przesłanie plików
This commit is contained in:
Paweł Domański
Binary file not shown.
@@ -0,0 +1,213 @@
|
||||
---
|
||||
title: "10 Claude Prompts That Replace a $900/hr Consultant"
|
||||
source: "https://ai.plainenglish.io/10-claude-prompts-that-replace-a-900-hr-consultant-787444e2c38d"
|
||||
author:
|
||||
- "[[Mike Written | AI Trends 24]]"
|
||||
published: 2026-05-30
|
||||
created: 2026-06-02
|
||||
description: "10 Claude Prompts That Replace a $900/hr Consultant The engineers earning $300K+ in 2026 aren’t smarter. They just know how to ask better questions. A colleague typed one prompt. Fixed a bug I’d …"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
## Inżynierowie zarabiający 300 tys.² w 2026 roku nie są mądrzejsi. Po prostu wiedzą, jak zadawać lepsze pytania.
|
||||
|
||||
|
||||
|
||||
Kolega napisał jedno pytanie. Naprawiłem błąd, który debugowałem przez dwie godziny — w 20 minut.
|
||||
|
||||
To był mój sygnał do przebudzenia.
|
||||
|
||||
Po 3 latach testowania narzędzi AI w inżynierii, marketingu i strategii biznesowej, obserwuję powtarzający się schemat: wygrywającymi nie są ci, którzy mają najwięcej narzędzi. To oni mają najlepsze wskazówki. A najlepsze podpowiedzi nie wymagają od Claude'a *napisania* czegoś. Proszą Claude'a, by *myślał* jak ktoś, kto bierze 900 dolarów za godzinę.
|
||||
|
||||
Oto 10, do których ciągle wracam.
|
||||
|
||||
## Problemem nie jest Claude. To jak go używasz.
|
||||
|
||||
Większość osób wpisuje w Claude tak samo, jak coś wyszukuje w Google. Krótko. Niejasne. Bez kontekstu. "Napisz mi biznesplan." "Podsumuj ten dokument." "Napraw ten błąd."
|
||||
|
||||
Potem dostają ogólne wyniki, wzruszają ramionami i mówią, że AI jest przereklamowane.
|
||||
|
||||
Nie jest przereklamowany. To jest niedostatecznie zainspirowane.
|
||||
|
||||
Oto model mentalny, który zmienił dla mnie wszystko: **Claude nie wie, do kogo to mówi.** Domyślnie zakłada, że chcesz uprzejmej, ostrożnej, umiarkowanej odpowiedzi. W momencie, gdy powiesz mu, *kim jest i* *jakiego rodzaju myślenia potrzebujesz*, efekt całkowicie się zmienia. Nie korzystasz z generatora treści. Konfigurujesz specjalistę.
|
||||
|
||||
Poniżej 10 promptów przypisuje Claude'owi konkretną rolę eksperta, nadaje jej realny kontekst i wymaga uporządkowanego efektu. Kopiuj je. Wypełnij nawiasy. Od razu zrozumiesz różnicę.
|
||||
|
||||
## 10 podpowiedzi
|
||||
|
||||
**Prompt 1 — Konsultant ds. strategii**
|
||||
|
||||
Co zastępuje: sesję strategii biznesowej 350–500 dolarów za godzinę.
|
||||
|
||||
```hs
|
||||
You are a top-tier strategy consultant with 20 years of experience advising
|
||||
Series A to Fortune 500 companies. I'm going to describe my business situation.
|
||||
Your job is to give me a structured strategic analysis: identify the 3 most
|
||||
important decisions I need to make in the next 90 days, the key risks I'm
|
||||
ignoring, and one counterintuitive move most founders in my position never
|
||||
consider. Be direct. Skip the caveats. Here's my situation: [describe your
|
||||
business, stage, and the decision you're stuck on].
|
||||
```
|
||||
|
||||
Kluczowe zdanie to "pominąć zastrzeżenia". Bez niej Claude się waha. Dzięki temu dostajesz takie bezpośrednie myślenie, jakie dostałbyś od dobrego członka zarządu.
|
||||
|
||||
**Pytanie 2 — Prawnik kontraktowy**
|
||||
|
||||
Co zastępuje: przegląd umowy za 400–900 dolarów za godzinę.
|
||||
|
||||
```hs
|
||||
You are a senior commercial lawyer specialising in SaaS and B2B contracts.
|
||||
Review the following agreement and flag: (1) the 3 clauses most likely to hurt
|
||||
me if things go wrong, (2) anything that limits my ability to exit or switch
|
||||
providers, (3) any liability caps I should negotiate up or down. Assume I'm
|
||||
the vendor/service provider. Output as a numbered list with plain English
|
||||
explanations — no legalese. Here's the contract: [paste contract text].
|
||||
```
|
||||
|
||||
Zastrzeżenie, które zawsze uwzględniam w moim workflow: Claude nie jest licencjonowanym prawnikiem i korzystam z tego do wstępnej oceny przed zaangażowaniem prawdziwego. Ale złapanie trzech min lądowych przed wezwaniem? To samo w sobie oszczędza 30 minut rozliczonego czasu.
|
||||
|
||||
**Prompt 3 — Analityk analizy rynku**
|
||||
|
||||
Co zastępuje: raport z badań rynku w wysokości 5 000–15 000 dolarów.
|
||||
|
||||
```hs
|
||||
You are a market intelligence analyst. I need to understand the competitive
|
||||
landscape for [my product/service] targeting [my customer segment] in [region/
|
||||
market]. Give me: (1) the top 5 competitors with their positioning and
|
||||
pricing, (2) the gaps in the market none of them are filling well, (3) the
|
||||
single most defensible angle for a new entrant. Use your knowledge up to your
|
||||
training cutoff, and flag where I should verify with live data. Be specific —
|
||||
I don't need "the market is growing," I need names, numbers, and patterns.
|
||||
```
|
||||
|
||||
**Prompt 4 — Starszy recenzent kodu**
|
||||
|
||||
Co zastępuje: 200–400 dolarów za godzinę oceny starszego inżyniera.
|
||||
|
||||
```hs
|
||||
You are a senior software engineer who is deeply skeptical of this code and
|
||||
hates technical debt. Do a full code review of the following. Tear it apart:
|
||||
what would you reject in a PR review? What's the security risk I'm missing?
|
||||
What's going to break under load? What would you refactor first and why?
|
||||
Don't soften it. Here's the code: [paste code].
|
||||
```
|
||||
|
||||
To jest temat myślenia w stylu Borisa Cherny'ego, który mi się odblokował. Proszenie Claude'a o *konfrontację* wobec własnego kodu to zupełnie co innego niż proszenie go o "sprawdzanie błędów". Wrogi recenzent przedstawiający rzeczy, których uprzejmy asystent nigdy by nie wywołał.
|
||||
|
||||
**Prompt 5 — Audytor modelu finansowego**
|
||||
|
||||
Co zastępuje: doradczą rozmowę CFO za 300 dolarów za godzinę.
|
||||
|
||||
```hs
|
||||
You are a CFO who has seen 200 startup financial models and can spot the
|
||||
assumptions that kill companies. Review my model's logic and tell me: (1)
|
||||
which assumptions are dangerously optimistic, (2) what scenario am I not
|
||||
stress-testing that I should be, (3) what's the single number I should be
|
||||
obsessing over that I'm probably ignoring. Here's the model summary: [paste
|
||||
key metrics, assumptions, and growth projections].
|
||||
```
|
||||
|
||||
**Prompt 6 — Krytyk pitch decku**
|
||||
|
||||
Co zastępuje: sesje konsultanta pitch za 500–2000 dolarów.
|
||||
|
||||
```hs
|
||||
You are a partner at a top-tier VC firm who has seen 1,000 pitch decks this
|
||||
year and funded 8. Read my pitch and give me your honest internal reaction —
|
||||
not what you'd say to be polite, but what you'd say to your partners after the
|
||||
meeting. What's weak? What's missing? What's the objection you'd raise in the
|
||||
investment committee that I haven't addressed? Here's my pitch: [paste deck
|
||||
text or bullet points].
|
||||
```
|
||||
|
||||
**Prompt 7 — Trener negocjacyjny**
|
||||
|
||||
Co zastępuje: 400 dolarów za godzinę coacha wykonawczego na przygotowanie do transakcji o wysokiej stawce.
|
||||
|
||||
```hs
|
||||
You are a negotiation coach who has prepared executives for M&A deals,
|
||||
enterprise sales, and salary negotiations. I have an important negotiation
|
||||
coming up. I'll describe the situation, my goal, and the other party's likely
|
||||
position. Give me: (1) the 3 leverage points I have that I'm probably
|
||||
underusing, (2) the concession I can offer that costs me least but feels
|
||||
biggest to them, (3) the exact first sentence I should say to open. Here's
|
||||
the situation: [describe deal, parties, stakes].
|
||||
```
|
||||
|
||||
**Pytanie 8 — Rozmówca rekrutacyjny**
|
||||
|
||||
Co zastępuje: opłata za weryfikację firm rekrutacyjnych w wysokości 1 500–3 000 dolarów.
|
||||
|
||||
```hs
|
||||
You are a senior talent partner who has hired for engineering and product
|
||||
roles at high-growth companies. Based on this job description and this
|
||||
candidate's CV, give me: (1) the 5 interview questions most likely to reveal
|
||||
whether this person can actually do the job, (2) the 2 red flags in their
|
||||
background I should probe, (3) what a great answer vs. a mediocre answer to
|
||||
question 1 would look like. Job description: [paste JD]. CV: [paste CV].
|
||||
```
|
||||
|
||||
**Pytanie 9 — Doradca ds. komunikacji kryzysowej**
|
||||
|
||||
Co zastępuje: konsultant kryzysowy PR za 500+/godzinę.
|
||||
|
||||
```hs
|
||||
You are a crisis communications expert. A situation has just emerged and I
|
||||
need to respond quickly. Tell me: (1) the worst thing I could say right now
|
||||
and why, (2) the core message I need to anchor to regardless of how questions
|
||||
are framed, (3) a draft first response — under 100 words — that buys me time
|
||||
without looking evasive. Here's what happened: [describe the situation and
|
||||
who the audience is].
|
||||
```
|
||||
|
||||
**Prompt 10 — Strateg produktowy**
|
||||
|
||||
Co zastępuje: warsztaty strategii produktowej 400 dolarów za godzinę.
|
||||
|
||||
```hs
|
||||
You are a product strategist who thinks in terms of jobs-to-be-done and has
|
||||
shipped products used by millions. I'm going to describe a feature I want to
|
||||
build. Your job is to challenge me: (1) what problem am I actually solving,
|
||||
and is it the right one? (2) What's the version of this that's 10x simpler
|
||||
but solves 80% of the problem? (3) what would you build instead if you had
|
||||
the same resources? Don't be encouraging — be rigorous. Here's the feature:
|
||||
[Describe your idea].
|
||||
```
|
||||
|
||||
## Co sprawia, że te rozwiązania działają
|
||||
|
||||
Trzy rzeczy łączą wszystkie powyższe prompty:
|
||||
|
||||
**Specyficzność roli.** Nie "działać jak ekspert" — być *partnerem w najwyższej rangi firmie VC, która widziała 1000 prezentacji* pitchów. Im bardziej konkretna rola, tym bardziej konkretne myślenie.
|
||||
|
||||
**Afrontacyjne ramy.** "Rozerwij to na strzępy." "Pomiń zastrzeżenia." "Nie łagodz tego." Ta jedna instrukcja sama w sobie zmienia jakość wyniku, bardziej niż jakakolwiek inna technika promptowa, jaką znalazłem przez pięć lat. Usuwa domyślny filtr uprzejmości Claude'a.
|
||||
|
||||
**Jawny format wyjściowy.** Każde zadanie wymaga numerowanej listy, konkretnego zestawu zadań lub konkretnej liczby słów. Niejasne prośby dostają niejasne odpowiedzi.
|
||||
|
||||
[***Co tydzień wrzucam takie prompty. Śledź mnie i przestań płacić za rady, które AI może dawać za darmo.***](https://aitrends24.substack.com/)
|
||||
|
||||
## Szczere zastrzeżenie
|
||||
|
||||
Te prompty nie zastąpią wiedzy specjalistycznej, gdy stawka jest naprawdę wysoka. Wciąż wysyłam umowy do prawdziwego prawnika przed podpisaniem. Wciąż korzystam z usług prawdziwego księgowego do rozliczeń podatkowych.
|
||||
|
||||
To, co Claude zastępuje, to *pierwsza warstwa myślenia* — godzina za 300 dolarów, kiedy ktoś mądry odczytuje twoją sytuację, zadaje właściwe pytania i daje ramy do podjęcia decyzji. Ta warstwa? Claude robi to w 30 sekund, za darmo.
|
||||
|
||||
Konsultant za 900 dolarów/godzinę, którego naprawdę potrzebujesz, teraz wydaje osąd po tym, *jak* Claude wykonał pracę z podstawami. To zasadniczo inne — i tańsze — zaangażowanie.
|
||||
|
||||
## Szerszy obraz
|
||||
|
||||
Inżynierowie zarabiający 300 tys. do 500 tysięcy dolarów w 2026 roku nie robią nic magicznego. Rozumieją, że Claude nie jest maszyną do zawartości. To konfigurowalny partner do myślenia. A konfiguracja jest wszystkim.
|
||||
|
||||
Większość ludzi będzie dalej pisać krótkie, niejasne pytania i dostać przeciętne odpowiedzi. Ci, którzy nauczą się przedstawiać Claude'a jako konkretnego eksperta, usunąć filtr uprzejmości i wymagać uporządkowanych rezultatów, będą ciągle wyprzedzać.
|
||||
|
||||
Powyższe podpowiedzi zajęły mi pięć lat prób i błędów, aby je opracować. Właśnie je złapałeś w pięć minut.
|
||||
|
||||
Którą spróbujesz najpierw? Napisz w komentarzach — a jeśli stworzyłeś lepszą wersję któregoś z nich, chcę ją zobaczyć.
|
||||
|
||||
*Jeśli to było pomocne, śledź mnie po więcej analiz narzędzi AI — bez szumu, bez sponsorowanych treści. 3 lata w branży, wydawane co tydzień.*
|
||||
|
||||
## Wiadomość od naszego Założyciela
|
||||
|
||||
Hej, [tu Sunil](https://linkedin.com/in/sunilsandhu). Chciałem poświęcić chwilę, by podziękować Wam za przeczytanie do końca i za bycie częścią tej społeczności. Czy wiedziałeś, że nasz zespół prowadzi te publikacje jako wolontariacką inicjatywę dla ponad 3,5 miliona czytelników miesięcznie? Nie otrzymujemy żadnego finansowania, robimy to, by wspierać społeczność.
|
||||
|
||||
Jeśli chcesz okazać trochę miłości, poświęć chwilę i obserwuj mnie na [LinkedIn](https://linkedin.com/in/sunilsandhu), [TikTok](https://tiktok.com/@messyfounder), [Instagram](https://instagram.com/sunilsandhu). Możesz także zapisać się na [nasz cotygodniowy newsletter](https://newsletter.plainenglish.io/). A zanim pójdziesz, nie zapomnij klaskać i podążać za tekstemr️!
|
||||
@@ -0,0 +1,140 @@
|
||||
---
|
||||
title: "15 workflowów i wtyczek Obsidian, których większość ludzi nie zna"
|
||||
source: "https://medium.com/tech-and-ai-guild/15-obsidian-workflows-and-plugins-that-most-people-dont-know-3fa3e6f05ee4"
|
||||
author:
|
||||
- "[[Shashwat]]"
|
||||
published: 2026-06-02
|
||||
created: 2026-06-08
|
||||
description: "Drugie załamanie mózgu: Notatki z podręcznika nuklearnego z Claude'em i Obsidianem"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
## Drugie załamanie mózgu: Notatki z podręcznika nuklearnego z Claude'em i Obsidianem
|
||||
|
||||
|
||||
|
||||
Zdjęcie: Matúš Gocman na Unsplash
|
||||
|
||||
*Pracuję z zdalnego stanowiska pracy tutaj w Moalboal, a ogromna ilość nieustrukturyzowanych danych rynkowych, które zbieram dla mojej aplikacji webowej, stała się dziś rano fizycznie niemożliwa do przechowywania w ludzkiej pamięci RAM. I to ożywiło ten artykuł.*
|
||||
|
||||
Jeśli używasz Obsidian jako podstawowego edytora tekstu, a Claude jako prostego okna czatu, tracisz szybkość wykonywania.
|
||||
|
||||
[Darmowe do czytania dla osób spoza służby](https://medium.com/@shashwatwrites/3fa3e6f05ee4?sk=9542b618b22434f8bc6d89d0bf7e69e8)
|
||||
|
||||
W tym artykule rozrysuję 15 konkretnych wtyczek i operacyjnych pipeline'ów, które przekształcają statyczny vault w autonomiczny, samodzielnie zapytujący silnik cyfrowy.
|
||||
|
||||
Ograniczyłem tę ogromną listę do 15 ścisłych elementów, których faktycznie potrzebujesz. Jeśli chcesz zobaczyć je wszystkie, społeczności Reddit, X, Obsidian i Claude są nimi pełne.
|
||||
|
||||
*Oto wyjaśnienie, jak wyeliminować ręczne procesy badawcze i przełączyć lokalne pliki bezpośrednio do pętli wykonania LLM.*
|
||||
|
||||
## Podstawowa infrastruktura (wtyczki)
|
||||
|
||||
Nie możesz uruchomić AI nad chaotycznym katalogiem tekstowym.
|
||||
|
||||
Musisz zainstalować te konkretne narzędzia, aby połączyć środowiska i egzekwować rygorystyczne schematy danych.
|
||||
|
||||
**1\. Silnik odzyskiwania RAG (inteligentne połączenia)**
|
||||
|
||||
Nie szukaj słów kluczowych.
|
||||
|
||||
Podłącz swój skarbiec do modelu Generowania Odzyskiwania.
|
||||
|
||||
*Gdy zapytujesz lokalny komputer o konkretne operacyjne wąskie gardło, ta wtyczka algorytmicznie zbiera twoje lokalne pliki markdown i kompiluje odpowiedź, wykorzystując wyłącznie kontekst historycznych danych.*
|
||||
|
||||
**2\. Egzekutor Schematu (Szablon)**
|
||||
|
||||
Modele językowe halucynują podczas przetwarzania nieustrukturyzowanego szumu. Musisz wymusić każdy nowy plik w ścisłym schemacie frontmatter YAML.
|
||||
|
||||
Ta automatyzacja wprowadza ustandaryzowane nagłówki metadanych, daty i tagi w ułamku sekundy generowania pliku. Idealna struktura gwarantuje perfekcyjne parsowanie LLM.
|
||||
|
||||
**3\. Kompilator Skarbca (Dataview)**
|
||||
|
||||
To zamienia płaski folder z plikami markdown w bazę danych podobną do SQL. Gdy Claude uzyskuje dostęp do macierzy Dataview, odczytuje twarde tablice i zmienne zamiast zgadywać relacje z czystych akapitów.
|
||||
|
||||
**4\. Kryptograficzne wersjonowanie (Obsidian Git)**
|
||||
|
||||
Modele autonomiczne nieuchronnie uszkadzą plik podczas automatycznej edycji wsadowej. Musisz wymusić automatyczne zatwierdzanie skryptu co 30 minut. Nie możesz przyznać agentowi dostępu do odczytu/zapisu bez prowadzenia niezmiennej księgi swojego surowego stanu.
|
||||
|
||||
**5\. Most Końcowy (Obsidian CLI)**
|
||||
|
||||
Interfejs graficzny jest martwy. Ta kluczowa wersja z 2026 roku pozwala CLI Claude Code na wykonywanie poleceń odczytu, zapisu i wyszukiwania w całym drzewie plików wyłącznie za pośrednictwem terminala systemowego.
|
||||
|
||||
## Autonomiczne potoki wykonawcze (workflowy)
|
||||
|
||||
Gdy most jest zbudowany, przestajesz ręcznie wprowadzać dane.
|
||||
|
||||
Konfigurujesz agenta tak, aby automatycznie wykonywał te procesy w tle.
|
||||
|
||||
**6\. Protokół inicjalizacji**
|
||||
|
||||
Ustaw skrypt, który uruchomi się przed przebudzeniem. Rozkaż Claude'owi pobranie ostatnich 72 godzin plików logów, porównanie aktywnych tagów operacyjnych i skompilowanie sterylnej macierzy priorytetów. Otwierasz laptopa na wstępnie obliczonej liście wykonania zamiast pustego ekranu.
|
||||
|
||||
**7\. Automatyczny lejek do spożycia**
|
||||
|
||||
Przestań czytać surowe PDF-y. Wrzuć docelowy adres URL lub dokument do lokalnego katalogu stagingu.
|
||||
|
||||
Agent automatycznie analizuje treść, wydobywa sygnał mechaniczny, wstrzykuje metadane i algorytmicznie generuje twarde linki do powiązanych koncepcji architektonicznych już znajdujących się w twoim skarbcu.
|
||||
|
||||
**8\. Algorytmiczna autopsja**
|
||||
|
||||
Umów pracę z cronem na piątkowe popołudnie. Model zbiera każdy plik zmodyfikowany w ciągu tygodnia, oblicza delta wykonania, oznacza porzucone wątki i drukuje bezwzględną 300-słowną ocenę wydajności. Eliminuje to tarcia związane z manualnymi cotygodniowymi retrospektywami.
|
||||
|
||||
**9\. Audyt Stanu Strukturalnego**
|
||||
|
||||
Raz w miesiącu zmuszaj AI do poszukiwania zaniku danych. Skanuje pod kątem osieroconych plików, martwych linków, nieużywanych tagów i zatrzymanych repozytoriów projektów. Generuje ona ścisłą listę kontrolną konserwacji, aby zapobiec zużyciu repozytorium i utrzymać czystość wyszukiwania wektorowego.
|
||||
|
||||
**10\. Binarny Dziennik Decyzji**
|
||||
|
||||
Przed wykonaniem dużego zwrotu operacyjnego dokumentuj dokładne zmienne. Po wyniku, zapisz wynik. Z czasem polec modelowi analizować twoje historyczne macierze decyzyjne, aby wyraźnie ujawnić twoje specyficzne błędy poznawcze i wzorce porażek.
|
||||
|
||||
## Orkiestracja systemu (Zaawansowane konfiguracje)
|
||||
|
||||
To moment, gdy zamykasz środowiska razem, tworząc trwałą, kumulującą się inteligencję.
|
||||
|
||||
**11\. Trwały napęd kontekstowy**
|
||||
|
||||
Zdefiniuj swój lokalny skarbiec wyraźnie w konfiguracji globalnej.`CLAUDE.md`
|
||||
|
||||
To zmusza agenta do odczytania Twoich historycznych parametrów i wcześniejszych ograniczeń przed wygenerowaniem pojedynczej linii składni w nowej sesji.
|
||||
|
||||
Twój vault dosłownie staje się ciągłą pamięcią RAM.
|
||||
|
||||
==**12\. Protokół**== ==`mcpvault`==
|
||||
|
||||
Wdroż ten serwer Modelu Kontekstu o zerowej zależności. Bezpośrednio łączy się z twoimi lokalnymi plikami przez ranking BM25, bez konieczności faktycznego otwarcia aplikacji Obsidian.
|
||||
|
||||
Jest to najczystsza architektura mostkowa dla operatorów korzystających z Cursor, Windsurf lub surowego Claude CLI.
|
||||
|
||||
**13\. Oficjalne specyfikacje wykonawcze**
|
||||
|
||||
Faktyczny CEO Obsidian udostępnił 5 kanonicznych modułów wykonawczych, zabezpieczając ponad 12K gwiazdek na GitHubie.
|
||||
|
||||
Nie pisz własnej logiki integracyjnej. Korzystaj z tych ścisłych specyfikacji agentów — one dokładnie określają, jak zewnętrzne modele powinny bezpiecznie manipulować plikami canvas i logiką markdown.
|
||||
|
||||
**14.** **Moduł** `obsidian-second-brain`
|
||||
|
||||
Rozmieszczcie ten monolityczny moduł 31-komendowy.
|
||||
|
||||
Daje modelowi agresywne zewnętrzne możliwości: zgranie transkrypcji z YouTube bezpośrednio do twojego sejfu, pobieranie danych X na żywo przez API Grok i autonomiczne argumentowanie przeciwko obecnej tezie, korzystając z własnych notatek historycznych.
|
||||
|
||||
**15\. Pętla sprzężenia zwrotnego kumulującego**
|
||||
|
||||
Gdy Claude generuje analizę strukturalną, analizę rynku lub mapę architektury kodu na podstawie twojego promptu, przekieruj ten dokładny wynik bezpośrednio do skarbca.
|
||||
|
||||
Oznacz to ściśle jako.`#machine-generated`
|
||||
|
||||
System obecnie trenuje na własnej, dopracowanej syntezie, zwiększając inteligencję wykładniczo.
|
||||
|
||||
Jeśli tylko wpisujesz tekst do notatek i liczysz, że później je przeczytasz, działasz w przeszłości.
|
||||
|
||||
Twój konkurent prowadzi trwałego agenta tła, który łączy jego surowe myśli z wykonywalnym grafem wiedzy.
|
||||
|
||||
> Przynajmniej spróbuj.
|
||||
|
||||
*Jeśli spotykamy się po raz pierwszy, przyjdź* [*tutaj*](https://medium.com/@shashwatwrites/subscribe)*, warto będzie przeżyć kolejkę górską artykułów, które pojawią się w najbliższych tygodniach.*
|
||||
|
||||
*Przysięgam, śledzenie tych aktualizacji to ostatnio praca sama w sobie.*
|
||||
|
||||
*Oto* [*lista*](https://medium.com/@shashwatwrites/list/ai-updates-bbb9d001b651)*, którą zbudowałem i ciągle ją uzupełniam*.
|
||||
|
||||
*A jeśli potrzebujesz pomocy w analizie walk UFC,* *sprawdź* [*BoutPredict*](https://boutpredict.aibucket.org/) *:)*
|
||||
+104
@@ -0,0 +1,104 @@
|
||||
---
|
||||
title: "Budowanie osobistego asystenta AI z użyciem SQLite, Claude Code i GTD"
|
||||
source: "https://medium.com/@marc.bara.iniesta/building-a-personal-ai-assistant-with-sqlite-claude-code-and-gtd-0ae12dc18d3e"
|
||||
author:
|
||||
- "[[Marc Bara]]"
|
||||
published: 2026-03-14
|
||||
created: 2026-06-02
|
||||
description: "Zmęczyło mnie klikanie. Teraz rozmawiam z moją listą zadań."
