O czym jest ten film
- Prosta, „chłopska” definicja agenta AI: to prawie to samo co czat, tylko z większą liczbą narzędzi i z autonomią w dążeniu do celu.
- Rozróżnienie czterech pojęć, które często się mylą: model, czat, automatyzacja i agent.
- Równanie agentowe autora: model + uprząż (zestaw narzędzi) + pętla, aż cel zostanie osiągnięty.
- Podział agentów według przeznaczenia: kodujące (Claude Code, Codex) kontra osobiste/asystenckie (Hermes Agent, OpenCLA) — granica umowna.
- Rekomendacja: zacząć od agentów kodujących, bo są bardziej uniwersalne i stoją za nimi główne laboratoria.
- Praktyczna kwestia bezpieczeństwa: jeśli nie ufasz agentowi, załóż osobny profil użytkownika na komputerze i tam go osadź.
- Autorski proces pięcioetapowy „ZOPTU”: zlecenie, oczekiwania, plan minimalny, test, utrwalenie.
- Technika „zrzutu myśli” — szczegółowy opis wymarzonego rezultatu, zanim cokolwiek zaczniemy budować.
- Zasada MVP: najpierw sprawdzić minimalną wersję, zamiast spędzać kilkanaście godzin na czymś, co może nie zadziałać.
- Utrwalanie tego, co zadziałało, w pliku CLAUDE.md — i iterowanie w pętli.
Redakcyjne tłumaczenie
Wstęp
Gdybym miał całkowicie od zera opanować temat agentów AI, zrobiłbym dokładnie to, co za chwilę pokażę. Przygotowałem pełny plan nauki, który obejmuje trochę teorii — niedużo, ale tyle, ile potrzeba — oraz to, żeby jak najszybciej zacząć działać i pobrudzić sobie ręce.
Chcę poświęcić chwilę na teorię, żeby po prostu mieć pojęcie, czym te agenty są. (Informacja dodatkowa: autor konsekwentnie używa formy „agenty”, a nie „agenci” — sam to zresztą w nagraniu zaznacza.) Potem zakasamy rękawy i zbudujemy pierwszego, prostego, działającego agenta. Przygotowałem też cały przepływ, mapę krok po kroku, żebyście mogli sami to u siebie wdrożyć.
Czym właściwie jest agent AI?
Pytanie za milion dolarów. Najprostsza definicja, na chłopski rozum: agent AI to prawie to samo co AI w czacie. Jeśli korzystacie z chatgpt.com, to naprawdę nie ma się czego bać — to bardzo zbliżona rzecz. Oczywiście upraszczam, ale to nie jest aż tak inne, jak się wydaje.
Różnica polega na tym, że agent ma do dyspozycji więcej narzędzi, czyli po prostu może robić więcej rzeczy. Jest samodzielny — proaktywnie podejmuje decyzje w trakcie wykonywania zadania. I wykonuje te zadania w bardzo uparty sposób. Jeśli dobrze określimy mu cel, to on leci, leci i leci — klapki na oczy, klapki na uszy — i dopóki nie dowiezie tego, co mu jasno opisałeś, nie zatrzyma się. Najprościej: to czat na sterydach.
Model, czat, automatyzacja, agent — cztery różne rzeczy
To rozróżnienie przyda się każdemu.
Sam model AI w najczystszej postaci to wielka matryca liczb, która przewiduje następny token — następne słowo, następny znak. I to jest coś, co chcę, żebyście zapamiętali: same z siebie te modele nie potrafią przeszukać internetu, stworzyć pliku, obsłużyć narzędzia, wejść do Notion i czegoś tam zrobić. Dostają tekst i wypluwają tekst. Tyle.
Przeglądanie internetu to kwestia zewnętrznej „uprzęży” — zbioru narzędzi, które coś takiego umożliwiają. Najlepiej widzieli to ci, którzy korzystali z pierwszych modeli GPT. Nie miały one w uprzęży dostępu do sieci, ale często wymyślały, że go mają. Zapytałem taki model, czy ma dostęp do internetu — odpowiedział, że oczywiście tak i czy może pomóc. Zapytałem, kto wygrał ostatni mundial. Według niego mundial odbył się w 2018 roku we Francji — co ciekawe, a nie w Rosji — a zwycięzcą została reprezentacja Francji. (Informacja dodatkowa: mistrzostwa świata w 2018 roku odbyły się w Rosji, a wygrała je Francja — model połączył prawdziwego zwycięzcę z błędnym gospodarzem.) Widzicie więc, że same modele po prostu nie potrafią przeszukać internetu. Moglibyśmy oczywiście podpiąć zewnętrzne narzędzie, które by im to umożliwiło.
