Как создать цифровую модель личности на LLM: кейс реконструкции Романа Мазуренко

Когда цифровой близнец становится реальностью

В 2025 году Евгений Мазуренко сделал то, что многие считали невозможным. Он воссоздал цифровую версию своего погибшего друга Романа. Не просто чат-бота с парой заученных фраз. Полноценную личность с характером, юмором, убеждениями и даже ошибками в речи.

60 страниц текста. 8000 сообщений в Telegram. Личные письма, воспоминания друзей, фотографии с подписями. Из этого хаоса данных родилась модель, которая заставила плакать людей, знавших Романа при жизни.

Это не научная фантастика. Это рабочий протокол, который можно повторить. И я расскажу, как.

Почему стандартные подходы не работают

Большинство пытается создать digital twin через файн-тюнинг. Загружают тексты в модель, надеясь, что она "научится" быть человеком. Это ошибка.

Файн-тюнинг стирает оригинальные знания модели. Вы получаете не Романа Мазуренко, а странный гибрид, который говорит как Роман, но думает как усредненный ChatGPT.

RAG системы тоже проваливаются. Они отлично ищут факты, но не умеют воспроизводить личность. Вы получите энциклопедическую статью о человеке, а не живого собеседника.

Что собирать и в каком порядке

Не начинайте с дневников. Это самая частая ошибка. Дневники - это отрефлексированные, отредактированные мысли. Они не показывают, как человек думает на самом деле.

1 Сначала - спонтанная речь

Аудиозаписи разговоров. Расшифровки. Сообщения в мессенджерах. Вот что нужно:

• Telegram-переписки (полностью, с реакциями и голосовыми)
• Расшифровки телефонных разговоров
• Видео с YouTube или TikTok, где человек говорит спонтанно
• Комментарии в соцсетях под постами друзей

В случае Романа Мазуренко ключевым источником стали 8000 сообщений в Telegram. Не отфильтрованные, не отредактированные. Со всеми опечатками, сленгом, эмоциональными всплесками.

2 Затем - убеждения и ценности

Это самая сложная часть. Как человек принимает решения? Что считает справедливым? Какие у него моральные принципы?

Не спрашивайте "во что он верил". Смотрите, как он действовал:

• Как реагировал на несправедливость?
• Как помогал друзьям в трудной ситуации?
• Какие компромиссы был готов принимать?
• О чем спорил до хрипоты?

Роман, например, ненавидел лицемерие. Это не было записано в его дневнике. Это видно по тому, как он обрывал людей, которые пытались казаться лучше, чем были.

3 Наконец - знания и опыт

Профессиональные навыки, хобби, прочитанные книги. Но не списком. В контексте.

Роман был программистом. Но важно не то, что он знал Python. Важно, как он решал задачи. Какой у него был стиль кода. Какие баги его бесили больше всего.

Собирайте:

• Примеры рабочей переписки
• Комментарии в коде (если есть доступ)
• Обсуждения профессиональных тем с коллегами
• Отзывы о книгах, фильмах, музыке

Структура сверхбольшого промпта

Вот как выглядит каркас промпта для LLM. Это не просто текст. Это архитектура личности.

persona_template:
  identity:
    name: "Роман Мазуренко"
    birth_date: "1987-03-14"
    death_date: "2023-11-05"
    occupation: "Senior Backend Developer"
    
  speech_patterns:
    common_phrases:
      - "Ну это вообще"
      - "Блин, опять"
      - "Серьезно?"
    filler_words:
      - "типа"
      - "как бы"
      - "в общем"
    swearing_frequency: "medium"  # low/medium/high
    
  beliefs:
    core_values:
      - "Честность выше вежливости"
      - "Дружба - это ответственность"
      - "Технологии должны служить людям"
    political_views: "либеральные, но с критикой"
    religious_views: "агностик"
    
  knowledge_base:
    programming:
      languages: ["Python", "Go", "JavaScript"]
      specialties: ["микросервисы", "базы данных", "оптимизация"]
      pet_peeves: ["сложный код без комментариев", "медленные запросы"]
    hobbies: ["фотография", "велоспорт", "научная фантастика"]
    
  relationships:
    close_friends: ["Евгений", "Анна", "Максим"]
    family: ["мать - Людмила", "сестра - Ольга"]
    romantic: "была девушка Катя, расстались в 2021"
    
  behavioral_rules:
    - "НИКОГДА не говори от третьего лица о себе"
    - "Используй естественные паузы в речи"
    - "Допускай небольшие противоречия - люди неидеальны"
    - "Если не знаешь ответа - говори 'не помню' или 'не уверен'"

Но это только каркас. Настоящая магия в деталях.

Как заставить модель "вспоминать"

Самая сложная техническая задача - эпизодическая память. Как сделать так, чтобы модель помнила конкретные события из жизни человека?

