Jun 18, 2026, 11:56 AM
This commit is contained in:
Paweł Domański
@@ -0,0 +1,40 @@
|
||||
---
|
||||
title: "10 Claude Prompts That Replace a $900/hr Consultant"
|
||||
type: "summary"
|
||||
tags: [claude, prompting, expert-roles, adversarial-framing, strategy]
|
||||
created: 2026-06-18
|
||||
updated: 2026-06-18
|
||||
sources: ["raw/inbox/10 Claude Prompts That Replace a $900_hr Consultant.md"]
|
||||
confidence: high
|
||||
---
|
||||
|
||||
# 10 Claude Prompts That Replace a $900/hr Consultant
|
||||
|
||||
Artykuł Mike'a Writtena (AI Trends 24) opisuje, jak zrezygnować z generycznych i krótkich zapytań do Claude'a na rzecz precyzyjnie skonstruowanych szablonów, które zdejmują z modelu tzw. "filtr uprzejmości" i zmuszają go do głębokiego, krytycznego myślenia na poziomie wysokiej klasy konsultantów biznesowych (kosztujących setki dolarów za godzinę).
|
||||
|
||||
## Key Points
|
||||
|
||||
### Trzy filary skutecznego promptowania
|
||||
Wysoką jakość odpowiedzi modeli w 2026 roku gwarantuje połączenie trzech kluczowych technik projektowania instrukcji:
|
||||
1. **Specyficzność Roli (Role Specificity)**: Claude nie powinien po prostu "działać jak ekspert". Trzeba nadać mu ultradokładną tożsamość, np. *partner w funduszu VC, który przeanalizował w tym roku 1000 pitch decków i sfinansował 8*.
|
||||
2. **Afrontacyjne Ramy (Adversarial Framing)**: Wprowadzenie instrukcji takich jak "rozerwij ten kod na strzępy", "bądź sceptyczny", "pomiń uprzejmości i zastrzeżenia". To zdejmuje domyślną potrzebę bycia miłym i asekuracyjnym przez model.
|
||||
3. **Jawny Format Wyjściowy (Explicit Output Format)**: Każdy prompt wymaga precyzyjnego podziału (np. numerowana lista 3 kluczowych decyzji, konkretna liczba słów).
|
||||
|
||||
### 10 szablonów eksperckich (Streszczenie ról)
|
||||
- **Konsultant ds. strategii (Strategy Consultant)**: Analizuje sytuację firmy pod kątem 3 najważniejszych decyzji na kolejne 90 dni, ignorowanych ryzyk oraz nieintuicyjnych ruchów.
|
||||
- **Prawnik kontraktowy (Contract Lawyer)**: Wyłapuje klauzule mogące zaszkodzić dostawcy SaaS, ograniczenia wyjścia z umowy oraz limity odpowiedzialności.
|
||||
- **Analityk analizy rynku (Market Intelligence Analyst)**: Mapuje 5 konkurentów, nisze rynkowe oraz najbardziej obronny punkt wejścia.
|
||||
- **Starszy recenzent kodu (Senior Code Reviewer)**: Ocenia dług techniczny, ryzyka bezpieczeństwa i to, co wyłoży się pod obciążeniem (podejście sceptycznego programisty).
|
||||
- **Audytor modelu finansowego (CFO Model Auditor)**: Analizuje logikę finansową startupu, wyłapując zbyt optymistyczne założenia.
|
||||
- **Krytyk pitch decku (Pitch Deck Critic)**: Symuluje brutalnie szczerą reakcję partnera funduszu VC na prezentację inwestorską.
|
||||
- **Trener negocjacyjny (Negotiation Coach)**: Przygotowuje liderów do negocjacji o wysoką stawkę (punkty nacisku, tanie ustępstwa dające dużą wartość drugiej stronie).
|
||||
- **Rozmówca rekrutacyjny (Interview Interviewer)**: Przygotowuje precyzyjne pytania rekrutacyjne i wzorce dobrych vs średnich odpowiedzi na podstawie CV i opisu stanowiska.
|
||||
- **Doradca ds. komunikacji kryzysowej (Crisis PR Advisor)**: Tworzy szybkie oświadczenia w sytuacjach kryzysowych, redukując ryzyko PR-owe.
|
||||
- **Strateg produktowy (Product Strategist)**: Kwestionuje pomysły na nowe funkcje produktu przez pryzmat metodyki Jobs-to-be-done i uproszczenia zakresu o 10x.
