<\/p>\n

\"\u041f\u0430\u0439\u043f\u043b\u0430\u0439\u043d<\/p>\n
\u0422\u0430 \u0436\u0435 \u0441\u0445\u0435\u043c\u0430, \u043d\u043e \u0442\u0435\u043f\u0435\u0440\u044c \u0441 \u043a\u043e\u043d\u043a\u0440\u0435\u0442\u043d\u044b\u043c \u0440\u0430\u0437\u0431\u043e\u0440\u043e\u043c \u043c\u0435\u0445\u0430\u043d\u0438\u0437\u043c\u0430<\/figcaption><\/div>\n<\/figure>\n

\u0414\u043e \u0441\u0443\u043c\u043c\u0430\u0440\u0438\u0437\u0430\u0446\u0438\u0438:<\/strong><\/p>\n

\n
\n\n\n\n\n\n\n
\n

\u0427\u0430\u043d\u043a<\/p>\n<\/th>\n

\n

\u0421\u043e\u0434\u0435\u0440\u0436\u0430\u043d\u0438\u0435<\/p>\n<\/th>\n

\n

\u0420\u0430\u0437\u043c\u0435\u0440<\/p>\n<\/th>\n<\/tr>\n

\n

\u0427\u0430\u043d\u043a 1 (\u043d\u0430\u0447\u0430\u043b\u043e)<\/p>\n<\/td>\n

\n

System prompt: \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438, \u00abNEVER run destructive commands\u00bb, \u043e\u043f\u0438\u0441\u0430\u043d\u0438\u0435 \u0438\u043d\u0441\u0442\u0440\u0443\u043c\u0435\u043d\u0442\u043e\u0432<\/p>\n<\/td>\n

\n

~5K \u0442\u043e\u043a\u0435\u043d\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n

\n

\u0427\u0430\u043d\u043a\u0438 2-7 (\u0441\u0435\u0440\u0435\u0434\u0438\u043d\u0430)<\/p>\n<\/td>\n

\n

\u041e\u0442\u043a\u0440\u044b\u0442\u044b\u0435 \u0444\u0430\u0439\u043b\u044b \u043f\u0440\u043e\u0435\u043a\u0442\u0430 PocketOS, \u043a\u043e\u043d\u0444\u0438\u0433\u0438, \u0441\u0445\u0435\u043c\u044b \u0411\u0414, \u0444\u0430\u0439\u043b\u044b \u0440\u0430\u0437\u0432\u0451\u0440\u0442\u044b\u0432\u0430\u043d\u0438\u044f<\/p>\n<\/td>\n

\n

~100K \u0442\u043e\u043a\u0435\u043d\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n

\n

\u0427\u0430\u043d\u043a 8 (\u043a\u043e\u043d\u0435\u0446)<\/p>\n<\/td>\n

\n

\u0418\u0441\u0442\u043e\u0440\u0438\u044f \u0434\u0438\u0430\u043b\u043e\u0433\u0430: \u00ab\u043f\u043e\u0447\u0438\u043d\u0438 credential mismatch \u043d\u0430 staging\u00bb, \u0440\u0435\u0437\u0443\u043b\u044c\u0442\u0430\u0442\u044b grep’\u043e\u0432, \u043d\u0430\u0439\u0434\u0435\u043d API-\u0442\u043e\u043a\u0435\u043d Railway, curl-\u043a\u043e\u043c\u0430\u043d\u0434\u044b<\/p>\n<\/td>\n

\n

~20K \u0442\u043e\u043a\u0435\u043d\u043e\u0432<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n