Czat różni się tym, że ma jakąkolwiek uprząż — a często sporo tej uprzęży — umożliwiającą wykonywanie określonych rzeczy. Drobna wzmianka: jest też zoptymalizowany pod rozmowę, żeby użytkownik po prostu rozmawiał w nieskończoność.
Automatyzacja AI to wzięcie modelu i umieszczenie go jako jednego z kroków wyznaczonego procesu. Nie dajemy mu wtedy autonomii — nie może robić, co mu się podoba. Za każdym razem dostaje określony input, ma wykonać określony proces i oddać określony output. Staramy się to AI trochę ujarzmić i dać mu jedno zadanie, coś, co możemy kontrolować. Takie narzędzia jak n8n właśnie to umożliwiały — i nadal umożliwiają, obok tworzenia agentów. (Informacja dodatkowa: n8n to popularne narzędzie no-code do budowania przepływów automatyzacji; w transkrypcji zapisane fonetycznie jako „Nen”.) Przykład: automatyzacja do montażu i publikowania filmików na TikToku. Kroki wykonują się jeden po drugim, a w jednym miejscu siedzi AI, które w tym przypadku ma wygenerować tytuł. To jest jeden element całego procesu, bez autonomii.
Agent różni się tym, że też jest AI i też ma uprząż, ale przede wszystkim jest zoptymalizowany pod osiąganie wyznaczonych celów. Wracając do tamtej automatyzacji: przy agencie nie mielibyśmy całego przepływu, tylko okienko czatu — jak w ChatGPT — i powiedzielibyśmy: „Zmontuj ten film i wstaw go na TikToka”. Nadajemy tylko cel, określony rezultat, a on sam dobiera narzędzia i sam decyduje, jak proces będzie wyglądał. Robi wszystko sam, zapętlając się, dopóki nie da nam tego, o co prosiliśmy.
Najprostsze równanie agentowe, które mam z tyłu głowy: model + uprząż, zapętlone, dopóki cel nie zostanie osiągnięty.
Agenci kodujący kontra agenci osobiści
Pewnie słyszeliście nazwy Claude Code, Codex, Hermes Agent czy OpenCLA i zastanawiacie się, czym się różnią. Różnią się przeznaczeniem — tym, po co ich twórcy je stworzyli.
Hermes Agent i OpenCLA powstały bardziej w charakterze asystentki czy sekretarki — to agenci osobiści. Agenci kodujący powstali po to, żeby tworzyć oprogramowanie i pomagać programować. Chciałbym jednak podkreślić, że to granica umowna. Można sprawić, żeby Claude Code był twoim asystentem, i można sprawić, żeby Hermes Agent coś za ciebie zakodował. To kwestia odgórnego przeznaczenia.
Ja i tak skupiam się zwykle na tych dwóch kodujących, bo dają jeszcze więcej możliwości. Osobiści są trochę ograniczeni, bardziej zoptymalizowani pod jedno zadanie — pod osobistą asystę. Kodujący mogą więcej, a jak nauczymy się ich opanowywać, to z tamtymi też będzie łatwiej.
Wtręt sponsorski
(Informacja dodatkowa: poniższy fragment to płatna wstawka sponsorska, nie część merytorycznego wywodu.)
Kiedy zaczniesz regularnie korzystać z agentów AI, szczególnie kodujących, szybko zauważysz, że strony internetowe i własne aplikacje powstają ot tak. Problem pojawia się, gdy chcesz je komuś udostępnić. Sponsor odcinka, Hostinger, udostępnił swój serwer MCP — dzięki niemu z poziomu czatu, np. w Claude Code, bez opuszczania środowiska można publikować strony i nimi zarządzać (czysty kod albo WordPress), zarządzać domenami, serwerami, sklepem, kampaniami mailowymi, rozliczeniami i subskrypcjami. Jeśli masz już konto, wystarczy kliknąć „zainstaluj rozszerzenie”, wybrać narzędzie, skopiować komendę, wkleić ją do agenta i połączyć się z kontem. Autor podaje kod rabatowy „Mikolaj10” na dodatkowe 10% oraz wspomina o 30-dniowym zwrocie pieniędzy bez pytań.
