O czym jest ten film
- Większość płacących użytkowników Claude korzysta tylko z czatu i nigdy nie otwiera trybu Cowork, gdzie wykonuje się właściwa, autonomiczna praca.
- Kluczowa różnica to aplikacja desktopowa: zamiast wklejać pliki do czatu, wskazujesz AI folder na dysku („pointing, not pasting”).
- Pięć pojęć, które trzeba znać: projekty (na desktopie zastępowane folderami), konektory, skille, pluginy i artefakty.
- Konektory to „drzwi” do zewnętrznych systemów (poczta, kalendarz, CRM) z granularnymi uprawnieniami odczytu i zapisu — np. pisanie maili tak, wysyłanie nie.
- Skille to foldery z instrukcjami dla powtarzalnych zadań; tworzy je za ciebie skill creator od Anthropic, a wywołuje się je jawnie (
/) lub kontekstowo. - Setup: kopiuj pliki (nie pracuj na oryginałach), konwertuj do lżejszych formatów (CSV, Markdown), dobierz model i poziom wysiłku, ustaw uprawnienia, wyłącz trenowanie na twoich danych.
- Zasada doboru modelu: zacznij od Opus 4.8 na niskim wysiłku i eskaluj dopiero, gdy zadanie nie wychodzi; Fable używaj rzadko, bo jest drogi.
- Uprawnienia mają trzy poziomy — manualny, automatyczny i „pomiń wszystkie” — a ten ostatni AI musi sobie „zasłużyć” po wielokrotnych udanych testach.
- Dobry prompt do długich zadań składa się z czterech elementów: cel (destynacja), linia mety, poręcze (guardrails) i „paragon” do audytu.
- Nowości: zewnętrzna pamięć (
lessons.md) kompozytująca wiedzę o twoich preferencjach oraz nagrywanie ekranu, które AI zamienia w skill.
Redakcyjne tłumaczenie
Dwa różne poranki, ta sama subskrypcja
Dziś rano Claude uporządkował na moim komputerze 400 plików. Zmienił nazwę każdego z nich i zostawił mi podsumowanie tego, co znalazł — a mnie przy tym nie było. Robiłem sobie kawę. Tymczasem większość ludzi, którzy płacą za Claude, spędziła ten poranek tak jak zawsze: zadali pytanie, skopiowali odpowiedź, a resztę roboty wykonali sami. Mają dokładnie taką samą subskrypcję jak ja, a jednak nasze poranki wyglądały zupełnie inaczej. Ta różnica nie wynika z umiejętności ani z ceny. Wynika z jednej połowy produktu, której oni nigdy nie otworzyli.
Co tydzień coaczuję ludzi w zakresie AI i stale widzę obie strony tej historii. Pokażę więc dokładnie, jak skonfigurować Claude Cowork, jakie pierwsze zadanie mu dać oraz jak zamienić to zadanie w system, który działa raz za razem bez twojego udziału.
Dwa światy Claude: czat kontra Cowork
Większość osób z subskrypcją Claude tkwi w jednej połowie tego świata — w czacie. Bardzo rzadko wchodzą na stronę Cowork, gdzie tak naprawdę wykonuje się większość pracy. Kiedy ktoś opowiada, jak autonomicznie realizuje różne zadania i wyciąga z narzędzi poważną dźwignię, prawie zawsze mówi o agentach desktopowych — a nie o czacie, którego wciąż używa większość ludzi. To się jednak powoli zmienia, bo zarówno Anthropic, jak i OpenAI popychają użytkowników w stronę desktopowych asystentów, zdolnych pracować bardziej autonomicznie nad zadaniami o długim horyzoncie.
Widać to w samym Claude. Gdy otworzę Claude w przeglądarce, zobaczę nową sekcję z podziałem na „chat” i „co-work”. Można się między nimi przełączać. Ale najważniejsze, co musisz teraz zrobić, to pobrać aplikację desktopową Claude — na Windowsa, Maca albo Linuksa, to bez znaczenia. Powód jest fundamentalny: istnieje ogromna różnica między używaniem Claude w przeglądarce a na komputerze. Sprowadza się ona do tego, jak skutecznie AI potrafi pracować nad zadaniem o długim horyzoncie, czyli takim złożonym, które obejmuje wiele plików albo wiele kroków.
Dlaczego przeglądarka zawodzi przy dużych zadaniach
Jeśli oglądałeś moje wcześniejsze filmy, wiesz, że dużo mówię o tym, jak szybko spada inteligencja AI, gdy zapełnisz mu „głowę”. AI ma w głowie tylko tyle miejsca — im bardziej wypełni się danymi, tym głupsze się staje. W czacie w przeglądarce twoje doświadczenie wygląda tak: AI zaczyna mądre, ale im więcej plików mu podajesz, tym bardziej głupieje.