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
## Zmęczyło mnie klikanie. Teraz rozmawiam z moją listą zadań.
|
||||
|
||||
|
||||
|
||||
Asystent AI mieści się w folderze Dropbox. Jedna baza danych, jeden plik HTML, jeden CLAUDE.md kontrakt.
|
||||
|
||||
Agenci AI sprawili, że stałem się leniwy. Po tygodniach obserwowania, jak Claude Code czyta bazy kodu, odwołuje się do dokumentów i wykonuje wieloetapowe zadania na podstawie jednego zdania, nie mogę już znieść klikania po tablicy Notion, by sprawdzić, ile jestem winien klientowi w tym tygodniu. Chcę powiedzieć "co obiecałem temu klientowi w zeszłym tygodniu" i uzyskać odpowiedź od kogoś, kto zna moje projekty, kalendarz i priorytety. Notion ma API, tak. Ale nie chcę pisać wywołań API, które będą komunikować się z moją własną listą zadań. Chcę *porozmawiać* z moją listą zadań. Na przykład tak:
|
||||
|
||||
```c
|
||||
> what did I promise the training client last week?
|
||||
```
|
||||
```c
|
||||
You committed to delivering the updated course outline by Friday March 14.
|
||||
Task status: to_do, assigned to project "PM Training 2026".
|
||||
No due date set. You have a meeting with them on Thursday at 10:00.
|
||||
Want me to set the due date to Wednesday and block two hours tomorrow?
|
||||
```
|
||||
|
||||
Tak **właśnie powstał MarcOS**. Na razie jest to osobisty asystent. Jeśli kiedykolwiek zacznie prowadzić moje zajęcia i wysyłać faktury bez pytania, stanie się moim klonem i wtedy nie będzie jasne, który z nas jest zbędny. Obecnie powtarza się teza, że [SaaS umarł, że agenci AI zastąpią całe kategorie produktów](https://medium.com/@marc.bara.iniesta/why-ai-is-breaking-the-software-business-model-dcd7cc303080). Po piętnastu latach zmiany narzędzi produktywności na coś lepszego, z Notion jako najnowszym przystankiem (martwe wiki, kolekcje linków, do których nigdy nie wracam, 140 osieroconych pomysłów w bazie danych, której przestałem przeglądać), postanowiłem przetestować tę pracę na sobie.
|
||||
|
||||
Szukałem, jak wyglądałby osobisty system [GTD](https://gettingthingsdone.com/), gdybym zbudował go od zera, korzystając z narzędzi dostępnych w 2026 roku. GTD (Getting Things Done, metoda Davida Allena) sprowadza się do: uchwycenia wszystkiego, wyjaśnienia, czym jest każda rzecz, uporządkowania według projektu, przeglądu co tydzień i działania. Metoda ta ma już czterdzieści lat. Narzędzia, których ludzie używają do prowadzenia, zmieniają się co trzy lata. Nie prototyp. To nie weekendowy hack. System, którego faktycznie używałem codziennie do prowadzenia praktyki konsultingowej, koordynowania kursów w kilku szkołach biznesu, zarządzania mentoringiem startupów oraz śledzenia faktur. Ograniczenie było proste: każdy element musi być wymienny, nic nie wymaga subskrypcji, a całość musi działać bez połączenia z internetem, poza synchronizacją. Rdzeń działał w tydzień. Dashboard i automatyzacje wymagały jeszcze kilku sesji. Oto jak to działa.
|
||||
|
||||
## Stos
|
||||
|
||||
Rdzeń to baza danych SQLite w folderze Dropbox. Jeden plik,, zawierający cztery stoły: klienci, projekty, zadania i faktury. Ścisła hierarchia, w której każde zadanie należy do projektu, a każdy projekt do klienta, bez wyjątków.`gtd.db`
|
||||
|
||||
|
||||
|
||||
Klient nigdy nie jest przechowywany w zadaniach ani fakturach: pochodzi z projektu przez JOIN. Pomysły to zadania o statusie. Zadania przechwycone z e-maila zachowują oryginalny tekst w kontekście dla kontekstu.`someday` `email_source`
|
||||
|
||||
Pomysły żyją jako zadania o statusie wewnątrz hierarchii, a nie w osobnej tabeli, ponieważ już próbowałem podejścia z oddzielnymi tabelami w Notion i obserwowałem, jak pomysły przez miesiące gniją na rozłączonej liście.`someday`
|
||||
|
||||
Interfejs dzienny to plik HTML, który odczytuje bazę danych bezpośrednio w przeglądarce za pomocą [sql.js](https://sql.js.org/) (SQLite skompilowany do WebAssembly). Trzy widoki: dziś (oś czasu z wydarzeniami w kalendarzu przeplatanymi kolejnymi akcjami), tydzień (siedem kolumn z terminami i obciążeniem) oraz GTD (skrzynka odbiorcza, kolejne akcje według projektu, oczekiwanie z upływem dni, aktywne projekty z postępem). Brak serwera, brak tokenów, brak wywołań API. Otwórz plik, zobacz wszystko.
|
||||
|
||||
Kod Claude'a wchodzi wtedy, gdy potrzebuję informacji, a nie gdy muszę sprawdzać listę. Claude Code to narzędzie do kodowania agentycznego Anthropic: działa w terminalu, odczytuje i zapisuje pliki, wykonuje skrypty oraz tłumaczy cały twój folder projektu. Pomyśl o tym jak o programisty, który widzi cały twój system i rozmawia z tobą o nim. Jeśli jutro pojawi się lepszy agent (Codex CLI od OpenAI lub cokolwiek następnego), migracja jest CLAUDE.md przepisania, bo warstwa danych to tylko SQLite i pliki. Zinterpretuj przekazany e-mail i stwórz odpowiednie zadania. Porównaj to, co klient obiecał w mailu, z tym, co faktycznie jest planowane. Wygeneruj fakturę w formacie PDF. Przygotuj cotygodniową recenzję. Zbuduj nowy skrypt automatyzacji, który potem działa samodzielnie bez tokenów. Schemat jest taki: **Claude Code buduje maszynę, maszyna działa za darmo.**
|
||||
|
||||
Reszta stosu to infrastruktura: Dropbox do synchronizacji między laptopami, GitHub do kopii zapasowych i wersjonowania. Sama baza danych jest dostępna, ponieważ pliki SQLite są binarne i Git nie może ich differować. Zamiast tego wersjonowany jest SQL w formie zwykłego tekstu: czytelny, zróżnicowany, lekki. Skrypt wsadowy w Windows Task Scheduler zrzutuje, zatwierdza i wypycha co godzinę, gdy blokuję ekran. Jeśli nie jestem przy laptopie, GitHub Codespaces daje mi dostęp do tego samego repozytorium przez przeglądarkę.`.gitignore`
|
||||
|
||||
Struktura teczek jest celowo płaska:
|
||||
|
||||
```c
|
||||
gtd/ ← Dropbox folder, GitHub repo
|
||||
├── CLAUDE.md ← contract for the agent
|
||||
├── memory.md ← what Claude Code learns about me
|
||||
├── decisions.md ← design decisions with date and reason
|
||||
├── log.md ← significant changes
|
||||
├── gtd.db ← SQLite (in .gitignore)
|
||||
├── gtd.sql ← SQL dump, versioned in Git
|
||||
├── index.html ← local dashboard
|
||||
├── inbox/ ← parsed emails (JSONs + attachments)
|
||||
├── attachments/ ← task attachments, referenced by path
|
||||
├── notes/ ← free-form markdown
|
||||
└── scripts/
|
||||
├── process_inbox.py ← processes inbox/ without tokens
|
||||
├── sync.bat ← dump + git commit + push
|
||||
└── pull_calendar.py ← morning calendar snapshot
|
||||
```
|
||||
|
||||
Przechwytywanie e-maili zasługuje na własne wyjaśnienie. Tok jest następujący: widzę w Outlooku e-mail, który wymaga działania, przekieruję go na dedykowany adres Gmail, Cloudflare Worker go analizuje i wrzuca JSON wraz z załącznikami do folderu przez API Dropbox. Gdy otwieram laptopa, odczytuje JSON, tworzy zadania w bazie danych, przenosi załączniki do, i usuwa przetworzone pliki. Cały łańcuch działa bez żetonów. Na około 10 maili dziennie, które trzeba uchwycić, to jest więcej niż wystarczająco. W przypadku okazjonalnych niejasnych lub złożonych e-maili proszę Claude Code o przetworzenie skrzynki odbiorczej i pozwolenie mu podjąć decyzję.`inbox/` `process_inbox.py` `attachments/`
|
||||
|
||||
Całkowity miesięczny koszt: zero przyrostów. Dropbox już istniał, GitHub darmowy tier, Cloudflare free tier dla pracowników mailowych. Jedynym nowym kosztem jest subskrypcja Claude, którą już płacę za inne prace.
|
||||
|
||||
## Decyzje projektowe, które miały znaczenie
|
||||
|
||||
Hierarchia była najważniejsza. Puryści GTD mogą sprzeciwiać się zmuszaniu każdego zadania do projektu, a każdego do klienta. Luźne zadania wydają się bardziej zwinne. Ale zarządzam projektami od ponad 20 lat i wiem, co się dzieje z zadaniami bez domu: nagromadzają się, tracą kontekst i nikt ich nie przegląda. Zadanie należące do projektu, który należy do klienta, zawsze można znaleźć, zapytać i zgłosić. Zadanie unoszące się w skrzynce odbiorczej nie może. W przypadku naprawdę osobistych rzeczy klient o nazwie "Personal" z projektami takimi jak "Household" sprawdza się dobrze.
|
||||
|
||||
Podział między lokalnym HTML a kodem Claude był decyzją, która ukształtowała wszystko inne. Każda operacja, którą wykonuję więcej niż raz dziennie, nie powinna kosztować żadnych tokenów. Sprawdzam kolejne kroki, patrzę na dzisiejszy harmonogram, przetwarzam e-maile z folderu w skrzynce: wszystko to działa lokalnie za pomocą skryptów lub panelu HTML. Claude Code obsługuje to, czego skrypty nie potrafią: rozumienie języka naturalnego, podejmowanie decyzji, zapytania do bazy danych w sposób, którego się nie spodziewałem, tworząc dashboard, porównywanie zadań z mailami i notatkami, generowanie dokumentów. To nie jest optymalizacja kosztów. To decyzja architektoniczna. Jeśli polegam na API dla podstawowej widoczności zadań, zbudowałem gorszy Notion.
|
||||
|
||||
## Kontrakt CLAUDE.md
|
||||
|
||||
Plik CLAUDE.md to miejsce, gdzie system staje się czymś więcej niż bazą danych z ładnym interfejsem. To umowa między mną a agentem, który działa na moich danych. Zawiera schemat, reguły hierarchii, strukturę pliku oraz ograniczenia behawioralne: aktualizację po poznaniu czegoś nowego o moich preferencjach, logowanie decyzji projektowych z datą i powodem, rejestrowanie istotnych zmian w.`memory.md` `decisions.md` `log.md`
|
||||
|
||||
Zawiera także cotygodniową listę kontrolną w formie czytelnej maszynowo. Status oczekiwań na zadania od ponad 7 dni: oznacz je. Kiedyś zadania nieprzejrzane w ciągu 30 dni: oznacz je. Aktywne projekty bez określonego następnego działania: oznacz je. Faktury zawieszone na ponad 30 dni: oznacz je. Dokumenty niezaktualizowane w ciągu 90 dni: proponuję archiwizację. To nie jest pytanie, które piszę co piątek. To stała instrukcja, którą Claude Code wykonuje na bazie danych za każdym razem, gdy powiem "cotygodniowy przegląd", tworząc uporządkowane podsumowanie, na które mogę zareagować w ciągu 15 minut.`invoiced`
|
||||
|
||||
Plik pamięci zasługuje na osobną wzmiankę. Sesje Claude Code są bezstanowe. Każda rozmowa zaczyna się od zera. Ale trwa przez sesje, ponieważ znajduje się w repozytorium. Kiedy Claude Code dowiaduje się, że wolę faktury w określonym formacie, albo że konkretny klient zawsze płaci z opóźnieniem, albo że nigdy nie umawiam pracy na środowe popołudnia, bo odbiorę córkę, zapisuje to na pamięć. Na następnej sesji czytamy to. Przez tygodnie system gromadzi wiedzę operacyjną, której generyczne narzędzie SaaS nie ma mechanizmu do przechwycenia.`memory.md`
|
||||
|
||||
## Znane słabe punkty
|
||||
|
||||
Integracja z Google Calendar jest najbardziej delikatnym elementem i najbardziej ambitnym. Cel jest dwukierunkowy: wydarzenia kalendarzowe trafiają do pulpitu, dzięki czemu mogę zobaczyć swój dzień, ale Claude Code też może się odpierać. "Stwórz zadania przygotowawcze na każde spotkanie w tym tygodniu." "Zablokuj dwie godziny na ten zadanie, znajdź lukę." "Czy mam w tym tygodniu spotkania, na które nie mam żadnych zadań?" CLAUDE.md zawiera ograniczenia, które Claude Code musi przestrzegać: niektóre popołudnia są przeznaczone dla rodziny, a niektóre poranki na intensywną pracę. Planuje wokół nich, nie przez nie.
|
||||
|
||||
Pragmatyczna pierwsza wersja pomija kalendarz czasu rzeczywistego w panelu HTML Dashboard. Każdego ranka uruchamia się skrypt, pobiera wydarzenia dnia przez API kalendarza, zapisuje je do pliku JSON, a HTML odczytuje ten dokument. Nieeleganckie. Funkcjonalny. Dwukierunkowe zapisy (blokowanie czasu, tworzenie zdarzeń) przechodzą bezpośrednio przez kod Claude przez MCP lub API, które teraz działa, ale zależy od świeżości tokenów OAuth.
|
||||
|
||||
Workflow SQL dump będzie się kumulował. Co godzinę pełny zrzut bazy danych trafia do pliku tekstowego, który jest wersjonowany w Gicie. Przy tysiącach zadań przez miesiące ten plik się powiększa. Łagodzenie jest proste: zrzucać tylko aktywne dane (wykluczać ukończone i anulowane) lub przejść na zatwierdzenia inkrementalne. Ale to znany punkt konserwacji, co nie jest zaskoczeniem.
|
||||
|
||||
Największe ryzyko nie jest techniczne. To dyscyplina. Ten system działa, jeśli codziennie przetwarzam skrzynkę odbiorczą, robię cotygodniową kontrolę i utrzymuję czystość hierarchii. Zakład jest taki, że utrzymywanie go za pomocą naturalnego języka ("przetwarzanie skrzynki odbiorczej", "przeprowadzenie cotygodniowej recenzji", "jakie projekty nie mają kolejnej akcji") zmniejsza tarcie na tyle, że faktycznie to zrobię. Każdy poprzedni system wymagał klikania, przeciągania, filtrowania i nawigacji. To wymaga ode mnie mówienia.
|
||||
|
||||
Plan awaryjny to cron-kronik GitHub Actions. W każdy piątek o 9 rano workflow odczytuje zrzut SQL, uruchamia zapytania do przeglądu i wysyła mi maila z wynikami. Nie wymaga, żeby mój laptop był włączony. Nie wymaga ode mnie pamiętania. Działa, czy mam na to ochotę, czy nie.
|
||||
|
||||
## Co będzie dalej
|
||||
|
||||
Może tak właśnie wyglądają osobisti asystenci w pracy: nie kolejny SaaS z listą oczekujących, ale lokalna baza danych, agent, który ją czyta, i rozmowa zastępująca interfejs. Nie generowanie aplikacji demonstracyjnych, nie rozwiązywanie zagadek Advent of Code, ale wykonywanie żmudnej, nieefektownej pracy zarządzania zadaniami, śledzenia faktur i przypominania konsultantowi, że nie przeglądał swojej listy "someday" od pięciu tygodni. MarcOS się narodził. Czy stanie się lepszym klonem, czas pokaże. Będę aktualizować ten artykuł, gdy tylko pojawią się dane.
|
||||
|
||||
*Marc Bara jest konsultantem ds. zarządzania projektami i edukatorem z doktoratem z inżynierii elektrycznej. Pisze o AI, pracy i zarządzaniu projektami. Znajdź go na* [*LinkedIn*](https://www.linkedin.com/in/marcbara/)*.*
|
||||
+228
@@ -0,0 +1,228 @@
|
||||
---
|
||||
title: "Budowanie wiki badawczej LLM: Jak przekształciłem 3000 stron filozofii w żywy system wiedzy"
|
||||
source: "https://medium.com/@paulo.deassis/building-an-llm-research-wiki-how-i-turned-3-000-pages-of-philosophy-into-a-living-knowledge-609de9935cd9"
|
||||
author:
|
||||
- "[[Paulo de Assis]]"
|
||||
published: 2026-04-17
|
||||
created: 2026-06-08
|
||||
description: "More"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
*Jak artysta-badacz zaadaptował wzór LLM Wiki Andreja Karpathy'ego, aby zbudować uporządkowaną bazę wiedzy w filozofii kontynentalnej, ontologii muzyki i posthumanizmie — wykorzystując Claude'a Code jako dedykowanego agenta wywiadu badawczego.*
|
||||
|
||||
—
|
||||
|
||||
|
||||
|
||||
Otwartoźródłowe repozytorium LLM Research Wiki na GitHubie.
|
||||
|
||||
### Iskra
|
||||
|
||||
Na początku kwietnia 2026 roku Andrej Karpathy opublikował [podsumowanie](https://gist.github.com/karpathy/442a6bf555914893e9891c11519de94f) opisujące to, co nazwał "LLM Wiki" — ideę, że zamiast używać RAG (Retrieval-Augmented Generation) do ponownego pozyskiwania wiedzy z surowych dokumentów przy każdym zapytaniu, LLM powinien stopniowo budować i utrzymywać **trwałą, uporządkowaną wiki**, która kumuluje się z czasem. Surowe źródła są wprowadzane; Na jawie wychodzi uporządkowana, powiązana wiedza. Wiki staje się mądrzejsza niż twoja pamięć o powiązaniach między czytaniem.
|
||||
|
||||
Od razu się zainteresowałem. Jako artysta-badacz pracujący z filozofią kontynentalną, kompozycją muzyczną i posthumanizmem, mam do czynienia z gęstymi, powiązanymi źródłami pierwotnymi — Deleuze'em, Simondonem, Rancièrem, Stieglerem, Baradem — gdzie to właśnie powiązania między pojęciami między książkami a autorami sprawiają, że badania są produktywne. Tradycyjne narzędzia do notowania i zarządzania referencjami nie rejestrują tych powiązań. Przechowują dokumenty; Nie *myślą ponad* nimi.
|
||||
|
||||
Wzór Karpathy został zaprojektowany z myślą o potrzebach inżyniera oprogramowania (oparty na Obsidianie, skupiony na dokumentacji technicznej). Potrzebowałem czegoś dla badacza humanistycznego pracującego z 300-stronicowymi monografiami filozoficznymi, gdzie pojedynczy koncept mógł pojawić się u pięciu różnych autorów o pięciu różnych znaczeniach. Postanowiłem więc ją zaadaptować.
|
||||
|
||||
### Faza projektowania
|
||||
|
||||
Zacząłem od wzięcia podstawowego wglądu Karpathy'ego — surowych źródeł jako niezmiennej prawdy, wiki jako żywej warstwy syntezy, uporządkowanych przepływów pracy do pobierania/zapytań/lintowania — i od zastanowienia się, jak dostosować je do badań naukowych. Użyłem ChatGPT, aby opracować początkową architekturę: Jakie typy stron potrzebuje wiki humanistyczne? Jak powinny być zorganizowane koncepcje, autorzy i debaty? Jaki rodzaj frontu umożliwia szybką nawigację?
|
||||
|
||||
Ta eksploracja zaowocowała pierwszym szkicem schematu: sześciostronicowe typy (przypisy źródłowe, koncepcje, autorzy, debaty, syntezy, projekty), konwencje YAML frontmatter oraz architektura trójwarstwowa (surowa → wiki → schemat).
|
||||
|
||||
Następnie przeszedłem do Claude Code — terminalowego agenta kodującego Anthropic — do faktycznej implementacji. Kod Claude działa bezpośrednio w twoim systemie plików, czytając i zapisując pliki markdown, a także zachowuje kontekst przez długie sesje. Dzięki temu był idealnym narzędziem do budowania i utrzymania wiki: mógł czytać 300-stronicowy PDF, tworzyć 15 połączonych stron wiki i aktualizować indeks — wszystko to w jednej sesji konwersacyjnej.