|
||||
|
||||
## Relevant Concepts
|
||||
- [[concepts/role-specificity]] — Definiowanie precyzyjnych i niszowych tożsamości eksperckich dla modeli LLM.
|
||||
- [[concepts/adversarial-framing]] — Usuwanie filtrów uprzejmości i asekuracji poprzez ramy konfrontacyjne.
|
||||
|
||||
## Sources
|
||||
- `raw/inbox/10 Claude Prompts That Replace a $900_hr Consultant.md`
|
||||
@@ -0,0 +1,43 @@
|
||||
---
|
||||
title: "Przestań tracić najlepsze rozmowy AI: archiwizuj Obsidian z umiejętnością"
|
||||
type: "summary"
|
||||
tags: [obsidian, mcp, claude-skills, knowledge-compilation, productivity]
|
||||
created: 2026-06-18
|
||||
updated: 2026-06-18
|
||||
sources: ["raw/inbox/Przestań tracić najlepsze rozmowy AI_ archiwizuj Obsidian z umiejętnością.md"]
|
||||
confidence: high
|
||||
---
|
||||
|
||||
# Przestań tracić najlepsze rozmowy AI: archiwizuj Obsidian z umiejętnością
|
||||
|
||||
Artykuł Bulenta Gorkema omawia problem "ulotności" interakcji z modelami AI — wartościowe analizy architektoniczne, gotowe fragmenty kodu i kluczowe kompromisy projektowe bezpowrotnie znikają po zamknięciu zakładki przeglądarki. Autor proponuje dwuetapowe rozwiązanie: najpierw ręczną archiwizację wartościowych czatów w lokalnym skarbcu Obsidian za pomocą serwera Obsidian MCP, a następnie automatyzację i standaryzację tego procesu poprzez spakowanie go w dedykowaną **Umiejętność Claude'a (Claude Skill)**.
|
||||
|
||||
## Key Points
|
||||
|
||||
### Dlaczego warto archiwizować rozmowy z AI?
|
||||
- **Trwałość decyzji**: Zapisanie uzasadnienia decyzji ("dlaczego wybraliśmy X zamiast Y") oszczędza godziny ponownej pracy w przyszłości.
|
||||
- **Katalog działającego kodu**: Jednolinijkowce bashowe czy skomplikowane zapytania SQL, które w końcu zadziałały, trafiają do prywatnej, lokalnej bazy wiedzy.
|
||||
- **Budowa kontekstu historycznego**: Linki zwrotne (`[[WikiLinks]]`) w Obsidian pozwalają powiązać dzisiejsze sesje debugowania z decyzjami projektowymi podjętymi miesiąc temu.
|
||||
- **Tani i pewny RAG**: Wklejenie zarchiwizowanej, ustrukturyzowanej notatki z powrotem do nowego czatu to najszybsza i najtańsza forma "pamięci" dla asystenta AI.
|
||||
|
||||
### Ewolucja: Od promptu ręcznego do Umiejętności (Skill)
|
||||
1. **Etap ręczny (Obsidian MCP)**: Pod koniec sesji użytkownik ręcznie wydaje Claude'owi złożoną instrukcję podsumowania czatu i zapisania go pod określoną ścieżką z YAML frontmatter. Prowadzi to jednak do "dryfu formatu" (notatki różnią się strukturą w zależności od sesji) i wymaga powtarzania instrukcji.
|
||||
2. **Etap automatyczny (Claude Skill)**: Zapakowanie instrukcji w ustrukturyzowany plik `SKILL.md` z unikalną tożsamością, opisem i przykładowymi szablonami. Claude automatycznie wykrywa intencję użytkownika (np. "zarchiwizuj ten czat") i uruchamia poprawny workflow w stałym, z góry zdefiniowanym formacie.
|
||||
|
||||
### Anatomia dobrej Umiejętności (Skill Design Principles)
|
||||
- **Frontmatter jako interfejs**: Najważniejsza część to pole `description`. Musi ono precyzyjnie opisywać frazy kluczowe, przy których model powinien aktywować dany plik instrukcji (np. *save*, *archive*, *log*, *capture*).
|
||||
- **Jasne rozgraniczenie kompatybilności**: Wymagane narzędzia zewnętrzne (np. `mcp-obsidian`) należy umieszczać bezpośrednio w polu `compatibility` w nagłówku YAML, a nie w treści pliku.