Krok zerowy: pobierz agenta
Pierwsze pytanie: czy płacisz już za jakieś AI? Jeśli masz subskrypcję Claude’a, ChatGPT albo Gemini, to znaczy, że masz odpowiednio Claude Code, Codexa albo Antigravity. Krok pierwszy to po prostu pobrać któreś z tych rozwiązań.
Dlaczego akurat agenci kodujący? Bo mogą więcej i są bardziej uniwersalni niż osobiści. Zawsze polecam najpierw nauczyć się, jak oni działają, a dopiero potem kombinować z projektami prywatnymi — mówię „prywatnymi”, bo za tymi kodującymi stoją główne laboratoria AI, a przy pozostałych ta sytuacja wygląda inaczej. Zacznijcie od tych, a z innymi odmianami agentowymi pójdzie łatwiej.
Ja zwykle korzystam z Codexa i Claude Code. Jeśli nie masz żadnej subskrypcji, na ten moment polecam jedno z tych dwóch — oba są naprawdę mocne. Nie będę przechodził przez proces instalacji; wystarczy wygooglować „jak pobrać Claude Code na Maca” i znajdziecie cały poradnik.
Jak się zabezpieczyć, jeśli nie ufasz agentowi
Jestem świadomy, że niektórzy bardzo nie ufają tym rozwiązaniom i temu, że trzeba pobrać jakąś aplikację na własny komputer. Żeby korzystać z pełni możliwości agenta, trzeba mu dać dostęp do jego własnego terminala i osadzić go w jakimś folderze.
Jeśli nie ufacie im całkowicie — ja akurat mam je na swoich głównych profilach — najprościej stworzyć drugi profil użytkownika. Wystarczy wygooglować, jak stworzyć nowy profil na Windowsie albo na Macu, i przechodzić na niego do pracy z agentem. (Informacja dodatkowa: to prosta izolacja na poziomie systemu — osobny profil ma własne pliki i uprawnienia, więc agent nie widzi danych z konta głównego.) To sposób na dawanie im w pełni oddzielnych środowisk.
Proces pięcioetapowy: ZOPTU
Kiedy agent jest już zainstalowany, przechodzimy do procesu pięcioetapowego, który doszlifowałem tak, żeby był jak najprostszy i jednocześnie skuteczny. Skraca się do dziwnego skrótu, który może łatwiej wam będzie zapamiętać: ZOPTU.
Z — zlecenie
To być może jeden z ważniejszych i trudniejszych etapów, przynajmniej na początku. Polega na tym, żeby wybrać jedno zadanie, które chcemy dać agentowi. Może to być coś prostego, co od razu przychodzi wam do głowy — świetnie, jeśli macie pomysł.
Ale być może chcecie czegoś trudniejszego, nieoczywistego, albo po prostu nie do końca wiecie, co ci agenci mogą robić. To częsty problem w rozmowach, które prowadzę: nie wiadomo, co agenci potrafią, co jest możliwe, a co nie. Tak długo rozmawialiśmy w zwykłym ChatGPT, że nie znamy ograniczeń agentów. Spoiler: praktycznie nie ma ograniczeń, agenci mogą naprawdę bardzo dużo. Ale wiem też, że trzeba się przełamać i zobaczyć na własne oczy, że taki i owaki agent może powstać.
Dlatego przygotowałem prompty na obie sytuacje. Jeśli nie macie pomysłu, jest dłuższy prompt — siedziałem nad nim chyba ze trzy godziny. Kopiujecie go, wklejacie na przykład do ChatGPT i przechodzicie przez zwykłą rozmowę. Zapyta, czym się zajmujecie, doda trzy–cztery pytania kontekstowe, a na końcu poda pięć propozycji agentów, które można zbudować i które wam pomogą. Naprawdę otwiera oczy na możliwości.
Jeśli macie własny pomysł, a to jeden z waszych pierwszych agentów, polecam mimo wszystko odbić się myślami od tego promptu. Jego głównym celem jest pokazanie potencjalnych ograniczeń i ślepych uliczek takiego wdrożenia — czegoś, co z czasem może nie wyjść — żebyście mieli świadomość, że to może być problemem. Można oczywiście próbować to obejść, ale warto wiedzieć, czy temat nie jest zbyt duży albo niewykonalny. Choć rzadko jest niewykonalny.