Bolesne jest nie tylko to, że inteligencja spada. Chodzi też o to, że musisz kopiować i wklejać pliki tam i z powrotem, w miarę jak je przetwarza. Powiedzmy, że chcesz przetworzyć 25 plików. Claude ma limit tego, ile plików możesz mu podać naraz — zwykle od pięciu do ośmiu, zależnie od ich rozmiaru. Więc wklejasz pięć, czekasz, aż przetworzy, wklejasz kolejne pięć, znowu czekasz. To już przeszłość, jeśli używasz właściwych narzędzi we właściwych miejscach.
I tu wchodzą aplikacje desktopowe. Po pierwsze, inteligencja utrzymuje się dłużej — przy bardziej złożonym zadaniu z większą liczbą plików AI dłużej pozostaje bystre niż w czacie w przeglądarce. Dzieje się tak dlatego, że zamiast ty podawać pliki AI, to AI przychodzi do twoich plików. Właśnie o tym przypomina zasada: „wskazuj, nie wklejaj”. Wskazujesz AI folder z plikami, zamiast te pliki do niego kopiować. Tu właśnie Cowork naprawdę błyszczy — pod warunkiem, że korzystasz z aplikacji desktopowej.
Pięć pojęć, które musisz znać
Otwierając Claude Cowork, natkniesz się na mnóstwo terminów i łatwo się nimi przytłoczyć. Dam ci zasadę 80/20 — wskażę kilka funkcji, które mają największy wpływ na twój dzień, zamiast czytać listę trzydziestu pięciu ustawień.
Projekty. Projekt w Claude w przeglądarce to po prostu przestrzeń, do której wchodzisz, żeby pracować z AI zestrojonym pod dane zadanie — na przykład pisanie określonych typów maili czy ofert. Kiedy otwierasz projekt, AI powinno być już nastawione na to zadanie. Jak to się przekłada na desktop? Na desktopie nie chcesz używać projektów. Zamiast tego twórz foldery na komputerze — i to będzie twoje główne działanie przy budowaniu przestrzeni pracy dla AI. Każdy folder powinien być powiązany z jednym zadaniem. W aplikacji, w rozwijanej liście na dole, są dwa typy ikon: jedna wygląda jak nachodzące na siebie kwadraty (to są projekty wewnątrz produktu Claude), a druga to ikona folderu. Nas interesuje folder, bo chcemy korzystać z tego, o czym mówiłem: wskazując AI pliki na komputerze, może przetworzyć ich wiele i wykonać wiele kroków bez degradacji inteligencji. Gdy wybiorę np. folder pulpitu, wszystko, co odtąd robię z AI, dzieje się wewnątrz niego — AI ma dostęp do wszystkich plików i podfolderów, może je czytać, zapisywać i zmieniać.
Konektory. Konektor to zasadniczo drzwi, przez które AI sięga do innego systemu — kalendarza, poczty, CRM-u i tak dalej. W Cowork, pod znakiem plusa, znajdziesz listę konektorów: możesz je łatwo włączać i wyłączać jednym przyciskiem. Żeby dodać konektor, wchodzisz w „przeglądaj” — to trochę jak sklep z aplikacjami dla wszystkich systemów, do których możesz podłączyć AI, a lista ciągle rośnie. Warto wskazać Microsoft 365: ten konektor istnieje od dawna, ale tydzień–dwa temu dostał dużą aktualizację i teraz pozwala AI szkicować maile w twoim imieniu, czego wcześniej nie robił — a była to jego duża słabość. Jeśli używasz Outlooka, Teams czy współdzielonych dysków, warto go podłączyć i upewnić się, że dział IT daje uprawnienia do szkicowania maili — nie do wysyłania, tylko do szkicowania.
Konektorami się zarządza: po wybraniu konkretnego systemu widzisz jego opis, a niżej uprawnienia narzędzi — wszystkie konkretne akcje, jakie AI może w nim wykonać, podzielone na dwie kategorie: odczyt i zapis. Przy każdej akcji są trzy poziomy uprawnień: „zawsze zezwalaj” (AI robi to bez pytania), „wymagaj zgody” (za każdym razem pyta) albo „zablokuj” (nigdy nie wolno). Najczęstsza kombinacja, jaką widzę u ludzi przy poczcie: pozwól szkicować maile, ale zablokuj wszystko związane z wysyłaniem. To kluczowe. Podkreślę wagę podłączenia AI do poczty: wiele osób ma problem z wysyłaniem i nadążaniem za mailami. W ciągu ostatniego roku napisałem ręcznie może 1–2% maili, które wysłałem — a wysłałem ich mnóstwo — bo AI zrobiło resztę. U ciebie może być tak samo, jeśli poprawnie to ustawisz.