|
||||
- **Zasada 500 linii**: Dobra umiejętność powinna być zwięzła (poniżej 500 linii). Dłuższe opisy i dokumentację należy wydzielić do katalogu `references/`.
|
||||
- **Niezależne testowanie**: Działanie umiejętności należy przetestować na "zimno" w świeżym oknie czatu za pomocą różnych sformułowań wyzwalających, aby upewnić się, że model poprawnie ją interpretuje.
|
||||
|
||||
## Relevant Concepts
|
||||
- [[concepts/conversation-archiving]] — Systematyczne zapisywanie wartościowych interakcji z AI do osobistej bazy wiedzy.
|
||||
- [[concepts/claude-skills]] — Paczkowanie instrukcji i potoków wykonawczych w modularne umiejętności agenta.
|
||||
- [[concepts/mcp-servers]] — Wykorzystanie protokołu MCP do fizycznego zapisu plików w skarbcu.
|
||||
|
||||
## Relevant Entities
|
||||
- [[entities/obsidian]] — Lokalne narzędzie PKM służące jako IDE dla bazy wiedzy.
|
||||
- [[entities/obsidian-skills]] — Konfiguracje umiejętności wspierające integrację modeli ze skarbcem.
|
||||
|
||||
## Sources
|
||||
- `raw/inbox/Przestań tracić najlepsze rozmowy AI_ archiwizuj Obsidian z umiejętnością.md`
|
||||
@@ -0,0 +1,48 @@
|
||||
---
|
||||
title: "Nadaj swojemu AI Agentowi 36 supermocy: pamięć długotrwałą w kilka minut dzięki GBrain (open source)"
|
||||
type: "summary"
|
||||
tags: [gbrain, long-term-memory, knowledge-graph, hybrid-search, mcp]
|
||||
created: 2026-06-18
|
||||
updated: 2026-06-18
|
||||
sources: ["raw/inbox/Nadaj swojemu AI Agentowi 36 supermocy_ pamięć długotrwałą w kilka minut dzięki GBrain (open source).md"]
|
||||
confidence: high
|
||||
---
|
||||
|
||||
# Nadaj swojemu AI Agentowi 36 supermocy: pamięć długotrwałą w kilka minut dzięki GBrain (open source)
|
||||
|
||||
Artykuł autorstwa Tort Mario opisuje system **GBrain** — otwartoźródłową platformę pamięci długoterminowej dla agentów AI, zainicjowaną przez Garry'ego Tana (szefa Y Combinator). GBrain rozwiązuje problem "amnezji agentów" (bezstanowości sesji) poprzez automatyczne przekształcanie lokalnych plików Markdown w ustrukturyzowany, samoorganizujący się graf wiedzy zintegrowany z interfejsami programistycznymi poprzez Model Context Protocol (MCP).
|
||||
|
||||
## Key Points
|
||||
|
||||
### Architektura GBrain
|
||||
System opiera się na 4 odrębnych warstwach:
|
||||
1. **Repozytorium Mózgu (Brain Repo)**: Standardowe, czytelne dla człowieka pliki Markdown wersjonowane za pomocą Gita.
|
||||
2. **Warstwa Umiejętności (Skill Layer)**: 34 gotowe scenariusze (workflows) uruchamiane automatycznie na podstawie kontekstu. Do najważniejszych należą:
|
||||
- *Procesor spotkań (Meeting Processor)*: Wyodrębnia decyzje i zadania z transkrypcji spotkań.
|
||||
- *Podsumowanie e-maili (Email Summarizer)*: Łączy nadawców z grafem organizacji.
|
||||
- *Relacje linków (Link Linker)*: Odkrywa powiązania między URL a notatkami.
|
||||
- *Cykl snów (Dream Cycle)*: Autonomiczna, nocna optymalizacja bazy wiedzy.
|
||||
3. **Rdzeń GBrain (Core)**: Wykonuje szybką ekstrakcję encji (ludzie, firmy, daty) i relacji (np. `works_at`, `invested_in`) bez używania drogich modeli LLM oraz uruchamia serwer MCP.
|
||||
4. **Warstwa Wyszukiwania (Retrieval)**: Hybrydowe wyszukiwanie łączące dopasowanie semantyczne (`pgvector` w PostgreSQL) oraz dopasowanie słów kluczowych (`BM25`/`ripgrep`).
