Context engineering: cum am transformat un vault Obsidian in creierul persistent al NeuroAI

La 1200 i.Hr., obsidianul taia mai precis decat orice lama de otel fabricata vreodata. O margine naturala de trei nanometri, obtinuta prin racirea magmei felsice fara cristalizare. Civilizatii din Mezoamerica, Carpati si bazinul Mediteranean si-au construit economii pe capacitatea acestei roci de a sectiona neclaritatea si de a lasa contururi precise.

Paralela nu e intamplatoare. In 2026, un produs software care poarta acelasi nume face ceva asemanator cu informatia: taie prin zgomotul platformelor cloud si restituie utilizatorului controlul asupra propriilor cunostinte.

Asta e povestea — si pretextul. Articolul de fata nu e despre Obsidian ca aplicatie. E despre ce se intampla cand combini un vault local de fisiere Markdown cu un agent AI care are permisiunea sa le citeasca si sa le scrie la fiecare sesiune.

Termenul tehnic pentru ce urmeaza sa descriu este context engineering. In practica, inseamna ca un model AI nu porneste niciodata de la zero cand lucreaza pe afacerea mea. Stie ce am decis saptamana trecuta, ce obiectii primesc frecvent, ce postari am publicat, ce decizii sunt blocate si de ce. Nu pentru ca imi amintesc sa ii spun. Pentru ca are acces, in ordinea pe care o dictez, la un sistem de fisiere pe care il mentin eu.

Acesta e primul articol dintr-o serie in care descriu cum am construit, pe propria firma, un sistem pe care il recomand clientilor. Nu teoretic. Ruleaza azi, in fiecare sesiune.

De la roca taioasa la software: ce inseamna 'obsidian' in 2026

Obsidian.md este o aplicatie de management al cunostintelor personale (PKM — Personal Knowledge Management). A fost lansata public in 2020 de Dynalist Inc., o companie canadiana, si a crescut organic, fara marketing agresiv, pe cont propriu.

Ce o face diferita de Notion, Evernote sau alte instrumente similare este un principiu aparat cu obstinatie: local-first.

Fisierele tale sunt Markdown pur, stocate pe hard disk-ul tau, intr-un format necriptat. Poti deschide vault-ul cu orice editor de text. Il poti migra fara conversii. Supravietuieste inchiderii serviciului, schimbarii de politici comerciale sau oricarei forme de vendor lock-in.

Pentru o firma de consultanta care stocheaza informatie confidentiala despre clienti si procese, asta conteaza enorm. Nu doar pentru confidentialitate — pentru durabilitate. Ce construiesti azi intr-un vault Obsidian poti citi peste 30 de ani cu orice editor de text.

Functiile care diferentiaza platforma sunt doua: legaturile bidirectionale (dublele paranteze patrate care creeaza conexiuni reciproce intre fisiere) si Graph View — vizualizarea grafica a intregii retele de conexiuni, care simuleaza topologia unei retele neuro-sinaptice. Pentru prima data, poti vedea cum e organizat contextul propriei afaceri.

Context engineering — disciplina noua pentru era AI

Cand deschizi o conversatie noua cu un model generic de AI, asistentul porneste de la zero. Nu stie ce faci. Trebuie sa re-explici totul.

Pentru un utilizator ocazional, costul acesta e neglijabil. Pentru un consultant care lucreaza cu acelasi corpus de informatie zilnic, se traduce in ore irosite pe saptamana.

Diferenta dintre 'a folosi AI' si 'a lucra cu AI' nu e modelul. Este contextul.

Rationamentul e simplu: un model lingvistic mare este atat de bun cat contextul pe care il primeste. Daca ii dai trei propozitii, iti raspunde cu un consens mediu extras din datele de antrenament. Daca ii dai structura completa a afacerii tale, ultima decizie strategica si trei exemple concrete de output pe care le-ai aprobat, iti raspunde ca un colaborator informat.

Context engineering este practica prin care construiesti infrastructura ce permite aceasta a doua abordare. Nu e prompt engineering — nu manipulezi un singur mesaj. Construiesti un sistem persistent la care modelul are acces la fiecare sesiune.

Pentru majoritatea profesiilor care opereaza pe baza de informatie repetata — consultanta, avocatura, medicina, research —, diferenta nu e academica. E operationala.

