O czym jest ten film
- Autor pokazuje swój comiesięczny rachunek za scraping — koszt samego czytania stron przez agenta AI, bez faktycznej pracy.
- To w istocie dwie faktury: raz płacisz scraperowi za pobranie zbędnej treści, drugi raz — tokenami, kiedy model musi te śmieci przeczytać, zanim dotrze do właściwego artykułu.
- W jednym z pokazanych wyników około 38% treści to pasek nawigacji, baner cookie, polecane artykuły i stopka — czyli wszystko poza artykułem.
- Test na 45 adresach (portale informacyjne, dokumentacje, strony produktów): TinyFish zwrócił użyteczną treść na 42 stronach, płatne dotąd narzędzie — na 28; w całym teście 90% treści kontra 62%.
- Skrajny przypadek: ten sam artykuł Daily Mail to 4,7 tys. znaków u jednego narzędzia i 171 tys. u drugiego — 36 razy więcej tokenów do przerobienia przez model.
- TinyFish skrywa za jednym kluczem API cztery narzędzia: search i fetch (darmowe w każdym planie) oraz web agent i browser (płatne — to one klikają i się logują).
- Połączenie z Claude odbywa się bez pisania kodu — narzędzia pojawiają się w rozmowie; dostępne są też integracje z Claude Code, Cursor, OpenClaw czy Hermesem.
- Web agent wykonuje zadanie nieosiągalne dla scrapera: loguje się na prawdziwe konto, klika przez stronę i zwraca dane jako czysty JSON.
- Kluczowa lekcja warsztatowa: odróżnianie porażki systemowej (wystarczy ponowić) od porażki spowodowanej złym promptem (trzeba poprawić instrukcję).
- Działanie kosztuje 0,016 dolara za krok, a całe zadanie z logowaniem wyszło kilka centów — mniej niż jedno śmieciowe pobranie w starym modelu.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Scraping to podwójny rachunek
Na czym polega: Płacisz raz — kredytami scrapera za pobranie treści, o którą nie prosiłeś (nawigacja, banery cookie, polecane wpisy, stopki — w pokazanym przykładzie 38% wyniku), i drugi raz — tokenami, gdy model czyta te śmieci, zanim trafi na właściwą treść.
Jak stosować: Weź jeden typowy wynik ze swojego procesu i sprawdź, jaka część objętości to faktyczna treść; pomnóż przez liczbę stron przetwarzanych cyklicznie.
Na co uważać: Przy pojedynczej stronie strata jest niezauważalna — dopiero skala (setki stron wedle harmonogramu) pokazuje prawdziwy rachunek.
2.Testuj narzędzia na własnej mieszance adresów
Na czym polega: W teście na 45 URL-ach TinyFish dał użyteczną treść na 42 stronach, konkurent na 28. Na portalach informacyjnych, czyli najtrudniejszym przypadku, wynik brzmiał 15 na 15 kontra 4 na 15.
Jak stosować: Zbuduj zestaw 30–50 adresów z własnych, realnych zadań i porównuj narzędzia na nim, a nie na pojedynczym przykładzie.
Na co uważać: Strony informacyjne najbardziej uwidaczniają różnice — pomijasz je w teście, ryzykujesz mylne wnioski.
3.Żądaj surowego wyniku narzędzia, nie streszczenia
Na czym polega: Same „przeczytaj mi tę stronę” sprawia, że model streści wynik — nigdy nie zobaczysz, co naprawdę wróciło, a to właśnie jakość surowego wyniku decyduje o kosztach.
Jak stosować: W prompcie proś o surowy wynik narzędzia i najpierw oceniaj jego czystość, dopiero potem treść.
Na co uważać: Eleganckie streszczenie może maskować, że do kontekstu wjechał pasek menu i stopka.
4.Rozdziel czytanie od działania
Na czym polega: W TinyFish search i fetch są darmowe w każdym planie (30 wyszukiwań i 150 pobrań na minutę), płatne są dopiero web agent i browser. Masowe czytanie sieci może więc kosztować zero.
Jak stosować: Monitoring i pobieranie stron przenieś na darmowe narzędzia, a budżet zostaw akcjom wymagającym klikania.
Na co uważać: Limity liczy się na minutę — sprawdź, czy Twoje procesy nie przekraczają ich w szczycie obciążenia.
