O czym jest ten film
- Autor, konsultant wdrożeń AI, przez ostatni rok radził klientom dokładne przeciwieństwo: zaczynajcie nowe czaty często i od zera. Ta rada w większości sytuacji nadal się broni, ale narzędzia się zmieniły.
- Dwie zmiany umożliwiły długie rozmowy: kompakcja (model sam streszcza dotychczasowy przebieg i kontynuuje) oraz wbudowana pamięć profilu — ta druga na razie powierzchowna: imię, zawód, kilka ogólnych preferencji.
- Jeszcze pół roku temu długa rozmowa szybko „ogłupiała” model: po zapełnieniu mniej więcej połowy okna kontekstowego jego sprawność gwałtownie siadała. Kompakcja w dużej mierze rozwiązuje ten problem.
- Te ulepszenia nie są rozłożone równo: działają głównie w aplikacjach agentowych Claude Cowork i Codex, a nie w wersjach przeglądarkowych — i są wliczone w istniejącą subskrypcję.
- Autor wyróżnia dwa rodzaje pamięci: zapisaną (pliki, do których model wraca przy każdym zadaniu) i roboczą (kontekst bieżącej rozmowy).
- Setup A — na zadania skończone: osobny folder na zadanie, plik instrukcji (CLAUDE.md lub AGENTS.md), plik pamięci aktualizowany samodzielnie przez AI oraz nowy czat przy każdym podejściu.
- Setup B — na pracę ciągłą: przypięty wątek trwający tygodnie lub miesiące, weryfikowany dwoma pytaniami: czy to zadanie w ogóle ma koniec i czy dzisiejszej pracy pomaga wczorajszy przebieg.
- Najlepsze zastosowania długiego wątku to asystent skrzynki mailowej i monitoring projektu rozciągniętego na 6–12 miesięcy; typowy błąd to jeden wątek „dla klienta” — klient to temat, nie zadanie.
- Każdy długi wątek z czasem się zużywa: sygnałem jest zapominanie podstaw i zaprzeczanie samemu sobie. Ratunkiem jest nowy czat w tym samym folderze plus kilkustronicowy dokument przekazania od starej rozmowy.
- Pliki pamięci wymagają dyscypliny: krótkie, datowane wpisy, limit około 150–200 linii i regularny audyt z przenoszeniem nieaktualnych treści do archiwum — za zgodą człowieka.
Redakcyjne tłumaczenie
Dlaczego odwróciłem własną radę
Zespół OpenAI — firmy, która dała wam ChatGPT — prowadzi dziś pojedyncze rozmowy z modelem przez wiele miesięcy i im dłużej trwają, tym lepiej działają. A ja przez ostatni rok radziłem moim klientom coachingowym dokładnie odwrotnie: zaczynajcie nowe czaty od razu i często. Jeśli jesteście tu pierwszy raz — jestem Dylan, prowadzę firmę konsultingową zajmującą się AI. Moja stara rada w większości sytuacji nadal się broni, ale narzędzia się zmieniły. Pojawiła się też kategoria prac, w których odwrotna strategia zaczyna się opłacać. Pokażę, co konkretnie się zmieniło, jak dziś model pamięta na dwa sposoby i jaki prosty test dopasowuje każdy z nich do właściwego rodzaju zadań.
Kompakcja: rozmowa, która sama się streszcza
Zarówno w Claude, jak i w ChatGPT poprawiły się dwie rzeczy decydujące o pamięci i o tym, czy model utrzyma długą rozmowę. Pierwsza to kompakcja — automatyczne streszczanie przebiegu rozmowy przez sam model. Pewnie zauważyliście: po bardzo długiej wymianie narzędzie samo robi podsumowanie. W jego trakcie model przegląda dotychczasowy przebieg, sam ocenia, co jest najważniejsze, robi notatkę dla siebie — i można dalej rozmawiać. Właśnie dlatego można dziś prowadzić z AI długie rozmowy bez wyraźnej utraty sprawności. Trzeba jednak pamiętać, że ten mechanizm w różnych narzędziach działa z różną siłą — zaraz do tego wrócę.