Arhitectura unui vault pentru consultanta

Vault-ul pe care il folosesc pentru NeuroAI contine peste 50 de fisiere Markdown organizate in aproximativ 12 directoare. Structura urmeaza trei principii.

1. Numerotare prefix pentru ordine de lectura

Fisierele la nivelul radacina au prefix numeric (00-, 01-, 02-) care indica ordinea cognitiva, nu cea alfabetica: cine esti → ce faci → ce ai de facut → cu ce infrastructura → cum comunici. Agentul citeste in ordinea asta si ajunge la un model mental complet al afacerii in doua minute.

2. Map of Content (MOC) ca punct de intrare

Conceptul vine de la Nick Milo si metoda 'Linking Your Thinking'. Un fisier index la radacina functioneaza ca harta a vault-ului: listeaza celelalte fisiere, explica ordinea de lectura, indica cand sa citesti ce. Agentul AI nu trebuie sa ghiceasca structura. O citeste.

3. Separare semantica prin directoare specializate

Sub radacina traiesc sapte categorii care rezolva fiecare o problema operationala distincta:

Taxonomia nu e un exercitiu de acuratete semantica. Fiecare director exista pentru ca a rezolvat o problema concreta. Un consultant va avea alta taxonomie. Un avocat va avea dosare pe tip de cauza. Un dezvoltator va avea proiecte pe tehnologie.

Stack-ul tehnic: Obsidian + Claude Code + plugin-uri esentiale

Obsidian-ul singur nu vorbeste cu niciun AI. Pentru ca un agent sa aiba acces la vault, ai nevoie de un strat de conectare.

Combinatia pe care o folosesc: Obsidian + Claude Code. Claude Code e interfata-terminal a modelului Claude de la Anthropic. Ruleaza local, poate citi si scrie fisiere direct pe disk. Nu e nevoie de API custom intre Claude si vault — Claude Code opereaza pe fisierele tale ca orice alt program.

Plugin-uri Obsidian esentiale pentru integrare AI

• Local REST API — transforma Obsidian intr-un mic server local pe care agentii AI il pot interoga prin protocol standard (Model Context Protocol, open-source, adoptat de Anthropic, Google, OpenAI si altii). Util cand agentul nu are acces direct la disk, sau cand vrei separarea intre straturi.
• Dataview — transforma fisiere Markdown cu metadata YAML in baze de date interogabile. Scrii interogari SQL-like pe vault-ul tau. AI-ul citeste rezultatele ca pe un tabel curat.
• Templater — genereaza structura consistenta pentru fisiere noi. Combinat cu Dataview, e motorul de automatizare al vault-ului.
• Omnisearch — cautare hibrida (fuzzy + semantic). Cand agentul cauta 'ce am decis despre pricing la ghiduri', Omnisearch returneaza rezultate relevante chiar daca cuvintele exacte nu apar impreuna.
• Smart Connections — plugin care genereaza embeddings pentru toate notitele si sugereaza conexiuni latente. Util cand agentul are nevoie sa gaseasca relatii intre fisiere pe baza semnificatiei, nu a cuvintelor.

Sincronizare intre dispozitive — doua optiuni curate

1. Obsidian Sync (oficial, 4–8 USD/luna) — criptare end-to-end AES-256, sync selectiv, istoric 12 luni. Usor de configurat. Recomandat daca nu esti confortabil cu Git.
2. Git prin plugin Obsidian Git (gratuit) — folosesti vault-ul ca repository privat. Control complet asupra versiunilor, diffs pe text simplu, branch-uri pentru experimente. Recomandat pentru profil tehnic.

Personal folosesc Git. Vault-ul e un repository privat cu istoric complet al fiecarei decizii. Daca intr-un an vreau sa vad exact ce am scris despre o tema pe 10 aprilie 2026, e o comanda distanta. Pentru utilizatori non-tehnici, Obsidian Sync ramane alegerea pragmatica.

Protocolul sesiune-cu-sesiune: memoria persistenta a agentului

Protocolul intre mine si agent nu se tine in cap. Nu emit prompt-uri ad-hoc la fiecare sesiune. E scris intr-un fisier de instructiuni la radacina vault-ului, pe care Claude Code il citeste automat la pornire.