5.Danych za logowaniem nie pobierze żaden scraper
Na czym polega: Strona za formularzem logowania nie istnieje jako gotowy adres — powstaje dopiero, gdy ktoś zaloguje się, wejdzie w sekcję i ustawi filtry. To praca dla agenta webowego, który przechodzi całą tę drogę.
Jak stosować: Do pulpitów, portali klientów i narzędzi wewnętrznych podawaj agentowi startowy adres i cel w zwykłym języku.
Na co uważać: Automatyzuj tylko konta i strony, do których masz prawo — i zaczynaj od zadań o niskiej stawce.
6.Odróżniaj porażkę systemową od porażki instrukcji
Na czym polega: Awaria systemu (limit czasu, limit zapytań) wraca jako błąd z kodem — wystarczy ponowić. Zadanie „ukończone” bez oczekiwanego rezultatu to zwykle wina promptu — ponawianie nic nie zmieni, trzeba poprawić instrukcję.
Jak stosować: Zanim ponowisz uruchomienie, sprawdź status i treść wyniku; jeśli infrastruktura działała, edytuj prompt.
Na co uważać: Mechaniczne powtarzanie błędnego polecenia tylko spala budżet i czas.
7.Pisz instrukcję jak dla kogoś, kto tej strony nigdy nie widział
Na czym polega: Skuteczny prompt nazywa konkretne rzeczy: sekcję („rozliczenia w lewym panelu”), filtr („bieżący rok”), pola (ID, data, kwota, status) i kształt wyniku. Im więcej szczegółów, tym mniej kroków agent traci na błąkanie się.
Jak stosować: Przed uruchomieniem spisz zadanie jako listę kroków, którą wykonałby nowy pracownik bez żadnego instruktażu.
Na co uważać: Ogólnik typu „wyciągnij moje faktury” nie skończy się błędem — agent po prostu zwróci niewłaściwą stronę i pozór sukcesu zmyli.
8.Wymuszaj dokładny kształt danych
Na czym polega: Prośba o tablicę JSON z dokładnie wskazanymi kluczami daje wynik gotowy do wylądowania w bazie, arkuszu albo kolejnym kroku procesu — bez parsowania markdownu czy odczytywania zrzutów ekranu.
Jak stosować: Wymień klucze z nazwy i dodaj „nic więcej”.
Na co uważać: Bez sprecyzowanego formatu dostaniesz swobodną narrację, którą trzeba obrabiać ręcznie.
9.Sesja w profilu przeglądarki do zadań cyklicznych
Na czym polega: Sesję logowania można zachować w profilu przeglądarki, więc następne uruchomienie startuje już zalogowane. Przy zadaniach nocnych to różnica między tym, co działa, a tym, co wyłapią zabezpieczenia strony.
Jak stosować: Przy harmonogramie zapisz sesję po pierwszym logowaniu i korzystaj z tego samego profilu.
Na co uważać: Logowanie od zera za każdym razem wydłuża zadanie i zwiększa ryzyko oflagowania przez systemy antybotowe.
10.Kroki są walutą agenta
Na czym polega: Web agent kosztuje 0,016 dolara za krok, z modelem rozumowania w cenie. Całe zadanie — logowanie, nawigacja, filtry, odczyt tabeli — wyszło kilka centów, czyli mniej niż jedno śmieciowe pobranie w starym modelu kosztów.
Jak stosować: Zwięzłe, precyzyjne instrukcje skracają liczbę kroków; przy powtarzalnych zadaniach licz kroki i poprawiaj prompt.
Na co uważać: Błądzenie agenta po stronie to nie tylko czas, ale też realny, naliczany koszt.
Redakcyjne tłumaczenie
Rachunek za samo czytanie
Ta liczba na ekranie to mój rachunek za scraping. Tyle płacę co miesiąc za to, żeby mój agent AI mógł czytać strony internetowe. Nie za zbudowanie czegokolwiek, nie za uruchomienie modelu, nie za faktyczne wykonanie pracy — wyłącznie za czytanie sieci.
Pokażę, jak to wygląda w praktyce. Oto jedna strona pobrana sposobem, z którego korzystałem od miesięcy. Proszę zwrócić uwagę na licznik kredytów po lewej stronie. Tyle właśnie kosztowała mnie ta jedna strona. Pomnóżcie to przez każdą stronę, której agent dotyka w prawdziwym procesie roboczym — i tak właśnie powstał tamten rachunek.