(Informacja dodatkowa: autor w tym miejscu zaprasza na swoją stronę cloudmaster.pl z kursem i warsztatami z Claude Code dla osób nieprogramujących.)
O — oczekiwania
O co chodzi w tym punkcie? Żeby agent działał dla was sensownie, nie możemy polegać na tym, że opiszemy coś mgliście i będziemy liczyć, że zrozumie nasze intencje. To tak nie działa. Koniec końców będziemy się przepychać, poprawiać i wkurzać, że to nie działa tak, jak ma działać.
Dlatego polecam zatrzymać się i zrobić coś, co nazywam zrzutem myśli. Wyobraźcie sobie, że macie asystenta, któremu chcecie opisać możliwie najwięcej, najbardziej szczegółowo i konkretnie: jak wyobrażacie sobie idealny wynik tego, co mu zlecicie. Czy to raport, czy śledzenie konkurencji, czy cokolwiek innego — przelejmy z głowy na ekran dokładnie to, jak widzimy końcowy efekt i co byśmy sami zrobili, gdybyśmy podeszli do tego ręcznie.
W miejscu na zlecenie po prostu wklejamy to, co ustaliliśmy w pierwszym kroku. Ja już wcześniej przeprowadziłem dziesiątki rozmów z tymi promptami i ustaliłem, że chcę agenta, który będzie obserwował zagranicznych konkurentów na YouTubie, sprawdzał, co jest trendujące, i co mógłbym potencjalnie wykorzystać u siebie. Coś tak prostego na początek — jeśli temat agentów was przytłacza, dobrze jest wdrażać prostych agentów.
A potem, w zrzucie myśli, poświęćmy pięć minut i opiszmy, jak chcemy, żeby to wyglądało. Na przykład: chcę dostawać maila raz w tygodniu, w poniedziałek. Chcę, żeby na górze byli twórcy, pod spodem produkty, które promują, niżej tematy, które poruszają, dalej ciekawe momenty, a na końcu podsumowanie komentarzy — jakie tematy się w nich przewijają. Chcę dać listę twórców, których obserwuję, ale chcę też, żeby agent sam proaktywnie szukał. I tak dalej — dopóki naprawdę nie poczujecie, że przerzuciliście tu wszystko, o czym myśleliście.
Potem wystarczy wybrać, z którego agenta będziecie korzystać — prompt w kolejnym kroku uzupełnia się automatycznie o to, co tu odpowiedzieliście.
P — plan minimalny
Krok trzeci to zbudowanie planu minimalnego. Za każdym razem polecam, żeby zanim wejdziemy do naszego agenta — czy to Claude Code, czy Codex, czy Hermes Agent — przygotować plan, według którego on sam się zbuduje. Ten plan po prostu wklejamy do agenta, żeby zbudował sam siebie.
Żeby to miało ręce i nogi, musimy połączyć opis zlecenia i nasz zrzut myśli, który jest najbardziej surową formą tego, co chcemy otrzymać. Kiedy połączymy to razem, dodając jeszcze informację, z jakiego agenta korzystamy, dostaniemy świetny plan — i to plan minimalny, co jest ważne. Na samym początku nie chcemy spędzić kilkunastu godzin, zanim upewnimy się, że to w ogóle działa. Musimy sprawdzić, czy nasze założenie, nasz przepływ pracy, to, co agent ma za nas robić, jest w ogóle wykonalne. A sprawdzamy to minimalnie, na zasadzie MVP.
Kopiujemy więc prompt, wracamy do jakiejkolwiek zwykłej rozmowy — ChatGPT, Claude, gdziekolwiek macie subskrypcję — i wklejamy. Model przeprowadzi nas przez całą rozmowę i na końcu przygotuje gotowy plan.
Kiedy dostaniecie plan, na pewno go przeczytajcie. Żebyście wiedzieli, co w ogóle będzie powstawało, jakie są kryteria ukończenia, jakie decyzje projektowe, jak to ma na początku działać. Jeśli coś nie do końca odpowiada waszym oczekiwaniom, wystarczy powiedzieć, co wam się nie podoba i co byście zmienili — plan zostanie poprawiony. Ale jeśli sumiennie przejdziecie przez całą rozmowę, plan będzie naprawdę bardzo jakościowy. Zobaczcie, co obejmuje MVP, a czego nie obejmuje. Zapoznajcie się z nim po ludzku, a jak wszystko będzie okej — skopiujcie całość.
