Не час, а рабочее состояние
Парадокс: мы измеряем железо лучше, чем себя. Есть инструменты для загрузки процессора, памяти, температуры видеокарты и трафика — а в конце восьмичасового дня сложно ответить на простой вопрос: что я делал весь день?
Не сколько часов и какие приложения были открыты, а что происходило. Где был фокус, какая доля дня — реальные действия, а какая — прокрастинация и смены контекста, делал ли я перерывы. Час может быть потоком, прокрастинацией под видом ресёрча, ступором, созвоном или работой с AI-агентом, где половина времени ушла на промпты. Поэтому LogAgent анализирует не время, а состояние рабочего процесса.
Почему бы не взять готовый инструмент
Тайм-трекеры знают «сколько», но не «в каком состоянии». Таск-менеджеры знают, что запланировано, но не что реально произошло. Health-приложения знают сон и шаги, но ничего про «5 часов в IDE». IDE-метрики видят код, но не усталость, перерывы и переключения.
Рынок не пустой — ActivityWatch, WakaTime, RescueTime, Rize, всё это хорошо. Но каждый отвечает на свой вопрос. Я не нашёл инструмента, который собирает время, проекты, фокус, перерывы, усталость, осанку, git/IDE и биллинг в одну объяснимую картину.
AI сделал день более рваным
С появлением Cursor, Claude Code, Codex и других AI-агентов рабочий день стал ещё более рваным и нагруженным. Мультиагентные инструменты разработки только усилили проблему: частые смены фокуса, высокая когнитивная нагрузка, переключения контекста.
С этих мыслей и началась идея LogAgent. Сначала казалось, что я делаю умный тайм-трекер со статистикой дня. Потом пришёл инсайт — само время использования приложений почти ничего не объясняет.
Почему единая магическая оценка — это плохо
Плохо: «5 часов за ПК. Продуктивность 61%. Усталость 58%. Делайте выводы сами».
Хорошо: «Из 5 часов эффективными были 3,5. Продуктивность просела после 16:00. До этого были две хорошие фокус-сессии по 25 минут. Потом выросло число переключений между IDE, браузером и мессенджером. Перерыв был пропущен три раза. Осанка начала сыпаться примерно через 40 минут после последнего отдыха».
Если агент не может объяснить, почему сделал вывод, — это не агент, а генератор красивых цифр. Каждый инсайт ссылается на интерпретируемые сигналы, каждый сегмент имеет уверенность, спорные попадают в ревью, а ручные исправления влияют на обучаемость системы.
Для чего нужна агентность
Для меня агентность — не «обёртка над LLM», а про проактивность и автономность, вне зависимости от того, есть ли внутри нейросеть. В текущей версии LLM нет вообще: вся классификация, аналитика и инсайты работают на правилах и эвристиках, офлайн.
Агент сам собирает сигналы, классифицирует проекты, замечает аномалии, запрашивает уточнения только когда не уверен, готовит черновики саммари дня и подсвечивает инсайты. Правильный агент не командует человеком — он достаточно умён, чтобы работать автономно и обращаться к пользователю только по делу.
Один сигнал врёт. Серия говорит правду
По-отдельности каждый сигнал слаб. Активное окно лишь говорит, что было в фокусе в конкретный момент. Git — что были изменения. AFK — что человек отошёл. Частые переключения с учётом контекста могут говорить о начале прокрастинации. Камера — что пользователь начинает сутулиться и реже моргать.
Но вместе сигналы складываются в полноценную картину: здесь была работа над проектом, здесь частые переключения, здесь восстановление фокуса, здесь спорный сегмент, который лучше подтвердить вручную. Один сигнал может врать — серия даёт честную картину дня.
Privacy-first по умолчанию
Ядро трекинга и локальной аналитики работает офлайн — сеть агенту не нужна вообще, даже для анализа видеопотока с камеры. Поза, моргание и другие сигналы считаются алгоритмически через локальную модель MediaPipe Face Mesh, покадрово в памяти, без сохранения кадров и видео. В историю попадают только числовые признаки и события.
Это не только этическое, но и инженерное решение: локально дешевле на масштабе, быстрее по отклику и проще для доверия. В ядре нет LLM, поэтому privacy-обещание держится — данным просто некуда утекать.
Зачем нужна камера и контекстные перерывы
Усталость появляется раньше, чем мы её осознаём. Сначала меняется поза и появляется сутулость, потом наклон к экрану и рука под головой, реже моргание, пропущенный перерыв — и только потом падает фокус. Без камеры это сложно определить эффективно, и её можно полностью выключить.
Когда совокупность сигналов пересекает порог, агент не ждёт — он коротко вмешивается контекстной карточкой, которая исчезает через пару секунд, а не модалкой на весь экран. Это не помодоро по таймеру: классический ритм доступен как режим, но по умолчанию подсказки контекстные и по сигналам, а пороги настраиваются. Ориентиры — NIOSH / CDC / OSHA; LogAgent не врач.
AI-native работа — новая слепая зона
В 2026 разработчик всё чаще работает не только в классической IDE: Cursor, Claude Code, Codex, OpenCode, Grok + терминал, браузер, документация, issue tracker и git. Внешне — «сидел в браузере и VS Code», на деле — полноценная AI-assisted сессия разработки.
LogAgent — слой поверх AI-native работы: сессии, токеномика, промпты, что ушло в коммит, сколько времени съели ревью и исправления. Видно, где AI ускорил, где зациклил, где много токенов и мало результата. «AI» здесь — объект анализа, а не нейросеть внутри.
Деньги должны вытекать из реального дня
У фрилансера или консультанта проблема часто не в том, что мало работаешь, а в том, что плохо фиксируешь мелкие сегменты. 18 минут на правку, 12 на проверку деплоя, 34 на ресёрч, 26 на переписку. По отдельности мелочь — за месяц это деньги.
LogAgent автоматически группирует рабочие сегменты, связывает их с проектами и клиентами, показывает уверенность по каждому, опционально подтверждает спорные и готовит отчёт/инвойс с пометками «почему это время попало в биллинг». Каждую цифру дня можно развернуть до сигналов.
История делает картину достоверной
По одному дню достоверный анализ не построить. Неделя стабильных сигналов уже ценнее. После месяца агент замечает закономерности, корреляции и аномалии. Спустя три месяца есть надёжная база, из которой выстраивается реалистичная картина дня.
Почему именно такая комбинация
Зачем в одном приложении тайм-трекинг, осанка, перерывы, git, биллинг и AI-инсайты, а не пять отдельных инструментов? Потому что проблема находится между этими инструментами.
Усталость влияет на фокус, фокус — на качество. Переключения влияют на длительность задач, длительность — на биллинг и продуктивность. Камера и оценка усталости помогают понять состояние, перерывы — перезагружаться. Автоучёт делает черновик дня, ручное подтверждение улучшает классификацию. Всё вместе даёт объяснимый день.
Первый практический модуль DuoHuman
LogAgent — это первый практический компонент более крупной истории под названием DuoHuman: персональной экосистемы самооцифровки и personal life OS. Но это тема для отдельной статьи.
Я строю его для себя и в открытую. Доверили бы вы приложению камеру, если можно проверить, что кадры не пишутся и не уходят в сеть? Нужна ли разработчику аналитика по усталости, фокусу и AI-сессиям — или это перебор? Давайте обсудим.