|
||||
|
||||
### Przełomowe cechy użytkowe
|
||||
- **Dream Cycle (Cykl snów)**: Nocny potok optymalizacyjny, który naprawia uszkodzone odnośniki w bazie, aktualizuje relacje, usuwa duplikaty i przebudowuje osadzenia (embeddings), dzięki czemu baza codziennie rano jest spójna i zoptymalizowana.
|
||||
- **Wyszukiwanie Hybrydowe (Hybrid Search)**: Sam wektor gubi precyzyjne numery wersji lub nazwy własne, z kolei wyszukiwanie tekstowe gubi semantykę. Połączenie pgvector i BM25 w GBrain daje niespotykaną dotąd dokładność wyszukiwania (R@5 = 97,9% w teście *LongMemEval*).
|
||||
- **Rodzimy MCP**: Serwer GBrain udostępnia pamięć bezpośrednio dla Claude Code, Kursora i Windsurfa za pomocą komendy `gbrain start` wystawionej na `localhost:3000/mcp`.
|
||||
|
||||
### Wdrożenie na serwerze (VPS)
|
||||
Aby cykl snów (Dream Cycle) mógł bez przeszkód działać w nocy, zaleca się wdrożenie GBrain na serwerze VPS (np. dostawca Aeza, z konfiguracją Ubuntu, PostgreSQL z rozszerzeniem `vector`, silnikiem Bun lub npm oraz usługą systemd zapewniającą ciągłość działania).
|
||||
|
||||
## Relevant Concepts
|
||||
- [[concepts/dream-cycle]] — Autonomiczna optymalizacja i konserwacja bazy wiedzy w okresach niskiej aktywności.
|
||||
- [[concepts/hybrid-search]] — Połączenie wyszukiwania wektorowego z tradycyjnym dopasowaniem słów kluczowych (BM25).
|
||||
- [[concepts/three-tier-memory]] — Zarządzanie pamięcią trwałą w architekturze agentowej.
|
||||
- [[concepts/mcp-servers]] — Protokół komunikacyjny łączący agentów z zewnętrznymi źródłami danych.
|
||||
|
||||
## Relevant Entities
|
||||
- [[entities/gbrain]] — Otwartoźródłowy system pamięci i grafu wiedzy dla agentów AI.
|
||||
- [[entities/pgvector]] — Rozszerzenie PostgreSQL do przechowywania i wyszukiwania wektorów.
|
||||
- [[entities/aeza]] — Dostawca hostingu VPS wykorzystywany do wdrażania agentów pamięciowych.
|
||||
|
||||
## Sources
|
||||
- `raw/inbox/Nadaj swojemu AI Agentowi 36 supermocy_ pamięć długotrwałą w kilka minut dzięki GBrain (open source).md`
|
||||
@@ -0,0 +1,50 @@
|
||||
---
|
||||
title: "Zbudowałem najbardziej inteligentnego agenta badawczego"
|
||||
type: "summary"
|
||||
tags: [hyperresearch, deep-research, subagent-orchestration, multi-agent-orchestration, ai-pipelines]
|
||||
created: 2026-06-18
|
||||
updated: 2026-06-18
|
||||
sources: ["raw/inbox/Zbudowałem najbardziej inteligentnego agenta badawczego.md"]
|
||||
confidence: high
|
||||
---
|
||||
|
||||
# Zbudowałem najbardziej inteligentnego agenta badawczego
|
||||
|
||||
Artykuł Jordana Gibbsa przedstawia **HyperResearch** — otwartoźródłowego, 16-etapowego agenta głębokich badań (deep research), napisanego jako rozszerzenie umiejętności (skills) dla Claude Code. HyperResearch bije na głowę zamknięte systemy gigantów technologicznych ( OpenAI, Anthropic, NVIDIA) i zajmuje pierwsze miejsce w benchmarku *RACE DeepResearchBench*, generując raporty na poziomie prac doktorskich (Ph.D.).
|
||||
|
||||
## Key Points
|
||||
|
||||
### Dlaczego HyperResearch osiąga tak wysokie wyniki?
|
||||
- **Trwałe i powiązane bazy wiedzy**: HR nie traci zgromadzonych informacji. Generuje pliki Markdown ze źródłami, tagami i linkami zwrotnymi bezpośrednio na komputerze użytkownika, budując trwały graf wiedzy (podobnie jak Obsidian).