Jeszcze pół roku temu wyglądało to zupełnie inaczej. Gdy rozmowa się wydłużała, model szybko głucał: mniej więcej po zapełnieniu połowy dostępnej pojemności jego sprawność runała w dół. Powód jest prosty — model ma ograniczone miejsce „w głowie”, czyli okno kontekstowe. Jeśli zapełnicie je po brzegi starymi wiadomościami, zostaje mu mało przestrzeni na myślenie o zadaniu, które akurat macie do zrobienia.
Wbudowana pamięć — na razie tylko powierzchowna
Drugie ulepszenie to pamięć wbudowana w samo narzędzie. Claude i ChatGPT mają funkcję zapamiętywania informacji o was — na dziś jednak jest to wiedza bardzo ogólna: imię, lokalizacja, czym się zajmujecie, kilka preferencji przydatnych w różnych aktywnościach. Głębiej nie schodzi. Anthropic i OpenAI intensywnie nad tym pracują, ale obecnie ta pamięć po prostu nie jest jeszcze dobra.
Przeglądarka kontra agent na komputerze
I tu ważne zastrzeżenie: te udogodnienia nie są rozłożone równo. Jeśli używacie Claude albo ChatGPT w przeglądarce, wielkiego skoku w obsłudze długich rozmów nie zobaczycie. Znacznie lepiej radzą sobie aplikacje agentowe na komputerze — Claude Cowork po stronie Claude i Codex po stronie ChatGPT. Tam kompakcja i przechowywanie zapamiętanych treści działają skuteczniej, więc rozmowy mogą trwać znacznie dłużej.
(Informacja dodatkowa: Claude Cowork i Codex to desktopowe agenci AI — aplikacje działające na komputerze użytkownika i pracujące bezpośrednio na plikach w wybranych folderach.)
Dobra wiadomość: jeśli macie już subskrypcję Claude lub ChatGPT, oba narzędzia macie w pakiecie — wystarczy je pobrać i zainstalować. Konfiguracja jest banalnie prosta. A teraz ostrzeżenie: jeśli nie zamierzacie korzystać z agentów desktopowych, reszta tego filmu niewiele wam da. Jeśli chcecie spróbować — zostańcie.
Pokażę dwa setupy o różnej konfiguracji pamięci, a w obu połączymy jej dwa główne rodzaje.
W tym miejscu w filmie wchodzi krótka promocja autorska: Dylan poleca „Blow” — darmową, 30-dniową serię mailowych porad nt. wdrażania AI we własnym biznesie — oraz zaprasza do zapoznania się z jego ofertą współpracy.
Dwa rodzaje pamięci: zapisana i robocza
Pierwszy rodzaj to pamięć zapisana, czyli długoterminowa. Nazywam ją zapisaną, bo model wyraża ją w postaci plików, do których może wracać. Wyobraźcie sobie kartotekę, do której trafiają najważniejsze, szczegółowe informacje.
Druga to pamięć robocza — krótkoterminowa, dotycząca rozmowy w toku. Jeśli każdy punkt na osi czasu to streszczenie jednej wcześniejszej wymiany, to przy kolejnym kontakcie model ma bogaty kontekst tego, co już się działo. To pamięć trwającej konwersacji.
Setup A: nowe czaty plus pamięć na zewnątrz
Zaczynamy od setupu A, bo to on jest najlepszym punktem startu dla większości osób i to on obsłuży większość zastosowań. Około 95 procent tego, co da się zrobić dla pamięci agenta desktopowego, dzieje się właśnie tutaj. Nadal często zaczynamy nowe rozmowy — czyli trzymamy się mojej starej rady — z jednym zastrzeżeniem: wnioski i zapamiętane treści odkładamy na zewnątrz, żeby model mógł do nich wracać w przyszłości.
Przykład: folder poświęcony pisaniu ofert dla klientów. To zadanie skończone. W środku folderu znajdzie się plik z instrukcjami — w Codex nazywa się AGENTS.md, w Claude Cowork CLAUDE.md — które model zobaczy przy każdym uruchomieniu. Poza nim każemy AI stworzyć drugi plik: plik pamięci, czyli zbiór wniosków wyciągniętych z czasem, na tyle wartościowych, żeby zachować je na przyszłe rozmowy.
Moc tego układu polega na tym, że dostajecie jednocześnie zaletę nowego czatu — pełną sprawność modelu do wykonania zadania — i zaletę pamięci, czyli kontekst wcześniejszych ustaleń. Nie trzeba za każdym razem poprawiać modelu w tych samych kwestiach dotyczących danej pracy.