|
||||
|
||||
Ważny szczegół: początkowa wersja nie była operacją pojedynczego agenta. Wcześniej stworzyłem trzech wyspecjalizowanych agentów w Claude Code, a sesja konfiguracyjna zaaranżowała wszystkich trzech:
|
||||
|
||||
**Agent A** — Zorganizował pełne przygotowanie; Zadania przekierowane do pozostałych dwóch agentów
|
||||
|
||||
**Agent B** — Zbadał strategię wdrożenia dużych istniejących kolekcji (problem "5 000 notatek / 4 000 PDF-ów")
|
||||
|
||||
**Agent C** — Zbudował strukturę folderów, stworzył schemat CLAUDE.md i wszystkie pliki szablonów oraz wykonał pierwsze pobieranie — co wygenerowało 38 stron wiki w jednym przejściu
|
||||
|
||||
Ten wieloagentowy podział pracy oznaczał, że cały system — schemat, foldery, szablony, strategia onboardingu oraz w pełni obsadzony pierwszy ingest — był budowany w jednej sesji. Po tym agencie nie byli już potrzebni: sam schemat CLAUDE.md stał się stałym operatorem, odczytywanym przez Claude'a Code na początku każdej kolejnej sesji.
|
||||
|
||||
Nie spodziewałem się jednak, że Claude Code stanie się nie tylko twórcą, ale *także operatorem* wiki. Plik CLAUDE.md u podstaw projektu działa jako stały zestaw instrukcji: za każdym razem, gdy rozpoczyna się nowa sesja, Claude ją odczytuje i działa jako dedykowany agent ds. inteligencji badawczej — podążając za przepływem workflow ingest, zapytań i lint zdefiniowanym w schemacie.
|
||||
|
||||
### Architektura
|
||||
|
||||
System składa się z trzech warstw:
|
||||
|
||||
**surowe/** — Niezmienne dokumenty źródłowe (PDF, transkrypcje, notatki). *Napisane przez badacza.*
|
||||
|
||||
**wiki/** — Ustrukturyzowane strony z wyznaczaniem (koncepcje, autorzy, debaty, syntezy, przypisy źródłowe, projekty). *Napisane przez LLM.*
|
||||
|
||||
**Schemat** — CLAUDE.md (instrukcje operacyjne), index.md (indeks główny), log.md (dziennik zmian). *Napisane przez obu autorów.*
|
||||
|
||||
Surowa warstwa jest święta — pliki źródłowe nigdy nie są modyfikowane po umieszczeniu tam. Warstwa wiki/to żywa synteza, która rośnie z każdym przyjmianiem. Warstwa schematu rządzi wszystkim.
|
||||
|
||||
### Sześć typów stron
|
||||
|
||||
Każda strona wiki korzysta z jednego z sześciu szablonów, z których każdy ma konkretne materiały YAML:
|
||||
|
||||
- **Przypisy źródłowe** — jedna na każdy przyjęty dokument. Streszczenie, kluczowe twierdzenia (z numerami stron), bezpośrednie cytaty, powiązania z innymi stronami, otwarte pytania.
|
||||
- **Strony koncepcyjne** — po jednej na każdą koncepcję (np. "asamblaż", "transdukcja", "haecceity"). Definicje, kluczowi myśliciele, powiązane pojęcia, źródłowe poparcie z wielu tekstów.
|
||||
- **Strony autorów** — jedna na każdego kluczowego myśliciela. Szkic biograficzny, kluczowe prace, koncepcje, znaczenie dla moich badań.
|
||||
- **Strony debat** — przedstawione intelektualne nieporozumienia w całej literaturze.
|
||||
- **Strony syntezy** — ewoluujące przeglądy argumentacyjne na skupisku powiązanych stron.
|
||||
- **Strony projektowe** — aktywne badania lub projekty pisarskie z ich inwentarzem koncepcji/źródeł.
|
||||
|
||||
### Epistemiczne markery
|
||||
|
||||
Z tej cechy jestem szczególnie dumny: każde twierdzenie w wiki ma epistemiczny znacznik rejestru.
|
||||
|
||||
- *(brak znacznika)* — Bezpośrednio przypisane do nazwanego źródła
|
||||
- **\[W\]** — Synteza Wiki: integracja redakcyjna LLM w wielu źródłach
|
||||
- **\[P\]** — Moje własne stanowisko badawcze: nie to, co mówi źródło, lecz to, co ja argumentuję
|
||||
- **\[?\]** — Niepewne: data, przypisanie lub twierdzenie, którego wiki nie może jednoznacznie zweryfikować
|
||||
|
||||
To ma znaczenie, ponieważ w badaniach humanistycznych rozróżnienie między "co mówi Deleuze", "tym, co mówi Sauvagnargues i Deleuzem" oraz "tym, co twierdzę o obu" ma filozoficzne znaczenie. Znaczniki utrzymują te rejestry widoczne.
|
||||
|
||||
### Projektowanie nawigacji
|
||||
|
||||
Po około 50 stronach napotkałem problem ze skalowaniem: płaski indeks alfabetyczny staje się zbyt wolny do nawigacji. Rozwiązaniem była trzywarstwowa kaskada nawigacyjna:
|
||||
|
||||
1. **Skupiska pojęciowe** w index.md — grupowania tematyczne (4–6 na dziedzinę), które najpierw sprawdza zapytanie
|
||||
2. **Strony syntezy** — wstępnie przygotowane przeglądy argumentacyjne dla każdego klastra (jedna strona zamiast sześciu)
|
||||
3. **powiązane: pola YAML** — każda strona koncepcji/autora zawiera 3–5 wskaźników do najbliższych sąsiadów
|
||||
|
||||
Kaskada oznacza, że przy 185 stronach koszt zapytań jest mniej więcej taki sam jak przy 50.
|
||||
|
||||
### Liczby
|
||||
|
||||
Po około dwóch tygodniach intensywnej pracy (6–17 kwietnia 2026) wiki wygląda tak:
|
||||
|
||||
- **Pobrane dokumenty źródłowe:** 70
|
||||
- **Łączna liczba stron wiki:** 185 (65 koncepcji, 39 autorów, 70 przypisów źródłowych, 4 debaty, 2 syntezy, 5 projektów)
|
||||
- **Łączna liczba odnośników krzyżowych (linków markdown):** 1 592
|
||||
- **Łączna liczba słów w wiki:** 233 881
|
||||
- **Strony materiałów źródłowych czytają:** ~3 200
|
||||
- **Wpisy w dzienniku:** 73
|
||||
|
||||
Liczba debat i syntez jest niska — te typy stron rozwijają się wolniej, ponieważ wymagają prawdziwej argumentacyjnej integracji między wieloma źródłami, a nie tylko wyodrębniania z jednego tekstu. Będą rosnąć wraz z dojrzewaniem wiki. Strony koncepcji i autora, w przeciwieństwie do nich, są już gęste: każda strona koncepcyjne ma co najmniej 2 wpisy wsparcia źródłowego, a najbogatsze mają ich 17.
|
||||
|
||||
### Mnożnik Spożycia
|
||||
|
||||
Średnio każde przejęte źródło generuje **2,6 strony wiki** (1 przypis źródłowy + aktualizacje do ~1,6 istniejących stron). Jednak ta średnia skrywa dużą różnorodność:
|
||||
|
||||
- **Krótki artykuł** (5–20 stron) zazwyczaj generuje 1 przypis źródłowy + aktualizacje 2–3 istniejących stron = **operacje 3–4 strony**
|
||||
- **Duża monografia** (200+ stron) może przynieść 1 przypis źródłowy + aktualizacje do 8–10 istniejących stron = **10–12 operacji** stron
|
||||
- **Największe pojedyncze pobieranie** — *Deleuze i Sztuka* Sauvagnarguesa (187 stron) — stworzyło 7 nowych stron (6 nowych zalążków koncepcyjnych + 1 przypis źródłowy) i zaktualizowało 10 istniejących stron = **17 operacji** stronicowych
|
||||
|
||||
Prawdziwa siła nie tkwi w tworzeniu nowych stron, lecz *w aktualizacji* istniejących. Gdy pobieram rozdział 4 *Deleuze'a "Różnica i powtórzenia* ", LLM nie tylko tworzy przypis źródłowy — dodaje źródłowe źródło do strony koncepcji *multiplicity*, aktualizuje stronę *różnicowania*, wzbogaca stronę *jednoznacznych bytów* i dodaje ją do strony autora Deleuze'a. Każde nowe spożycie sprawia, że każde poprzednie jest bardziej wartościowe.
|
||||
|
||||
### Najgęstsze węzły
|
||||
|
||||
Niektóre strony koncepcji stały się niezwykle bogate dzięki zgromadzonym doświadczeniom:
|
||||
|
||||
**Assemblage** — 17 haseł źródłowych, obejmujących Deleuze-Guattariego, DeLandę (4 książki), Sauvagnargues (2 książki), moje własne teksty, Beistegui, Haraway, Rancière, Simondon
|
||||
|
||||
**Posthumanizm** — 13 wpisów, obejmujących Hassana, Harawaya, Haylesa, Braidottiego (2 książki), Ferrando (2 źródła), Wolfe'a, Tomlinsona, mój opis grantu ERC
|
||||
|
||||
**Transdukcja** — 9 wpisów, obejmujących Simondona (2 źródła), Stieglera, Hui (2 źródła), Beisteguiego, Sauvagnarguesa (2 książki), mój własny artykuł o transdukcji performatywnej
|
||||
|
||||
To właśnie te mocno wspierane strony wiki staje się naprawdę użyteczne jako narzędzie badawcze. Na przykład strona *z asamblażem* zawiera teraz rozróżnienie własności/zdolności DeLandy, definicję tetrawalentną Deleuze-Guattariego, maszynowy asamblaż Sauvagnarguesa, moje własne sześć warstw muzycznych oraz genealogię problemu *agencement/asambler* — wszystko na jednej stronie, z cytowaniami źródeł pierwotnych. Żadna książka ani artykuł nie zawiera tego wszystkiego. Tylko wiki to robi.
|
||||
|
||||
### Problem wdrożenia
|
||||
|
||||
Jeśli jesteś uznanym badaczem, prawdopodobnie masz tysiące notatek i tysiące plików PDF. Najważniejszą lekcją, jaką wyniosłem — zanim zacząłem korzystać z jednego źródła — jest to:
|
||||
|
||||
**Wiki NIE jest biblioteką. To starannie wyselekcjonowana synteza tego, co ważne TERAZ.**
|
||||
|
||||
Podczas fazy projektowania zidentyfikowaliśmy pięć pułapek, których należy unikać:
|
||||
|
||||
1. **Fantazja migracji** — nigdy nie próbuj pochłaniać wszystkiego. Twoja obecna biblioteka zostaje tam, gdzie jest.
|
||||
2. **Przedwczesna kategoryzacja** — nie twórz 50 pustych stubów przed spożyciem jednego źródła.
|
||||
3. **Pobieranie wszechowe zanim pojawi się kręgosłup** — potrzebujesz 5–10 starannie nadzorowanych pojęć, zanim wiki będzie miało wystarczającą strukturę, by się nimi kierować.
|
||||
4. **Zaczynając od najbardziej złożonego źródła** — zacznij od własnej mapy badań, a nie od *Różnicy i Powtórzenia*.
|
||||
5. **Traktowanie sur/jak kopii twojej biblioteki PDF** — sur/ to wyselekcjonowany folder wejściowy, a nie lustro.
|
||||
|
||||
Podejście fazowe, które u mnie się sprawdziło:
|
||||
|
||||
- **Faza 0:** Napisz mapę badawczą własnymi słowami — 2–3 strony opisujące twoją obecną konstelację badawczą. Najpierw go połknąć. To zaszczepia wiki twoje ramy koncepcyjne.
|
||||
- **Faza 1 (źródła 1–5):** W pełni nadzorowane, jedno źródło na raz, rozłożone na twoje projekty. Trenujesz zarówno wiki, jak i siebie.
|
||||
- **Faza 2 (źródła 6–20):** Nadal pod nadzorem, ale można zrobić 2–3 na sesję. Schemat i zgromadzony kontekst wiki zaczynają kierować decyzjami LLM.
|
||||
- **Faza 3 (źródła 20+):** Lżejsza nadzór. Pobieranie wsadowe staje się możliwe. Wiki ma wystarczającą gęstość, by wyłapać własne błędy przez kłaczki.
|
||||
|
||||
W przypadku istniejących kolekcji: zachowaj swoje 5 000 notatek i 4 000 plików PDF tam, gdzie są. Skopiuj źródło do surowej wersji dotychczas, gdy będziesz gotowy je wchłonąć. W przypadku książek przyjmuj rozdziały, a nie całe tomy. Test priorytetowy: *"Czy cytuję to w czymś, co teraz piszę?"*
|
||||
|
||||
Trajektoria wzrostu, którą zaobserwowałem:
|
||||
|
||||
- **5 źródeł / ~20 stron** — Podstawowe pytania i odpowiedzi dotyczące źródeł przyswajonych
|
||||
- **20 źródeł / ~80 stron** — Pierwsze prawdziwe syntezy opłacalne
|
||||
- **50 źródeł / ~200 stron** — Fragmenty roboczej pracy z zapytań
|
||||
- **100 źródeł / ~400 stron** — Wiki mądrzejsza niż pamięć o połączeniach krzyżowych
|
||||
|
||||
Punkt rentowności przypada na źródło 20–30: gdy zapytanie zwraca cytowaną odpowiedź w 30 sekund zamiast 20 minut przeszukiwania PDF.
|
||||
|
||||
### Trzy procesy w praktyce
|
||||
|
||||
### PRZYSWAJANIE
|
||||
|
||||
Mówię: *wnikaj Deleuze'a, Gilles. 1968 \[1994\] Różnica i powtarzalność. 4.pdf ROZDZIAŁU*
|
||||
|
||||
Claude czyta cały rozdział (54 strony gęstej filozofii), a następnie:
|
||||
|
||||
1. Omawia ze mną kluczowe wskazówki przed napisaniem czegokolwiek
|
||||
2. Tworzy notatkę źródłową z 13 kluczowymi twierdzeniami, 10 bezpośrednimi cytatami i 4 otwartymi pytaniami
|
||||
3. Aktualizuje stronę koncepcji *mnogości* (dodaje "źródło filozoficzne pierwotne")
|
||||
4. Aktualizuje stronę *różnicowania* (dodaje źródło pierwotne, degraduje Beisteguiego do "drugorzędnego")
|
||||
5. Rozwiązuje problem "cienkiego wsparcia źródła" w *onto-heterogenezie* i *byciu jednorazowym*
|
||||
6. Aktualizuje stronę autora Deleuze'a
|
||||
7. Aktualizacje index.md i log.md
|
||||
|
||||
Łącznie: 1 strona utworzona, 5 zaktualizowanych stron, 2 problemy z cienkim źródłem rozwiązane. Czas: około 10 minut.
|
||||
|
||||
### ZAPYTANIE
|
||||
|
||||
Mogę zapytać: "Jak działa koncepcja linii ucieczki politycznie?"
|
||||
|
||||
Claude sprawdza index.md, identyfikuje Klaster C, czyta stronę koncepcyjną *linii lotu* (która zawiera 3 wpisy wspierające źródło: ATP Ch. 1, Sauvagnargues 2013 i Thornton 2020), podąża za powiązanymi polami do *składania* i *stawania* się, a następnie konstruuje odpowiedź na podstawie syntetycznego wiki — cytując konkretne strony i fragmenty bez konieczności ponownego czytania oryginalnych PDF-ów.
|
||||
|
||||
### LINT
|
||||
|
||||
Mówię: *kłaczki*
|
||||
|
||||
Claude przeprowadza audyt wszystkich 185 stron według 8 kryteriów: strony sierot, niedziałające linki, brakujące epistemiczne znaczniki, słabe wsparcie źródłowe, przestarzałe strony, notatki źródłowe nieobecne w indeksie, pojęcia brakujące w indeksie. Ostatni powrót kłaczków: 0 sierot, 0 brakujących markerów, 0 cienkich stron źródłowych, 0 zerwanych linków koncepcyjnych, 1 592 nienaruszone odnośniki krzyżowe. Każda strona koncepcyjna ma 2+ źródła.
|
||||
|
||||
### Czego się nauczyłem
|
||||
|
||||
### 1\. Wiki to coś więcej niż suma źródeł
|
||||
|
||||
Najcenniejsze strony to te, które łączą źródła pomiędzy źródłami, których żaden z autorów nie połączył. Strona *z asamblażem* — czerpiąca z filozoficznej koncepcji Deleuze-Guattariego, ontologii społecznej DeLandy, estetyki Sauvagnarguesa oraz mojego własnego zastosowania muzycznego — zawiera wiedzę, której nie ma nigdzie indziej w formie opublikowanej. Wiki *generuje* wiedzę poprzez akt uporządkowanego gromadzenia.
|
||||
|
||||
### 2\. Nadzór ma znaczenie na początku, później już mniej
|
||||
|
||||
Pierwsze 10–15 przyjmowań wymagało ścisłego nadzoru: sprawdzania, czy pojęcia są poprawnie identyfikowane, czy połączenia są autentyczne, a nie powierzchowne, czy znaczniki epistemiczne są stosowane poprawnie. Następnie schemat i zgromadzony kontekst wiki prowadziły LLM ku coraz dokładniejszym i spójniejszym aktualizacjom stron. Wiki szkoli własnego operatora.
|
||||
|
||||
### 3\. Workflow usuwania kłaczków jest kluczowy
|
||||
|
||||
Bez regularnego lintingu wiki dryfowałaby: strony osierocone, uszkodzone linki, niespójne znaczniki. Procedura usuwania kłaczków wykrywa te problemy, zanim się kumulują. Uruchamiam go co 10–15 porcji. Zajmuje to 2 minuty i zapobiega godzinom sprzątania.
|
||||
|
||||
### 4\. Obsydian jest naturalnym towarzyszem
|
||||
|
||||
Po zbudowaniu wiki całkowicie przez Claude Code otworzyłem folder w Obsidian. Wszystko zadziałało natychmiast — widok wykresu, panel linków, wyszukiwanie. Bez migracji, bez konwersji. Obsidian czyta te same pliki markdown, które pisze Claude. Oba narzędzia są uzupełniające: Claude do operacji strukturalnych (wchłanianie, zapytanie, kłaczki), Obsidian do eksploracji wizualnej i przypadkowego odkrywania.
|
||||
|
||||
### 5\. Schemat jest rzeczywistym produktem
|
||||
|
||||
Strony wiki są cenne, ale produktem wielokrotnego użytku jest schemat CLAUDE.md — zestaw instrukcji, który zamienia dowolnego agenta kodującego LLM w operatora wiki badawczego. Jest [otwartoźródłowe na GitHubie](https://github.com/MetamusicX/llm-research-wiki). Każdy może go sklonować, edytować kontekst domeny dla swojego pola i zacząć pobierać dane.
|
||||
|
||||
### Spróbuj sam
|
||||
|
||||
Repozytorium znajduje się na [github.com/MetamusicX/llm-research-wiki](https://github.com/MetamusicX/llm-research-wiki).
|
||||
|
||||
Czego potrzebujesz:
|
||||
|
||||
- [Kod Claude'a](https://claude.ai/code) (rozszerzenie terminal, desktop lub VS Code)
|
||||
- Plik CLAUDE.md z repozytorium — to schemat, który sprawia, że wszystko działa
|
||||
- Twoje własne dokumenty źródłowe (PDF-y, notatki do markowania, transkrypcje)
|
||||
- Brak bazy danych, brak osadzeń, brak wtyczek — tylko pliki i foldery markdown
|
||||
|
||||
Zacznij od własnej mapy badawczej jako pierwszego wejścia. To zasiewa wiki twoim konceptualnym ramą. Potem dodawaj źródła pojedynczo. Nadzoruj pierwsze 10. Kłaczki odprowadzaj co 15 minut. Po 50 źródłach będziesz miał prawdziwe narzędzie badawcze. Po 100 jest niezbędna.
|
||||
|
||||
— -
|
||||
|
||||
*Paulo de Assis jest artystą-badaczem specjalizującym się w kompozycji, wykonawstwie fortepianowym, filozofii kontynentalnej, studiach nad nauką i technologią* oraz *epistemologii. Jest autorem książki* Logic of Experimentation: Rethinking Music Performance through Artistic Research *(Leuven University Press, 2018). Wiki opisane w tym artykule zostało stworzone w ramach jego trwającego projektu ERC Advanced Grant PosthumanMusic (2026–2030).*
|
||||
|
||||
*Wzór LLM Research Wiki jest otwarty na* [*github.com/MetamusicX/llm-research-wiki*](https://github.com/MetamusicX/llm-research-wiki)*.*
|
||||
+116
@@ -0,0 +1,116 @@
|
||||
---
|
||||
title: "Co się dzieje, gdy dasz LLM-owi klucze do swojego skarbca Obsidian"
|
||||
source: "https://medium.com/dare-to-be-better/what-happens-when-you-give-an-llm-the-keys-to-your-obsidian-vault-370562d821e0"
|
||||
author:
|
||||
- "[[Valerie]]"
|
||||
published: 2026-05-08
|
||||
created: 2026-05-20
|
||||
description: "W ramach WI w LLM wzorcu Karpathy'ego, umiejętności oficjalnego agenta Steph Ango i to, co się stanie, gdy twój skarbiec przestanie potrzebować twojej utrzymania."