|
||||
- **Ultraszerokie i głębokie badanie**: Potrafi przeanalizować setki źródeł na sesję. Potrafi budować "plany ataku na królicze nory" (rabbit holes), śledząc linki osadzone na odwiedzanych stronach internetowych i docierając do źródeł pierwotnych.
|
||||
- **Orkiestracja wieloagentowa przeciwko skażeniu kontekstu**: Tradycyjne potoki badawcze są "skażone" tysiącami słów przeczytanych artykułów wklejonych bezpośrednio do głównego okna kontekstowego. HyperResearch izoluje fazę wyszukiwania i analizy w wyspecjalizowanych subagentach (np. pobierających dane), dzięki czemu główny agent orkiestrujący i piszący raport działa zawsze w czystej, optymalnej "strefie inteligentnej".
|
||||
|
||||
### 16-etapowa ścieżka badawcza HyperResearch
|
||||
1. **Rozkład (Decomposition)**: Rozbija główne zapytanie na atomowe podpytania i tworzy macierz pokrycia źródeł.
|
||||
2. **Przemiatanie szerokości (Breadth-sweep)**: Tworzy plan wyszukiwania i równolegle uruchamia tanich subagentów (Claude Haiku) do masowego pobierania stron pod adresami URL.
|
||||
3. **Graf sprzeczności (Contradiction Graph)**: Wyszukuje pary źródeł, które sobie przeczą i szereguje te niespójności pod względem ważności.
|
||||
4. **Analiza loci (Loci Analysis)**: Dwóch analityków identyfikuje kluczowe podtematy (miejsca - *loci*) i przydziela im budżety pobierania.
|
||||
5. **Badanie głębi (Depth-probe)**: Dedykowani śledczy głęboko analizują każdy locus i piszą notatkę tymczasową, która musi przyjąć jasne, bezkompromisowe stanowisko (bez asekuranctwa).
|
||||
6. **Pojednanie (Cross-locus Reconciliation)**: Porównuje stanowiska z różnych badań głębi i generuje plik `comparisons.md` rozwiązujący konflikty i nakładanie się tematów.
|
||||
7. **Napięcia źródłowe (Source Tensions)**: Zapisuje różnice zdań między zewnętrznymi ekspertami do pliku `source-tensions.json`.
|
||||
8. **Krytyk korpusu (Corpus Critic)**: Pyta: "jakie źródło, gdyby istniało, obaliłoby naszą analizę?" i wykonuje celowane do-pobranie stron w celu weryfikacji.
|
||||
9. **Podsumowanie dowodów (Evidence Digest)**: Tworzy plik `evidence-digest.md` z najsilniejszymi tezami i dosłownymi cytatami, tworząc czyste odniesienie dla etapu pisania.
|
||||
10. **Potrójny draft (Triple-draft)**: Trzech niezależnych agentów pisze równolegle trzy pełne, alternatywne wersje raportu.
|
||||
11. **Synteza (Synthesis)**: Główny syntetyzator scala trzy wersje w jeden zoptymalizowany raport końcowy `final_report.md`.
|
||||
12. **Krytycy (Critics)**: Czterech wyspecjalizowanych oponentów (krytyk dialektyczny, głębi, szerokości i instrukcji) równolegle szuka słabych punktów i zapisuje wyniki w formacie JSON.
|
||||
13. **Uzupełnienie braków (Gap-fetch)**: Pobiera dodatkowe źródła internetowe w celu zaadresowania konkretnych luk wskazanych przez krytyków.
|
||||
14. **Poprawki (Patcher)**: Nanosi chirurgiczne, lokalne zmiany w raporcie. Agent jest fizycznie zablokowany uprawnieniami (Read+Edit), co uniemożliwia mu ponowne pisanie całego raportu od zera.
|
||||
15. **Polerowanie (Polish)**: Kolejny zablokowany agent usuwa sekcje techniczne, metadane YAML na początku i inne artefakty, zapewniając czystość tekstu.
|
||||
16. **Audyt czytelności (Readability Audit)**: Poprawia dynamikę prozy, akapitów i konwertuje skomplikowane bloki tekstu na czytelne tabele lub listy.