Co powinno się znaleźć w pliku instrukcji
Oto prompt, od którego radzę zacząć w CLAUDE.md lub AGENTS.md. To wersja uproszczona — na pewno coś do niej dopiszecie — ale jako szablon startowy wystarczy.
Na samej górze — cel. Jest potrzebny, bo agenta desktopowego otwiera się przez folder: aplikacja pracuje wewnątrz niego i przy każdym starcie czyta te instrukcje. Pierwsza linia odpowiada więc na pytanie: po co jestem, czemu służy ten folder? W przykładzie: „ten folder służy do pisania ofert dla klientów”.
Poza celem instrukcja wskazuje pliki: model przy każdej nowej rozmowie ma wiedzieć, że w podfolderze leży plik pamięci — i ma go czytać na początku każdego zadania, bo zapisano tam wnioski i preferencje z wcześniejszych rozmów.
Ostatnia część jest porządkowa: model sam aktualizuje plik pamięci, bez proszenia. W instrukcji mówimy wprost: „Jeśli poprawię cię w czymś albo wyciągniesz wniosek wart zapamiętania, dodaj krótki, opatrzony datą wpis do pliku pamięci. Nie nadpisuj starych linii”. Ten fragment jest kluczowy: wpisy mają być krótkie i datowane. Będę do tego wracał, bo chcemy, żeby plik liczył nie więcej niż jakieś 150–200 linii — model będzie się do niego odwoływał przy niemal każdym zadaniu, a zbyt obszerny plik szybko zapełni mu „głowę” i cała ta konstrukcja straci sens.
Setup A służy zadaniom skończonym — takim, które mają koniec. To około 95 procent waszej pracy: oferty, raporty, umowy. Wszystko, co ma wyraźną metę.
Setup B: przypięty wątek na tygodnie i miesiące
Setup B to przypięty wątek prowadzony tygodniami albo miesiącami. Większość ludzi robi to niechcący — i w efekcie model traci sprawność. Zrobione świadomie, z odpowiednią konfiguracją, przynosi korzyści, a wiedza narasta.
Zanim do niego przejdziecie, zadajcie sobie dwa pytania. Jeśli na któreś padnie „nie”, wracajcie do setupu A. Także przy najmniejszej niepewności — w stylu „nie wiem, czy to na setup B” — zaczynajcie od A, a wątek ciągły можно spróbować później.
Pytanie pierwsze: czy praca, do której chcecie ciągłego wątku, ma w ogóle koniec? Jeśli nie ma — setup B może być dla was. Pytanie drugie: czy dzisiejszej pracy pomaga świadomość tego, co działo się w wątku wczoraj? Jeśli tak — to prawdopodobnie kandydat na B.
Jak przypiąć rozmowę w Codex i Cowork
Czym przypięty wątek jest w praktyce? W Codex po lewej stronie macie projekty, a w nich czaty; u góry widnieje sekcja przypiętych. Wystarczy wybrać rozmowę i kliknąć pinezkę — od razu trafia do sekcji przypiętych; odpięcie działa tak samo. W Cowork jest bardzo podobnie: można przeciągnąć rozmowę do sekcji przypiętych (przytrzymując ją nad tą sekcją) albo kliknąć trzy kropki i wybrać „przypnij”. Dzięki temu długa rozmowa nie ginie gdzieś w głębi listy.
Gdzie ciągły wątek błyszczy: poczta i monitoring projektu
Widziałem dwa główne zastosowania, w których ludzie naprawdę korzystają na ciągłej rozmowie. Pierwsze: asystent skrzynki mailowej — model przesiewa wiadomości, szuka informacji i szkicuje odpowiedzi. To zadanie z natury bez końca: maile przychodzą i wychodzą cały czas, a modelowi często przydaje się świadomość, co zawierały wcześniejsze szkice do innych osób — tematy bywają powiązane. To właśnie o tym zastosowaniu najczęściej rozmawiam z ludźmi z OpenAI.
Drugie: monitoring projektu. Jeśli nadzorujecie przedsięwzięcie rozciągnięte na 6–12 miesięcy, możecie ustawić przypięty wątek i kazać AI codziennie lub co tydzień sprawdzać kilka systemów i podawać streszczenie postępów.