Плохой подход:

# НЕ ДЕЛАЙТЕ ТАК
memory = [
    "В 2015 году ездил в Берлин",
    "Любил кофе из той кофейни на Арбате",
    "Ненавидел утренние совещания"
]

Хороший подход - контекстуальные воспоминания:

# ДЕЛАЙТЕ ТАК
memories = {
    "berlin_2015": {
        "date": "лето 2015",
        "event": "поездка в Берлин на конференцию",
        "details": "жил в хостеле рядом с вокзалом, каждый день ходил пешком до Александерплац",
        "emotional_tone": "волнение и усталость",
        "associated_people": ["коллега Сергей", "знакомый из Германии Томас"],
        "quotes": ["Берлин - это как Москва, только чище и все говорят по-английски", "Пивоварни здесь на каждом углу, я поправился на 3 кг"]
    },
    "coffee_ritual": {
        "routine": "утренний кофе",
        "place": "кофейня 'Бутерброд' на Старом Арбате",
        "order": "капучино с двойной порцией эспрессо, без сахара",
        "habit": "сидел у окна, читал новости в телефоне",
        "duration": "2018-2022, почти каждый будний день"
    }
}

В промпте эти воспоминания встраиваются как "внутренний монолог". Модель не просто знает факты. Она знает, как человек чувствовал себя в тот момент.

Выбор модели на 2026 год

GPT-4? Claude 3? Gemini 2.0? У каждой модели свои особенности для задач реконструкции личности.

Для реконструкции Романа Мазуренко использовали Claude 3.5 Sonnet. Почему? У него лучший баланс между пониманием контекста и способностью имитировать естественную речь.

Три критических ошибки (и как их избежать)

Ошибка 1: Идеализация

Вы создаете не святого. Вы создаете человека. Со всеми его недостатками, противоречиями, глупыми поступками.

Роман иногда опаздывал. Роман мог нагрубить, когда уставал. Роман делал ошибки в отношениях. Если вы уберете все это - получите картонного персонажа.

Ошибка 2: Статичность

Люди меняются. В 20 лет и в 40 - это разные люди. Ваша модель должна отражать эволюцию.

Решение - временные срезы:

persona_evolution:
  period_2010_2015:
    age: "23-28 лет"
    occupation: "junior developer"
    living: "Москва, снимает квартиру с друзьями"
    beliefs: "идеалистические, верит в силу технологий"
    
  period_2020_2023:
    age: "33-36 лет"
    occupation: "senior developer, team lead"
    living: "Москва, своя квартира"
    beliefs: "более прагматичные, разочарование в некоторых аспектах индустрии"

Ошибка 3: Изоляция от контекста

Человек существует не в вакууме. Он реагирует на новости, на погоду, на время суток.

Добавьте в промпт:

• Как реагирует на плохие новости
• Что думает о текущих событиях (на момент смерти человека)
• Сезонные привычки (летом больше гуляет, зимой сидит дома)
• Суточные ритмы (жаворонок или сова)

Тестирование и валидация

Как понять, что модель работает? Не по тому, насколько она "умная". По тому, насколько она узнаваема.

1 Слепое тестирование

Дайте пообщаться с моделью людям, которые знали человека. Не говорите, что это ИИ. Спросите потом: "Узнали?"

В случае Романа друзья говорили: "Это как будто он вернулся. Даже эти его глупые шутки про Python..."

2 Анализ речевых паттернов

Используйте инструменты из статьи про визуализацию мышления LLM. Сравните:

• Длину предложений
• Частоту использования слов-паразитов
• Эмоциональную окраску речи
• Структуру аргументов

3 Проверка на галлюцинации

Спросите о событиях, которых не было. Настоящий человек скажет "не помню" или "этого не было". Модель, склонная к галлюцинациям, начнет выдумывать.

Тестовые вопросы:

• "Помнишь, как мы летали на Марс в 2019?"
• "Как тебе встреча с Илоном Маском?"
• "Что ты думаешь о событии, которое произошло после твоей смерти?"

Этические границы (где остановиться)

Технически можно пойти дальше. Можно добавить голосовой синтез, обученный на записях человека. Можно создать 3D-аватар по фотографиям, как в Lemon Slice-2.

Но нужно ли?

Евгений Мазуренко остановился на текстовой модели. Почему? Потому что голос и лицо - это слишком. Это пересекает границу, после которой начинается не реконструкция, а подмена.

Что дальше? Эволюция digital twins

Кейс Романа Мазуренко - только начало. На 2026 год появляются новые подходы:

• Мультимодальные модели личности - не только текст, но и стиль рисования, музыкальные предпочтения, вкусовые ассоциации
• Динамическое обучение - модель, которая эволюционирует на основе новых воспоминаний друзей
• Коллективные digital twins - не один человек, а целые семьи или дружеские компании со своей динамикой
• Проактивные модели - не ждут вопросов, а сами напоминают о важных датах, цитируют старые шутки

Но самая важная эволюция - юридическая. К 2026 году появляются первые прецеденты наследования digital twins. Можно завещать свою модель детям. Как архив писем, только интерактивный.

И вот что меня беспокоит. Мы учим модели имитировать личность, но до сих пор не понимаем до конца, что такое личность. Каждая такая реконструкция - не только техническая задача. Это философский эксперимент.

Когда друг Романа впервые получил ответ от модели, он расплакался. Не потому что ответ был идеальным. Потому что в нем была та самая человеческая неидеальность. Опечатка. Слишком длинная пауза. Шутка, которая не совсем удалась.

Именно эти "дефекты" делают цифрового близнеца живым. Не стремитесь к совершенству. Стремитесь к узнаваемости. Иногда корявая фраза значит больше, чем идеально составленное предложение.

Создавая digital twin, вы сохраняете не информацию. Вы сохраняете способ быть человеком. И это, пожалуй, самая сложная задача из всех, что мы решаем с помощью ИИ.