A teraz dokładnie ta sama strona. To samo zadanie, ta sama treść — i szczerze mówiąc, znacznie czystszy wynik. Po zajrzeniu do licznika widać, że liczba nie drgnęła. Wykorzystane kredyty: zero.
I to dopiero połowa tego, co chcę pokazać. Druga połowa to zadanie, którego scraper fizycznie nie jest w stanie wykonać. Sprawię, że Claude zaloguje się na prawdziwą stronę na prawdziwe konto, przeklika się przez nią, wyciągnie dane, których faktycznie potrzebuję, i zwróci mi je jako czysty JSON. Przy tym nie napiszę ani jednej linijki kodu — po prostu rozmawiam z Claude, a resztą zajmuje się on sam.
Plan materiału jest taki: najpierw przyjrzymy się temu, dlaczego rachunek za scraping w ogóle jest tak wysoki i co naprawdę kryje się w tym, za co płacisz. Potem zbudujemy całość od nowa — tak, żeby czytanie nie kosztowało nic, a pieniądze, które do tej pory na nie szły, stały się budżetem na rzeczy wcześniej niedostępne.
Dwie faktury za jedno pobranie
Zanim pokażę rozwiązanie, chcę porządnie pokazać problem, bo podejrzewam, że większość ludzi nigdy tak naprawdę nie przyjrzała się temu, za co płaci. Mam otwarty Firecrawl i pobiorę jedną stronę — zwykły artykuł, nic dziwnego, nic chronionego, nic za paywallem. Oto co wraca.
(Informacja dodatkowa: Firecrawl to popularna usługa scrapingowa, która zamienia strony internetowe w tekst dla modeli AI i rozlicza się w kredytach.)
To na samej górze? Pasek nawigacji — każdy link menu tej strony. Przewijamy dalej: baner cookie, pełny tekst zgody, przycisk zarządzania preferencjami. Jeszcze niżej panel boczny, czyli w praktyce dwadzieścia polecanych artykułów, o które nigdy nie prosiłem. A na dole stopka: regulamin, polityka prywatności, kariera, linki do mediów społecznościowych, odznaki sklepów z aplikacjami. I gdzieś pośrodku tego wszystkiego — artykuł, o który naprawdę prosiłem.
Mniej więcej 38% tego, co wróciło, nie jest artykułem. Zapłaciłeś za to kredytami i za chwilę zapłacisz drugi raz — tokenami, kiedy Twój model to wszystko przeczyta. I właśnie ten drugi moment większość ludzi pomija. To nie jeden rachunek, tylko dwa. Płacisz scraperowi, żeby pobrał śmieci, a potem płacisz modelowi, żeby te śmieci przerobił, zanim w ogóle dotrze do właściwej treści.
Przy jednej stronie tego nie zauważysz. Ale nikt nie pobiera jednej strony. Uruchamiasz to na stu stronach, tysiącu stron, wedle harmonogramu. I to już nie jest błąd zaokrąglenia. To jest właśnie tamten rachunek.
Uczciwy test na 45 adresach
Chcę być uczciwy: to, co pokazałem, to jedna strona i jeden artykuł, więc można by zarzucić mi, że wybrałem złą celowo. Zamiast tego pokażę porządny test. TinyFish — narzędzie, na które przeszedłem — przepuścił 45 różnych adresów przez swoją platformę i przez tę, za którą płaciłem. Portale informacyjne, dokumentacje, strony produktów — typowa mieszanka, na jaką trafia się w realnej pracy.
Narzędzie, za które płaciłem, zwróciło użyteczną treść na 28 z 45 stron. TinyFish — na 42. A na stronach informacyjnych, czyli tam, gdzie takie rozwiązania radzą sobie najgorzej, wynik brzmiał 4 na 15 kontra 15 na 15.
Jest jeszcze jeden wynik, który kazał mi się zatrzymać i sprawdzić wszystko dwukrotnie. Jeden artykuł Daily Mail przepuszczony przez oba narzędzia: jedno zwróciło około 4,7 tysiąca znaków, drugie — 171 tysięcy. To mniej więcej 36 razy więcej tokenów do przerobienia przez model, przy dokładnie tej samej historii.