Przechodzę teraz do Claude’a, czyli tam, gdzie mam tworzyć tego agenta. Otwieram nową rozmowę i wybieram folder, w którym ma operować. To będzie jego piaskownica. Tworzę więc nowy folder — niech się nazywa „YouTube badacz” — otwieram go i zgadzam się, że ufam tej przestrzeni, bo sam ją przed chwilą stworzyłem. I to cała filozofia: dajemy mu środowisko w tym folderze i wklejamy prompt z planem. To zwykły czat, możemy też wybrać model, z którym rozmawiamy. Wysyłamy plan, a w naszym dokumencie odhaczamy, że ten etap został zrobiony.
Polecam obserwować, jak agent reaguje na plan. To jest mega ciekawe: jak się zapętla, jak sprawdza, co ma dostępne, jak zauważył, że ma do dyspozycji yt-dlp, dzięki któremu będzie mógł ściągać transkrypcje. (Informacja dodatkowa: yt-dlp to popularne narzędzie wiersza poleceń do pobierania materiałów i napisów z YouTube’a; w transkrypcji zapisane jako „YouTube DLP”.) Przy okazji zadaje pytania o to, jak sobie wyobrażasz działanie całości. Jeśli do końca nie wiesz, zawsze możesz powiedzieć: „Nie wiem, nie rozumiem, wybierz najlepszą opcję, chcę, żeby działało”. Trochę to naciągane, ale chodzi o to, żeby przejść przez ten etap i po prostu odpalić rzecz po raz pierwszy.
T — test
Kiedy agent sam się skonstruuje, trzeba go przetestować. To cała filozofia: sprawdźcie, czy to działa. Odpalacie nową rozmowę i mówicie: „Zrób mi badanie konkurencji”, „Zrób mi to i tamto”.
I powiem wam od razu: coś będzie nie tak. Albo forma odpowiedzi, albo złe linki, albo miejsca, których przeszukuje. To wasz indywidualny projekt, więc pewnie wysypie się coś innego niż u mnie, ale na początku coś na pewno będzie nie tak. Wtedy po prostu go poprawcie: „To jest nie tak, zrób tak”, „To jest źle, zmień tamto”, „Usuń to całkowicie”, „Chcę jeszcze, żeby było to”.
Pierwsza praca agentowa — i to jest coś, co chcę, żebyście zapamiętali — jest jak uczenie dziecka jazdy na rowerze. To proces. Najpierw z kółeczkami, potem bez kółeczek, potem z patykiem od tyłu, potem z lekkim popychaniem, aż w końcu dziecko radzi sobie samo. Taki właśnie jest agent na początku: wszystko będzie mu szło koślawo, nie będzie cię rozumiał, nie będzie tak, jak tego oczekujesz. Ale jeśli będziesz go cierpliwie korygował, zacznie działać tak, jak chcesz. To kwestia szlifowania i dopracowywania. A jak dopracowywać? Po prostu mówcie mu: to jest fajne, to jest niefajne, to zmień, tamto zmień.
U — utrwalenie
Kiedy uda wam się iteracyjnie osiągnąć wynik, jakiego chcieliście, jest jeszcze jedna bardzo ważna rzecz. Zanim zamkniecie pętlę, trzeba to jakoś zachować. Powiedzcie mu coś tak prostego: „Wyciągnij wnioski z tej rozmowy i tej zakończonej iteracji”. Czyli: zapamiętaj, w jaki sposób doszliśmy do punktu, w którym jesteśmy tu i teraz. Dlaczego to tak działa? Dlaczego dostaliśmy to, co chcieliśmy? I zapisz to — w przypadku Claude Code — w pliku CLAUDE.md.
CLAUDE.md to nic skomplikowanego. To zwykły plik tekstowy, który Claude Code zawsze sczytuje, zanim ci odpowie. To świetny sposób, żeby sprawić, że coś zapamięta i za każdym razem wiedział, jak chcesz, żeby robota została wykonana.
