Handoff Debt: структурированная передача контекста между сессиями с AI

Задача: Ты пишешь питч-дек для своего сервиса доставки еды на тёмных кухнях. Работал с Claude три дня назад, сессия закрылась. Надо продолжить — но не тратить половину нового чата на восстановление контекста.

Промпт:

## Handoff Note — питч-дек для CloudKitchen Урал

**Задача:** Питч-дек для раунда pre-seed, 10 слайдов, инвесторы — фонды Сколково и частные angels из Екб.

**Что уже готово:**
- Слайд 1 (Problem): ✅ финальная версия
- Слайд 2 (Solution): ✅ финальная версия  
- Слайд 3 (Market): ⚠️ черновик, цифры нужно перепроверить (TAM ~18 млрд ₽ — под вопросом)
- Слайды 4–10: ❌ не начаты

**Что пробовали и результат:**
- Пробовали строить Market через Euromonitor — данных по РФ нет, заблокировано
- Нашли альтернативу: данные Data Insight + Nielsen, но не адаптировали под слайд

**Тупики:**
- Слайд 3: непонятно как визуализировать рынок без западных источников
- Конкурентный ландшафт (слайд 5): неясно, включать ли Яндекс Еду как конкурента или партнёра

**Неясности:**
- Тон: инвесторы Сколково хотят «технологический угол», angels — «бизнес-модель». Один питч или два?

**Следующий шаг:** Доделать слайд 3 (Market Size) с российскими источниками.

**Важно проверить до продолжения:**
- Логика TAM/SAM/SOM в слайде 3 корректна ли структурно?

---
Продолжи с этой точки. Сначала проверь: всё ли верно понял по статусу выше? 
Потом предложи конкретный вариант слайда 3.

Результат: Модель начнёт с короткой верификации — подтвердит статус слайдов, обозначит, что именно будет делать. Потом без раскапывания истории предложит Market Size слайд с опорой на российские источники. Тупик с Яндекс Едой зафиксирован — модель не будет его обходить молча, а предложит позицию.

Проблема: LLM не помнит прошлые сессии. Когда открываешь новый чат, модель начинает с нуля — и если дать только итоговый файл или исходное задание, она вынуждена повторно прощупывать почву: что было попробовано, что уже решено, почему сделано именно так. Это и есть «долг по передаче» — невидимые потери.

Что умеет модель хорошо: Генерировать по структурированному контексту. Если ей дали чёткие поля — что сделано, что провалилось, что неясно — она мгновенно выстраивает продолжение без повторных проверок. Структура убирает двусмысленность, которую иначе пришлось бы разрешать через дополнительные вопросы.

Почему «просто скопировать переписку» хуже: Полная история — шумная и большая. Модель тратит внимание на фильтрацию. Структурированная заметка по фиксированным полям лучше: компактно, но с нужными деталями. Главное — обязательно включать результаты проверок и тупики, а не только «что сделано». Именно отсутствие информации об ошибках заставляет модель повторять их снова.

Рычаги управления: - Поле «Важно проверить» → убери его, если задача простая и продолжение очевидное; оставь, если была неоднозначность - Поле «Неясности» → чем подробнее заполнишь, тем меньше вопросов получишь в ответ - Инструкция «проверь перед продолжением» → важна: не давай модели слепо доверять своей же заметке, пусть верифицирует

## Handoff Note — {название задачи}

**Задача:** {исходное задание одним абзацем}

**Что уже готово:**
- {элемент 1}: ✅ финально / ⚠️ черновик / ❌ не начат
- {элемент 2}: ...

**Что пробовали и результат:**
- Пробовали: {подход}
- Результат: {сработало / не сработало, почему}

**Тупики и ограничения:**
- {что зашло в тупик или не работает}

**Неясности:**
- {что остаётся открытым вопросом}

**Следующий шаг:** {конкретно что делаем сейчас}

**Важно проверить до продолжения:**
- {что верифицировать}

---
Продолжи с этой точки. Сначала проверь статус по заметке выше — всё ли верно понял?
Потом переходи к следующему шагу.

Плейсхолдеры: - {название задачи} — питч-дек, статья, стратегия, код, контент-план - {элемент} — любая часть работы: слайд, раздел, аргумент, функция - {подход/результат} — что пробовали = конкретно; результат = сработало или нет и почему - {следующий шаг} — одно конкретное действие, не «продолжить работу»

🚀 Быстрый старт — вставь в чат:

Вот шаблон структурированной Handoff Note для передачи контекста между сессиями. 
Адаптируй под мою задачу: {твоя задача}.
Задавай вопросы, чтобы заполнить поля.

[вставить шаблон выше]

LLM спросит про статус отдельных частей работы, что уже пробовали и где тупики — потому что именно эти поля определяют, с чего начать и чего не повторять.

⚠️ Слепое доверие: Если заметка составлена небрежно или с ошибками — модель продолжит в неверном направлении. Всегда проси сначала верифицировать статус, не «слепо доверять» заметке.

⚠️ Задачи без промежуточных состояний: Для коротких задач («напиши письмо», «переведи текст») метод избыточен. Польза растёт с длиной и сложностью работы.

⚠️ Сжатие теряет детали: Если сжать историю свободным текстом (не по структуре) — часть важных деталей выпадает. Структурированные поля надёжнее: они заставляют явно заполнить каждую категорию.

⚠️ Исследовали на кодинг-агентах: Все эксперименты — агент дописывает баги в репозиториях. Для творческих задач с субъективными критериями (дизайн, стратегия) эффект будет, но точных цифр нет.

Название: Handoff Debt: The Rediscovery Cost When Coding Agents Take Over Interrupted Tasks

Авторы: Dipesh KC (Independent Researcher), Anjila Budathoki (Georgia State University)

Контакт: kcdipesh429@gmail.com

Базовый бенчмарк: SWE-bench Verified (Jimenez et al., 2024; Chowdhury et al., 2024)

Среда выполнения: OpenHands (Wang et al., 2025)