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
## W ramach WI w LLM wzorcu Karpathy'ego, umiejętności oficjalnego agenta Steph Ango i to, co się stanie, gdy twój skarbiec przestanie potrzebować twojej utrzymania.
|
||||
|
||||
|
||||
|
||||
Te piękne wykresy to prawdziwy powód, dla którego tak bardzo kocham Obsidian. Ale jest też lokalny, bezpieczny i od teraz łatwy w użyciu z LLM.
|
||||
|
||||
2 kwietnia 2026 roku Andrej Karpathy opublikował krótki opis czegoś, co nazwał "LLM Wiki". Osiągnął 325 000 wyświetleń w 48 godzin. W ciągu dwóch tygodni pół tuzina wtyczek open-source ponownie go wdrożyło. Obszar zarządzania wiedzą osobistą na Twitterze kompletnie stracił rozum. Prawie żadne mainstreamowe media technologiczne o tym nie pisały.
|
||||
|
||||
*Nie jesteś członkiem Medium? Czytaj za darmo* [*tutaj.*](https://medium.com/dare-to-be-better/what-happens-when-you-give-an-llm-the-keys-to-your-obsidian-vault-370562d821e0?sk=61c02e7f99abf7f07fc0952fa475bc89)
|
||||
|
||||
|
||||
|
||||
Viralowy post Andreja można zobaczyć tutaj
|
||||
|
||||
Pomysł jest na tyle mały, że zmieści się w tweecie i na tyle dziwny, że zajmuje chwilę, by go przyswoić: przestań zadawać swojemu LLM pytania o notatki. Niech *pisze i prowadzi notatki za ciebie*.
|
||||
|
||||
*Nie jesteś pewien, czym jest Obsidian? Najpierw sprawdź ten artykuł:*
|
||||
|
||||
## [Stwórz i zarządzaj swoją bazą wiedzy za pomocą Obsidian](https://medium.com/dare-to-be-better/create-and-manage-your-knowledge-base-with-obsidian-de7688dc0790?source=post_page-----370562d821e0---------------------------------------)
|
||||
|
||||
### To zupełnie nowe podejście do robienia notatek i zarządzania wiedzą.
|
||||
|
||||
medium.com
|
||||
|
||||
Jeśli używałeś którejkolwiek wtyczki "Chat with your vault" do Obsidian, znasz już standardowy schemat: wrzuć markdown do wektorowej bazy danych, zadaj pytanie, model pobiera kilka fragmentów i odpowiada. W porządku. To także transakcja jednorazowa — w momencie zamknięcia czatu nic się nie kumuluje. Twój skarbiec jest nadal tak zabałaganiony, jak go zostawiłeś. Model nie staje się mądrzejszy w twoim przypadku. Nie stajesz się mądrzejszy w swoim podejściu.
|
||||
|
||||
Wzór LLM Wiki odwraca workflow. Czat to efekt uboczny. Artefakt to uporządkowany, hiperlinkowany skarbiec, który model utrzymuje dla ciebie w tle — dodając strony z entykatami, poprawiając streszczenia tematów, sygnalizując sprzeczności między wczorajszą notatką a dzisiejszą, odsłaniając powiązania, których nigdy nie zrobiłeś świadomie.
|
||||
|
||||
Brzmi to podejrzanie jak każda obietnica "drugiego mózgu" z ostatnich pięciu lat. Większość tych obietnic to były wibracje. Ten jest wyjątkowo konkretny, a narzędzia doganiały szybciej niż dyskusja. Oto jak to właściwie skonfigurować — i gdzie się psuje.
|
||||
|
||||
## Przesunięcie pojęcia, w jednym zdaniu
|
||||
|
||||
Stary schemat: **czat z dodatkiem wyszukiwania.** Twoje notatki to biblioteka tylko do czytania; LLM to bibliotekarz.
|
||||
|
||||
Nowy schemat: **pisanie z pomocą wyszukiwania.** Twoje notatki to edytowalna wiki; LLM to redaktor naczelny, który nigdy nie śpi.
|
||||
|
||||
Wszystko inne — wybór modelu, wtyczki, sprzęt — to szczegóły implementacji.
|
||||
|
||||
## Brakujący element: CEO Obsidian właśnie nauczył agentów, jak się zachowywać
|
||||
|
||||
Przez około rok oczywistym wąskim gardłem w tym całym wzorcu było to, że LLM technicznie mówią markdown, ale nie wiedzą, że Obsidian markdown to osobny dialekt. Agenci pisali notatki, które wyglądały poprawnie w czystym tekście i cicho się psuły w momencie otwarcia — wikilinki będące tylko nawiasami wokół łańcucha rzeczy, przednią część przekształconą w tekst główny, opisy w cudzysłowie, pliki Bases uszkodzone do zupy JSON. Każdy workflow "AI w moim skarbcu" kończył się przepustką sprzątającą.
|
||||
|
||||
Na początku 2026 roku Steph Ango — CEO Obsidian — sam to naprawił. Opublikował na GitHub: zestaw umiejętności agentów licencjonowany przez MIT, które uczą Claude Code, Codex CLI, OpenCode i wszelkich innych narzędzi kompatybilnych z Agent Skills, jak faktycznie korzystać z aplikacji. Repozytorium usunęło dziesiątki tysięcy gwiazd w ciągu kilku tygodni i nadal rośnie.`kepano/obsidian-skills`
|
||||
|
||||
To, co jest w środku, to dokładnie te nudne, ważne rzeczy:
|
||||
|
||||
- `**obsidian-markdown**` — wikilinki, callouty, materiały wstępne, osadzenia, linki dwukierunkowe wykonane poprawnie.
|
||||
- `**obsidian-bases**` — dane strukturalne z filtrami, widokami i typowymi właściwościami.
|
||||
- `**json-canvas**` — generowanie i edytowanie wizualnych płócien w twoich notatkach.
|
||||
- `**obsidian-cli**` — pełne zarządzanie sejfem z linii poleceń.
|
||||
- `**defuddle**` — usuwa strony internetowe, aby oczyścić markdown przed zapisem, dzięki czemu nie marnujesz tokenów na reklamy i nawigację w Chrome.
|
||||
|
||||
Ciekawe nie jest kod. Chodzi o to, że *twórca produktu* sam napisał integrację agenta, zamiast czekać, aż społeczność się tego zajmie. To jest sygnał. Zmierzamy w okres, w którym każde poważne narzędzie będzie dodawać warstwę agenta obok dokumentacji i API — nie jako dodatku marketingowego, ale dlatego, że jeśli agenci nadużywają Twojego produktu, po cichu zatrują każdy sejf, repozytorium i przestrzeń roboczą, z którą się zetkną. Ango właśnie dotarło pierwsza.
|
||||
|
||||
Dla naszych celów oznacza to, że poniższe ustawienie jest znacznie łatwiejsze niż sześć miesięcy temu. Wrzucasz umiejętności do katalogu umiejętności agenta, a Claude Code przestaje improwizować w twoim skarbcu.
|
||||
|
||||
## Układ
|
||||
|
||||
Potrzebujesz trzech rzeczy: skarbca, modelu i agenta, który może odpisać do skarbca. Nic z tego nie wymaga usług chmurowych, jeśli ich nie chcesz.
|
||||
|
||||
**1\. Obsydian.** Darmowe, lokalne promocje, zniżka. Jeśli jeszcze go nie używasz, to nie jest artykuł, który cię przekona — ale format ma znaczenie: właśnie dane dane z entycją to dokładnie to, co modele długokontekstowe najlepiej przetwarzają. Obsidian przekroczył 1,5 miliona użytkowników na początku 2026 roku, nie bez powodu.
|
||||
|
||||
**2\. Modelka.** Trzy szczere poziomy:
|
||||
|
||||
- **Czysto lokalne (prywatne, wolniejsze):** Ollama plus Llama 4 Scout, jeśli masz VRAM, albo Mistral NeMo 12B jako idealny wybór dla konsumenckich (działa na nowoczesnym MacBooku lub RTX 4070). Qwen3 jest obecnie ulubieńcem wszystkiego, co związane z kodem.
|
||||
- **Hybrydowy (jakość Frontier, więcej prywatności niż pełna chmura):** Kod Claude'a lub inny agent łączy się z lokalnym sejfem przez MCP. Skarbiec zostaje na twoim dysku. Rozumowanie odbywa się w chmurze.
|
||||
- **Czysta chmura:** Notion AI, Mem itd. Najłatwiejsza konfiguracja, najsłabsza historia prywatności, największe zablokowanie. Pomiń, jeśli twoje notatki zawierają coś, czego wstydziłbyś się wezwać do sądu.
|
||||
|
||||
**3\. Agent, który odpisuje.** Wybierz jedną — i którą wybierzesz, najpierw zajrzyj do katalogu umiejętności swojego agenta, żeby faktycznie mówiła dialektem:`kepano/obsidian-skills`
|
||||
|
||||
- `**obsidian-Smart2Brain**` Wtyczka — najbliższa jednoklikowej instalacji w wzorcu Karpathy.
|
||||
- `**NicholasSpisak/second-brain**` — bliżej pierwotnej idei Karpathy'ego; Więcej przygotowania, więcej kontroli.
|
||||
- **Claude Code zamiast MCP, z oficjalnymi umiejętnościami załadowanymi** — najpotężniejsza ścieżka. Uruchamiasz autonomicznego agenta przeciwko swojemu systemowi plików, ale dzięki umiejętnościom kepano zna zasady domu.
|
||||
|
||||
**Minimalny pierwszy przegląd:** wskaż agentowi jeden nowy dokument — transkrypcję spotkania, pracę badawczą, długą transkrypcję notatki głosowej. Powiedz mu, żeby zaktualizował lub utworzył odpowiednie strony z podmiotami, podlinkował je i zapisał wszelkie sprzeczności z wcześniejszymi notatkami. Przeczytaj, co wydarzyło. Zdecyduj, czy mu ufasz.
|
||||
|
||||
To właśnie ten ostatni krok większość ludzi rezygnuje i nie są w błędzie.
|
||||
|
||||
## Co ten szum robi nie tak
|
||||
|
||||
**To nie czyni cię mądrym.** To sprawia, że *twój skarbiec* jest inteligentny. Jest różnica, a ta różnica staje się bolesna około drugiego tygodnia, gdy model pojawia się czysta synteza trzech rzeczy, które napisałeś, i zdajesz sobie sprawę, że przez sześć miesięcy miałeś tę samą półmyśl.
|
||||
|
||||
**To halucynacje między nimi.** Zwłaszcza w przypadku mniejszych lokalnych modeli. Wiki pewnie połączy dwie istoty, które nie mają ze sobą nic wspólnego, i napisze akapit wyjaśniający relację, której Twoje notatki nie wspierają. Można to zauważyć, czytając ponownie. Przestajesz to łapać, gdy przestaniesz czytać ponownie. Planuj odpowiednio.
|
||||
|
||||
**To pokazuje, jak bardzo jesteś nieuporządkowany.** Pierwszy miesiąc to problem zimnego startu ubrany w cechę: LLM świetnie radzi sobie z organizowaniem uporządkowanych informacji i radzi sobie tylko w niedokończonych bazgrołach, z których składa się większość osobistych skarbców. Jeśli twoje notatki to głównie sieroty myśli i zakładki, przez pierwsze dwa tygodnie będziesz wykonywać prace sprzątające, której model nie może za ciebie wykonać.
|
||||
|
||||
**Historia prywatności jest prawdziwa, ale tylko jeśli się na nią zdecydujesz.** Lokalna zasada jest naprawdę prywatna. W momencie, gdy pozwolisz agentowi chmurowemu zaindeksować swój sejf dla "wygody", przekazujesz swoją listę lektur, notatki terapeutyczne, niedokończony list rezygnacyjny i listę zakupów osobie trzeciej z polityką prywatności, której nie przeczytałeś.
|
||||
|
||||
**Sprzęt nie jest darmowy.** Dobre lokalne rozwiązanie działa na laptopie za 2500 dolarów, ale model na starym komputerze za 400 dolarów da wpisy w wiki, które są zauważalnie gorsze niż subskrypcja chmurowa za 20 dolarów miesięcznie. Udawanie inaczej to kolejny cmentarz "drugiego mózgu".
|
||||
|
||||
## Kto właściwie powinien to robić
|
||||
|
||||
- **Tak:** badaczy, pisarze, inżynierowie, założyciele, terapeuci w trakcie szkolenia, każdy, kto w większości opiera się na syntezie długich form, które chcieliby zachować na własnej maszynie.
|
||||
- **Może:** osoby z zdyscyplinowanymi nawykami robienia notatek, które ciągle napotykają ścianę "Wiem, że gdzieś to napisałem."
|
||||
- **Nie: osoby,** których notatki to głównie listy zadań i przypomnienia. Użyj aplikacji do zadań. Schemat wiki jest przesadzony — odpowiednik instalowania Kubernetesa na osobistego bloga.
|
||||
|
||||
## Rzeczywista nagroda
|
||||
|
||||
Szczere wyjaśnienie, dlaczego to się opłaca, nie brzmi: "AI wykonuje pracę." Chodzi o to, że otrzymujesz funkcję wymuszającą zapisywanie rzeczy w formacie, którego model może używać, a ta funkcja wymuszenia się kumuluje. Po sześciu tygodniach twój skarbiec zachowuje się mniej jak cmentarz półmyśli, a bardziej jak rozmówca — coś, co przeczytało wszystko, co napisałeś, nie schlebia ci i ujawni niewygodny wzór, którego ostrożnie nie zauważałeś.
|
||||
|
||||
Ta ostatnia własność jest rzadka i cenna, nie wymaga magii modelu frontier. Wymaga modelu na tyle dobrego, by nie było żenujące, agenta, który potrafi zapisywać na dysk, oraz gotowości do czytania tego, co powstaje, z takim samym krytycznym okiem, jak pierwszy szkic młodszego pisarza.
|
||||
|
||||
Wzór wiki to pierwszy raz w tym cyklu AI, kiedy narzędzie naprawdę działa *dla ciebie* między sesjami, zamiast czekać na kolejne pytanie. To właśnie część Karpathy'ego dobrze oddał, a większość relacji pominęła.
|
||||
|
||||
To też ta część, którą trzeba poczuć przez miesiąc — dlatego prawie nikt, kto spróbuje tego przez weekend, nie powie ci, że działa.
|
||||
@@ -0,0 +1,118 @@
|
||||
---
|
||||
title: "Karpathy LLM Wiki to supermoc dla badaczy. Oto jak go używam."
|
||||
source: "https://medium.com/below-the-abstract/karpathy-llm-wiki-is-a-superpower-for-researchers-heres-how-i-use-it-cf3db8d24ce1"
|
||||
author:
|
||||
- "[[R.F. Bryan]]"
|
||||
published: 2026-05-11
|
||||
created: 2026-05-20
|
||||
description: "More"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
|
||||
|
||||
Zdjęcie: Kelly Sikkema na Unsplash
|
||||
|
||||
Andrej Karpathy kilka tygodni temu zamieścił wątek o budowaniu osobistych baz wiedzy za pomocą LLM. Jeśli pracujesz w badaniach, powinno to cię całkowicie zatrzymać.
|
||||
|
||||
Ponieważ naukowcy od dziesięcioleci szukają idealnego systemu wiedzy. Zettelkasten. Badania wędrówki. Obsydianowe skarbce z 10 000 banknotów, których nikt już nigdy nie czyta.
|
||||
|
||||
Ale to, co opisał Karpathy, jest inne. To, co buduje, to nie tylko system notatek, ale kompilator.
|
||||
|
||||
## Różnica między notatką a wiki, którą utrzymuje twój LLM
|
||||
|
||||
Większość badaczy współpracuje ze AI w ten sam sposób: wrzucają pracę do okna czatu, zadają pytania, uzyskują odpowiedzi, zamykają zakładkę.
|
||||
|
||||
To podejście ma swój sufit. Nie pamięta jutrzejszego artykułu ani tego, jak ten artykuł łączy się z tym, który czytałeś w zeszłym tygodniu. Ba, nie może nawet powiedzieć, że metodologia w badaniu z 2021 roku cicho przeczy założeniom z 2024 roku, które stosujesz.
|
||||
|
||||
Podejście Karpathy'ego jest strukturalnie inne. Zamiast rozmawiać z dokumentami, buduje rosnącą bazę wiedzy, którą LLM utrzymuje z czasem.
|
||||
|
||||
Oto podstawowa pętla: surowe materiały źródłowe trafiają do katalogu. Artykuły, artykuły, repozytoria, zbiory danych, obrazy. Następnie LLM stopniowo kompiluje te źródła do wiki — zbioru plików markdown zorganizowanych według koncepcji, z podsumowaniami, linkami zwrotnymi i odniesieniami. Obsidian to frontend, gdzie czytasz wszystko. Rzadko sięgasz bezpośrednio do wiki. LLM zapisuje go i utrzymuje.`raw/`
|
||||
|
||||
Gdy wiki będzie wystarczająco duża — jego przykład to około 100 artykułów i 400 000 słów — możesz zadawać złożone pytania i uzyskać odpowiedzi, które faktycznie łączą się z całym twoim korpusem.
|
||||
|
||||
To nie jest chatbot. To asystent badawczy, który przeczytał wszystko, co ty przeczytałeś, pamięta wszystko i potrafi połączyć rzeczy, które pominąłeś.
|
||||
|
||||
## Dlaczego badacze powinni szczególnie zwracać uwagę
|
||||
|
||||
Problemem większości badaczy jest nieznajdowanie informacji. To łączy.
|
||||
|
||||
Przeczytałeś 200 artykułów z danej dziedziny. Znasz główne wątki. Ale gdy siadasz do przeglądu literatury lub wskazujesz lukę badawczą, praca jest brutalna. Mentalnie triangulujesz dziesiątki źródeł, próbując jednocześnie utrzymać w głowie konkurencyjne ramy, mając nadzieję, że nie przeoczysz kluczowej sprzeczności ukrytej w sekcji metod, którą przejrzałeś sześć miesięcy temu.
|
||||
|
||||
Wiki Karpathy nie tylko przechowuje twoje źródła. Łączy ich. LLM pisze artykuły o koncepcjach, a nie tylko streszczenia poszczególnych artykułów. Buduje powiązania między powiązanymi ideami. Sprawdza, gdzie badania są spójne, a gdzie się rozbiegają.
|
||||
|
||||
W przypadku syntezy literatury jest to jakościowo inny rodzaj pomocy niż cokolwiek, co oferuje standardowy pipeline RAG czy interfejs czatu.
|
||||
|
||||
## Jak właściwie to ustawiłem
|
||||
|
||||
Nie będę udawać, że to wszystko jest gotowe. Potrzeba trochę przygotowania i cierpliwości, zanim się opłaci. Oto jak to prowadziłem.
|
||||
|
||||
**Krok 1: Zbuduj sur/katalog**
|
||||
|
||||
Wszystko, z czym pracuję, wrzucam do surowego katalogu. W przypadku trwającego projektu badawczego są to artykuły (konwertowane do markdownu za pomocą narzędzi takich jak Marker lub po prostu skopiowane streszczenia i kluczowe sekcje), artykuły internetowe wycięte w Obsidian Web Clipper, notatki z wywiadów oraz wszelkie zbiory danych lub raporty, do których regularnie się odwołuję.
|
||||
|
||||
Kluczowe jest nie być zbyt cennym w kwestii tego, co jest włożone. Pierwsze szkice własnych notatek analiz też tam pasują. LLM będzie działał ze wszystkim.
|
||||
|
||||
**Krok 2: Pozwól LLM skompilować wiki**
|
||||
|
||||
Używam Claude'a ze strukturalnym promptem do przejścia kompilacji. Prompt nakazuje mu:
|
||||
|
||||
- Przeczytaj pliki surowe i
|
||||
- Zidentyfikuj podstawowe koncepcje w całym korpusie
|
||||
- Napisz uporządkowany artykuł markdown dla każdego pojęcia
|
||||
- Dołącz cytowania do dokumentów źródłowych
|
||||
- Oznacz tam, gdzie źródła się zgadzają, gdzie się spierają i jakie pytania pozostają otwarte
|
||||
|
||||
To nie jest jednorazowa sprawa. Uruchamiasz ją ponownie, gdy dodajesz znaczący nowy materiał. Wiki rozwija się stopniowo.
|
||||
|
||||
**Krok 3: Użyj Obsidian jako interfejsu do czytania**
|
||||
|
||||
Karpathy nazywa Obsidian "frontendem IDE" i to ramowanie jest trafne. Widok wykresu pokazuje, jak pojęcia się ze sobą łączą. Panel linków zwrotnych w każdym artykule koncepcyjnym pokazuje wszystkie źródła, które poruszały ten pomysł. Możesz nawigować po wiki tak, jak radzisz sobie z dobrze zorganizowaną monografią badawczą, a nie stertą PDF-ów.
|
||||
|
||||
**Krok 4: Zadawaj pytania na wiki**
|
||||
|
||||
Właśnie tutaj zaczyna się efekt. Gdy wiki będzie miała wystarczająco dużo materiału, możesz zadawać pytania wymagające syntezy w wielu źródłach. "Jakie są główne metodologiczne różnice w badaniach mierzących X?" "Które gazety analizowały Y w kontekście Z i co odkryły?" "Gdzie są luki, które nie zostały rozwiązane?"
|
||||
|
||||
Odpowiedzi są lepsze niż te, które uzyskujesz na rozmowach z pojedynczymi artykułami, ponieważ LLM działa przeciwko uporządkowanym, kuratorowanym, powiązanym korpusom — a nie surowemu zrzutowi dokumentów. Omówiłem, jak używać tego konkretnie do znajdowania luk naukowych [tutaj](https://medium.com/below-the-abstract/how-to-use-karpathys-llm-wiki-to-find-research-gaps-0d5b67b0c07d).
|
||||
|
||||
**Krok 5: Złóż wyjścia z powrotem**
|
||||
|
||||
Argument Karpathy'ego o tym, że wyniki "sumują się" w bazie wiedzy, okazał się naprawdę prawdziwy. Gdy uruchamiam zapytanie syntezy i dostaję użyteczną odpowiedź, zapisuję ten wynik jako plik markdown z powrotem do wiki. Moja własna analiza staje się częścią korpusu. Przyszłe zapytania mogą na tym budować.
|
||||
|
||||
Z czasem wiki zaczyna przypominać żywy dokument twojego własnego myślenia, a nie tylko bibliotekę cudzych prac.
|
||||
|
||||
## Krok z lintingiem jest niedoceniany
|
||||
|
||||
Karpathy wspomina o przeprowadzaniu "kontroli zdrowia" wiki — prosząc LLM o znalezienie niespójnych danych, identyfikację powiązań między artykułami, które jeszcze nie zostały powiązane, oraz oznaczanie pytań wartych dalszego zbadania.
|
||||
|
||||
Robię wersję tego co miesiąc. LLM wyświetla rzeczy, których sam bym nie zauważył. Prace, które oceniłem jako istotne dla różnych podpytań, które faktycznie dzielą podstawowe założenie, którego wcześniej nie wyraziłem. Luki w moim omówieniu konkretnej metodologii. Miejsca, gdzie moja wiki przedstawia twierdzenie niepoparte żadnym źródłem w.`raw/`
|
||||
|
||||
Dla badań jest to nieocenione. To nie tylko sprawdzanie błędów. To funkcja wymuszająca, by struktura wiedzy była na tyle jawna, by LLM mógł ją przeanalizować.
|
||||
|
||||
## Co jeszcze nie działa
|
||||
|
||||
Chcę być szczery w kwestii ograniczeń, bo większość tekstów na ten temat jest zbyt optymistycznych.
|
||||
|
||||
Tarcie w konfiguracji jest realne. Jeśli nie czujesz się komfortowo w pracy w markdown, uruchamianiu LLM przez API lub wiersz poleceń oraz utrzymaniu struktury katalogów, ten workflow nie jest plug-and-play. To bliższe budowaniu własnej infrastruktury badawczej niż korzystaniu z produktu.
|
||||
|
||||
Jakość wiki w dużej mierze zależy od jakości surowca. Jeśli twój katalog to mieszanka niedoczytanych artykułów i zakładek w przeglądarce, które zapisałeś z niejasnymi zamiarami, skompilowana wiki to odzwierciedla. Śmieci wchodzą, zorganizowane śmieci na zewnątrz.`raw/`
|
||||
|
||||
Etap kompilacji staje się kosztowny na dużą skalę. Przeprowadzenie dokładnego przejścia kompilacyjnego przez duży korpus nie jest tanie w tokenach. Nauczyłem się robić ukierunkowane aktualizacje zamiast pełnych rekompilacji, gdy dodaję nowy materiał.
|
||||
|
||||
A wiki jest przydatna tylko tak dobrze, jak twoja chęć utrzymania workflow. Badacze, z którymi rozmawiałem, którzy próbowali tego i zrezygnowali, w większości porzucili to po kilku tygodniach, bo nie wypracowali nawyku regularnego podawania nowego materiału. Pisałem o [tym, co najczęściej się myli w tym systemie](https://medium.com/ai-ai-oh/karpathys-system-is-brilliant-but-here-s-what-people-get-wrong-about-it-d2000b4d8202) oraz o [sześciu błędach, które badacze popełniają, korzystając z AI do badań](https://medium.com/below-the-abstract/6-mistakes-people-make-when-researching-with-ai-d41583fc23c6), jeśli chcesz uniknąć najczęstszych trybów awarii przed rozpoczęciem.`raw/`
|
||||
|
||||
## Dokąd to zmierza
|
||||
|
||||
Karpathy kończy swój wpis czymś, nad czym warto się zająć: "Myślę, że jest tu miejsce na niesamowity nowy produkt, a nie na banalny zbiór scenariuszy."
|
||||
|
||||
Ma rację. To, co zbudował ręcznie — kompilacja, linki zwrotne, warstwa pytań i odpowiedzi, kontrole stanu — to workflow, który specjalnie stworzone narzędzie mogłoby udostępnić każdemu badaczowi bez konieczności konfiguracji.
|
||||
|
||||
Podstawowa idea jest większa niż jakakolwiek konkretna implementacja. Chodzi o to, że badacze mają teraz możliwość budowania struktur wiedzy, które LLM może aktywnie utrzymywać i rozumować. To zupełnie inna relacja z twoim własnym korpusem badawczym niż cokolwiek, co mieliśmy wcześniej.