Czego potrzebuję od agenta
Moja konfiguracja jest prosta: pracuję w Claude, tam robię całą robotę. Chcę, żeby mój agent potrafił czytać sieć i działać w sieci z poziomu tej jednej rozmowy — bez pilnowania go przy każdym kroku i bez pisania za każdym razem kodu spinającego.
I jest jedna rzecz, która załatwia wszystko naraz: naprawia rachunek, a przy okazji odblokowuje zadanie z logowaniem, które pokazałem na początku. Zajmiemy się nią teraz.
TinyFish: cztery narzędzia, jeden klucz API
To rozwiązanie nazywa się TinyFish. Wchodzimy na agent.tinyfish.ai i zakładamy konto — karta płatnicza nie jest potrzebna. Po zalogowaniu zaglądamy do portfela: czeka tam 8 dolarów kredytu. To nie jest okres próbny z licznikiem, który wygaśnie po tygodniu — to po prostu kredyt, dostępny wtedy, kiedy go potrzebujesz.
Szybko wyjaśnijmy, co to właściwie jest, bo za jednym kluczem API kryją się cztery rzeczy, a na razie interesują nas dwie. Search znajduje strony. Fetch bierze adres URL i zamienia go w czysty markdown, z wyciętym menu i banerem cookie. Chcę tu być precyzyjny: to ekstrakcja strony — bez streszczania i bez przepisywania. Do kontekstu trafia prawdziwy tekst z prawdziwej strony. Oba te narzędzia są darmowe w każdym planie, niezależnie od tego, jak mocno ich używasz.
Są jeszcze web agent i browser. Te dwa kosztują — i to one się logują oraz klikają. To połowa, na którą wydamy pieniądze w drugiej części materiału, i połowa, za którą faktycznie warto płacić.
Połączenie z Claude w minutę
Podłączamy to do Claude. W aplikacji otwieram listę aplikacji i wpisuję TinyFish — oto jest. Klikam „połącz”, system prosi o zalogowanie, więc wchodzę na konto założone przed chwilą. Gotowe. A oto narzędzia, prosto w rozmowie: search, fetch, web agent, browser. Claude już je widzi i sam po nie sięgnie, ilekroć zadanie będzie wymagać żywej sieci.
Zauważ: nie napisałem ani jednej linijki kodu. I nie zamierzam. Od tego momentu po prostu rozmawiam z Claude po ludzku, a on korzysta z tego pod spodem. A jeśli pracujesz gdzie indziej, narzędzie podłącza się jednym poleceniem do Claude Code, Codex, Cursora, OpenClaw i Hermesa — jest też węzeł dla n8n, jeśli tam budujesz.
Ta sama strona, bez śmieci
Wracamy do dokładnie tej samej strony co wcześniej — ten sam adres, nic niezmienione. Proszę Claude, żeby ją pobrał. Robię przy tym jedną drobną rzecz, którą polecam również Tobie: proszę o surowy wynik narzędzia, nie o streszczenie. Bo jeśli powiesz tylko „przeczytaj mi tę stronę”, Claude ją przeczyta i opowie, co w niej jest — a Ty nigdy nie zobaczysz, co faktycznie wróciło. Ja chcę to zobaczyć, bo właśnie to testujemy.
Na lewo stary wynik, na prawo to, co właśnie przyszło. Ta sama strona: bez paska nawigacji, bez baneru cookie, bez dwudziestu polecanych artykułów, bez stopki. Nagłówek, autor, treść i śródtytuły — w czystym markdownie. I to naprawdę wszystko.
Test na 45 stronach potwierdza się w praktyce: te same adresy, Firecrawl dał użyteczną treść na 28 z nich, TinyFish na 42. Artykuł z Daily Mail: TinyFish zwrócił 4,7 tysiąca znaków, Firecrawl — 171 tysięcy. Ta sama historia, 36 razy więcej tokenów do przerobienia. W całym teście TinyFish dostarcza 90% treści, Firecrawl — 62%.
Wyszukiwanie i pobieranie jednym zdaniem
Druga połowa czytania to w ogóle znalezienie strony. Proszę Claude, żeby czegoś poszukał — sięga po narzędzie search, wraca z prawdziwymi źródłami, a ja mówię: „Pobierz dwa pierwsze i daj mi surowy wynik”. Bez żadnych dodatkowych instrukcji łączy to w łańcuch z pobieraniem. Jedno zdanie: wyszukiwanie i dwie pełne ekstrakcje stron.