\u041a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0437\u0430\u043f\u043e\u043b\u043d\u0435\u043d \u043d\u0430 90%+, \u0430\u0432\u0442\u043e-\u0441\u0443\u043c\u043c\u0430\u0440\u0438\u0437\u0430\u0446\u0438\u044f \u043d\u0435 \u0441\u0440\u0430\u0431\u043e\u0442\u0430\u043b\u0430 \u0432\u043e\u0432\u0440\u0435\u043c\u044f (known issue). \u0412 \u043a\u0430\u043a\u043e\u0439-\u0442\u043e \u043c\u043e\u043c\u0435\u043d\u0442 \u043e\u043d\u0430 \u0432\u0441\u0451 \u0436\u0435 \u0441\u0440\u0430\u0431\u0430\u0442\u044b\u0432\u0430\u0435\u0442:<\/p>\n

\u041f\u043e\u0441\u043b\u0435 \u0441\u0443\u043c\u043c\u0430\u0440\u0438\u0437\u0430\u0446\u0438\u0438 (lossy compression):<\/strong><\/p>\n

\n
\n\n\n\n\n\n\n
\n

\u041f\u043e\u0437\u0438\u0446\u0438\u044f<\/p>\n<\/th>\n

\n

\u0421\u043e\u0434\u0435\u0440\u0436\u0430\u043d\u0438\u0435<\/p>\n<\/th>\n

\n

\u041f\u0440\u043e\u0431\u043b\u0435\u043c\u0430<\/p>\n<\/th>\n<\/tr>\n

\n

\u041d\u0430\u0447\u0430\u043b\u043e<\/p>\n<\/td>\n

\n

\u041f\u0435\u0440\u0435\u0441\u043a\u0430\u0437 \u043f\u0440\u0430\u0432\u0438\u043b: \u00ab\u0435\u0441\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438, \u0447\u0442\u043e-\u0442\u043e \u043f\u0440\u043e destructive operations\u00bb<\/p>\n<\/td>\n

\n

\u041e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u0430\u044f \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u043a\u0430 \u043f\u043e\u0442\u0435\u0440\u044f\u043d\u0430<\/p>\n<\/td>\n<\/tr>\n

\n

\u0421\u0435\u0440\u0435\u0434\u0438\u043d\u0430<\/p>\n<\/td>\n

\n

\u041f\u0435\u0440\u0435\u0441\u043a\u0430\u0437 \u043a\u043e\u0434\u0430: \u00ab\u0440\u0435\u043f\u043e\u0437\u0438\u0442\u043e\u0440\u0438\u0439 PocketOS\u00bb<\/p>\n<\/td>\n

\n

\u0414\u0435\u0442\u0430\u043b\u0438 \u043f\u0440\u043e\u0435\u043a\u0442\u0430 \u0440\u0430\u0437\u043c\u044b\u0442\u044b<\/p>\n<\/td>\n<\/tr>\n

\n

\u041a\u043e\u043d\u0435\u0446<\/p>\n<\/td>\n

\n

\u0410\u043a\u0442\u0438\u0432\u043d\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430: \u00ab\u0437\u0430\u043c\u0435\u043d\u0438\u0442\u044c credentials, \u043d\u0430\u0439\u0434\u0435\u043d API-\u0442\u043e\u043a\u0435\u043d, \u043d\u0430\u0434\u043e \u0447\u0442\u043e-\u0442\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0441 volume\u00bb<\/p>\n<\/td>\n

\n

\u041a\u043e\u043d\u0442\u0435\u043a\u0441\u0442 \u0437\u0430\u0434\u0430\u0447\u0438 + \u0442\u043e\u043a\u0435\u043d — \u0432 \u0430\u043a\u0442\u0438\u0432\u043d\u043e\u043c \u0432\u043d\u0438\u043c\u0430\u043d\u0438\u0438<\/p>\n<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n<\/div>\n<\/div>\n

\u041c\u043e\u0434\u0435\u043b\u044c \u0432\u0438\u0434\u0438\u0442:<\/p>\n

    \n
  1. \n

    \u00ab\u0415\u0441\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438\u00bb (\u0444\u0430\u043a\u0442 \u0437\u0430\u043f\u043e\u043c\u043d\u0435\u043d, \u043d\u043e \u0432 \u0440\u0430\u0437\u043c\u044b\u0442\u043e\u0439 \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u043a\u0435)<\/p>\n<\/li>\n