|
||||
|
||||
Większość badaczy wciąż traktuje LLM jak szybsze wyszukiwarki. Ci, którzy omyślą się, jak uruchomić je jako kompilatory wiedzy, będą mieli poważną przewagę strukturalną w tym, jak szybko mogą zbudować prawdziwe zrozumienie danej dziedziny.
|
||||
|
||||
Streszczenie mówi, co ktoś wyciągnął. Wiki pokazuje, jak wiedza jest faktycznie zorganizowana, gdzie jest solidna i gdzie są luki.
|
||||
|
||||
To jest praca, którą warto wykonać.
|
||||
|
||||
A jeśli chcesz tego bez budowania od podstaw, to właśnie nad tym pracujemy w [Constella](https://www.constella.app/?utm_source=medium&utm_medium=referral&utm_campaign=rangga&utm_content=karpathy-llm-wiki-is-a-superpower).
|
||||
+195
@@ -0,0 +1,195 @@
|
||||
---
|
||||
title: "Nadaj swojemu AI Agentowi 36 supermocy: pamięć długotrwałą w kilka minut dzięki GBrain (open source)"
|
||||
source: "https://medium.com/@tort_mario/give-your-ai-agent-36-superpowers-long-term-memory-in-minutes-with-gbrain-open-source-bc2ddfdea97c"
|
||||
author:
|
||||
- "[[Tort Mario]]"
|
||||
published: 2026-05-18
|
||||
created: 2026-06-08
|
||||
description: "Jak Garry Tan z Y Combinator stworzył samoukładający się graf wiedzy, którego nigdy nie zapomina — i można go wdrożyć na VPS za 5 dolarów"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
## Jak Garry Tan z Y Combinator stworzył samoukładający się graf wiedzy, którego nigdy nie zapomina — i można go wdrożyć na VPS za 5 dolarów
|
||||
|
||||
|
||||
|
||||
Znasz zasady. Rozmawiasz ze swoim agentem AI, daje ci genialne wskazówki, potem zamykasz zakładkę — a następnego ranka to jak rozmowa ze złotą rybką. Nie pamiętam notatek z wczorajszego spotkania, żadnego kontekstu z tej wiadomości mailowej, żadnej wskazówki o linkach, które udostępniłeś.
|
||||
|
||||
### Frustrujące, prawda?
|
||||
|
||||
Teraz wyobraź sobie agenta AI, który pamięta wszystko. Każda notatka, każda rozmowa, każda relacja między ludźmi a firmami — wszystko automatycznie powiązane, przeszukiwane i dostępne. I działa w tle, stając się mądrzejszy, gdy śpisz.
|
||||
|
||||
## Dokładnie to robi GBrain.
|
||||
|
||||
Garry Tan z Y Combinator właśnie udostępnił to, co nazywa "mózgiem dla agentów AI" — i w ciągu 24 godzin zgromadziło się ~5 tysięcy gwiazd na GitHubie.
|
||||
|
||||
👉 [github.com/garrytan/gbrain](https://github.com/garrytan/gbrain)
|
||||
|
||||
W tym przewodniku pokażę Ci, jak działa GBrain, dlaczego jego hybrydowe wyszukiwanie osiąga 97,9% dokładności R@5 oraz jak możesz wdrożyć własnego agenta pamięci trwałej na przystępnym hostingu w chmurze (z 15% zniżką na końcu).
|
||||
|
||||
## 🧠 Czym jest GBrain? (I dlaczego twój agent AI tego potrzebuje)
|
||||
|
||||
GBrain to otwartoźródłowy system pamięci długoterminowej dla agentów AI. Przekształca zwykłe pliki Markdown w żywy graf wiedzy — nie tylko magazyn, ale samoukładającą się sieć podmiotów (ludzi, firm, zdarzeń) i relacji (,, ).`works_at` `invested_in` `met_with`
|
||||
|
||||
|
||||
|
||||
GBrain nie tylko przechowuje dane. Rozumie powiązania.
|
||||
|
||||
> "To jak dać agentowi AI drugi mózg, który nigdy nie śpi." *— wczesny użytkownik na Hacker News*
|
||||
|
||||
## 🚀 36 umiejętności, które czynią to bardzo prostym
|
||||
|
||||
Od razu po wyjęciu z pudełka GBrain oferuje 34 (i liczba rośnie) umiejętności gotowych do użycia — workflow, które pokazują agentowi, *jak* korzystać z pamięci. Repozytorium nazywa je "umiejętnościami", ale dla chwytliwego nagłówka powiedzmy 36. Automatycznie uruchamiają się w zależności od kontekstu:
|
||||
|
||||
- 📅 Procesor spotkań — wyodrębnia uczestników, decyzje, zadania z transkrypcji
|
||||
- 📧 Podsumowanie e-maili — łączy nadawców z wykresami wiedzy firmy
|
||||
- 🔗 Relacje linków — automatycznie odkrywają połączenia między adresami URL a twoimi notatkami
|
||||
- 🌙 Cykl snów — nocne zadanie, które naprawia uszkodzone odniesienia i konsoliduje fakty
|
||||
|
||||
Nie piszesz skomplikowanych pipeline'ów RAG. Po prostu wrzucasz pliki Markdown do, a umiejętności zajmują się resztą.`~/gbrain`
|
||||
|
||||
## ⚙️ Jak działa GBrain pod maską
|
||||
|
||||
Architektura jest pięknie wielowarstwowana:
|
||||
|
||||
```c
|
||||
Markdown files (Git versioned)
|
||||
↓
|
||||
34 AI agent skills (auto‑triggered)
|
||||
↓
|
||||
GBrain Core (entity extraction, graph assembly, MCP)
|
||||
↓
|
||||
Retrieval layer (PostgreSQL + pgvector + BM25)
|
||||
```
|
||||
|
||||
## 🔹 Warstwa 1: Repozytorium mózgu
|
||||
|
||||
Zwykła marka w. Możesz edytować dowolnym edytorem tekstu, zatwierdzać w Gicie lub synchronizować komputery między komputerami. Przede wszystkim przejrzystość.`~/gbrain`
|
||||
|
||||
## 🔹 Warstwa 2: Warstwa umiejętności
|
||||
|
||||
34 gotowe workflowy. Nie ma potrzeby wymyślać koła na nowo — wystarczy umożliwić to, czego potrzebujesz. Na przykład umiejętność uruchamia wbudowane testy pamięci.`longmemeval`
|
||||
|
||||
## 🔹 Warstwa 3: rdzeń GBrain
|
||||
|
||||
Tutaj dzieje się magia:
|
||||
|
||||
- Ekstrakcja podmiotów — skanuje Markdown pod kątem osób, organizacji, dat i relacji bez wywoływania LLM (szybkie i darmowe)
|
||||
- Assembly grafu — automatycznie buduje samoorganizujący się graf wiedzy
|
||||
- Serwer MCP — udostępnia pamięć dowolnemu klientowi kompatybilnemu z MCP (Claude Code, Cursor, Windsurf)
|
||||
|
||||
## 🔹 Warstwa 4: Warstwa wyszukiwania
|
||||
|
||||
PostgreSQL z pgvector (podobieństwo wektorowe) + BM25/ripgrep (wyszukiwanie słów kluczowych). To hybrydowe podejście eliminuje czysto wektorowe bazy danych w testach rzeczywistych.
|
||||
|
||||
> *Benchmark: W LongMemEval GBrain osiąga R@5 = 97,9% — co oznacza, że poprawny fragment pamięci znajduje się w pierwszej piątce wyników w 98% przypadków. To jest produkcja jakości.*
|
||||
|
||||
## 💡 Kluczowe cechy, które mają znaczenie
|
||||
|
||||
## 1\. Samoorganizujący się graf wiedzy
|
||||
|
||||
Większość systemów RAG po prostu dzieli fragmenty i osadza tekst. GBrain automatycznie wyodrębnia encje i relacje. Zapytaj "Których inwestorów John spotkał w ostatnim miesiącu?" — otrzymasz uporządkowaną odpowiedź, a nie tylko nieostry tekst.
|
||||
|
||||
## 2\. Wyszukiwanie hybrydowe (pgvector + BM25)
|
||||
|
||||
Samo wyszukiwanie wektorowe nie wykrywa dokładnych dopasowaniach ("pgvector 0.7.0"). BM25 sam pomija semantykę ("bazę danych do osadzeń"). GBrain łączy oba te elementy. Wynik: istotny, precyzyjny i szybki.
|
||||
|
||||
## 3\. Cykl marzeń (autonomiczna optymalizacja nocą)
|
||||
|
||||
Podczas snu GBrain ponownie skanuje twoją bazę wiedzy, poprawia uszkodzone linki, aktualizuje relacje z podmiotami i ponownie osadza zmienione dokumenty. Twój agent budzi się każdego ranka mądrzej.
|
||||
|
||||
## 4\. Wsparcie dla MCP (Model Context Protocol)
|
||||
|
||||
Integruje się natywnie z:
|
||||
|
||||
- Claude Code (agent IDE Anthropic)
|
||||
- Kursor (edytor napędzany AI)
|
||||
- Windsurfing (rozwijające się IDE AI)
|
||||
|
||||
Po prostu wskaż swojemu klientowi MCP — i tyle.`localhost:3000/mcp`
|
||||
|
||||
## 🛠️ Jak skonfigurować GBrain (w tym na VPS)
|
||||
|
||||
Masz dwie opcje: uruchomić lokalnie (Bun lub npm) albo wdrożyć w chmurze VPS przez 24/7 cykle marzeń.
|
||||
|
||||
## Opcja 1: Lokalna instalacja (do testów)
|
||||
|
||||
```c
|
||||
# Using Bun (fastest)
|
||||
bun install -g gbrain
|
||||
gbrain init ~/gbrain
|
||||
gbrain start
|
||||
# Using npm
|
||||
npm install -g gbrain
|
||||
gbrain init ~/gbrain
|
||||
gbrain start
|
||||
```
|
||||
|
||||
## Opcja 2: Wdrożenie na VPS (zalecane do produkcji)
|
||||
|
||||
Dlaczego? Twój agent musi uruchamiać cykl marzeń każdej nocy — to wymaga serwera, który nigdy nie śpi. Również wyszukiwanie hybrydowe z pgvector wymaga stabilnej pamięci i procesora.
|
||||
|
||||
I tu [wkracza Aeza](https://aeza.net/?ref=601757) — europejski dostawca hostingu w chmurze z:
|
||||
|
||||
- ✅ Natywna ochrona DDoS (pamięć agenta AI jest cenna)
|
||||
- ✅ Wirtualizacja KVM z dedykowanymi zasobami
|
||||
- ✅ Zaczynam od ~$5/miesiąc (1 vCPU, 2GB RAM — wystarczająco dużo na GBrain)
|
||||
- ✅ 15% zniżki dla nowych użytkowników (patrz link na końcu)
|
||||
|
||||
Kroki wdrożenia na [Aeza](https://aeza.net/?ref=601757) VPS:
|
||||
|
||||
1. Uruchom instancję Ubuntu 22.04 (minimum 2GB RAM).
|
||||
2. Zależności SSH i instalacja:
|
||||
```c
|
||||
sudo apt update && sudo apt install postgresql postgresql-contrib sudo -u postgres psql -c "CREATE EXTENSION IF NOT EXISTS vector;"
|
||||
```
|
||||
|
||||
3\. Instalacja GBrain:
|
||||
|
||||
```c
|
||||
curl -fsSL https://bun.sh/install | bash bun install -g gbrain
|
||||
```
|
||||
|
||||
4\. Skonfiguruj usługę systemd dla GBrain (aby restartował się automatycznie).
|
||||
|
||||
5\. Konfiguruj zaporę (port 3000 dla MCP plus SSH).
|
||||
|
||||
6\. Uruchom i wskaż swój kod kursora/Claude'a na [.](http://your-vps-ip:3000/mcp.)`gbrain start` `http://your-vps-ip:3000/mcp`
|
||||
|
||||
To wszystko — Twój agent AI ma teraz stałą pamięć hostowaną na niezawodnej infrastrukturze.
|
||||
|
||||
## ✅ Plusy i ⚠️ minusy (szczere zdanie)
|
||||
|
||||
## Zalety
|
||||
|
||||
- Udowodniona dokładność — 97,9% R@5 przewyższa wiele zamkniętych systemów RAG.
|
||||
- Transparentność — wszystkie dane w Markdown + Git. Brak blokady sprzedawcy.
|
||||
- Jestem rodowitym MCP — współpracuje z Claude Code, Cursor, Windsurf od razu po wyjęciu z pudełka.
|
||||
- Zero kosztów LLM przy ekstrakcji entencji — wykorzystuje dopasowanie wzorców i heurystyki.
|
||||
- Aktywne open source — Garry Tan łączy PR, społeczność szybko rośnie.
|
||||
|
||||
## Wady
|
||||
|
||||
- Początkowa krzywa uczenia — trzeba zrozumieć strukturę Markdown, aby uzyskać optymalne rezultaty.
|
||||
- PostgreSQL wymagany — nie SQLite (ale pgvector jest powszechnie dostępny).
|
||||
- Cykl marzeń może być wymagający obciążenia CPU — zaplanuj go na 2 w nocy.
|
||||
|
||||
Dla większości deweloperów zalety zdecydowanie przeważają nad wadami — zwłaszcza jeśli masz dość amnezji agentów.
|
||||
|
||||
## 🧠 Ostateczne przemyślenia
|
||||
|
||||
GBrain to nie tylko kolejna biblioteka RAG. To zmiana filozofii — od bezpaństwowych promptów do wytrwałych, uczących się agentów. Samodzielnie składający się graf wiedzy, hybrydowe wyszukiwanie i cykl marzeń czynią go jednym z najbardziej praktycznych systemów pamięci otwartoźródłowej dostępnych obecnie.
|
||||
|
||||
Jeśli tworzysz agentów AI do użytku osobistego, badawczego lub obsługi klienta — spróbuj GBrain. Ustawienie zajmuje 10 minut, a przyszłe ja podziękuje Ci, gdy agent *wszystko* sobie przypomni.
|
||||
|
||||
## 👏 Podobał Ci się ten przewodnik?
|
||||
|
||||
- Klaśnięcie (50 klaszczeń = dopamina dla pisarzy)
|
||||
- Śledź dalej, aby poznać więcej szczegółowych informacji o agentach AI
|
||||
- Gwiazdką repozytorium → [github.com/garrytan/gbrain](https://github.com/garrytan/gbrain)
|
||||
|
||||
Chcesz grać na GBrain 24/7?
|
||||
👉 [Aeza](https://aeza.net/?ref=601757) — europejski VPS z ochroną DDoS.
|
||||
Użyj kodu promocyjnego GBRAIN15 15% zniżki na pierwszy miesiąc. Idealne do przechowywania pamięci agenta bez przerw.
|
||||
|
||||
[**Mój Twitter**](https://x.com/Tort_Mario) — fundamentalna analiza monet i zysków na AirDrops. Kupuję kryptowaluty na [**Bybit**](https://partner.bybit.com/b/60057) | [**MEXC**](https://www.mexc.com/ru-RU/register?inviteCode=mexc-1RPe1) | [**CryptoBot**](https://t.me/CryptoBot?start=r-261272) | [**Tg-Wallet**](https://t.me/wallet/start?startapp=ref-2-joinpro)
|
||||
+161
@@ -0,0 +1,161 @@
|
||||
---
|
||||
title: "Przestań tracić najlepsze rozmowy AI: archiwizuj Obsidian z umiejętnością"
|
||||
source: "https://medium.com/@bulentg/stop-losing-your-best-ai-conversations-archive-to-obsidian-with-a-skill-49aa0f0e3477"
|
||||
author:
|
||||
- "[[Bulent Gorkem]]"
|
||||
published: 2026-05-06
|
||||
created: 2026-05-20
|
||||
description: "More"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
|
||||
|
||||
Zdjęcie: Maksym Kaharlytskyi na Unsplash
|
||||
|
||||
Praktyczny samouczek: zbuduj osobisty korpus rozmów AI w Obsidian do przyszłych referencji, a następnie przejdź od bezpośrednich rozmów MCP do wielokrotnego użytku Claude Skill.
|
||||
|
||||
**TL; DR**
|
||||
|
||||
- Rozmowy AI pełne są decyzji, działającego kodu i kompromisów, które znikają w momencie zamknięcia zakładki. Zarchiwizuj przydatne w Obsidian jako uporządkowane notatki markdownowe, a zbudujesz osobisty, przeszukiwalny korpus, na którym możesz polegać przez miesiące.
|
||||
- Rozpocznij manual: użyj serwera Obsidian MCP i poproś Claude'a, żeby podsumował + zapisał rozmowę w spójnym formacie. Gdy format się ustabilizuje, promuj przepis na **umiejętność** Claude'a, aby workflow przebiegał tak samo za każdym razem, bez ponownego tłumaczenia.
|
||||
- Skróty do tworzenia umiejętności: dziedzina to twój prawdziwy interfejs — pisz to jak prompt engineering. Umieść zależności na początku (nie w głównej części ciała). Uwzględnij i. Trzymaj się poniżej 500 linij. I nie oceniaj siebie tego, co wywołuje w rozmowie, która napisała tę umiejętność — przetestuj ją na zimno.`description` `compatibility` `## Examples` `## Troubleshooting`
|
||||
|
||||
Przykładowy (z kodem) mieszka na [github.com/bgorkem/bgorkem-skills](https://github.com/bgorkem/bgorkem-skills).
|
||||
|
||||
Prawdopodobnie masz teraz otwartą zakładkę Claude (albo ChatGPT, albo Kursor), gdzie dzieje się coś przydatnego. Przełom w debugowaniu. Decyzja projektowa, w której trzy dobre opcje są ze sobą zestawione. To była czysta fraza z zabawy, którą dopracowywałeś czterdzieści minut.
|
||||
|
||||
Jutro ta karta zniknie. Albo nadal jest otwarta, ale zakopana pod dziewięcioma innymi. Tak czy inaczej, *wgląd* — rozumowanie, kompromisy, ten jeden fragment, który faktycznie zadziałał — znika.
|
||||
|
||||
Ten wpis przedstawia workflow, którego używam, aby to naprawić:
|
||||
|
||||
1. Archiwizować przydatne rozmowy AI w moim skarbcu Obsidian jako trwałe, przeszukiwalne notatki.
|
||||
2. Zacznij od ręcznego zrobienia tego przez serwer Obsidian MCP.
|
||||
3. Gdy wzór się ustabilizuje, awansuj go do **Claude'a**, żeby następnym razem pojawił się automatycznie.
|
||||
|
||||
Druga część to mini-tutorial na temat tworzenia umiejętności — nauka przenosi się do dowolnego workflow, który chciałbyś, aby Claude obsługiwał w ten sam sposób za każdym razem.
|
||||
|
||||
## Dlaczego w ogóle archiwizować rozmowy o AI
|
||||
|
||||
Kilka powodów, dla których ten nawyk się opłaca:
|
||||
|
||||
- **Decyzje przetrwały sesje.** "Wybraliśmy X zamiast Y, bo Z" jest złotem sześć miesięcy później, gdy zastanawiasz się, dlaczego kod wygląda tak, a nie inaczej.
|
||||
- **Działający kod jest cenny.** Bash-one-liner, który w końcu zadziałał, SQL, który zwracał to, czego chciałeś — łatwiej znaleźć to w własnych notatkach niż w historii czatu.
|
||||
- **Łączenie się między rozmowami.** Obsidian pozwolił, by dzisiejsza sesja debugowania odwołała się do zeszłomiesięcznego wywołania architektonowego. Narzędzia AI nie potrafią tego robić w różnych sesjach; Twój skarbiec może.`[[backlinks]]`
|
||||
- **Szukaj swojej kontroli.** Twój skarbiec jest offline, zwykły markdown i można go indeksować przez cokolwiek (wyszukiwanie Obsidian, ripgrep, Dataview, cokolwiek).
|
||||
- **Przyszły ty trenuje na tym.** Wklejenie starej zarchiwizowanej notatki z powrotem do nowej rozmowy to najtańsza możliwa "pamięć" dla asystenta AI.
|
||||
|
||||
Dobre notatki archiwalne mają kształt: krótkie podsumowanie na początku, potem "Kluczowe decyzje", "Kod, który zadziałał", "Follow-ups" oraz "Powiązane linki". Kształt ma znaczenie, bo pozwala na późniejsze skanowanie notatek — nie chcesz ściany transkrypcji czatu, tylko referencji.
|
||||
|
||||
|
||||
|
||||
Od ulotnej rozmowy do trwałej, powiązanej notatki w twoim skarbcu.
|
||||
|
||||
## Krok 1: Zrób to ręcznie z Obsidian MCP
|
||||
|
||||
Najprostsza konfiguracja korzysta z [serwera Obsidian MCP](https://github.com/MarkusPfundstein/mcp-obsidian) (każdy z dobrze utrzymanych serwerów działa). Po połączeniu Claude może wymieniać twój skarbiec, czytać pliki, dodawać, łatać i tworzyć nowe notatki.
|
||||
|
||||
Ręczny przepływ wygląda tak. Na końcu użytecznej rozmowy mówisz coś w stylu:
|
||||
|
||||
> *Podsumowaj tę rozmowę i zapisz ją w moim sejfie Obsidian jako* *plik markdown o nazwie* *. Użyj frontmaterii z datą i tagami. Sekcje: Streszczenie, kluczowe decyzje, kod, który się sprawdził, dalsze kroki, powiązane.*`*AI/Conversations/*` `*YYYY-MM-DD - <slug>.md*`
|
||||
|
||||
Claude czyta rozmowę, dekonsumuje ją i wywołuje narzędzie do tworzenia pliku na serwerze MCP, aby zapisać notatkę. Gotowe.
|
||||
|
||||
To działa. Robiłem tak przez jakiś czas. Jednak szybko pojawiły się dwa punkty tarcia:
|
||||
|
||||
**Format się zmienia.** Jednego dnia dostawałem notatkę z, następnego dnia, następnego dnia bez żadnego podsumowania. Instrukcje były w mojej głowie, nie w miejscu trwałym.`## Summary` `## TL;DR`
|
||||
|
||||
**Za każdym razem musiałem od nowa tłumaczyć workflow.** Każda nowa rozmowa, nowy kontekst. "Podsumuj to... użyj frontmaterii... Folder AI/Rozmowy... nie cały zapis, tylko decyzje i kod..." Szybko się znudziło.
|
||||
|
||||
Kiedy zdarza się, że kopiujesz te same instrukcje do każdej sesji, to jest sygnał. Czas przejść od ręcznego promptu do Umiejętności.
|
||||
|
||||
## Krok 2: Czym jest umiejętność i dlaczego jej tutaj używać
|
||||
|
||||
Umiejętność to folder z plikiem w środku. Przednia część zawiera a i; Tekst zawiera instrukcje, przykłady i notatki dotyczące rozwiązywania problemów. Claude automatycznie ładuje umiejętność, gdy twoje żądanie odpowiada jej opisowi.`SKILL.md` `name` `description`
|
||||
|
||||
Innymi słowy: instrukcje "podsumować i zapisać" *piszesz raz*, w. Od tego momentu, gdy mówisz "zapisz tę rozmowę" lub "archiwizuj na później", Claude znajduje umiejętność, ładuje instrukcje i robi to, co należy — zawsze ten sam format, bez powtarzania wyjaśnień.`SKILL.md`
|
||||
|
||||
To prawdziwy krok naprzód z "bezpośredniego korzystania z MCP" do "workflow opartego na umiejętnościach". Serwer MCP nadal wykonuje operacje wejścia i wyjścia plików. Umiejętność to *przepis*, który mówi Claude'owi, jak używać jej konsekwentnie.