Skille. Tu spędzisz sporą część czasu. Stworzysz serię skilli do zadań, które wykonujesz regularnie. Zapewne, tak jak ja, masz wiele podobnych zadań — o podobnym „kształcie”, niekoniecznie identycznych: te same wejścia, podobne kroki, te same wyjścia. Cokolwiek robisz więcej niż dwa razy, warto zamknąć w skillu, żeby AI mogło to zrobić za ciebie częściowo albo całkowicie autonomicznie. Skill to po prostu folder z plikami, który wywołasz na dwa sposoby i z dowolnego miejsca. Jawnie — wpisując ukośnik (/); pojawiają się wtedy ikony skryptów, czyli twoje skille, a po wyborze możesz dodać kontekst i nacisnąć enter. AI otworzy ten folder i sprawdzi, jak skutecznie go użyć. Skill, który wywołałem, to nieprzypadkowo skill creator — dostarczony przez Anthropic. Nie polecam żadnemu z moich klientów tworzenia skilli od zera: tworzenie i edycję można oddać AI, bo gdy poprosisz je o cokolwiek związanego ze skillami, i tak wywoła skill creator w tle. To zdejmuje z ciebie potrzebę rozumienia, jak to zrobić. Drugi sposób to wywołanie kontekstowe: gdy powiem „stwórz mi skill” bez ukośnika, AI z kontekstu zdania zrozumie, że chcę stworzyć skill, i wywoła odpowiedni skill w tle.
Skille znajdziesz w „customize” — zobaczysz tam te stworzone przez ciebie i te dostarczone przez Anthropic. W koncie biznesowym lub zespołowym pojawia się dodatkowa opcja: skille współdzielone w zespole. To jedna z korzyści dla firm — mogę stworzyć skill obowiązujący całą organizację, np. powiązany z naszymi wytycznymi marki, tak że każda prezentacja automatycznie ich przestrzega, bo skill wywołuje się w tle. Każdy skill ma plik skill.md — to instrukcja, którą AI tworzy za ciebie i którą czyta, by zrozumieć, jak użyć skilla do zadania. Zależnie od złożoności skill może zawierać też podfoldery z plikami, których AI nie musi czytać wszystkich — czyta wybiórczo te potrzebne do danego zadania. To dla nas korzystne, bo oszczędzamy miejsce w głowie AI, zostawiając mu przestrzeń na samo rozumowanie.
Pluginy. Będę krótki, bo obecnie nie polecam ich klientom, ale ludzie je widzą i pytają, co to. Plugin to pakiet konektorów i skilli tworzony przez Anthropic i jego partnerów. Nie polecam ich, bo są zwykle uogólnione — „produktywność dla mas”, niedopasowana do ciebie. Lepiej stworzyć własne skille skrojone pod twoją konkretną sytuację. Warto o nich wiedzieć, ale nie są szczególnie przydatne.
Artefakty. To wytwór tego, co AI dla ciebie tworzy — PDF-y, prezentacje, arkusze Excela, a nawet aplikacje i wizualizacje. Artefakt możesz wyrenderować bezpośrednio w Claude albo pobrać i udostępnić. Gdy AI go tworzy, na dole pojawia się ramka. Uwaga: nie klikaj „pobierz”, bo wtedy plik się ściągnie — żeby wyrenderować go w Claude, kliknij nazwę w ramce, a rendering rozwinie się po prawej stronie.
Konfiguracja krok po kroku
Krok pierwszy: stwórz folder. Jeśli potrafisz stworzyć folder na komputerze, potrafisz używać Cowork. Na start zalecam prosto i bezpiecznie: weź pliki, na których chcesz wykonać zadanie, i zrób ich kopię — nie pracuj bezpośrednio na oryginałach. Z kopii utwórz folder, który będzie przestrzenią roboczą AI dla tego zadania. To chroni oryginały. Na początku musisz zbudować doświadczenie i zaufanie do narzędzia; jeśli mu jeszcze nie ufasz, pracuj na kopii, żeby ewentualne zmiany niczego nie zepsuły.
Drobiazg, ale ważny: format pliku ma znaczenie. Jeśli masz duży arkusz Excela, a liczy się tylko jedna zakładka, pobierz ją jako CSV i zapisz dla AI. Format CSV jest lepszy niż Excel, bo pliki Excela zajmują więcej miejsca w głowie AI — różne formaty zajmują różną ilość miejsca. PowerPoint czy PDF zajmują więcej niż plik tekstowy albo Markdown. Kiedy się da i ma to sens, konwertuj pliki do formatów lżejszych dla AI, żeby mogło skuteczniej pracować nad złożonymi zadaniami.