  2. \n

    \u00ab\u041d\u0430\u0434\u043e \u043f\u043e\u0447\u0438\u043d\u0438\u0442\u044c credentials\u00bb (\u0442\u0435\u043a\u0443\u0449\u0430\u044f \u0437\u0430\u0434\u0430\u0447\u0430)<\/p>\n<\/li>\n

  3. \n

    \u00ab\u0415\u0441\u0442\u044c API-\u0442\u043e\u043a\u0435\u043d Railway\u00bb (\u0440\u0435\u0441\u0443\u0440\u0441)<\/p>\n<\/li>\n

  4. \n

    \u00ab\u041d\u0430\u0434\u043e \u0441\u0434\u0435\u043b\u0430\u0442\u044c \u0447\u0442\u043e-\u0442\u043e \u0441 volume\u00bb (\u043f\u043b\u0430\u043d)<\/p>\n<\/li>\n<\/ol>\n

    \u0421\u0432\u044f\u0437\u044c \u043c\u0435\u0436\u0434\u0443 \u00ab\u0435\u0441\u0442\u044c \u043f\u0440\u0430\u0432\u0438\u043b\u0430\u00bb \u0438 \u00ab\u043d\u0435\u043b\u044c\u0437\u044f \u0443\u0434\u0430\u043b\u044f\u0442\u044c volume\u00bb \u0420\u0410\u0417\u041e\u0420\u0412\u0410\u041d\u0410.<\/strong> \u041f\u043e\u0442\u043e\u043c\u0443 \u0447\u0442\u043e \u043e\u0440\u0438\u0433\u0438\u043d\u0430\u043b\u044c\u043d\u0430\u044f \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u043e\u0432\u043a\u0430 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u043f\u043e\u0442\u0435\u0440\u044f\u043d\u0430 \u043f\u0440\u0438 \u0441\u0436\u0430\u0442\u0438\u0438, \u0430 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u0430\u0432\u043b\u0438\u0432\u0430\u0442\u044c \u0435\u0451 \u0438\u0437 \u0438\u0441\u0442\u043e\u0440\u0438\u0438 \u0447\u0435\u0440\u0435\u0437 \u0444\u0430\u0439\u043b \u0430\u0433\u0435\u043d\u0442 \u043d\u0435 \u0434\u043e\u0433\u0430\u0434\u0430\u043b\u0441\u044f — \u0441\u043c. \u0432\u044b\u0448\u0435: \u00abif the agent knows\u00bb<\/em>.<\/p>\n

    \u042d\u0442\u043e \u043d\u0435 \u00ab\u043c\u043e\u0434\u0435\u043b\u044c \u043e\u0441\u043b\u0443\u0448\u0430\u043b\u0430\u0441\u044c\u00bb \u0438 \u043d\u0435 \u00abCursor \u043d\u0430\u043a\u043e\u0441\u044f\u0447\u0438\u043b\u00bb. \u042d\u0442\u043e \u0444\u0443\u043d\u0434\u0430\u043c\u0435\u043d\u0442\u0430\u043b\u044c\u043d\u043e\u0435 \u043e\u0433\u0440\u0430\u043d\u0438\u0447\u0435\u043d\u0438\u0435 \u043f\u043e\u0434\u0445\u043e\u0434\u0430<\/strong>: reasoning \u0447\u0435\u0440\u0435\u0437 \u0433\u0440\u0430\u043d\u0438\u0446\u044b \u0447\u0430\u043d\u043a\u043e\u0432 \u043d\u0435 \u0440\u0430\u0431\u043e\u0442\u0430\u0435\u0442, \u0435\u0441\u043b\u0438 \u0447\u0430\u043d\u043a\u0438 \u0440\u0430\u0437\u0431\u0438\u0432\u0430\u044e\u0442 \u043b\u043e\u0433\u0438\u0447\u0435\u0441\u043a\u0438\u0435 \u0441\u0432\u044f\u0437\u0438.<\/p>\n