Przypominam: prace typu pisanie ofert — a takich z pewnością macie najwięcej — najlepiej czują się w setupie A.
Klient to nie zadanie
Częsta pułapka, przy której widziałem ludzi w kłopotach: „Mam ogromnego klienta, chcę dla niego prowadzić ciągły wątek”. To zły pomysł — klient to temat, a nie zadanie. W takiej sytuacji zróbcie dla niego folder nadrzędny z całą dokumentacją, a w nim podfoldery pod konkretne zadania: odpowiadanie na pytania, szkicowanie ofert, przegląd umów i tak dalej.
Zasady pamięci i otwarte pętle w setupie B
Praktycznie: nawet przypięty wątek otwierajcie przez folder — i w Codex, i w Cowork. Jeśli to asystent poczty, stwórzcie folder o nazwie typu „Email Buddy” albo „Asystent inbox”, otwórzcie wątek właśnie tam i prowadźcie go dalej. Dzięki temu zachowujecie korzyść z zewnętrznej pamięci. W folderze ląduje plik instrukcji jak w setupie A, tyle że pod ciągłe zadanie: „twoja rola: przesiewać moje wiadomości, szukać informacji i szkicować odpowiedzi”.
Do instrukcji warto dodać dwie zasady, które polecam skopiować. Pierwsza dotyczy zapisu pamięci: jeśli w rozmowie zapada decyzja, ustalacie wartość — cokolwiek wartego zapamiętania — model ma natychmiast zapisać to do pliku pamięci. Druga to otwarte pętle (open loops). Asystent obserwujący skrzynkę może też śledzić sprawy niedomknięte: czego nie dokończono, kto na co czeka, kto komu co jest winien. Te informacje trafiają do osobnego pliku pętli, aktualizowanego na koniec każdej sesji. Dzięki temu model rozlicza sam siebie i informuje was, co wisi w powietrzu.
Odświeżanie wątku i dokument przekazania
Nawet najlepiej skonfigurowany wątek trzeba w końcu odświeżyć. Po kilku miesiącach — niezależnie od modelu — zaczniecie widzieć spadek formy: model zapomina podstawowe fakty, zaczyna zaprzeczać samemu sobie. Gdy to zauważycie, czas na nowy długi wątek. Wystarczy otworzyć nowy czat w tym samym folderze — tam leżą przecież plik pamięci i plik pętli, więc część wiedzy jest już bezpiecznie przeniesiona na zewnątrz.
Druga rzecz, absolutnie kluczowa: zanim zamkniecie starą rozmowę, każcie modelowi przygotować dokument przekazania — stronę, najwyżej dwie, streszczające kontekst potrzebny nowej rozmowie, żeby dało się ją wznowić. Ten dokument przekazujecie do nowego czatu i w ciągu kilku minut kontynuujecie tam, gdzie skończyliście.
Audyt plików pamięci
W obu setupach pliki przeniesionej na zewnątrz pamięci muszą być minimalne — model będzie je często czytał, a nie chcemy przeciążać okna kontekstowego. Dlatego raz na tydzień albo raz na miesiąc, zależnie od tempa przyrostu, zróbcie przegląd. Polećcie modelowi przejść plik linia po linii i oznaczyć wszystko, co jest nieaktualne, powtarza się albo przestało być prawdziwe. Takie wpisy niech oznaczy do przeniesienia do folderu archiwum — nie usuwamy ich na amen, model w razie potrzeby zajrzy. Wytłumaczcie modelowi dlaczego to robicie: plik ma zmieścić się w limicie linii. I ostatnie: każcie modelowi pokazać proponowane zmiany, zanim je wprowadzi — to wy zatwierdzacie, i to dotyczy przede wszystkim tego procesu przycinania.