Krok drugi: wybierz mózg. Są dwa pokrętła, którymi zwiększamy inteligencję AI: rozmiar głowy oraz ilość wysiłku wkładanego w zadanie. W prawym dolnym rogu widzę Opus 4.8; po kliknięciu mam różne modele. To różne rozmiary AI: Opus 4.8 jest odrobinę „głupszy” niż Fable 5, który jest inteligentniejszy od pozostałych. Mamy Haiku, Sonnet, Opus i Fable. Większości klientów do większości zadań polecam Opus 4.8 albo Opus 5 na niskim poziomie wysiłku — to najlepszy kompromis między szybkością, inteligencją i kosztem, bo to trzy zmienne, którymi żonglujemy przy każdej regulacji. Dopiero jeśli przy Opus 4.8 na niskim wysiłku, mając dobry prompt lub skill oraz kontekst, zadanie się nie udaje — startujesz nowy czat z tymi samymi wejściami i podnosisz na średni wysiłek. Jeśli nadal nie działa: nowy czat, wysoki. I tak dalej. Dopiero po dojściu do max rozważ przejście na Fable. Nawet przy Fable nie wychodziłbym powyżej „wysokiego” — powyżej zaczyna się przemyśliwanie, a „extra” i „max” to strata czasu i pieniędzy.
(Informacja dodatkowa: autor nazywa większe modele „mądrzejszymi” — to uproszczenie marketingowe. „Rozmiar głowy” to potoczne określenie okna kontekstowego, czyli ile danych model utrzymuje naraz; „wysiłek” to poziom rozumowania modelu.)
Zadania odpowiednie dla Fable to takie z setkami plików i ponad 50–60 krokami, gdzie AI pracuje 30, 40, 50 minut, a nawet godzinę. Fable używaj oszczędnie — jest drogi i często płatny osobno, nie wliczony w subskrypcję, zależnie od planu.
Krok trzeci: uprawnienia. AI może zapisywać i czytać rzeczy w twoim systemie, co bywa niepokojące. Jedno zabezpieczenie już mamy — kopie plików. Drugie to uprawnienia. Przy wybranym folderze, w czarnym pasku na dole, są trzy opcje: manualne, automatyczne i „pomiń”. Większości ludzi polecam start od manualnych, żeby zobaczyć, co AI faktycznie robi z plikami — będzie pytać o zgodę przy każdej akcji. Szybko się to znudzi; wtedy przejdź na automatyczne, gdzie AI pyta tylko o akcje, które uzna za niebezpieczne. To poziom, na którym radzę większości zostać przy pracy manualnej, interaktywnej. Dopiero gdy chcesz w pełni zaplanować zadanie, żeby biegło autonomicznie w tle bez twojej interakcji, włączasz „pomiń wszystkie zgody” — wtedy AI wykonuje zadanie bez pytania. Ważne: tego ustawienia AI musi sobie „zasłużyć”. Nie włączasz go od razu — musi zapracować na zaufanie przy danym zadaniu. Zanim je włączysz, powinieneś wcześniej wykonać to zadanie manualnie z AI jakieś 5, 10, 15 razy na zróżnicowanych wejściach i upewnić się, że działa konsekwentnie.
Wspominając o autonomicznym działaniu w tle: jeśli chcę zaplanować zadanie, mogę powiedzieć „uruchamiaj to zadanie codziennie o 8:00” — zakładając, że już zbudowałem to zadanie w czacie, AI zamknie całość (być może wraz ze skillem) w zaplanowane zadanie. Zaplanowane zadania mieszkają po lewej stronie, w sekcji „scheduled”.
Dwa ważne ustawienia. Pierwsze to wskaźnik zużycia. Zależnie od planu masz określony limit — pomyśl o tym jak o paliwie w baku: im więcej zużyjesz, tym więcej wydajesz. Najprościej znajdziesz go, wpisując ukośnik i wybierając „usage” (żeby nie ujawniać maila w profilu). Pierwsza sekcja to limit pięciogodzinny, potem tygodniowy dla wszystkich modeli oraz osobno Fable. W niektórych planach Fable ma osobną pulę; większość płaci za Fable z własnej kieszeni, w kredytach. U mnie okno pięciogodzinne resetuje się za 3 godziny 28 minut, a tygodniowe za 6 godzin 58 minut — dlatego maksymalnie wykorzystałem pulę Fable, żeby zdążyć przed resetem.