    \u041e\u0441\u043e\u0431\u0435\u043d\u043d\u043e \u044f\u0440\u043a\u043e \u044d\u0442\u043e \u043f\u0440\u043e\u044f\u0432\u043b\u044f\u0435\u0442\u0441\u044f \u0434\u043b\u044f \u0431\u0435\u0437\u043e\u043f\u0430\u0441\u043d\u043e\u0441\u0442\u0438<\/strong>, \u0433\u0434\u0435 \u043f\u0440\u0430\u0432\u0438\u043b\u0430 \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u0443\u044e\u0442\u0441\u044f \u043a\u0430\u043a \u0437\u0430\u043f\u0440\u0435\u0442\u044b (\u00ab\u041d\u0415 \u0414\u0415\u041b\u0410\u0419 X\u00bb), \u0430 \u0437\u0430\u0434\u0430\u0447\u0430 \u0444\u043e\u0440\u043c\u0443\u043b\u0438\u0440\u0443\u0435\u0442\u0441\u044f \u043a\u0430\u043a \u0434\u0435\u0439\u0441\u0442\u0432\u0438\u0435 (\u00ab\u0421\u0414\u0415\u041b\u0410\u0419 Y, \u0447\u0442\u043e\u0431\u044b \u043f\u043e\u0447\u0438\u043d\u0438\u0442\u044c \u043f\u0440\u043e\u0431\u043b\u0435\u043c\u0443\u00bb). \u041c\u043e\u0434\u0435\u043b\u044c — \u0441\u0442\u0430\u0442\u0438\u0441\u0442\u0438\u0447\u0435\u0441\u043a\u0438\u0439 \u043e\u043f\u0442\u0438\u043c\u0438\u0437\u0430\u0442\u043e\u0440. \u041e\u043d\u0430 \u0432\u0438\u0434\u0438\u0442 \u0437\u0430\u0434\u0430\u0447\u0443 \u00ab\u043f\u043e\u0447\u0438\u043d\u0438\u00bb \u0438 \u0440\u0435\u0448\u0430\u0435\u0442 \u0435\u0451 \u0434\u043e\u0441\u0442\u0443\u043f\u043d\u044b\u043c \u0441\u043f\u043e\u0441\u043e\u0431\u043e\u043c. \u0417\u0430\u043f\u0440\u0435\u0442 \u043d\u0430 \u044d\u0442\u043e\u0442 \u0441\u043f\u043e\u0441\u043e\u0431 \u0443\u0436\u0435 \u043d\u0435 \u0432 \u0430\u043a\u0442\u0438\u0432\u043d\u043e\u0439 \u043f\u0430\u043c\u044f\u0442\u0438.<\/p>\n\n

    6. \u041f\u043e\u0447\u0435\u043c\u0443 \u0432\u0438\u043d\u043e\u0432\u0430\u0442 \u043d\u0435 \u0442\u043e\u043b\u044c\u043a\u043e Cursor (\u0438 \u0434\u0430\u0436\u0435 \u043d\u0435 \u0441\u0442\u043e\u043b\u044c\u043a\u043e Cursor)<\/h3>\n

    \u0411\u044b\u043b\u043e \u0431\u044b \u0443\u0434\u043e\u0431\u043d\u043e \u0441\u0432\u0430\u043b\u0438\u0442\u044c \u0432\u0441\u0451 \u043d\u0430 Cursor. \u041d\u043e \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442 PocketOS — \u044d\u0442\u043e \u043c\u043d\u043e\u0433\u043e\u0441\u043b\u043e\u0439\u043d\u044b\u0439 \u043e\u0442\u043a\u0430\u0437, \u0433\u0434\u0435 Cursor — \u0442\u043e\u043b\u044c\u043a\u043e \u0432\u0435\u0440\u0445\u0443\u0448\u043a\u0430 \u0430\u0439\u0441\u0431\u0435\u0440\u0433\u0430.<\/p>\n