A teraz spójrzcie na rzecz, którą chcę pokazać najbardziej. Wracamy do portfela — nadal 8 dolarów. Cała ta operacja kosztowała zero kredytów. To nie jest też żadna sztuczka z mikroskopijnym darmowym limitem: w darmowym planie masz 30 wyszukiwań i 150 pobrań na minutę, a to więcej, niż kiedykolwiek potrzebowała większość procesów, które budowałem na tym kanale.
Jeśli przerwiesz oglądanie w tym miejscu, Twój rachunek za czytanie spada do zera — i gotowe. Dla wielu osób to całe zwycięstwo. Ale szczerze? To ta nudniejsza połowa. Ciekawsza zaczyna się od pytania, co zrobisz z pieniędzmi, które przestałeś wydawać.
Zadanie, którego scraper nie wykona wcale
Oto strona z logowaniem, a za nim więcej niż jedna strona rzeczy, których chcę. Muszę wyjaśnić, dlaczego to zupełnie inny rodzaj zadania. Nie chodzi o to, że jest trudniejszy dla scrapera — scraper nie może go wykonać w ogóle.
Scraper wysyła jedno żądanie i przyjmuje, jakikolwiek HTML wróci. Ale za logowaniem nie ma czego żądać. Strona, którą chcesz, jeszcze nie istnieje — nie istnieje, dopóki ktoś nie wpisze hasła, nie poczeka na załadowanie pulpitu, nie wejdzie w sekcję i nie ustawi filtra. Nie ma adresu URL, który mógłbyś podać scraperowi i pominąć całą tę drogę. Ktoś musi ją faktycznie przejść.
I dokładnie tym jest web agent: dostaje startowy adres i cel opisany zwykłym językiem, a następnie przechodzi całą drogę.
Pierwsza próba: sukces infrastruktury, porażka celu
Testujemy. Mój prompt do Claude brzmi: „Zaloguj się tymi danymi i wyciągnij moje faktury”. To wszystko. Świadomie trzymam go swobodnie, bo chcę pokazać, co się wtedy dzieje.
Zadanie rusza i kolejne kroki przewijają się na żywo: ładowanie strony, znajdowanie pola e-maila, wpisywanie, wysyłanie. I jesteśmy w środku. Teraz agent się rozgląda… i proszę — wrócił ze stroną podsumowania konta. A to nie to, o co prosiłem. Chciałem wierszy z fakturami.
Zostawiam ten moment w materiale celowo, bo sposób, w jaki zawiodło, jest tu najcenniejszy. Zauważ: nic się nie wysypało. Zadanie zakończyło się statusem „ukończone”. Przeglądarka działała, logowanie zadziałało, nic się nie zepsuło. Zawiódł mój cel, nie infrastruktura. To rozróżnienie warto przyswoić, jeśli chcesz uruchamiać coś takiego na serio.
Są bowiem dwa rodzaje porażki. Pierwszy: zawodzi system. Przeglądarka przekracza limit czasu albo przekraczasz limit zapytań — wtedy wraca zadanie oznaczone jako nieudane, z kodem błędu. Właściwa reakcja to po prostu ponowić. Drugi: to, co właśnie widzieliśmy. Wszystko działało, a agent po prostu nie potrafił zrobić tego, o co prosiłem — zwykle dlatego, że poprosiłem źle. Takie zadanie wraca jako ukończone, ale wynik sam mówi, że się nie udało. Ponawianie nic tu nie zmieni — trzeba iść poprawić instrukcję.
Instrukcja jak dla kogoś, kto tej strony nie widział
Poprawiam więc polecenie. Tym razem nazywam każdy krok: „Zaloguj się tymi danymi. Następnie wejdź w sekcję rozliczeń w lewym panelu bocznym. Potem ustaw filtr daty na bieżący rok. Następnie przeczytaj każdy wiersz tabeli faktur i zwróć ID faktury, datę, kwotę oraz status jako tablicę JSON, używając dokładnie tych kluczy. Nic więcej.”