|
||||
|
||||
## Krok 3: Tworzenie umiejętności
|
||||
|
||||
Spakowałem moją wersję i umieściłem ją na GitHubie w [github.com/bgorkem/bgorkem-skills](https://github.com/bgorkem/bgorkem-skills). Oto, czego się nauczyłem, pisząc go, z notatek z [Kompletnego Przewodnika Anthropic po budowaniu umiejętności dla Claude'a](https://resources.anthropic.com/hubfs/The-Complete-Guide-to-Building-Skill-for-Claude.pdf).`obsidian-archive`
|
||||
|
||||
## Frontmatter to prawdziwy interfejs
|
||||
|
||||
Claude patrzy na pole, by zdecydować, czy w ogóle załadować twoje umiejętności. Traktuj to jak prompt engineering — to jedyna rzecz, którą można zobaczyć na etapie dopasowania.`description`
|
||||
|
||||
yaml
|
||||
|
||||
```c
|
||||
---
|
||||
name: obsidian-archive
|
||||
description: Distils the current conversation into a concise reference note and saves it to the user's Obsidian vault in a configurable archive folder. Use when the user asks to archive, save, log, or capture the current conversation.
|
||||
license: MIT
|
||||
compatibility:
|
||||
mcp-servers:
|
||||
- mcp-obsidian
|
||||
metadata:
|
||||
author: bgorkem
|
||||
version: 1.1.0
|
||||
---
|
||||
```
|
||||
|
||||
Słaby opis = umiejętność niedostatecznie wyzwalana. Wspomnij o frazach, które użytkownicy faktycznie wypowiedzą ("archiwizuj to", "zapisz tę rozmowę", "zapisz ją na później").
|
||||
|
||||
|
||||
|
||||
Anatomia SKILL.md — do czego służy każda część i dlaczego jest ważna.
|
||||
|
||||
## Zależności należą do, a nie do ciałacompatibility
|
||||
|
||||
To był mój największy błąd przy pierwszym szkicu. Miałem nagłówek z listą serwera MCP, którego potrzebowałem. Kanonicznym miejscem przewodnika dotyczącym "jakie serwery MCP, wtyczki lub pakiety systemowe wymaga ta umiejętność" jest pole frontmatter. Przesuń to tam.`## Dependencies` `compatibility`
|
||||
|
||||
## Dodaj i ## Examples## Troubleshooting
|
||||
|
||||
Przykłady uczą *Claude'a, kiedy* użyć tej umiejętności — pokaż kilka wyzwalających sformułowań i jak wygląda oczekiwany efekt. Rozwiązywanie problemów wykrywa przewidywalne błędy: brakujący serwer MCP, błędna ścieżka do sejfu, folder archiwum jeszcze nie istnieje, plik już istnieje na docelowej ścieżce.
|
||||
|
||||
Te dwie sekcje odróżniają "działa na moim komputerze" od "działa dla każdego, kto go zainstaluje".
|
||||
|
||||
## Trzymaj się poniżej celu progresywnego ujawniania informacji 500 linijków
|
||||
|
||||
System Umiejętności opiera się na idei, że jest indeksem, a dłuższe materiały referencyjne znajdują się w folderze, który Claude czyta tylko wtedy, gdy jest potrzebny. Moja wylądowała na 181 linii. Jeśli twoja liczba powoli przekracza 500, to sygnał do wydobycia.`SKILL.md` `references/`
|
||||
|
||||
## Nie da się ocenić umiejętności w rozmowie, która go napisała
|
||||
|
||||
Rozmowa, która stworzyła tę umiejętność, ma cały kontekst przygotowany; *Oczywiście* umiejętność uruchamia się poprawnie. Aby sprawdzić, czy Twój opis faktycznie się uruchamia w praktyce, przeprowadź osobny test testowy: 10–20 różnych sformułowań ("zapisz to", "zarejestruj to", "zapisz to", "dodaj do moich notatek", "zapamiętaj to na później"). Albo ręcznie w Claude.ai, albo z kodem Claude'a. Nie pomijaj tego.`run_loop.py`
|
||||
|
||||
## Krok 4: Podziel się tym
|
||||
|
||||
Gdy umiejętność zadziała, umieszczenie jej na GitHubie kosztuje prawie nic i ułatwia instalację na różnych komputerach. Kilka drobnych wyborów, które się opłaciły:
|
||||
|
||||
**Nazwa repozytorium według autora.** Prawie zadzwoniłem do repozytorium. Wybrałem zamiast tego. Zakres repozytorium będzie się zmieniał z czasem — dziś Obsidian, może NestJS scaffolds lub szablony n8n w następnej fazie. Imię przypisane autorowi przetrwa zmiany zakresu; nazwa o tematyce wymusza późniejszą zmianę nazwy lub podział.`devx-skills` `bgorkem-skills`
|
||||
|
||||
**Zrób odzwierciedlenie** **konwencji.** Poziom repozytorium dla ludzkich odwiedzających (oddzielnie od każdej umiejętności ), jedna umiejętność na każdy najwyższy folder, MIT,.`**anthropics/skills**` `README.md` `SKILL.md` `LICENSE``.gitignore`
|
||||
|
||||
```c
|
||||
bgorkem-skills/
|
||||
├── .gitignore
|
||||
├── LICENSE
|
||||
├── README.md
|
||||
└── obsidian-archive/
|
||||
└── SKILL.md
|
||||
```
|
||||
|
||||
Przenieś na github
|
||||
|
||||
Dodaj temat o umiejętnościach claude'a na GitHubie dla wykrywalności i gotowe.
|
||||
|
||||
## Wzór, uogólniony
|
||||
|
||||
Łuk tutaj działa praktycznie przy każdym workflow AI, który robisz więcej niż dwa razy:
|
||||
|
||||
1. **Zrób to ręcznie kilka razy** przez podłączone serwery MCP. Zwróć uwagę, co działa, a co dryfuje.
|
||||
2. **Ustabilizuj format.** Zdecyduj o dokładnej strukturze, przekrojach, konwencji nazewnictwa.
|
||||
3. **Opakuj to w umiejętność.** Przenieś instrukcje z głowy i przenieś je do. Użyj frontmaterii, by była wykrywalna, a ciała, by była deterministyczna.`SKILL.md`
|
||||
4. **Testuj spust** różnymi sformułowaniami.
|
||||
5. **Publikuj go**, żeby przyszły Ty (i każdy inny) mógł zainstalować go raz i zapomnieć o tym.
|
||||
|
||||
`obsidian-archive` to pierwsza umiejętność w moim repozytorium. Drugi to już robię ręcznie zbyt często — to jedyne kryterium, które się liczy.
|
||||
|
||||
Jeśli zbudujesz taki, chętnie go zobaczę.
|
||||
@@ -0,0 +1,24 @@
|
||||
# Sholay (1975) - The Definitive Epic
|
||||
## Overview
|
||||
Sholay is a 1975 Indian action-adventure film directed by Ramesh Sippy. It follows two ex-convicts, Veeru and Jai, hired by a retired policeman to capture the ruthless dacoit Gabbar Singh.
|
||||
|
||||
## Characters
|
||||
- **Gabbar Singh**: The most iconic villain in Indian cinema. Known for his dialogue: "Kitne aadmi the?"
|
||||
- **Jai & Veeru**: The inseparable duo. Jai (Amitabh Bachchan) is the stoic mastermind, Veeru (Dharmendra) is the hot-blooded romantic.
|
||||
- **Thakur Baldev Singh**: The retired police officer who seeks revenge for his family.
|
||||
|
||||
## Plot Synthesis
|
||||
The story is set in the small village of Ramgarh. Thakur Baldev Singh, whose family was slaughtered and arms severed by Gabbar, realizes that law and order alone can't stop a man like Gabbar. He recruits two small-time thieves he once arrested, sensing their inherent bravery and loyalty.
|
||||
|
||||
The friendship between Jai and Veeru is legendary, epitomized by the song "Yeh Dosti".
|
||||
|
||||
## Key Conflict
|
||||
The psychological battle between Thakur and Gabbar is the core of the film. Gabbar represents pure, nihilistic chaos, while Thakur represents the wounded justice system turned towards vigilante survival.
|
||||
|
||||
## Iconic Dialogues
|
||||
1. "Ab Tera Kya Hoga Kaaliya?"
|
||||
2. "Basanti, In Kutto Ke Samne Mat Nachna."
|
||||
3. "Jo darr gaya, samjho marr gaya."
|
||||
|
||||
## Legacy
|
||||
Sholay redefined the "Masala" genre. It ran for over five continuous years at the Minerva Theatre in Mumbai. Its blend of Western-inspired gunfights and Indian emotional depth makes it the 'Curry Western'.
|
||||
+78
@@ -0,0 +1,78 @@
|
||||
---
|
||||
title: "The 5 Core Mental Models for AI Agents: Harness & Memory (Deep Dive + Action Plan) - BPMS Team"
|
||||
source: "https://dnbenterprise.atlassian.net/wiki/spaces/BT/pages/2685927542/The+5+Core+Mental+Models+for+AI+Agents+Harness+Memory+Deep+Dive+Action+Plan"
|
||||
author:
|
||||
published:
|
||||
created: 2026-05-14
|
||||
description:
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
This page distills the five consensus mental models expert teams use to take agents from demos to production, then maps them to a concrete fraud-analysis use case built with Gemini CLI, MCP tools, and BigQuery. Use it as a reference for design reviews, implementation planning, and capability audits.
|
||||
|
||||
Table of Contents
|
||||
|
||||
- 1 [Overview](#Overview)
|
||||
- 2 [Mental Model 1 — The Model Is the CPU. The Harness Is the OS.](#Mental-Model-1-%E2%80%94-The-Model-Is-the-CPU.-The-Harness-Is-the-OS.)
|
||||
- 2.1 [Core Idea](#Core-Idea)
|
||||
- 2.2 [Analogy Mapping](#Analogy-Mapping)
|
||||
- 2.3 [Why It Matters](#Why-It-Matters)
|
||||
- 2.4 [Design Implications](#Design-Implications)
|
||||
- 3 [Mental Model 2 — Context Is the Product](#Mental-Model-2-%E2%80%94-Context-Is-the-Product)
|
||||
- 3.1 [The Context Stack](#The-Context-Stack)
|
||||
- 3.2 [The Core Tension](#The-Core-Tension)
|
||||
- 3.3 [Design Implications](#Design-Implications.1)
|
||||
- 4 [Mental Model 3 — Separate the Doer from the Judge](#Mental-Model-3-%E2%80%94-Separate-the-Doer-from-the-Judge)
|
||||
- 4.1 [Verification Spectrum](#Verification-Spectrum)
|
||||
- 4.2 [Design Implications](#Design-Implications.2)
|
||||
- 5 [Mental Model 4 — Memory Is Three Cognitive Tiers, Not One Bucket](#Mental-Model-4-%E2%80%94-Memory-Is-Three-Cognitive-Tiers%2C-Not-One-Bucket)
|
||||
- 5.1 [Three Tiers](#Three-Tiers)
|
||||
- 5.2 [Design Implications](#Design-Implications.3)
|
||||
- 6 [Mental Model 5 — Graduated Autonomy: Earn Trust Through Verification](#Mental-Model-5-%E2%80%94-Graduated-Autonomy%3A-Earn-Trust-Through-Verification)
|
||||
- 6.1 [Gradient of Autonomy](#Gradient-of-Autonomy)
|
||||
- 6.2 [Design Implications](#Design-Implications.4)
|
||||
- 7 [Applying the 5 Models to Your Gemini CLI + BigQuery Fraud Agent](#Applying-the-5-Models-to-Your-Gemini-CLI-%2B-BigQuery-Fraud-Agent)
|
||||
- 7.1 [Target Architecture Additions (“OS Layer”)](#Target-Architecture-Additions-\(%E2%80%9COS-Layer%E2%80%9D\))
|
||||
- 7.2 [Memory Plan (Three Tiers)](#Memory-Plan-\(Three-Tiers\))
|
||||
- 7.3 [Harness Hardening (Doer vs. Judge)](#Harness-Hardening-\(Doer-vs.-Judge\))
|
||||
- 7.4 [Graduated Autonomy Rollout](#Graduated-Autonomy-Rollout)
|
||||
- 7.5 [Context Strategy](#Context-Strategy)
|
||||
- 8 [Implementation Blueprint](#Implementation-Blueprint)
|
||||
- 8.1 [Milestone 1 — OS Layer Foundations](#Milestone-1-%E2%80%94-OS-Layer-Foundations)
|
||||
- 8.2 [Milestone 2 — Memory (ArangoDB-first)](#Milestone-2-%E2%80%94-Memory-\(ArangoDB-first\))
|
||||
- 8.3 [Milestone 3 — Doer/Judge Split](#Milestone-3-%E2%80%94-Doer%2FJudge-Split)
|
||||
- 8.4 [Milestone 4 — Graduated Autonomy](#Milestone-4-%E2%80%94-Graduated-Autonomy)
|
||||
- 9 [Risk Controls and Operational Readiness](#Risk-Controls-and-Operational-Readiness)
|
||||
- 10 [Quick-Start Artifacts](#Quick-Start-Artifacts)
|
||||
- 11 [FAQ](#FAQ)
|
||||
- 12 [Follow-ups](#Follow-ups)
|
||||
- 13 [References](#References)
|
||||
|
||||
# Mental Model 1 — The Model Is the CPU. The Harness Is the OS.
|
||||
|
||||
> "Strip away the harness and you have a raw language model guessing its way through your codebase. Add the right harness and you have a system that ships production code."
|
||||
|
||||
## Core Idea
|
||||
|
||||
LLMs are powerful but general-purpose reasoning engines. Quality emerges from the harness (the “OS”) that shapes inputs/outputs, tools, policies, and runtime controls. Changing the harness often changes outcomes more than swapping models.
|
||||
|
||||
## Analogy Mapping
|
||||
|
||||
- **Model → CPU:** raw intelligence (e.g., Gemini 2.5 Pro)
|
||||
- **Context Window → RAM:** working memory (MCP context, GEMINI.md)
|
||||
- **Harness → OS:** tools, routers, policies, safety gates
|
||||
- **Agent → Application:** your fraud pipeline (prompts + tools + flow)
|
||||
- **Memory → Disk/SSD:** persistent state across sessions
|
||||
|
||||
## Why It Matters
|
||||
|
||||
- Different harnesses around the same model produce large score deltas on realistic tasks.
|
||||
- Slimmer, better-curated toolboxes often outperform maximalist sets due to lower decision entropy.
|
||||
|
||||
## Design Implications
|
||||
|
||||
- Make the “OS layer” explicit: state store, checkpoints, retries, idempotency, and traceability.
|
||||
- Bias for simple, tight tool catalogs with strong schemas and pre/post-conditions.
|
||||
- Invest early in observability of agent steps, not just final replies (see Observability references below).
|
||||
|
||||
Your Gemini CLI fraud agent already has a proto-harness (MCP tools, GEMINI.md, SQL generation). The missing “OS” capabilities are: state persistence, checkpoint/resume, and run-level tracing.
|
||||
+168
@@ -0,0 +1,168 @@
|
||||
---
|
||||
title: "The Best 12 Claude Skills Setup — A Complete 2026 Guide to Configuring Claude Like a Pro"
|
||||
source: "https://blog.stackademic.com/the-best-12-claude-skills-setup-a-complete-2026-guide-to-configuring-claude-like-a-pro-486d2fd906f3"
|
||||
author:
|
||||
- "[[Noor Mohamad]]"
|
||||
published: 2026-05-13
|
||||
created: 2026-06-03
|
||||
description: "The Best 12 Claude Skills Setup — A Complete 2026 Guide to Configuring Claude Like a Pro What Claude Skills are, how to install them in under 60 seconds, how to build your own, and the 12-skill …"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
## Czym są umiejętności Claude'a, jak je zainstalować w mniej niż 60 sekund, jak zbudować własne oraz 12-skill stack, który naprawdę zmienia sposób pracy
|
||||
|
||||
Jeśli kiedykolwiek poprosiłeś Claude'a, by "zrobił mi prezentację" i otrzymałeś coś, co wygląda jak raport z książki z gimnazjum z 2010 roku — gratulacje, spotkałeś domyślnego Claude'a.
|
||||
|
||||
To mądre. To pomocne. Ale od razu nie ma pojęcia*, jak powinny* wyglądać twoje slajdy*, jakie są* kolory marki *ani jak Twój* zespół pisze raporty.
|
||||
|
||||
To wszystko zmieniło się, gdy Anthropic wypuścił **Skills**.
|
||||
|
||||
Po tygodniach instalowania, testowania i odbudowy mojego zestawu Claude od podstaw — w zakresie pisania, projektowania, kodowania, danych i obsługi — zdecydowałem się na stos **12 umiejętności**, których nigdy bym nie odinstalował. To właśnie ta konfiguracja faktycznie porusza wskazówkę.
|
||||
|
||||
Ten post to wszystko, co chciałbym, żeby ktoś mi dał pierwszego dnia: czym właściwie są umiejętności, jak je zainstalować w mniej niż 60 sekund, najlepsze 12 na początek oraz jak zbudować własne, gdy nie możesz znaleźć tego, czego potrzebujesz.
|
||||
|
||||
|
||||
|
||||
## Po pierwsze, czym jest umiejętność Claude'a?
|
||||
|
||||
**Umiejętność** to folder instrukcji, przykładów i (opcjonalnie) skryptów, które Claude *ładuje tylko wtedy, gdy są istotne*. Pomyśl o tym jak o specjalistie, którego Claude może wezwać, gdy wymaga tego praca.
|
||||
|
||||
Każda umiejętność to tylko trzy rzeczy:
|
||||
|
||||
1. Plik z nazwą, opisem i właściwymi instrukcjami.`SKILL.md`
|
||||
2. (Opcjonalnie) Pliki wspierające — szablony, dokumenty referencyjne, zasoby marki.
|
||||
3. (Opcjonalnie) Skrypty — Python lub kod Node, który Claude może wykonać, by wykonać ciężką robotę.
|
||||
|
||||
Magia tkwi w *stopniowym ujawnianiu*. Claude nie ładuje każdej umiejętności w każdej wiadomości — to pożrełoby twoje okno kontekstowe żywcem. Zamiast tego czyta opisy, decyduje, która umiejętność pasuje do żądania, i dopiero wtedy pobiera pełne instrukcje. Możesz mieć zainstalowanych 200 umiejętności, a Claude nadal będzie czuł się dynamicznie.
|
||||
|
||||
Oto puenta, którą większość ludzi pomija: **ta sama umiejętność działa wszędzie co Claude** — w aplikacji desktopowej, Claude Code, API i trybie Cowork. Napisz to raz, użyj na każdej powierzchni.
|
||||
|
||||
## To przed i po tym sprawiło, że stałem się wierzącym
|
||||
|
||||
Ten sam prompt: *"Stwórz talię pitch z 5 slajdami dla nowej aplikacji produktywnej o nazwie Drift."*
|
||||
|
||||
**Bez umiejętności:** Times New Roman. Białe zjeżdżalnie. Punkty ułożone jak lista zakupów. Trzy różne odcienie niebieskiego, bo Claude nie mógł się zdecydować.
|
||||
|
||||
Z **umiejętnością i niestandardową marką:** Właściwy tytuł z **hierarchią**. Jednolita paleta zaczerpnięta z przewodnika marki. Notatki prelegenta. Wykresy renderowane jako rzeczywiste obiekty, a nie zrzuty ekranu. Eksportowane jako prawdziwy edytowalny plik.`**pptx**` `python-pptx``.pptx`
|
||||
|
||||
Różnica nie polega na tym, że Claude stał się mądrzejszy. Chodzi o to, że Claude *został* poinformowany.
|
||||
|
||||
## Jak zainstalować Claude Skills (wersja 60-sekundowa)
|
||||
|
||||
Są trzy miejsca, gdzie istnieją umiejętności i powinieneś znać wszystkie trzy.
|
||||
|
||||
## 1\. Wbudowane umiejętności Anthropica
|
||||
|
||||
Są one dostarczane z kodem Claude.ai (Pro/Max/Team/Enterprise) oraz Claude. Aby je włączyć:
|
||||
|
||||
- **Claude.ai:** Ustawienia → możliwości → włącz **umiejętności**. Domyślny pakiet zawiera,,, oraz — cztery najczęściej żądane typy plików.`docx` `xlsx` `pptx` `pdf`
|
||||
- **Kod Claude'a:** Są już włączone. Po prostu wpisz i przeglądaj marketplace.`/plugin`
|
||||
|
||||
To samo w sobie rozwiązuje 80% próśb "zrób mi dokument" z dnia na dzień.
|
||||
|
||||
## 2\. Umiejętności społeczne i rynkowe
|
||||
|
||||
Anthropic prowadzi oficjalne repozytorium umiejętności na GitHubie pod adresem, a społeczność stworzyła dziesiątki kolejnych. W Claude Code możesz je wciągnąć pozyt:`anthropics/skills`
|
||||
|
||||
```hs
|
||||
/plugin marketplace add anthropics/skills
|
||||
/plugin install pdf@anthropic
|
||||
```
|
||||
|
||||
Użytkownicy Coworka mają graficzny wybór — Ustawienia → Wtyczki → Przeglądanie — i jedno kliknięcie robi to samo.
|
||||
|
||||
## 3\. Twoje własne, niestandardowe umiejętności
|
||||
|
||||
To tutaj tkwi prawdziwa siła. Umiejętność to po prostu teczka. Minimalna wersja grywalna to jeden plik:
|
||||
|
||||
```hs
|
||||
my-skill/
|
||||
└── SKILL.md
|
||||
```
|
||||
|
||||
A w środku:`SKILL.md`
|
||||
|
||||
```hs
|
||||
---
|
||||
name: brand-voice
|
||||
description: Use whenever writing public-facing copy — blog posts,
|
||||
emails, landing pages, social. Enforces our tone, banned words,
|
||||
and required closers.
|
||||
---
|
||||
# Brand voice
|
||||
Write in second person. Short sentences. No corporate hedging.
|
||||
Banned words: "leverage", "synergy", "robust", "best-in-class".
|
||||
Always close blog posts with a single-sentence call to action
|
||||
on its own line.
|
||||
```
|
||||
|
||||
Włóż folder do folderu (lub prześlij go przez interfejs Cowork), a Claude zacznie automatycznie go podnosić, gdy następnym razem poprosisz o coś pasującego do opisu.`~/.claude/skills/`
|
||||
|
||||
Jeśli chcesz, żeby Claude rozwijał umiejętność *razem z tobą*, po prostu zapytaj: *"Użyj umiejętności twórcy umiejętności, aby pomóc mi zbudować niestandardową umiejętność dla X."* Przeprowadzi z tobą rozmowę kwalifikacyjną, sporządzi szkic i przetestuje je.`SKILL.md`
|
||||
|
||||
## Najlepsze 12 umiejętności Claude'a
|
||||
|
||||
Oto stos — pogrupowany według tego, co każda umiejętność faktycznie dla ciebie robi, a nie według abstrakcyjnych kategorii. Zainstaluj je po kolei, a poczujesz różnicę już pierwszego dnia.