    6.1 Railway API — \u0430\u0440\u0445\u0438\u0442\u0435\u043a\u0442\u0443\u0440\u043d\u043e\u0435 \u0431\u0435\u0437\u0443\u043c\u0438\u0435<\/h4>\n

    Railway \u0432 \u044d\u0442\u043e\u043c \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442\u0435 \u0441\u043b\u0438\u043b \u043d\u0435 \u043c\u0435\u043d\u044c\u0448\u0435 Cursor’\u0430. \u0414\u0430\u0432\u0430\u0439\u0442\u0435 \u043f\u043e \u043f\u0443\u043d\u043a\u0442\u0430\u043c:<\/p>\n

      \n
    1. \n

      volumeDelete — \u043d\u043e\u043b\u044c \u043f\u043e\u0434\u0442\u0432\u0435\u0440\u0436\u0434\u0435\u043d\u0438\u0439.<\/strong> \u041e\u0434\u0438\u043d POST-\u0437\u0430\u043f\u0440\u043e\u0441, \u0438 production-\u0434\u0430\u043d\u043d\u044b\u0435 \u0443\u0434\u0430\u043b\u0435\u043d\u044b \u043d\u0430\u0432\u0441\u0435\u0433\u0434\u0430. \u041d\u0438 \u00abtype DELETE to confirm\u00bb, \u043d\u0438 \u00ab\u0442\u044b \u0443\u0432\u0435\u0440\u0435\u043d?\u00bb, \u043d\u0438 rate-limit. \u041d\u0438\u0447\u0435\u0433\u043e.<\/p>\n<\/li>\n

    2. \n

      CLI-\u0442\u043e\u043a\u0435\u043d\u044b = root.<\/strong> \u0422\u043e\u043a\u0435\u043d, \u0441\u043e\u0437\u0434\u0430\u043d\u043d\u044b\u0439 \u0434\u043b\u044f \u0434\u043e\u0431\u0430\u0432\u043b\u0435\u043d\u0438\u044f \u0434\u043e\u043c\u0435\u043d\u043e\u0432, \u0438\u043c\u0435\u0435\u0442 \u043f\u043e\u043b\u043d\u044b\u0439 \u0434\u043e\u0441\u0442\u0443\u043f \u043a\u043e \u0432\u0441\u0435\u043c\u0443 GraphQL API, \u0432\u043a\u043b\u044e\u0447\u0430\u044f \u0434\u0435\u0441\u0442\u0440\u0443\u043a\u0442\u0438\u0432\u043d\u044b\u0435 \u043c\u0443\u0442\u0430\u0446\u0438\u0438. \u041d\u0435\u0442 RBAC. \u041d\u0435\u0442 scoped permissions. \u0421\u043e\u043e\u0431\u0449\u0435\u0441\u0442\u0432\u043e Railway \u043f\u0440\u043e\u0441\u0438\u0442 scoped-\u0442\u043e\u043a\u0435\u043d\u044b \u0433\u043e\u0434\u0430\u043c\u0438 .<\/p>\n<\/li>\n