Drugie ustawienie: upewnij się, że nie oddajesz swoich danych Anthropicowi do trenowania. Wejdź w profil → ustawienia → prywatność i znajdź sekcję „Pomóż ulepszać nasze modele” — ma być wyłączona. Dopóki jest wyłączona, twoje dane nie posłużą do trenowania przyszłych modeli. W planach enterprise i biznesowych powinno to być domyślnie wyłączone, ale jako administrator zawsze warto sprawdzić.
Plik instrukcji: claude.md
Została jeszcze jedna rzecz do konfiguracji: plik instrukcji. Każdy folder powinien mieć plik claude.md. AI może go stworzyć za ciebie, ale zawsze, gdy tworzysz folder poświęcony danemu zadaniu, powinieneś mieć minimalny claude.md. Możesz użyć generycznego promptu, który oczywiście dostosujesz — jego istota to poinformowanie AI, że chcesz plik instrukcji dla danego zadania. Zakładam, że wcześniej odbyłeś już z AI rozmowę wykonującą to zadanie; po jego zrealizowaniu w folderze mówisz „a teraz stwórz plik instrukcji na przyszłość”, żeby przy każdym otwarciu folderu AI wiedziało, co robić i jaki jest jego cel.
Najważniejszy element tego promptu: proszę AI, by plik był krótki — konkretnie poniżej 100 linii. Powód: AI czyta ten plik za każdym razem, gdy otwiera folder, więc chcemy zminimalizować miejsce zajmowane w jego głowie. Dotyczy to zarówno instrukcji w folderze, jak i skilli.
Pierwsze użycie: porządkowanie plików
Jedno z pierwszych zastosowań, od którego zalecam zacząć, dobrze pokazuje moc Cowork: dajesz AI stos plików do analizy albo uporządkowania. Tu robimy porządkowanie. To prosty przykład — po prostu dyktuję AI: „oto, co chcę, żebyś zrobił w tym folderze”. Chcę zwrócić uwagę nie na sam prompt, lecz na jego strukturę. Nowoczesne modele — Fable 5, Opus 5, GPT-5.6, GPT-6 — są bardzo dobre w zadaniach o długim horyzoncie i potrafią pracować przez naprawdę długi czas. Nie musimy dawać im szczegółowych kroków, bo są na tyle inteligentne, że sobie poradzą. Musimy dać im cztery rzeczy:
- Destynacja — dokąd zmierzamy. Mówię AI, co chcę mieć na końcu, a nie jak ma tam dojść. W przykładzie: „chcę uporządkować ten folder, żeby szybciej znajdować rzeczy” — posortuj pliki do czytelnych folderów, zmień nazwy plików i folderów tak, żeby łatwo było je znaleźć, i oddaj mi krótkie podsumowanie. Bez nadmiaru instrukcji co do kroków.
- Linia mety — to bardzo ważne dla tych bardzo inteligentnych modeli. To warunek „skończone gdy”: „jesteś gotowy, gdy każdy plik ma swoje miejsce i jasną nazwę”. Idealnie linia mety jest binarna — AI łatwo samo się na jej podstawie ocenia.
- Poręcze (guardrails) — jest ich wiele rodzajów; ja konsekwentnie stosuję redukcję halucynacji przez zmianę zachęt. Mówię AI: „możesz mi powiedzieć, że nie wiesz — jeśli nie znasz odpowiedzi, po prostu tak napisz”. Przy porządkowaniu: „jeśli nie masz pewności, gdzie coś umieścić, wrzuć to do folderu »nie wiem« i powiedz mi później”. Drobiazg, a niezwykle podnosi trafność przy bardzo długich zadaniach.
- Paragon — istotny tylko przy długich zadaniach z wieloma krokami i plikami; służy do audytu po fakcie. Zamiast sprawdzać cały wynik, prosimy AI o dodatkowy raport-paragon: jakie pliki znalazło i których dotknęło. Jeśli wiemy, że plików jest 662, a AI dotknęło 605, wiemy, że część pominęło i trzeba je sprawdzić. Szybki sposób na audyt bez metodycznego przeglądania wszystkiego.
Zadania powtarzalne: tworzenie skilli
Poprzedni przykład był jednorazowy. Ale przy zadaniach powtarzalnych — a tu spędzisz najwięcej czasu — tworzysz skille. Polecam takie podejście, bo jest najprostsze i najskuteczniejsze. Najpierw wykonaj pracę z AI: otwórz Cowork, zrób zadanie w utworzonym folderze. Prawdopodobnie będziesz iterować — sterować AI, dawać feedback raz za razem. Dopiero gdy wynik spełni twoje oczekiwania, zamieniasz go w skill.