Contine:

• Cine sunt eu si ce fac
• Structura vault-ului (cu ordinea de lectura)
• Ce sa verifice la start (stare curenta, jurnal recent, to-do)
• Ce stil de raspuns prefer (direct, fara emoji, concis)
• Ce sa evite (mituri AI, promisiuni vagi, cifre inventate)
• Cum sa lase un sumar scurt in jurnal la finalul sesiunii

Conventia fisierului de instructiuni variaza intre agenti (Claude Code il cauta sub un nume fix; Cursor are .cursorrules; ChatGPT are custom instructions), dar paradigma e identica: o singura sursa de adevar pentru cum colaborezi cu AI-ul pe proiectul asta.

Protocolul de start

1. Agentul citeste fisierul de instructiuni si harta vault-ului
2. Citeste fisierele-cheie (stare, business, to-do, infrastructura)
3. Confirma intr-o propozitie ce a inteles si propune o actiune

Protocolul de final

1. Agentul rezuma ce s-a facut in sesiune
2. Actualizeaza fisierul de stare curenta cu ce s-a schimbat
3. Bifeaza sau adauga task-uri in fisierul de to-do
4. Lasa un sumar scurt (un paragraf, nu log detaliat) in jurnal

Cinci lectii din trei saptamani

Vault-ul NeuroAI a trecut prin mai multe iteratii inainte sa ajunga la forma actuala. Ce am invatat pe drum:

1. Markdown bate absolut documentele frumoase

LLM-urile parseaza Markdown cu acuratete mare pentru ca delimitatorii structurali (titluri, liste, linkuri) reduc ambiguitatea. Un PDF scanat sau un document Word cu formatare complexa forteaza modelul sa ghiceasca ce e continut si ce e decoratie. In Markdown, separarea e explicita. Sacrifici design pentru signal-to-noise — si castigi.

2. Citeste la inceput, scrie la final

Regula non-negociabila. Fara citirea automata la start, vault-ul devine fictiune — exista, dar agentul nu-l foloseste. Fara scrierea automata la final, munca sesiunii se pierde. Ambii pasi trebuie mentionati explicit in fisierul de instructiuni.

3. Structura bate lungimea

Un vault cu 50+ fisiere scurte bate un document de 50+ pagini. Nu pentru ca scurtul e in sine mai bun, ci pentru ca agentul gaseste exact sectiunea de care are nevoie fara sa parcurga context irelevant. Granularitatea e avantaj, nu fragmentare.

4. Operatiunile directe pe fisiere bat API-urile HTTP pentru volume mari

Am incercat la un moment dat sa trec totul prin Local REST API. Pentru citire punctuala functioneaza perfect. Pentru refactorizari in care agentul editeaza 10 fisiere simultan, devine un bottleneck. Solutia pragmatica: Claude Code scrie direct pe disk prin tools native; API-ul ramane pentru interogari si integrari cu alti agenti.

5. Un vault fara infrastructura de recuperare e o baza de date moarta

Degeaba ai 100 de fisiere daca agentul nu stie cum sa gaseasca ce ii trebuie. Solutia e stratul de retrieval — Omnisearch pentru cautare text, Smart Connections pentru cautare semantica, Dataview pentru interogari structurate. Fara astea, vault-ul e un sertar de notite — impresionant ca volum, inutil ca instrument.

Intrebari frecvente

Ce urmeaza

Context engineering nu e un hack pentru early adopters. E infrastructura pe care se va construi urmatorii cinci ani de adoptie AI in firme care vor functiona cu adevarat. Diferenta dintre firmele care obtin valoare reala din AI si cele care raman blocate in faza de pilot se face aici — la nivelul infrastructurii de context, nu la nivelul modelului ales.

Intr-un articol viitor voi intra in detaliile concrete ale fisierului de instructiuni — ce contine, cum il structurezi pentru un agent, ce anti-pattern-uri sa eviti. Pentru o anteprevere a capacitatilor Claude ca partener de constructie, am scris recent despre design system-ul NeuroAI construit cu Claude Design — un caz concret de colaborare AI-uman pe un deliverable tehnic.

In context mai larg: in aprilie 2026 am publicat pe LinkedIn manifestul privind ultima pozitie a Romaniei in UE la adoptia AI — 3,1%, conform rapoartelor EY Romania. Context engineering e instrumentul prin care firmele pot schimba statistica asta — nu prin modelul folosit, ci prin fundatia pe care il aseaza.