    3. \n

      \u0411\u044d\u043a\u0430\u043f\u044b \u0432 \u0442\u043e\u043c \u0436\u0435 volume.<\/strong> Railway \u043f\u0438\u0430\u0440\u0438\u0442 volume backups \u043a\u0430\u043a \u0444\u0438\u0447\u0443 \u043e\u0442\u043a\u0430\u0437\u043e\u0443\u0441\u0442\u043e\u0439\u0447\u0438\u0432\u043e\u0441\u0442\u0438. \u041d\u043e per \u0438\u0445 \u0434\u043e\u043a\u0443\u043c\u0435\u043d\u0442\u0430\u0446\u0438\u0438: \u00abwiping a volume deletes all backups\u00bb. \u042d\u0442\u043e \u043d\u0435 \u0431\u044d\u043a\u0430\u043f\u044b. \u042d\u0442\u043e \u0441\u043d\u0430\u043f\u0448\u043e\u0442 \u0432 \u0442\u043e\u043c \u0436\u0435 blast radius. \u0415\u0441\u043b\u0438 volume \u0443\u043c\u0435\u0440 — \u0431\u044d\u043a\u0430\u043f\u044b \u0443\u043c\u0435\u0440\u043b\u0438 \u0441 \u043d\u0438\u043c.<\/p>\n<\/li>\n

    4. \n

      MCP \u0441 \u0442\u043e\u0439 \u0436\u0435 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0430\u0432\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438.<\/strong> 23 \u0430\u043f\u0440\u0435\u043b\u044f 2026 Railway \u043f\u0438\u0430\u0440\u0438\u0442 mcp.railway.com<\/a> \u0434\u043b\u044f AI-\u0430\u0433\u0435\u043d\u0442\u043e\u0432. \u0421 \u0442\u043e\u0439 \u0436\u0435 \u043c\u043e\u0434\u0435\u043b\u044c\u044e \u0430\u0432\u0442\u043e\u0440\u0438\u0437\u0430\u0446\u0438\u0438: root-\u0442\u043e\u043a\u0435\u043d\u044b, \u043d\u043e\u043b\u044c confirmation steps, \u043d\u0438\u043a\u0430\u043a\u0438\u0445 \u043d\u043e\u0432\u044b\u0445 safety layer’\u043e\u0432 \u0434\u043b\u044f AI-\u044d\u043f\u043e\u0445\u0438.<\/p>\n<\/li>\n

    5. \n

      30+ \u0447\u0430\u0441\u043e\u0432 \u0431\u0435\u0437 \u043e\u0442\u0432\u0435\u0442\u0430.<\/strong> \u041f\u043e\u0441\u043b\u0435 \u0438\u043d\u0446\u0438\u0434\u0435\u043d\u0442\u0430 Railway \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0441\u043a\u0430\u0437\u0430\u0442\u044c, \u0432\u043e\u0437\u043c\u043e\u0436\u043d\u043e \u043b\u0438 \u0432\u043e\u0441\u0441\u0442\u0430\u043d\u043e\u0432\u043b\u0435\u043d\u0438\u0435 \u043d\u0430 \u0443\u0440\u043e\u0432\u043d\u0435 \u0438\u043d\u0444\u0440\u0430\u0441\u0442\u0440\u0443\u043a\u0442\u0443\u0440\u044b. \u041f\u043e\u043b\u0442\u043e\u0440\u0430 \u0434\u043d\u044f. \u0414\u043b\u044f \u043c\u0430\u043b\u043e\u0433\u043e \u0431\u0438\u0437\u043d\u0435\u0441\u0430, \u043a\u043e\u0442\u043e\u0440\u044b\u0439 \u043d\u0435 \u043c\u043e\u0436\u0435\u0442 \u0440\u0430\u0431\u043e\u0442\u0430\u0442\u044c.<\/p>\n<\/li>\n<\/ol>\n

      6.2 System prompt — \u0431\u0443\u043c\u0430\u0436\u043d\u044b\u0439 \u0431\u0430\u0440\u044c\u0435\u0440<\/h4>\n

      Cursor \u043f\u0440\u043e\u0434\u0430\u0451\u0442 \u00abDestructive Guardrails\u00bb \u0438 Plan Mode. \u041d\u0430 \u043f\u0440\u0430\u043a\u0442\u0438\u043a\u0435:<\/p>\n