Na samym końcu tej rozmowy, gdy masz już zadowalający wynik, użyj promptu w rodzaju: „ten wynik to dokładnie to, czego chciałem; zamień cały ten proces w skill”. To zdanie wywoła skill creator w tle. Dwie ważne rzeczy do zachowania. Po pierwsze: „utrzymaj skill szczupły — każda linia w skillu ma zasłużyć na swoje miejsce”, żeby nie marnować miejsca w głowie AI. Po drugie: „utrzymaj skill ogólny” — tworzyliśmy go, pracując na temacie A, ale zapewne chcemy zastosować go do tematów B, C, D. Temat A był tylko próbką tego, jak chcemy, by proces przebiegał, więc AI ma go uogólnić na przyszłość.
Zewnętrzna pamięć, która kompozytuje wiedzę
Jeszcze jedna rzecz o systemach. Jeśli chcesz, by AI kumulowało wiedzę z czasem i naprawdę rozumiało, jak chcesz mieć zrobione dane zadanie, warto stworzyć zewnętrzną pamięć. Claude ma pamięć natywną — zapamięta imię, zawód, lokalizację — ale jest ona powierzchowna. Jeśli chcesz, by pamiętał bardzo konkretne preferencje i lekcje dla danego zadania, wyprowadź je do pliku w folderze roboczym. Plik może nazywać się dowolnie; ważne, by w pliku instrukcji (claude.md, obecnym w każdym folderze) napisać coś w rodzaju: „za każdym razem, gdy podam ci moje preferencje, poprawki czy wyciągnięte wnioski dla tego zadania, zapisz je gęsto informacyjnie do pliku”. Możesz nazwać go lessons.md albo plikiem pamięci — powinien być plikiem MD, bo Markdown jest wydajniejszy.
Przykład: piszemy maile do klientów i wolimy, żeby były poniżej 150 słów. Ale zauważamy, że klient A woli, by każda decyzja była w pierwszej linii maila — tylko klient A. To lekcja, którą AI zapisuje i pamięta przy każdym kolejnym kontakcie z klientem A. Inny przykład: klient B chce, by raporty kończyły się jasnymi następnymi krokami — tylko klient B. Piękno tego rozwiązania: AI nie tylko tworzy plik, ale jeśli w claude.md dopiszesz „za każdym razem, gdy daję ci feedback, aktualizuj to” oraz „za każdym razem, gdy pracuję w tym folderze, najpierw sięgnij do wniosków”, jego wiedza się kumuluje. Zna już twoje preferencje dla różnych klientów i projektów.
Nowość: nagrywanie ekranu zamienione w skill
Ostatnia funkcja — bardzo nowa, Claude wypuścił ją jakiś tydzień temu — to kopia tego, co robi już ChatGPT w swoim trybie pracy. AI może nagrywać twój ekran, gdy wykonujesz zadanie, i zamienić to w skill. To świetne, bo pokazanie czegoś na ekranie przekazuje o wiele więcej kontekstu niż samo dyktowanie promptu. Podczas nagrywania możesz też mówić: „klikam ten przycisk z tego powodu, sprawdzam tę kolumnę z tamtego powodu”. AI obserwuje, a po zakończeniu buduje z tego skill, który potem wykona za ciebie setki razy. Zapewne masz dziś zadania, które warto by nagrać i oddać AI, żeby robiło je 100 000 razy.
Jak to uruchomić? W podstawowym czacie, pod znakiem plusa, jest nowa opcja „record a skill” (nagraj skill). Po jej wybraniu Claude zapyta, czy zacząć nagrywanie; wokół ekranu pojawi się pomarańczowa ramka, a po kliknięciu „gotowe” nagranie zamieni się w skill. Ta funkcja jest wyjątkowo przydatna przy zadaniach mocno opartych na interfejsie albo wymagających bardzo konkretnych kroków.
Cztery rzeczy do zapamiętania
Poruszyliśmy dużo, ale zapamiętaj cztery rzeczy, które zaprowadzą cię z Cowork naprawdę daleko.
- Foldery to przestrzenie robocze. W Cowork tworzysz foldery na komputerze — jeden folder mapowany na jedno zadanie — i pracujesz wewnątrz folderu dla danej aktywności.
- Cztery elementy promptu dla nowoczesnych modeli (Fable 5, Opus 5, GPT-5.6, GPT-6): destynacja (jaki wynik chcesz — o kroki się nie martw, AI je wymyśli lepiej niż ty), linia mety (binarne kryterium „skończone gdy”, bo te modele bywają, że pracują dłużej niż trzeba albo kończą za wcześnie), poręcze (dozować oszczędnie, by nie krępować AI — np. zmiana zachęt redukująca halucynacje) i paragon (do szybkiego audytu przy długich zadaniach).