Podsumowanie: dopasuj formę do pracy
Żeby rozszerzyć pamięć AI, prowadzić długie rozmowy i korzystać z wiedzy narastającej z czasem, trzeba dopasować formę prowadzenia rozmów do rodzaju pracy — to najważniejsza część całości. Do wyboru są dwa setupy. Większość tego, co robicie z AI, wypadnie w setupie A, bo większość zleceń ma metę: dedykowany folder pod konkretne zadanie, z pamięcią przeniesioną na zewnątrz. Jeśli podejrzewacie, że jakaś praca pasuje do B, zadajcie sobie dwa pytania: czy dzisiejsza rozmowa korzysta z wczorajszej i czy ta praca nie ma końca. Dwa razy „tak” — kandydat na B. Ale nawet w B stwórzcie folder dla tego zadania i otwórzcie wątek w nim — ważne, szczegółowe informacje mają lądować w pliku pamięci, a nie w samej rozmowie, bo rozmowa z czasem się kurczy, a streszczenia robią się coraz krótsze. Plik pamięci ma być treściwy i nie dłuższy niż 150–200 linii — model będzie do niego wracał, a nie chcemy, żeby zaczął się zaprzeczać i szybko tracił rezon.
Na koniec dwie rzeczy od twórcy: „Blow”, darmowa 30-dniowa seria porad o AI, oraz zaproszenie do współpracy. I uwaga: żadne z tego nie zadziała, jeśli nie wiecie, co w ogóle zapisywać do plików pamięci. Każdy wniosek wart zachowania zaczyna się od decyzji, którą wasze AI podjęło samo, o co nie prosiliście. W powiązanym materiale pokazuję jednolinijkowy prompt, który takie decyzje loguje — dzięki temu pliki wypełniają się realnymi wnioskami, a nie domysłami. Do zobaczenia.
(Informacja dodatkowa: ostatni fragment to zapowiedź kolejnego filmu — jednolinijkowy prompt do logowania decyzji nie pojawia się w tym materiale.)
10 najważniejszych takeaways — z kontekstem zastosowania
1.Dwa pytania rozstrzygają: nowy czat czy ciągły wątek
Na czym polega: wybór między setupem A (nowe czaty, pamięć na zewnątrz) a setupem B (jeden przypięty wątek) sprowadza się do dwóch pytań: czy ta praca nie ma końca oraz czy dzisiejszej pracy pomaga wczorajszy kontekst. Dwa razy „tak” — setup B; cokolwiek innego — setup A.
Jak stosować: przejrzyj swoje obowiązki i przypisz każdy do A albo B; w razie wątpliwości wybieraj zawsze A.
Na co uważać: nie przenoś pracy do B dlatego, że „klient jest ważny” — to nie jest kryterium; zadania z metą w długim wątku stracą na sprawności.
2.Długie rozmowy prowadź w aplikacji agentowej, nie w przeglądarce
Na czym polega: kompakcja i efektywniejsze przechowywanie pamięci działają w Claude Cowork i Codex; wersje przeglądarkowe tego skoku nie dają.
Jak stosować: pobierz aplikację (jest wliczona w subskrypcję Claude lub ChatGPT) i otwieraj ją zawsze przez folder z plikami zadania.
Na co uważać: agent pracuje na plikach z twojego komputera — świadomie wybieraj folder, do którego dajesz mu dostęp.
3.Setup A: folder na zadanie, instrukcja i plik pamięci
Na czym polega: każde zadanie skończone (oferta, raport, umowa) dostaje własny folder z plikiem instrukcji (AGENTS.md w Codex, CLAUDE.md w Cowork) oraz plikiem pamięci; czat za każdym razem zaczynasz od nowa.
Jak stosować: przy nowym zadaniu stwórz folder, w pierwszej linii instrukcji zapisz jej cel, wskaż lokalizację pliku pamięci i dodaj polecenie jego odczytu na starcie każdego zadania.
Na co uważać: bez polecenia czytania pliku pamięci model nie skorzysta z wcześniejszych wniosków — cała konstrukcja stanie się martwa.
4.Wpisy do pliku pamięci: krótkie, z datą, dopisywane przez AI
Na czym polega: model sam dopisuje wnioski (poprawki, decyzje, preferencje) jako krótkie, opatrzone datą linie i nie nadpisuje starszych wpisów.
Jak stosować: umieść w instrukcji zdanie w rodzaju: „jeśli poprawię cię albo wyciągniesz wniosek, dodaj krótki, datowany wpis do pliku pamięci; nie nadpisuj starych linii”.
Na co uważać: wpisy bez dat trudno później ocenić pod kątem aktualności, a brak zakazu nadpisywania kosztuje cię historię ustaleń.