|
||||
|
||||
## Relevant Concepts
|
||||
- [[concepts/deep-research]] — Wielofazowe, ustrukturyzowane badanie i synteza informacji przy użyciu LLM.
|
||||
- [[concepts/multi-agent-orchestration]] — Podział złożonego zadania analitycznego na wyspecjalizowane, izolowane subagenty.
|
||||
- [[concepts/ai-pipelines]] — Sztywne, zautomatyzowane rurociągi wieloetapowego przetwarzania danych.
|
||||
|
||||
## Relevant Entities
|
||||
- [[entities/hyperresearch]] — Otwartoźródłowy, 16-etapowy agent badawczy oparty na Claude Code.
|
||||
- [[entities/claude-code]] — Terminalowe środowisko programistyczne i agentowe od Anthropic.
|
||||
|
||||
## Sources
|
||||
- `raw/inbox/Zbudowałem najbardziej inteligentnego agenta badawczego.md`
|
||||
@@ -0,0 +1,34 @@
|
||||
---
|
||||
title: "Sholay (1975) - The Definitive Epic"
|
||||
type: "summary"
|
||||
tags: [film-review, culture, storytelling, masala-genre]
|
||||
created: 2026-06-18
|
||||
updated: 2026-06-18
|
||||
sources: ["raw/inbox/Sholay.md"]
|
||||
confidence: high
|
||||
---
|
||||
|
||||
# Sholay (1975) - The Definitive Epic
|
||||
|
||||
Ten dokument stanowi ustrukturyzowane omówienie i syntezę kultowego indyjskiego filmu akcji i przygody **Sholay** (1975) w reżyserii Ramesha Sippy'ego. Film ten zdefiniował gatunek "Masala" w indyjskiej kinematografii, łącząc elementy zachodnich westernów z głęboką indyjską dramaturgią i emocjonalnością, przez co często zyskał miano "Curry Westernu".
|
||||
|
||||
## Key Points
|
||||
|
||||
### Zarys fabuły i konflikt centralny
|
||||
- **Fabuła**: Emerytowany oficer policji, Thakur Baldev Singh, rekrutuje dwóch drobnych złodziejaszków (Jai i Veeru), których kiedyś sam aresztował, wyczuwając ich lojalność i odwagę. Celem jest pojmanie bezwzględnego przywódcy bandytów, Gabbara Singha, który terroryzuje wioskę Ramgarh.
|
||||
- **Konflikt centralny**: Osią filmu jest psychologiczne i fizyczne starcie między Thakurem (reprezentującym okaleczony i bezradny system sprawiedliwości zmuszony do walki partyzanckiej) a Gabbarem (reprezentującym czysty, nihilistyczny chaos).
|
||||
|
||||
### Kluczowe postacie i dynamika relacji
|
||||
- **Gabbar Singh**: Jeden z najbardziej ikonicznych czarnych charakterów w historii kina indyjskiego, znany z bezwzględności i legendarnych kwestii dialogowych.
|
||||
- **Jai i Veeru**: Legendarny duet przyjaciół. Jai (grany przez Amitabh Bachchana) to stoicki mózg operacji, podczas gdy Veeru (Dharmendra) to porywczy romantyk. Ich braterska więź stała się symbolem lojalności w popkulturze.
|
||||
- **Thakur Baldev Singh**: Policjant napędzany osobistą tragedią (jego rodzina została zamordowana, a ręce odcięte przez Gabbara).
|
||||
|
||||
### Dziedzictwo i wpływ kulturowy
|
||||
- Film zrewolucjonizował indyjski przemysł filmowy i był wyświetlany nieprzerwanie przez ponad 5 lat w kinie Minerva w Bombaju.
|
||||
- Do popkultury na stałe weszły kultowe dialogi (np. *"Jo darr gaya, samjho marr gaya"* — Kto się boi, ten nie żyje) oraz motyw muzyczny nieskończonej przyjaźni *"Yeh Dosti"*.
|
||||
|
||||
## Relevant Concepts
|
||||
- [[concepts/compounding-knowledge]] — Choć film nie jest powiązany z technologiami AI, jego ustrukturyzowana analiza w bazie wiedzy ilustruje koncepcję zbierania różnorodnych domen w jednym, spójnym grafie referencyjnym.
|
||||
|
||||
## Sources
|
||||
- `raw/inbox/Sholay.md`
|
||||
Reference in New Issue
Block a user