|
||||
|
||||
## Poziom "stwórz prawdziwy dokument"
|
||||
|
||||
**1\. —** Najprzydatniejsza umiejętność w całym ekosystemie. Generuje autentyczne dokumenty Word — spisy treści, numery stron, śledzone zmiany, osadzone obrazy, wszystko. Przestań wklejać Markdown do Worda; Użyj tego zamiast niego.`**docx**`
|
||||
|
||||
**2\. —** Buduje rzeczywiste edycje prezentacji z. Połącz to z umiejętnością marki (poniżej) i przestaniesz się wstydzić slajdów AI.`**pptx**` `python-pptx`
|
||||
|
||||
**3.** — Prawdziwe wzory, rzeczywiste wykresy, rzeczywiste formatowanie warunkowe. Szczególnie dobre do budżetów, modeli i każdej prośby "daj mi arkusz kalkulacyjny, który robi X".`**xlsx**`
|
||||
|
||||
**4.** — Usuwa tekst *i tabele* z chaotycznych plików PDF, wypełnia formularze, łączy, dzieli i OCR skanuje zeskanowane dokumenty. Oszczędza mi to około godziny tygodniowo.`**pdf**`
|
||||
|
||||
## Poziom "umiejętność, która buduje umiejętności"
|
||||
|
||||
**5.** — Użyj tego raz, a będziesz się zastanawiać, jak żyłeś bez niego. Przeprowadza z tobą wywiad, przygotowuje teczkę, zapisuje teczkę, przeprowadza oceny i informuje, kiedy twój opis jest zbyt niejasny, by można go było niezawodnie wywołać.`**skill-creator**` `SKILL.md`
|
||||
|
||||
**6.** — Jeśli to instrukcje, to dla narzędzi. Przeprowadza cię przez uruchomienie prawdziwego serwera MCP w Pythonie (FastMCP) lub TypeScript, z rozsądnymi domyślnymi ustawieniami.`**mcp-builder**` `skill-creator`
|
||||
|
||||
## Poziom "dużo piszę"
|
||||
|
||||
**7\. Głos marki (niestandardowy)** — Nie na żadnym rynku; Budujesz to dla siebie. Mój ma zakazane słowa, wymaganą strukturę, przykładowe akapity i listę kontrolną, którą Claude robi przed oddawaniem czegokolwiek. Najbardziej wysokiej jakości podniesienie spośród wszystkich umiejętności, jakie zdobyłem.
|
||||
|
||||
**8.** — Okresowo przegląda zapisane wspomnienia, łączy duplikaty, poprawia przestarzałe fakty i przycina indeks. Uruchamiaj go raz w miesiącu.`**consolidate-memory**`
|
||||
|
||||
## Poziom "I ship code"
|
||||
|
||||
**9.** — Zaskakująco głębokie. Jeśli budujesz coś powiązanego ze sklepem na Node/React/Mongo, obsługuje to wzorce koszyków, kasy, płatności, wielodostawców i B2B od razu.`**mern-ecommerce-expert**`
|
||||
|
||||
**10.** — Umiejętność przeglądu kodu, która faktycznie odczytuje różnicę, przeprowadza testy w głowie i wskazuje rzeczy, które powinien być recenzentem (a nie tylko "rozważyć dodanie komentarzy").`**review**`
|
||||
|
||||
**11.** — Ten sam pomysł, węższa soczewka. Spotyka twoją oczekującą gałąź i ujawnia ryzyka wstrzykiwania, luki uwierzytelniające oraz problemy z zależnością, zanim prawdziwy audytor je znajdzie.`**security-review**`
|
||||
|
||||
## Poziom "zmusić Claude'a do nudnych rzeczy"
|
||||
|
||||
**12.** — Pozwala zamienić dowolne zadanie w powtarzające się zadanie. "W każdy poniedziałek o 9 rano podsumuj zeszłotygodniową aktywność na GitHubie i wyślij mi to mailem." Ustaw to raz, zapomnij o tym na zawsze.`**schedule**`
|
||||
|
||||
## Jak właściwie dobrze używać umiejętności (to części, którą większość postów pomija)
|
||||
|
||||
Umiejętności to nie magia. Ta sama umiejętność w rękach dwóch różnych osób daje zupełnie różne efekty. Trzy rzeczy nauczyłem się na własnej skórze:
|
||||
|
||||
**Pisz opisy jak pielęgniarka triage, a nie broszurę marketingową.** Opis to jedyna rzecz, którą Claude czyta, decydując, czy załadować twoją umiejętność. Jeśli jest niejasna, twoja umiejętność nigdy nie działa. "Pomaga z dokumentami" → bezużyteczne. "Używaj, kiedy użytkownik chce tworzyć, edytować lub wyodrębniać zawartość z pliku.docx" → działa niezawodnie.
|
||||
|
||||
**Na początku załóż zasady, które Claude najprawdopodobniej zapomni.** Model odczytuje się od góry do dołu i waży wcześniejsze instrukcje mocniej. Umieść swoje twarde ograniczenia — zakazane słowa, wymaganą strukturę, format wyjściowy — w pierwszych 200 słowach umiejętności, a nie w ostatnim.
|
||||
|
||||
**Testuj z prawdziwymi, niechlujnymi promptami, nie czystym.** Twoja umiejętność sprawdzi się dobrze na *"napisz wpis na blogu o X, używając mojego głosu marki."* Prawdziwe pytanie brzmi, czy nadal się uruchamia, gdy użytkownik mówi *"naszkicuj mi coś na stronę dotyczącą premiery".* Jeśli nie, Twój opis potrzebuje więcej fraz wyzwalających.
|
||||
|
||||
## Jak bym zaczął, gdybym zaczynał dzisiaj
|
||||
|
||||
Jeśli masz dziś po południu 15 minut, zrób to w kolejności:
|
||||
|
||||
1. Włącz wbudowane umiejętności w ustawieniach Claude'a. (Dwa kliknięcia.)
|
||||
2. Spróbuj wygenerować a i a z tego samego promptu, którego używałeś w zeszłym tygodniu. Zauważ różnicę.`.docx``.pptx`
|
||||
3. Zapytaj Claude'a: *"Wykorzystaj umiejętność tworzenia umiejętności, aby pomóc mi zbudować umiejętność głosu marki opartą na tych trzech próbkach pisania."* Wklej trzy rzeczy, które napisałeś.
|
||||
4. Oszczędź sobie. Użyj go w swoim następnym poście. Iteruj.
|
||||
|
||||
W ciągu tygodnia będziesz mieć małą bibliotekę, która sprawi, że Claude poczuje się stworzony na miarę dla twojej pracy, bo tak właśnie jest.
|
||||
|
||||
## Szerszy obraz
|
||||
|
||||
Umiejętności to pierwsza funkcja, która sprawiła, że przestałem myśleć o Claude'ie jako o chatbotie i zacząłem traktować go jak system operacyjny, który powoli konfiguruję. Każda umiejętność, którą piszę, jest częścią mojego workflow, który staje się tańszy w prowadzeniu. Każda zasada marki, każda preferencja formatowa, każde "nie, zrób to *tak* " — wszystko się kumuluje.
|
||||
|
||||
Dwanaście to idealny środek. Wystarczająco dużo pokrycia, by poczuć się potężnym, a niewielu, by naprawdę pamiętać, co każdy z nich robi. Twój będzie wyglądał inaczej niż mój — i o to właśnie chodzi.
|
||||
|
||||
Zainstaluj go już dziś.
|
||||
+294
@@ -0,0 +1,294 @@
|
||||
---
|
||||
title: "Your Obsidian Vault Is a Knowledge Graph. Here’s How to Make It Think (quickly)."
|
||||
source: "https://medium.com/graph-praxis/your-obsidian-vault-is-a-knowledge-graph-heres-how-to-make-it-think-quickly-1487614a7682"
|
||||
author:
|
||||
- "[[Aleksander Szereszewski]]"
|
||||
published: 2026-04-11
|
||||
created: 2026-06-08
|
||||
description: "Najważniejsze wydarzenie"
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
|
||||
|
||||
*Po debacie na Wiki / nie LLM Wiki na LLM, chcę podzielić się moim doświadczeniem z ostatnich pięciu lat budowania drugiego mózgu w Obsidian. Podłączenie go do kodu Claude'a pokazało mi, co zostawiałem na stole.*
|
||||
|
||||
Otworzyłem swój pierwszy skarbiec Obsidian w 2021 roku. To był bałagan — zrzut migracji z Evernote, Notion i dekady plików tekstowych rozrzuconych na trzech komputerach. Pięć lat później ten skarbiec zawiera ponad 5 000 notatek obejmujących moją pracę konsultingową, badania osobiste, prace inwestycyjne oraz codzienną fakturę życia — notatki ze spotkań, najważniejsze momenty książek, niedokończone pomysły i rodzaj myślenia, które robisz tylko wtedy, gdy wiesz, że nikt cię nie ogląda.
|
||||
|
||||
Obsydian stał się dla mnie infrastrukturą nośną. Nie w sensie influencera produktywności. W tym sensie, że gdy klient prosi mnie o syntezę sześciu miesięcy historii projektu, otwieram sejf zamiast e-maila. Kiedy oceniam firmę, wyciągam notatkę inwestycyjną oraz badania branżowe, które zebrałem przez lata. Kiedy muszę coś napisać, pierwszy szkic już istnieje jako fragmenty rozrzucone na stu notatkach.
|
||||
|
||||
Ale oto czego nie mogłem zrobić: nie mogłem zadać sejfowi pytania. Nie mogłem powiedzieć "co łączy moje notatki dotyczące systemów rozproszonych z notatkami dotyczącymi projektowania organizacyjnego?" i otrzymać konkretnej odpowiedzi. Wiedza była tam — połączona, oznaczona, uporządkowana — ale jedyną osobą, która mogła ją przejść, byłem ja, ręcznie, nuta po nutce.
|
||||
|
||||
To się zmieniło, gdy podłączyłem kod Claude'a do mojego sejfu. I zmieniło się to bardziej, niż się spodziewałem.
|
||||
|
||||
|
||||
|
||||
## Co większość przewodników Obsidian-AI robi źle
|
||||
|
||||
Większość poradników integracyjnych zaczyna się od tego narzędzia. Zainstaluj tę wtyczkę. Skonfiguruj ten serwer. Oto blob JSON. Brakuje im fundamentalnego wglądu, który sprawia, że wszystko działa.
|
||||
|
||||
Kod Claude'a nie został stworzony do robienia notatek. Został stworzony, aby poruszać się po bazach kodu — czytać pliki, rozumieć strukturę, podążać za odniesieniami, dokonywać ukierunkowanych edycji i realizować wieloetapowe plany. Obsydianowy skarbiec niemal idealnie się na to odwzorowuje. Kod zawiera pliki źródłowe, instrukcje importu, strukturę katalogów i konfigurację. Twój skarbiec zawiera notatki Markdown, wikilinki, hierarchie folderów i materiały YAML. Claude Code porusza się po nich z podobną bieglością.
|
||||
|
||||
Najprostsza integracja jest najbardziej niedoceniana:
|
||||
|
||||
```hs
|
||||
cd ~/my-vault
|
||||
claude
|
||||
```
|
||||
|
||||
To wszystko. Claude Code może teraz czytać każdą notatkę, tworzyć nowe pliki, edytować treści, wyszukiwać za pomocą regexu i uruchamiać polecenia shell na twoim skarbcu. Brak wtyczek, brak serwerów, brak konfiguracji.
|
||||
|
||||
Ale "może uzyskać dostęp do plików" to stawka stołowa. Pięć lat, które spędziłem na strukturze mojego skarbca — konwencji, architektury folderów, wzorców łączenia — to właśnie sprawia, że integracja jest naprawdę użyteczna. A nauka tych konwencji to właśnie wtedy zaczyna się prawdziwa praca.
|
||||
|
||||
## CLAUDE.md: Plik, który zmienia wszystko
|
||||
|
||||
Gdy uruchamiasz katalog, automatycznie odczytuje on plik wywołany w bazie głównej. Traktuj to jak dokumentację wdrożenia dla niezwykle kompetentnego nowego pracownika, który zapomni wszystko między sesjami.`claude` `CLAUDE.md`
|
||||
|
||||
Za pierwszym razem prowadzę i generuję punkt startowy przez skanowanie struktury skarbca. Potem mocno ją przepisuję. Wygenerowana wersja zawiera oczywiste elementy — nazwy folderów, typy plików. Ale nie zna moich konwencji, aktywnych projektów ani rzeczy, których Claude nigdy nie dotyka.`/init`
|
||||
|
||||
Oto, czego nauczyło mnie pięć lat dyscypliny na skoku, jak włożyć CLAUDE.md:
|
||||
|
||||
```hs
|
||||
# Vault Context
|
||||
This is my personal + professional knowledge vault. Five years
|
||||
of notes across consulting, investing, and distributed systems
|
||||
research, and personal development. Notes use Obsidian-flavored
|
||||
Markdown with [[wikilinks]], callouts, and YAML frontmatter.
|
||||
## Structure
|
||||
- Projects/ - active client and personal work
|
||||
- Areas/ - ongoing domains (health, finance, ML research)
|
||||
- Resources/ - reference material, book notes, papers
|
||||
- Archive/ - completed work (still searchable, not active)
|
||||
- _attachments/ - images and PDFs (NEVER modify)
|
||||
- _templates/ - Obsidian templates (NEVER modify)
|
||||
- _ai-drafts/ - staging area for AI-generated content
|
||||
## Conventions
|
||||
- Internal links: always [[wikilinks]], never bare URLs
|
||||
- Tags: hierarchical #domain/topic format
|
||||
- MOCs: prefixed "MOC - " (Maps of Content)
|
||||
- Daily notes: Journal/YYYY/YYYY-MM/YYYY-MM-DD.md
|
||||
- Source notes: must include \`source:\` in frontmatter
|
||||
## Rules
|
||||
- NEVER modify _attachments/, _templates/, or .obsidian/
|
||||
- NEVER delete notes without my explicit confirmation
|
||||
- Always include YAML frontmatter: date, tags, aliases
|
||||
- When synthesizing, use ONLY content from my notes
|
||||
- Output drafts to _ai-drafts/ - never directly into the vault
|
||||
## Active Context (I update this before each session)
|
||||
- Working on: Q2 client architecture review
|
||||
- Open questions: containerization strategy for legacy systems
|
||||
- Recent focus: Areas/distributed-systems/, Projects/client-acme/
|
||||
```
|
||||
|
||||
Trzy nieoczywiste praktyki, których się nauczyłem, są ważniejsze niż sam szablon:
|
||||
|
||||
**Utrzymuj aktywny kontekst świeży.** Aktualizuję tę sekcję przed każdą sesją. Nieświeży kontekst jest gorszy niż brak — sprawia, że Claude powala wczorajsze priorytety. Jeszcze lepiej: na koniec każdej sesji proszę Claude'a o dołączenie krótkiego dziennika sesji. To tworzy ciągłość, której nie spodziewałem się tak bardzo cenić.
|
||||
|
||||
**Odniesienie, nie wrzucaj w linię.** Moje zainteresowania, aktywne projekty i kontekst zawodowy są w osobnych notatkach. CLAUDE.md się do nich odwołuje. Dzięki temu plik główny jest skoncentrowany i unika palenia tokenów na kontekście, który nie jest istotny dla każdej sesji.
|
||||
|
||||
**Dołącz negatywne instrukcje.** "Nigdy nie modyfikuj \_templates/" jest skuteczniejsze niż liczenie, że Claude się zorientuje. Przekonałem się tego na własnej skórze, gdy na jednej z pierwszych sesji pomocnie "ulepszyłem" jeden z moich skryptów Templatera.
|
||||
|
||||
|
||||
|
||||
## Wykres wiedzy, który już masz
|
||||
|
||||
Oto, co zaskoczyło mnie po latach łączenia notatek: mój skarbiec to nie tylko folder plików Markdown. To baza danych grafów.
|
||||
|
||||
Każdy skarbiec Obsydian zawiera graf niejawny. Notatki to węzły. Wikilinki tworzą krawędzie — gdy piszesz w notatkach Raft, tworzysz przejście między pojęciami i pojęciami. Poszczególne wikilinki są kierowane (uwaga A linkuje do notatki B), ale funkcja backlinków Obsidian tworzy dwukierunkową warstwę nawigacyjną, dzięki czemu można przechodzić przez połączenia w dowolnym kierunku. Tagi działają jak etykiety, grupując węzły w podgrafy. Właściwości frontmatter stają się atrybutami węzłów, które narzędzia śledzące grafy mogą zapytywać i filtrować.`[[Distributed Consensus]]`
|
||||
|
||||
Widok grafu Obsidian pokazuje tę strukturę. Jest piękny. Ale jest bierny — nie potrafi rozumować nad wykresem, nie potrafi powiedzieć, które notatki są hubami, nie potrafi zidentyfikować klastrów, które powinny być połączone, a nie są.
|
||||
|
||||
Po 5 000 notatek i pięciu latach linkowania mój wykres ma realną strukturę wartą analizy. I właśnie tutaj Claude Code — zwłaszcza dzięki serwerom MCP z możliwością grafów — wypełnia lukę, której sam Obsidian nie robi.
|
||||
|
||||
## Metryki grafowe, które faktycznie mają znaczenie
|
||||
|
||||
Gdy podłączysz kod Claude'a do swojego sejfu przez serwer MCP wspierający operacje grafowe, odblokowujesz analizę, którą kiedyś robiłem na oko (słabo) lub wcale:
|
||||
|
||||
**Ranking centralności** identyfikuje twoje prawdziwe notatki w centrum — pojęcia łączące się z większością innych koncepcji. Odkryłem, że moje prawdziwe huby nie zawsze pokrywają się z moimi "oficjalnymi" MOC-ami (Mapami Zawartości). Moja notatka o "Pętlach Sprzężenia Zwrotnego" zawierała 38 łączy przychodzących na czterech domenach. Mój MOC z myślenia systemowego miał 7. Ta rozbieżność była sygnałem, że muszę się zrestrukturyzować.
|
||||
|
||||
Tak wygląda zapytanie o centralność w praktyce przy użyciu TurboVault:
|
||||
|
||||
```hs
|
||||
> get_centrality_ranking(limit=5)
|
||||
|
||||
1. Feedback Loops - 38 connections (Areas/systems-thinking,
|
||||
Projects/client-acme, Resources/books)
|
||||
2. MOC - Distributed Systems - 34 connections
|
||||
3. Bayesian Reasoning - 29 connections (bridges 3 clusters)
|
||||
4. Second-Order Effects - 26 connections
|
||||
5. Margin of Safety - 24 connections (Areas/investing,
|
||||
Projects/portfolio)
|
||||
```
|
||||
|
||||
**Detekcja sierot** znajduje notatki bez żadnych łączy przychodzących ani wychodzących. W moim skarbcu miałem 340 sierot — idee, które uchwyciłem, ale nigdy nie połączyłem. Niektóre były warte integracji. Większość z nich to kandydaci do archiwum. Tak czy inaczej, nie wiedziałem, że istnieją, dopóki nie zapytałem.
|
||||
|
||||
**Analiza klastrów** ujawnia naturalne grupowania oraz, co ważniejsze, które klastry są rozłączone. Moje notatki inwestycyjne i myślenie systemowe były dwoma odrębnymi wyspami, mimo oczywistego nakładania się koncepcji. To była okazja integracji, której przez lata mi brakowało.
|
||||
|
||||
**Identyfikacja nut mostkowych** znajduje rzadkie nuty łączące inaczej izolowane klastry. To często są twoje najbardziej oryginalne spostrzeżenia — miejsca, gdzie połączyłeś dziedziny, które inni trzymają osobno.
|
||||
|
||||
## Narzędzia: Co naprawdę działa
|
||||
|
||||
Przetestowałem każdą główną ścieżkę integracji. Oto co bym polecił, uporządkowane według rosnącej złożoności.
|
||||
|
||||
## Poziom 1: Bezpośredni system plików (Zacznij tutaj)
|
||||
|
||||
Po prostu uciekaj z rootu vaultu. Dodaj CLAUDE.md. Zainstaluj oficjalne [kepano/obsidian-skills](https://github.com/kepano/obsidian-skills) — pięć plików umiejętności od CEO Obsidian, Steph Ango, które uczą Claude Code pełnego formatu Obsidian: wikilinki, callouty, Bases, Canvas i CLI. Bez nich Claude traktuje go jak zepsuty Markdown i jak cytat.`claude` `[[wikilinks]]` `> [!warning]`
|
||||
|
||||
```hs
|
||||
npx skills add git@github.com:kepano/obsidian-skills.git
|
||||
```
|
||||
|
||||
To połączenie — CLI + CLAUDE.md + umiejętności — obsługuje 80% tego, czego potrzebuję. Używałem właśnie tego przez pierwsze dwa miesiące.
|
||||
|
||||
## Tier 2: Serwer MCP (gdy potrzebujesz strukturalnego wyszukiwania)
|
||||
|
||||
Gdy mój skarbiec przekroczył 2000 notat, dostęp do surowych plików zaczął być wolny przy pracy opartej na wyszukiwaniach. Serwery MCP udostępniają Twój sejf jako narzędzia strukturalne, które kod Claude może wywoływać programowo: wyszukiwanie, operacje frontmatter, zarządzanie tagami, przeszukiwanie grafów.
|
||||
|
||||
Moja rekomendacja dla większości osób — **MCPVault**: zero zależności wtyczek Obsidian, 14 metod, wyszukiwanie w rankingu BM25 i o 40–60% mniejsze zużycie tokenów przez kompresję odpowiedzi. Ustaw to w konfiguracji Claude:
|
||||
|
||||
`~/.claude.json`:
|
||||
|
||||
```hs
|
||||
{
|
||||
"mcpServers": {
|
||||
"obsidian": {
|
||||
"command": "npx",
|
||||
"args": ["@bitbonsai/mcpvault@latest", "/path/to/your/vault"]
|
||||
}
|
||||
}
|
||||
}
|
||||
```
|
||||
|
||||
Aby zintegrować Obsidian, **obsidian-claude-code-mcp** uruchamia serwer MCP wewnątrz samego Obsidian z automatycznym wykrywaniem WebSocket — uruchom, wpisz, i wybierz swój skarbiec z listy. Do wyszukiwania semantycznego (opartego na znaczeniu) **obsidian-mcp-tools** integruje się z wtyczką Smart Connections, aby znaleźć powiązane notatki koncepcyjne, nawet jeśli nie mają one wspólnych terminów.`claude` `/ide`
|
||||
|
||||
## Poziom 3: Analiza grafów (dla dużych, mocno powiązanych skarbców)
|
||||
|
||||
**TurboVault** to potężne narzędzie — silnik Rust z 47 specjalistycznymi narzędziami, wyszukiwaniem BM25 poniżej 500 ms na 100 000 notatek, zapytaniami SQL na frontmaterii oraz możliwościami analizy grafów (centralność, klastry, mosty), które opisałem powyżej. Jeśli Twój skarbiec ma 10 000+ notatek lub zależy Ci na wglądach na poziomie grafów, warto się z tym zająć.
|
||||
|
||||
**Obsidian-MCP-Plugin** stosuje inne podejście — udostępnia Twój vault jako połączony graf wiedzy z wieloprzeskokowym przejściem, analizą backlinków i odkrywaniem koncepcji. AI samodzielnie porusza się po strukturze grafu, zamiast traktować notatki jako izolowane pliki.
|
||||
|
||||
## Poziom 4: Wbudowane wtyczki (dla fanów paska bocznego)
|
||||
|
||||
Wtyczki takie jak [Claudian](https://github.com/YishenTu/claudian) i [Cortex](https://forum.obsidian.md/t/plugin-cortex-an-ai-obsidian-vault-agent-powered-by-claude-code/112430) osadzają Claude'a bezpośrednio w pasku bocznym Obsidian z trwałymi sesjami i aktywną świadomością nut. Interfejs jest płynny, ale jesteś zależny od konserwacji wtyczek. Wolę CLI ze względu na elastyczność — ale jeśli mieszkasz cały dzień w Obsidian, doświadczenie z paskiem bocznym jest bardzo interesujące.
|
||||
|
||||
## Procesy pracy, które zasługują na utrzymanie
|
||||
|
||||
Nie każdy workflow AI się utrzymuje. To właśnie te używam nadal co tydzień po miesiącach iteracji.