- Sprawdź pracę, zanim zrobisz skill. Najpierw wykonaj zadanie z AI, upewnij się, że wynik spełnia oczekiwania, i dopiero wtedy zapisz to jako skill. Zależnie od zadania możesz jeszcze wyprowadzić pamięć na zewnątrz, by AI kumulowało wiedzę o preferencjach i poprawkach.
- Nagrywanie ekranu zamienione w skill — nowa funkcja, którą warto wykorzystać.
Skille, projekty i całą resztę można ustawić jako zaplanowane zadania działające autonomicznie w tle. AI utworzy je za ciebie — ale rób to dopiero, gdy AI zapracowało na twoje zaufanie i udowodniło, że wykona zadanie bez twojego nadzoru i bez błędów, po jakichś 15–20 testach na zróżnicowanej próbce wejść.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Aplikacja desktopowa zmienia zasady gry — „wskazuj, nie wklejaj”
Na czym polega: W przeglądarce wklejasz pliki do czatu (limit 5–8 naraz) i inteligencja AI spada wraz z zapełnianiem kontekstu. Na desktopie wskazujesz AI folder, a ono samo sięga po pliki, dłużej utrzymując wysoką jakość przy zadaniach wieloplikowych.
Jak stosować: Pobierz aplikację Claude Desktop, przełącz się w tryb Cowork, wybierz w dolnym pasku ikonę folderu (nie projektu) i wskaż folder roboczy na dysku.
Na co uważać: Nie myl ikony projektu (nachodzące kwadraty) z ikoną folderu — projekt wraca cię do starego, mniej wydajnego trybu. Pamiętaj, że po wskazaniu folderu AI ma dostęp do zapisu i odczytu wszystkiego w środku.
2.Jeden folder = jedno zadanie
Na czym polega: Na desktopie foldery zastępują projekty. Każdy folder to dedykowana przestrzeń robocza dla jednego konkretnego zadania, z własnym plikiem instrukcji.
Jak stosować: Zanim zaczniesz, utwórz osobny folder pod dane zadanie i trzymaj tam pliki oraz plik claude.md. Nie mieszaj wielu niezwiązanych zadań w jednym folderze.
Na co uważać: Rozproszenie wielu zadań w jednym folderze zaśmieca kontekst AI i obniża trafność. Utrzymuj granice zadań ostro.
3.Pracuj na kopiach i lekkich formatach
Na czym polega: AI może modyfikować pliki, więc na start pracuj na kopiach, a nie oryginałach. Formaty też mają znaczenie — CSV i Markdown zajmują mniej „miejsca w głowie” niż Excel, PowerPoint czy PDF.
Jak stosować: Skopiuj pliki do folderu roboczego. Jeśli z dużego arkusza liczy się jedna zakładka, wyeksportuj ją do CSV. Instrukcje i skille zapisuj w Markdown.
Na co uważać: Konwersja formatu bywa stratna — sprawdź, czy CSV nie gubi ważnych danych z arkusza (formuły, formatowanie, wiele zakładek). Kopiuj, dopóki nie ufasz narzędziu na tyle, by pracować na oryginałach.
4.Zacznij od Opus na niskim wysiłku i eskaluj tylko w razie potrzeby
Na czym polega: Model i poziom wysiłku to kompromis między szybkością, jakością i kosztem. Opus 4.8/5 na niskim wysiłku to domyślnie najlepszy punkt startu; eskalujesz tylko wtedy, gdy zadanie faktycznie nie wychodzi.
Jak stosować: Uruchom zadanie na Opus, niski wysiłek. Jeśli nie wychodzi mimo dobrego promptu i kontekstu — nowy czat, średni; potem wysoki; potem max; dopiero na końcu Fable, i tam nie wyżej niż „wysoki”.
Na co uważać: Fable jest drogi i często płatny osobno — rezerwuj go na zadania z setkami plików i dziesiątkami kroków. Powyżej „wysokiego” na Fable model przemyśliwa; „extra”/„max” to strata pieniędzy.
5.Uprawnienia stopniuj — automatyczne jako złoty środek
Na czym polega: Trzy poziomy: manualny (pytanie o każdą akcję), automatyczny (pytanie tylko o ryzykowne) i „pomiń wszystkie” (pełna autonomia). Ten ostatni AI musi sobie „zasłużyć”.
Jak stosować: Zacznij od manualnego, by zobaczyć, co AI robi. Gdy zacznie irytować, przejdź na automatyczny — to dobry poziom do pracy interaktywnej. „Pomiń wszystkie” włącz dopiero dla sprawdzonych zadań autonomicznych.