I to jest cała umiejętność: nie piszesz promptu do chatbota. Piszesz instrukcję dla kogoś, kto tej strony w życiu nie widział. Nazwij sekcję, nazwij filtr, nazwij pola, których chcesz, i kształt, w jakim je chcesz. Im jesteś konkretniejszy, tym mniej kroków agent marnuje na błąkanie się i szukanie.
Startujemy ponownie. Strona logowania, e-mail, hasło, wysyłka — jesteśmy w środku. Teraz agent skanuje panel boczny, znajduje rozliczenia, klika. Jest na stronie faktur, szuka filtra daty i ustawia bieżący rok. Tabela się przeładowuje, a on czyta kolejne wiersze.
I zwróć uwagę: ja w tym czasie nic nie robię. Nie klikam. Nie siedzę z otwartym skryptem Playwrighta. Nie napisałem ani jednego selektora. Jednorazowo opisałem po ludzku, czego chcę — a on wykonuje to w sieci.
I oto wynik: czysta tablica JSON, jeden obiekt na fakturę, dokładnie cztery klucze, o które prosiłem. To nie zrzut ekranu tabeli i nie ściana markdowna do sparsowania po fakcie. To ustrukturyzowane dane, które mogę wpuścić prosto do bazy, arkusza albo następnego kroku procesu.
Kilka centów za całą robotę
Porozmawiajmy o cenie, bo ta część przestawia całą perspektywę materiału. Web agent kosztuje 0,016 dolara za krok, a model, którego używa do rozumowania, jest wliczony w tę cenę. Policzcie kroki na ekranie: całe zadanie, łącznie z logowaniem, kosztowało mnie kilka centów. I ciągle wracam w myślach do jednego zestawienia: te kilka centów to mniej, niż płaciłem za pobranie jednego śmieciowego artykułu — który potem musiałem opłacić drugi raz, gdy mój model go czytał.
Kilka rzeczy praktycznych, skoro jesteśmy przy szczegółach. Ochrona antybotowa jest wbudowana w silnik przeglądarki, więc nie sklejasz samodzielnie kodu proxy. A jeśli uruchamiasz coś wedle harmonogramu, nie chcesz logować się od zera przy każdym przebiegu — sesję można zachować w profilu przeglądarki i kolejne uruchomienie zaczyna już zalogowane. Przy zadaniu, które pracuje co noc, to różnica między tym, co działa, a tym, co wyłapią zabezpieczenia.
Jeśli zastanawiasz się, jak to trzyma się poza demonstracją: 89,9% na Mind2Web — benchmarku sprawdzającym dokładnie takie wieloetapowe zadania na żywych, prawdziwych stronach.
(Informacja dodatkowa: Mind2Web to publiczny test porównawczy oceniający, jak dobrze agenci AI radzą sobie z wieloetapowymi zadaniami na rzeczywistych serwisach internetowych.)
Nowa arytmetyka budżetu
I na tym polega cała wymiana: pieniądze, które wydawałeś, stają się budżetem na rzeczy, których wcześniej nie mogłeś robić.
Buduję teraz bardzo prosto. Czytanie jest darmowe, więc czytam, ile chcę. Działanie kosztuje kilka centów, więc wydaję je na zadania, które naprawdę są tego warte. Budżet przestał zasilać paski nawigacji i banery cookie, a zaczął zasilać prawdziwą pracę.
Jeśli Twój agent czyta sieć wedle harmonogramu albo dane, których potrzebujesz, siedzą za logowaniem, pulpitem, portalem klienta czy narzędziem wewnętrznym — ten materiał jest dla Ciebie. A jeśli budujesz w n8n albo Claude Code, dodanie integracji to jedno polecenie.
Na koniec
Zapakowałem zadanie z logowaniem, które właśnie uruchomiliśmy, jako gotowy skill dla Claude — czyli przenośny pakiet instrukcji, który wrzucasz do swojego środowiska. Nie musisz pisać promptu sam: podmieniasz dane swojej strony i wszystko działa w około minutę. Link znajduje się pod materiałem.
A jeśli płacisz dziś za scraping, wyślij TinyFish swój ostatni rachunek z Firecrawl — dokładnie ta kwota wyląduje w Twoim portfelu jako kredyty. Bez niczego do anulowania, bez karty. I to by było na tyle: jeśli materiał był dla Ciebie wartościowy, polub go i zasubskrybuj kanał po więcej. Do zobaczenia w następnym.