Trzeba to jakoś uchwycić i z czasem ulepszać. Uchwyciliśmy, że fajnie coś zrobił, ale nie wątpię, że z czasem uda się to jeszcze poprawić. A jeśli się uda — schwytajmy to i podmieńmy. I tak non stop iterujmy, żeby to dziecko stało się w końcu, nie wiem, zawodowym kolarzem i śmigało przez cały kraj.
Zamknięcie pętli
Kiedy już uchwycimy i ulepszymy, wracamy w pętli do punktu wyjścia. Opisujemy pomysł, opisujemy oczekiwania co do tego, jak to ma działać, szykujemy plan minimalny, testujemy, czy działa, chwytamy to, co zadziałało, i sprawiamy, żeby agent to zapamiętał.
Oczywiście z czasem nie będziecie potrzebowali tych promptów. One są na początek, bardziej formalnie. Później to samo wchodzi w krew i będziecie po prostu mówili: „Teraz przygotuj mi plan”, „Teraz to zapamiętaj”, „Sprawdź, czy to może tak działać, czy nie”. Z czasem na pewno wam wejdzie.
(Informacja dodatkowa: autor kończy zaproszeniem na kurs i warsztaty na cloudmaster.pl — edycja startuje we wrześniu — oraz do swojego cotygodniowego piątkowego newslettera „Chłopski rozum AI”.)
10 najważniejszych takeaways — z kontekstem zastosowania
1.Agent to model plus uprząż plus pętla
Na czym polega: Sam model tylko przewiduje kolejne tokeny — nie umie przeszukać sieci ani stworzyć pliku. Dopiero zestaw narzędzi (uprząż) i zapętlenie w kierunku celu robią z niego agenta.
Jak stosować: Kiedy agent czegoś „nie potrafi”, pytaj najpierw, czy w ogóle ma do tego narzędzie, a nie czy model jest za słaby. Dokładanie narzędzi zwykle rozwiązuje więcej niż zmiana modelu.
Na co uważać: Model bez narzędzia potrafi udawać, że je ma — jak w przykładzie z mundialem, gdzie zmyślił dostęp do internetu i podał częściowo błędną odpowiedź. Weryfikuj, czy dane naprawdę pochodzą z narzędzia.
2.Automatyzacja to nie agent — i to jest realny wybór projektowy
Na czym polega: W automatyzacji model jest jednym krokiem sztywnego procesu i nie ma autonomii. Agent dostaje tylko cel i sam dobiera drogę.
Jak stosować: Jeśli proces jest powtarzalny, przewidywalny i musi być kontrolowany — buduj automatyzację. Jeśli droga do celu jest za każdym razem inna — buduj agenta.
Na co uważać: Autonomia kosztuje przewidywalność. Do zadań, gdzie liczy się identyczny wynik za każdym razem, agent bywa gorszym wyborem niż prosty przepływ.
3.Zacznij od agenta kodującego, nawet jeśli nie programujesz
Na czym polega: Claude Code i Codex są bardziej uniwersalne niż agenci osobiści typu Hermes Agent czy OpenCLA, bo stoją za nimi główne laboratoria i dają więcej możliwości.
Jak stosować: Sprawdź, za jaką subskrypcję już płacisz — Claude daje Claude Code, ChatGPT daje Codexa, Gemini daje Antigravity — i zacznij od tego, co masz.
Na co uważać: Granica „kodujący kontra osobisty” jest umowna. Nie odrzucaj narzędzia dlatego, że nazywa się „kodujące” — Claude Code świetnie sprawdzi się jako asystent do zadań niezwiązanych z kodem.
4.Osobny profil systemowy jako tania izolacja
Na czym polega: Agent, żeby działać w pełni, potrzebuje własnego terminala i folderu na twoim komputerze. Jeśli ci to przeszkadza, załóż drugi profil użytkownika w systemie i tam go zainstaluj.
Jak stosować: Na Windowsie lub macOS stwórz nowe konto użytkownika, zainstaluj agenta tylko tam i przełączaj się na ten profil do pracy z nim.
Na co uważać: To wygodne, ale nie jest to izolacja klasy kontenera. Agent nadal ma dostęp do sieci i do wszystkiego, co sam do tego profilu wniesiesz — w tym do wklejonych tam kluczy czy danych logowania.