Na co uważać: Nie włączaj „pomiń wszystkie” od razu. Przetestuj zadanie manualnie 5–20 razy na zróżnicowanych wejściach, zanim oddasz je do biegu w tle bez nadzoru.
6.Konektory z granularnymi uprawnieniami: szkicuj, nie wysyłaj
Na czym polega: Konektory łączą AI z pocztą, kalendarzem, CRM-em. Każda akcja ma trzy poziomy: zawsze zezwól / wymagaj zgody / zablokuj, osobno dla odczytu i zapisu.
Jak stosować: Podłącz pocztę i ustaw: szkicowanie maili dozwolone, wysyłanie zablokowane. Autor twierdzi, że tak napisał ręcznie tylko 1–2% swoich maili. Warto podłączyć zaktualizowany konektor Microsoft 365 (szkicowanie maili).
Na co uważać: Zablokuj wszystko związane z wysyłaniem, dopóki nie masz pełnego zaufania. W firmie uzgodnij uprawnienia z działem IT — AI dostaje realny dostęp do wrażliwych systemów.
7.Prompt do długich zadań: cel, meta, poręcze, paragon
Na czym polega: Nowoczesne modele nie potrzebują drobiazgowych kroków. Wystarczą cztery elementy: destynacja (co chcesz na końcu), binarna linia mety („skończone gdy…”), poręcze (np. redukcja halucynacji) i paragon (raport do audytu).
Jak stosować: Opisz pożądany wynik, nie kroki. Dodaj binarne kryterium ukończenia. Wpleć zachętę „możesz powiedzieć, że nie wiesz”. Poproś o raport: co znaleziono, czego dotknięto.
Na co uważać: Nie przesadzaj z poręczami — za dużo ograniczeń krępuje model. Paragon porównuj z realną liczbą plików (np. 662 vs 605), by wychwycić pominięcia.
8.Najpierw udowodnij pracę, potem zrób z niej skill
Na czym polega: Skill (folder z instrukcjami dla powtarzalnego zadania) tworzysz dopiero po tym, jak ręcznie doprowadzisz wynik do satysfakcjonującego poziomu, iterując z AI.
Jak stosować: Wykonaj zadanie z AI, iteruj do skutku, a na końcu rozmowy poproś: „zamień ten proces w skill; utrzymaj go szczupłym i ogólnym”. Skill creator od Anthropic zbuduje go w tle. Regułę „więcej niż dwa razy → skill” stosuj do powtarzalnych zadań.
Na co uważać: Wymaganie „ogólny” jest kluczowe — skill zrobiony pod jeden przypadek nie uogólni się na inne. Trzymaj skille krótkie: każda linia ma zasłużyć na miejsce, by nie zapychać kontekstu.
9.Zewnętrzna pamięć (lessons.md) kumuluje wiedzę o twoich preferencjach
Na czym polega: Natywna pamięć Claude jest powierzchowna. Dla trwałych, zadaniowych preferencji wyprowadź wiedzę do pliku Markdown w folderze roboczym, do którego AI dopisuje wnioski i który czyta przed każdym uruchomieniem.
Jak stosować: W claude.md dopisz: „zapisuj moje preferencje i poprawki do pliku wniosków” oraz „przed pracą zawsze najpierw sięgnij do wniosków”. Notuj reguły per klient/projekt (np. „klient A — decyzja w pierwszej linii maila”).
Na co uważać: Plik ma być gęsty informacyjnie i w formacie MD (wydajniejszy). Pilnuj, by reguły były przypisane do właściwego kontekstu (klient A vs B), inaczej AI pomiesza preferencje.
10.Nagrywanie ekranu i zaplanowane zadania — dopiero po zdobyciu zaufania
Na czym polega: Nowa funkcja „record a skill” pozwala nagrać wykonanie zadania (z komentarzem głosowym), z czego AI buduje skill. Skille można też uruchamiać jako zaplanowane zadania działające autonomicznie w tle.
Jak stosować: Pod plusem wybierz „record a skill”, nagraj proces mówiąc, co i dlaczego robisz. Do automatyzacji cyklicznej powiedz np. „uruchamiaj to codziennie o 8:00”, gdy zadanie jest już zbudowane. Nagrywanie sprawdza się przy zadaniach mocno opartych na interfejsie.
Na co uważać: Zaplanowane zadania i „pomiń wszystkie zgody” włączaj dopiero po 15–20 udanych testach na zróżnicowanych wejściach. Autonomiczny bieg bez nadzoru na niesprawdzonym zadaniu grozi cichymi błędami na produkcyjnych danych.