|
||||
|
||||
## Automatyczne backlinkowanie (Lek Gateway)
|
||||
|
||||
```hs
|
||||
Read my journal entry for today and add [[wikilinks]] to all
|
||||
people, places, and books mentioned. Search the vault for
|
||||
existing notes on each entity. If no note exists, create a
|
||||
stub in Resources/People/ or Resources/Places/ with basic
|
||||
frontmatter.
|
||||
```
|
||||
|
||||
To był mój pierwszy workflow Claude Code i nadal jest to ten z najwyższym zwrotem z inwestycji. To, co kiedyś zajmowało mi 10–15 minut ręcznego linkowania, teraz dzieje się podczas oczekiwania. Po trzech miesiącach regularnego korzystania moje codzienne wpisy w dzienniku zmieniły się z ślepych notatek w bogato połączone węzły na wykresie. Efekt kumulacji jest realny — każdy powiązany wpis daje Claude'owi lepszy kontekst do kolejnego.
|
||||
|
||||
## Synteza międzydomenowa
|
||||
|
||||
To jest workflow, który sprawił, że na nowo przemyślałem, do czego służy vault:
|
||||
|
||||
```hs
|
||||
Read my notes in Areas/distributed-systems/ and
|
||||
Areas/organizational-design/. Identify concepts that appear
|
||||
in both domains or that share structural similarities.
|
||||
Write a synthesis note at _ai-drafts/cross-domain-synthesis.md
|
||||
mapping the parallels. Use ONLY content from my notes —
|
||||
do not add external claims. Include [[wikilinks]] to all
|
||||
source notes.
|
||||
```
|
||||
|
||||
Claude dostrzegł powiązania, których wcześniej nie poruszyłem: moje notatki dotyczące protokołów konsensusu i podejmowania decyzji w organizacjach płaskich opisywały ten sam problem koordynacji z różnych perspektyw. Ta notatka synteza stała się ziarnem wykładu konferencyjnego. Nie napisałbym jej ręcznie — nie dlatego, że nie mogłem, ale dlatego, że energia aktywacyjna czytania 40 notatek w dwóch folderach i trzymania ich wszystkich w pamięci roboczej była zbyt wysoka.
|
||||
|
||||
## Audyt stanu skarbca (miesięczna konserwacja)
|
||||
|
||||
```hs
|
||||
Find all orphan notes (no incoming or outgoing links),
|
||||
notes missing YAML frontmatter, and broken wikilinks.
|
||||
Output a report at _ai-drafts/vault-health-report.md.
|
||||
```
|
||||
|
||||
Biegam w tym co miesiąc. To odpowiednik PKM uruchamiania twojego zestawu testowego. Zanim zacząłem, mój vault miał 9% współczynnik sierot i bardzo niespójną tematykę na początku. Sześć miesięcy comiesięcznych audytów obniżyło liczbę sierot poniżej 2%, a zgodność z przednimi zadaniami powyżej 95%.
|
||||
|
||||
## Analiza luk
|
||||
|
||||
```hs
|
||||
Examine Areas/investing/ and list topics that are serious
|
||||
practitioner would expect to find, but aren't covered by
|
||||
any existing note.
|
||||
```
|
||||
|
||||
Claude zauważył, że moje notatki inwestycyjne szeroko obejmowały wycenę i rowy, ale prawie nic nie zawierały na temat wielkości pozycji, zarządzania ryzykiem czy konstrukcji portfela. Ta luka była dla mnie niewidoczna przez trzy lata, bo notatki*, które* miałem, wydawały się obszerne.
|
||||
|
||||
## Szybkie przewody CLI
|
||||
|
||||
```hs
|
||||
claude -p "Summarize Resources/RFID/ in 200 words" \
|
||||
> Resources/RFID-summary.md
|
||||
```
|
||||
|
||||
Flaga (lub ) uruchamia Claude nieinteraktywnie i wysyła na stdout. Używam tego do operacji wsadowych — generowania streszczeń dla całych folderów, wyodrębniania kluczowych zapytań z notatek badawczych lub tworzenia notatek roboczych z listy tematów.`-p` `--print`
|
||||
|
||||
## Dlaczego Obsidian + Claude, a nie Notion AI czy logseq + GPT
|
||||
|
||||
Próbowałem alternatyw. Oto dlaczego ciągle wracam:
|
||||
|
||||
**Pliki lokalne, nie lock-in w chmurze.** Mój sejf to folder plików Markdown w moim systemie plików. Jestem ich właścicielem. Jutro mogę je zrobić kopię zapasową albo zmienić narzędzie. Notion AI jest potężne, ale Twoje dane znajdują się na serwerach Notion w zastrzeżonym formacie. Kiedy daję Claude Code dostęp do mojego sejfu, odczytuje on te same pliki, które edytuję w Obsidian — bez warstwy synchronizacji, bez tłumaczenia API, bez danych opuszczających mój komputer.`grep` `git`
|
||||
|
||||
**Agentic, nie autocomplete.** Większość integracji AI w narzędziach PKM to automatyczne uzupełnianie na sterydach — sugerują to, że piszesz na klawiaturze. Claude Code jest agentem. Może przeczytać 40 notatek, określić, które są istotne, tworzyć nowe pliki, dodawać wikilinki i raportować o swoich działaniach. Różnica między "pisaniem wspomaganym AI" a "zarządzaniem wiedzą wspomaganym przez AI" jest różnicą między lepszą klawiaturą a asystentem badawczym.
|
||||
|
||||
**Kompozycyjne, nie monolityczne.** Mogę zmienić serwery MCP i zmienić CLAUDE.md, dodać umiejętności, przesyłać sygnały przez skrypty shell lub użyć zupełnie innego modelu AI jutro. Architektura składa się z warstw tekstu zwykłego i otwartych protokołów. Nic nie jest zablokowane.
|
||||
|
||||
Kod Claude wymaga subskrypcji Max lub korzystania z API, co wiąże się z kosztami, i warto to podkreślić. Dla moich wzorców użytkowania — kilka sesji tygodniowo, każda z 20–50 notatek — koszt to błąd zaokrąglenia w porównaniu do zaoszczędnych godzin konsultacji. Twoje obliczenia będą się różnić, ale warto to śledzić przez pierwszy miesiąc.
|
||||
|
||||
## Praktyki bezpieczeństwa, które na pewno chciałbyś najpierw określić
|
||||
|
||||
Nauczyłem się tego przez błędy. Ustaw je przed pierwszą sesją.
|
||||
|
||||
**Użyj git do swojego vaulta.** To jest najważniejsza siatka bezpieczeństwa. Każda zmiana wprowadzana przez Claude'a staje się różnicą do przeglądu. Każdy błąd staje się odwracalny.
|
||||
|
||||
```hs
|
||||
cd ~/vault
|
||||
git init
|
||||
echo ".obsidian/workspace.json" >> .gitignore
|
||||
echo "_attachments/" >> .gitignore
|
||||
```
|
||||
|
||||
Przejrzyj pliki etapowe przed pierwszym commitem — upewnij się, że nie śledzisz przypadkowo wrażliwych danych.
|
||||
|
||||
**Przekieruj wszystkie wyjścia AI przez** **.** Praca Claude'a to szkic, dopóki jej nie przejrzysz. Nigdy nie pozwól, by zapisał się bezpośrednio w twojej głównej strukturze sejfu. Awansuj notatki ręcznie po przeglądzie. To zachowuje Twój skarbiec jako repozytorium *twojego* myślenia.`**_ai-drafts/**`
|
||||
|
||||
**Zawsze ograniczaj prompty syntezy.** "Używaj TYLKO treści z moich notatek" nie jest opcjonalne. Bez niego Claude miesza twoją wiedzę z danymi treningowymi, a efekt wygląda autorytatywnie, ale zawiera twierdzenia, których nigdy nie wypowiedziałeś. Dodaję to ograniczenie do każdego żądania syntezy i podsumowania — to odpowiednik oczyszczania wejść w PKM.
|
||||
|
||||
**Żądania zakresu do konkretnych folderów.** "Summarizuj zasoby/obliczenia kwantowe/" jest bezpieczne i szybkie. "Podsumuj cały mój skarbiec" to symboliczna bomba, która daje płytkie rezultaty.
|
||||
|
||||
## Efekt złożony
|
||||
|
||||
Prawdziwa nagroda nie polega na jednym procesie. To się dzieje przez miesiące ciągłej konserwacji wspomaganej przez AI.
|
||||
|
||||
Po trzech miesiącach automatycznego backlinkowania moje codzienne notatki przekształciły się z beznadziejnych wpisów w powiązane węzły. Po sześciu miesiącach audytów zdrowia skarbca mój wskaźnik sierot spadł z 9% do poniżej 2%. Po przeprowadzeniu analizy luk w każdej dziedzinie wiedzy zacząłem pisać notatki wypełniające dziury strukturalne, zamiast nakładać się na już gęste skupiska.
|
||||
|
||||
Wykres staje się gęstszy, bardziej spójny i bardziej nawigacyjny — zarówno dla mnie, jak i dla AI. Lepiej powiązane notatki dają Claude'owi lepszy kontekst, co prowadzi do lepszych sugestii, a to tworzy lepsze powiązania. Każda poprawa się nasila.
|
||||
|
||||
To jest trajektoria, którą obiecywała metoda Zettelkasten, ale niewielu osób osiąga to ręcznie. Praca organizacyjna — linkowanie, tagowanie, formatowanie, spójność — to dokładnie to, w czym AI się wyróżnia. To ty wnosisz myślenie. Claude przynosi księgowość.
|
||||
|
||||
## Zaczynamy w tym tygodniu
|
||||
|
||||
Jeśli dotarłeś aż tutaj i jeszcze nie zacząłeś, oto 30-minutowe wprowadzenie:
|
||||
|
||||
1. **Zainstaluj kod Claude** — `npm install -g @anthropic-ai/claude-code`
|
||||
2. **Inicjalizuj** — wtedy `cd ~/vault && claude` `/init`
|
||||
3. **Przepisz CLAUDE.md** — użyj powyższego szablonu, dostosowanego do struktury i konwencji *Twojego* skarbca
|
||||
4. **Instaluj obsydian-skills** — `npx skills add git@github.com:kepano/obsidian-skills.git`
|
||||
5. **Przeprowadź swój pierwszy audyt** — "Znajdź wszystkie notatki osierocone i brakujące materiały YAML. Wyślij raport na adres \_ai-drafts/vault-audit.md."
|
||||
|
||||
A oto wyzwanie na pierwszy tydzień, które pozwoli przejść przez etap samouczka: zautomatyzować backlinkowanie na 7 codziennych notatek. Zrób swój pierwszy audyt zdrowia skarbca. Poproś Claude'a, by znalazł powiązania między waszymi dwoma najbardziej odrębnymi dziedzinami wiedzy. Do piątku będziesz miał wyczucie, czy to zmienia Twój workflow, czy to tylko kolejne błyszczące narzędzie.
|
||||
|
||||
Stawiam na to pierwsze. Pięć lat budowania mojego skarbca uczyniło go wartościowym. Połączenie tego z agentem, który faktycznie potrafi z nim myśleć, uczyniło tę wartość dostępną w sposób, którego się nie spodziewałem.
|
||||
|
||||
Wykres zawsze tam był. Teraz coś może ją przemierzyć.
|
||||
|
||||
*Narzędzia open-source z referencją:* [*kepano/obsidian-skills*](https://github.com/kepano/obsidian-skills) *(oficjalne umiejętności agenta),* [*MCPVault*](https://github.com/bitbonsai/mcpvault) *(serwer MCP bez zależności),* [*TurboVault*](https://github.com/Epistates/turbovault) *(analiza grafów Rust*), [*obsidian-claude-code-mcp*](https://github.com/iansinnott/obsidian-claude-code-mcp) *(integracja z WebSocket*), [*obsidian-mcp-tools*](https://github.com/jacksteamdev/obsidian-mcp-tools) *(wyszukiwanie semantyczne),* [*Claudian*](https://github.com/YishenTu/claudian) *(wtyczka boczna). Liczba gwiazd i cechy są aktualne na kwiecień 2026 roku.*
|
||||
@@ -0,0 +1,136 @@
|
||||
---
|
||||
title: "Zbudowałem najbardziej inteligentnego agenta badawczego"
|
||||
source: "https://medium.com/@jordan_gibbs/i-built-the-most-intelligent-deep-research-agent-13c3de5ebc8d"
|
||||
author:
|
||||
- "[[Jordan Gibbs]]"
|
||||
published: 2026-05-04
|
||||
created: 2026-05-20
|
||||
description: "Przewyższa OpenAI, Antropic i NVIDIA... I jest open source."
|
||||
tags:
|
||||
- "clippings"
|
||||
---
|
||||
## Przewyższa OpenAI, Antropic i NVIDIA... I jest open source.
|
||||
|
||||
|
||||
|
||||
Logo HyperResearch
|
||||
|
||||
Przez ostatnie kilka tygodni pracowałem nad [HyperResearch](https://github.com/jordan-gibbs/hyperresearch), najpotężniejszym agentem głębokich badań na rynku. Jest w pełni open-source i prosta wtyczka do kodu Claude'a, więc możesz zacząć w kilka minut.
|
||||
|
||||
Interesuję się koncepcją głębokich badań od czasu wydania pierwszej wersji OpenAI kilka lat temu. Zawsze uważałem, że obok kodowania, zbieranie i synteza wiedzy jest jednym z kluczowych zastosowań LLM.
|
||||
|
||||
HyperResearch to mój pierwszy krok w dziedzinie badań i z dumą mogę powiedzieć, że obecnie zajmuje pierwsze miejsce w DeepResearch Benchmark:
|
||||
|
||||
|
||||
|
||||
Wewnętrznie benchmarkowane za pomocą RACE DeepResearchBench, który zestawia raporty generowane przez AI z badaniami na poziomie doktoranckim (50 to poziom "PhD").
|
||||
|
||||
W dniach od oficjalnego wydania korzystałem z HyperResearch do przeprowadzania metodycznych badań nad wszystkim, od architektur LLM 2026 po rozwój strategii handlowych na rynkach predykcyjnych.
|
||||
|
||||
Nawet ja, jako twórca tego narzędzia, jestem ciągle zaskoczony (i trochę przestraszony) jakością jego wyników i analiz. Jeśli jesteś obecnym użytkownikiem Clade Code, zachęcam do spróbowania.
|
||||
|
||||
## HyperResearch w skrzydłym spojrzeniu
|
||||
|
||||
Co sprawia, że HR jest o wiele lepszy od innych głębokich badań naukowych?
|
||||
|
||||
### Trwałe, przeszukiwalne, rozszerzalne bazy wiedzy
|
||||
|
||||
HR tworzy artefakty badawcze w formie pełnotekstowych plików MD, które są automatycznie dołączane do przeszukiwalnej, rozszerzalnej bazy danych. Każdy link źródłowy, który AI odczytuje, jest zapisywany na komputerze do przyszłych użyć, wraz z tagami, linkami zwrotnymi i szybkim podsumowaniem. Proces ten jest podobny do działania [Obsidian](https://obsidian.md/).
|
||||
|
||||
### Ogromna szerokość
|
||||
|
||||
HR może przeczytać setki źródeł na sesję, szukając najlepszych źródeł pierwotnych i sprzecznych informacji, by objąć wszystkie aspekty.
|
||||
|
||||
### Rzeczywista głębia
|
||||
|
||||
W przeciwieństwie do niektórych innych agentów głębokich badań, HyperResearch potrafi faktycznie tworzyć plany ataku celujące w królicze nory łączące. Może faktycznie odwiedzać strony kolejno, znajdując osadzone linki prowadzące do cenniejszych informacji.
|
||||
|
||||
Przykładem jest wykorzystanie Wikipedii jako narzędzia agregacji źródeł do wyszukiwania wysokiej jakości źródeł pierwotnych.
|
||||
|
||||
### Lepsze dane
|
||||
|
||||
HR korzysta lokalnie z przeglądarką bezgłową z Twoim rzeczywistym adresem IP, aby uzyskać dostęp do większej ilości danych niż przeciętne narzędzie chmurowe. Możesz także zarejestrować profil Chromium za pomocą tego narzędzia, co pozwala logować się na serwisach takich jak Twitter czy LinkedIn za pomocą danych uwierzytelniających, aby uzyskać informacje w czasie rzeczywistym.
|
||||
|
||||
### Struktury subagentowe to zgnilizna antykontekstowa
|
||||
|
||||
Cały pipeline opiera się na subagentach, z nadrzędnym "orkiestratorem", który nadzoruje proces z wyższego, celowego punktu widzenia. Oznacza to, że główny agent piszący i syntetyzujący Twój raport nie jest zatruty tysiącami słów internetowych badań. Subagenci działają wcześnie w swoich oknach kontekstowych, dokładnie w swojej ["strefie inteligentnej](https://github.com/mattpocock/dictionary-of-ai-coding#stateful) ".
|
||||
|
||||
## Jak działa HyperResearch
|
||||
|
||||
Mimo że to stosunkowo prosty zestaw plików umiejętności, składa się w zestaw, który jest znacznie czymś więcej niż sumą jego części.
|
||||
|
||||
### Ścieżka badawcza
|
||||
|
||||
Pipeline HyperResearch składa się z 16 etapów, z których każdy ma kluczową rolę do odegrania.
|
||||
|
||||
**Krok 1 — Rozkład**
|
||||
|
||||
Dzieli zapytanie badawcze użytkownika na elementy atomowe, które są najmniejszymi samodzielnymi podpytaniami do odpowiedzi, oraz tworzy macierz zasięgu, która mapuje każde podpytanie na źródła lub kąty, które je rozwiążą.
|
||||
|
||||
**Krok 2 — Przemiatanie szerokości**
|
||||
|
||||
Generuje plan wyszukiwania obejmujący różne perspektywy na dany temat, a następnie uruchamia równoległe fale agentów pobierania, które jednocześnie trafiają w adresy URL, aby pobrać materiały źródłowe do korpusu. Zbieracze używają Claude'a Haiku, ponieważ ten etap jest bardzo intensywny i nie wymaga głębokiego rozumowania.
|
||||
|
||||
**Krok 3 — Graf sprzeczności**
|
||||
|
||||
Przeszukuje pobrany korpus pod kątem par źródeł, które ze sobą nie zgadzają, i grupuje te niezgodności w klastry uszeregowane, tak aby najważniejsze sprzeczności pojawiły się jako pierwsze.
|
||||
|
||||
**Krok 4 — Analiza loci**
|
||||
|
||||
Dwóch analityków działa równolegle w korpusie, aby zidentyfikować miejsca, czyli konkretne podtematy lub sporne punkty zasługujące na głębsze badania. Każdy locus jest oceniany pod kątem ważności i przypisywany jest budżet źródłowy, który ogranicza, ile pobierania może na niego wydać kolejny krok.
|
||||
|
||||
**Krok 5 — Badanie głębi**
|
||||
|
||||
Dla każdego miejsca dedykowany agent śledczy dogłębnie je bada i sporządza notatkę tymczasową. Nota musi zobowiązać się do pozycji, a nie zabezpieczenia, co zmusza agenta do przyjęcia obronnej postawy, którą późniejsze kroki mogą przetestować jako obciążenie.
|
||||
|
||||
**Krok 6 — Pojednanie między miejscami i lokalizacjami**
|
||||
|
||||
Porównuje zaangażowane pozycje z każdego badania locus i łączy je w jeden plik, rozwiązując nakładanie się i ujawniając miejsca, gdzie loci ze sobą kolidują.`comparisons.md`
|
||||
|
||||
**Krok 7 — Napięcia źródłowe**
|
||||
|
||||
Wyodrębnia różnice między ekspertami, w przeciwieństwie do niezgodności między własnymi loci agenta, i zapisuje je jako dalsze kroki do dalszych kroków.`source-tensions.json`
|
||||
|
||||
**Krok 8 — Krytyk korpusu**
|
||||
|
||||
Agent krytyka zadaje odwrotne pytanie — jakie źródło, gdyby istniało, mogłoby zmienić aktualny kierunek analizy? — a następnie wykonuje celowane pobieranie, aby spróbować znaleźć to źródło przed rozpoczęciem draftu.
|
||||
|
||||
**Krok 9 — Podsumowanie dowodów**
|
||||
|
||||
Zawiera najsilniejsze dotychczasowe twierdzenia wraz z dosłownymi cytatami z oryginalnych źródeł w, dając etapowi tworzenia czyste odniesienie faktów z dołączonym pochodzeniem.`evidence-digest.md`
|
||||
|
||||
**Krok 10 — Potrójny draft**
|
||||
|
||||
Tworzy osobną listę źródeł dla każdego z trzech aspektów tematu, a następnie równolegle generuje trzech agentów szkicowych, którzy piszą po jednym pełnym szkicu.
|
||||
|
||||
**Krok 11 — Synteza**
|
||||
|
||||
Agent syntezatora czyta wszystkie trzy wersje robocze, planuje konspekt, który wyciąga najlepsze z każdego z nich, i pisze końcowy raport do.`final_report.md`
|
||||
|
||||
**Krok 12 — Krytycy**
|
||||
|
||||
Czterech przeciwników działa równolegle, każdy szukając innej klasy słabości: krytyk dialektyczny szuka kontrdowodów, że draft nie popełnił, krytyk głębi wskazuje płytkie miejsca, krytyk szerokości wskazuje na tematy, które draft zignorował, a krytyk instrukcji sprawdza draft względem atomowych punktów oryginalnego promptu. Każdy zapisuje wyniki do pliku JSON.
|
||||
|
||||
**Krok 13 — Gap-fetch**
|
||||
|
||||
Uruchamia ukierunkowaną falę pobierania, aby odzyskać źródła wypełniające konkretne luki wskazane przez krytyków.
|
||||
|
||||
**Krok 14 — Patcher**
|
||||
|
||||
Stosuje krytyczne ustalenia do raportu jako chirurgiczne korekty, czyli drobne, lokalne zmiany, a nie poprawki. Agent jest zablokowany narzędziem, co oznacza, że system uprawnień Claude Code fizycznie uniemożliwia mu użycie czegokolwiek poza Odczyt i Edycja, więc nie może wygenerować szkicu od zera.
|
||||
|
||||
**Krok 15 — Polski**
|
||||
|
||||
Narzędzie zablokowane w narzędziu Read+Edit usuwa wypełniacze i usuwa wycieki higieny, które są artefaktami, które nie powinny pojawiać się w końcowym wyniku, w tym pozostałymi sekcjami rusztowań, blokami YAML na początku plików oraz przypadkowymi echami polecenia użytkownika z powrotem do treści raportu.
|
||||
|
||||
**Krok 16 — Audyt czytelności**
|
||||
|
||||
Agent rekomendujący zapisuje sugestie do pliku JSON, obejmujące takie rzeczy jak rytm akapitów i miejsca, gdzie lepiej czyta się prozę jako listę lub tabelę, a orkestrator selektywnie stosuje te, które faktycznie poprawiają raport.
|
||||
|
||||
## Uff, to było dużo.
|
||||
|
||||
To podsumowuje cały proces działania. Opracowałem ten HR po wielu tygodniach iteracji i testów ablacji, które usuwały lub dodawały kroki, które albo szkodziły, albo poprawiały zdolność systemu do tworzenia badań na wyższej jakości. To trwający, stale rozwijający się projekt open-source, więc zachęcam do wsparcia się, jeśli jesteś zainteresowany: [https://github.com/jordan-gibbs/hyperresearch](https://github.com/jordan-gibbs/hyperresearch)
|
||||
|
||||
**Dzięki za przeczytanie!**
|
||||
|
||||
\-Jordan
|
||||
Binary file not shown.
Binary file not shown.
Binary file not shown.
Reference in New Issue
Block a user