5.Zacznij od jednego, prostego zlecenia
Na czym polega: Pierwszy etap procesu to wybór jednego konkretnego zadania. To zdaniem autora najtrudniejszy krok, bo większość ludzi nie wie, co agenci w ogóle potrafią.
Jak stosować: Wybierz coś małego i powtarzalnego — jak przykładowy agent śledzący zagranicznych twórców na YouTubie. Jeśli nie masz pomysłu, przegadaj to z modelem w zwykłym czacie, żeby wygenerował kilka propozycji dopasowanych do twojej pracy.
Na co uważać: Pokusa, żeby pierwszym agentem rozwiązać duży problem, kończy się zniechęceniem. Jeśli temat cię przytłacza, świadomie wybierz projekt mniejszy, niż uważasz za sensowny.
6.Zrzut myśli przed budową, nie w trakcie
Na czym polega: Zanim cokolwiek powstanie, opisujesz szczegółowo, jak wygląda idealny wynik — tak, jakbyś instruował ludzkiego asystenta.
Jak stosować: Poświęć na to pięć minut i schodź do konkretów: format dostarczenia, częstotliwość, kolejność sekcji, źródła danych, co ma być z góry podane, a co agent ma znaleźć sam.
Na co uważać: Mgliste opisy nie oszczędzają czasu — przesuwają go na etap frustrującego poprawiania. Jeśli sam nie umiesz opisać wyniku, to znak, że zadanie nie jest jeszcze gotowe do zlecenia.
7.Plan minimalny wklejany do agenta
Na czym polega: Zlecenie plus zrzut myśli plus informacja, z którego agenta korzystasz, składają się w plan, który wklejasz do agenta, żeby zbudował sam siebie.
Jak stosować: Wygeneruj plan w zwykłym czacie, przeczytaj go w całości — kryteria ukończenia, decyzje projektowe, zakres MVP — popraw, co ci nie pasuje, dopiero potem kopiuj do agenta.
Na co uważać: Nieprzeczytany plan to nieprzeczytana specyfikacja. Zwróć szczególną uwagę na to, czego MVP świadomie nie obejmuje, żeby później nie uznać braku za błąd.
8.Dedykowany folder jako piaskownica agenta
Na czym polega: Przed uruchomieniem wskazujesz agentowi konkretny folder, w którym ma operować. To jego przestrzeń pracy.
Jak stosować: Twórz świeży, pusty folder pod każdy projekt agentowy i tam go osadzaj — wtedy zgoda na zaufanie przestrzeni dotyczy czegoś, co sam przed chwilą stworzyłeś.
Na co uważać: Otwarcie agenta w folderze domowym albo w katalogu z cudzym kodem oznacza zaufanie wszystkiemu, co tam leży. Nie klikaj „ufam tej przestrzeni” odruchowo.
9.Pierwsze uruchomienie zawsze zawiedzie — to część procesu
Na czym polega: Autor zapewnia wprost: coś będzie nie tak. Zła forma odpowiedzi, złe źródła, złe linki. Praca z agentem to jak uczenie dziecka jazdy na rowerze — etapami, z korygowaniem.
Jak stosować: Testuj w nowej rozmowie realnym zleceniem i koryguj konkretnie: „to jest źle, zrób tak”, „usuń to”, „dodaj jeszcze tamto”. Traktuj kolejne iteracje jako normalny koszt, nie jako porażkę.
Na co uważać: Cierpliwe korygowanie ma sens tylko wtedy, gdy wiesz, jak wygląda dobry wynik — inaczej będziesz iterować w kółko. Tu wraca wartość zrzutu myśli z punktu 6.
10.Utrwal to, co zadziałało, w pliku pamięci
Na czym polega: Po udanej iteracji prosisz agenta: „wyciągnij wnioski z tej rozmowy i zapisz je w CLAUDE.md”. Ten plik jest wczytywany przed każdą odpowiedzią, więc ustalenia przenoszą się na kolejne sesje.
Jak stosować: Zapisuj nie tylko „co zrobić”, ale i „dlaczego to zadziałało”. Gdy znajdziesz lepszy sposób, podmieniaj wcześniejszy zapis, zamiast dokładać kolejne warstwy.
Na co uważać: Plik pamięci puchnie i zaczyna zawierać nieaktualne albo sprzeczne reguły. Przeglądaj go regularnie — utrwalona zła praktyka będzie powtarzana za każdym razem.