5.Limit 150–200 linii i regularny audyt pliku pamięci
Na czym polega: model czyta plik przy niemal każdym zadaniu; zbyt obszerny plik zżera okno kontekstowe i odbiera modelowi miejsce na myślenie. Dlatego raz na tydzień lub miesiąc warto zrobić przegląd: linia po linii, nieaktualne i powtarzające się wpisy do archiwum — nie do kosza.
Jak stosować: każ AI przejrzeć plik, oznaczyć wpisy do archiwum, wytłumaczyć jej powód (limit linii) i pokazać proponowane zmiany do twojego zatwierdzenia.
Na co uważać: objętość rośnie niepostrzeżenie, a spadek sprawności bywa subtelny — reaguj cyklicznie, a nie dopiero wtedy, gdy model zacznie gubić wątek.
6.Przypięty wątek też otwieraj przez folder
Na czym polega: nawet w setupie B wątek żyje w dedykowanym folderze (np. „Asystent poczty”), z własną instrukcją i plikami pamięci — dzięki temu zewnętrzna wiedza przetrwa odświeżenie wątku.
Jak stosować: stwórz folder pod ciągłe zadanie, otwórz w nim czat i przypnij go — w Codex ikoną pinezki, w Cowork przeciągnięciem do sekcji przypiętych lub przez menu trzech kropek.
Na co uważać: wątek przypięty „na sucho”, bez folderu, pozbawia cię całej zewnętrznej pamięci w momencie, gdy przyjdzie czas na start nowego czatu.
7.Poczta i monitoring projektu — wzorcowe zastosowania ciągłego wątku
Na czym polega: asystent skrzynki (przesiewanie wiadomości, szukanie informacji, szkice odpowiedzi) i nadzór nad projektem trwającym 6–12 miesięcy to prace bez końca, w których wczorajszy kontekst realnie podnosi jakość dzisiejszych odpowiedzi.
Jak stosować: jeden przypięty wątek = jedna rola; modelowi zlecaj cykliczne przeglądy poczty lub systemów projektowych.
Na co uważać: role się rozmywają, gdy dorzucasz do wątku obce tematy — wtedy wróć do setupu A z osobnymi folderami.
8.Klient to temat, nie zadanie
Na czym polega: powszechny błąd to ciągły wątek „dla klienta”. Klient to zbiór różnych zadań, a nie jedno zadanie — jeden wątek na wszystko szybko spuchnie od mieszanych tematów.
Jak stosować: stwórz folder nadrzędny klienta z całą dokumentacją, a w nim podfoldery na konkretne zadania (odpowiedzi, oferty, umowy), każde prowadzone w duchu setupu A.
Na co uważać: nie tłumacz sobie struktury „wygodą” — pomieszanie zadań w jednym wątku to najszybsza droga do spadku sprawności modelu.
9.Prowadź plik otwartych pętli
Na czym polega: asystent zapisuje niedomknięte sprawy — czego nie dokończono, kto na co czeka, kto komu co jest winien — do osobnego pliku i aktualizuje go na koniec każdej sesji.
Jak stosować: dodaj do instrukcji polecenie śledzenia pętli i aktualizowania pliku po każdej sesji; przeglądaj go przy okazji pracy z pocztą.
Na co uważać: pętle też się starzeją — ten plik podlega temu samemu audytowi i limitowi objętości co plik pamięci.
10.Gdy wątek traci formę: dokument przekazania i nowy czat w tym samym folderze
Na czym polega: każdy długi wątek z czasem się zużywa — model zapomina podstawy i zaczyna się zaprzeczać. Rozwiązaniem jest nowy czat w tym samym folderze plus wygenerowany przez stary wątek dokument przekazania na 1–2 strony, streszczający stan wiedzy.
Jak stosować: zauważysz spadek formy — każ AI streścić wątek do dokumentu, dopiero wtedy zamknij starą rozmowę, otwórz nowy czat w tym folderze i wklej dokument; w kilka minut wracasz do rytmu pracy.
Na co uważać: nie zamykaj starego wątku przed wygenerowaniem dokumentu — bez niego nowy czat wystartuje z miejsca zerowego, a sądzenie degradacji „na wyczucie” bywa zawodne, więc reaguj na konkretne sygnały (zapominanie faktów, sprzeczności).