---
type: 'DailyNote'
title: March 9, 2026
date: '2026-03-09T00:00:00.000Z'
tags: []
---
Oto tekstowa reprezentacja struktury projektu oraz informacji zawartych na grafice **Claude Code Project Structure**:
---
## **Struktura Katalogów (Drzewo plików)**
```text
claude_code_project/
├── CLAUDE.md
├── README.md
├── docs/
│ ├── architecture.md
│ ├── decisions/
│ └── runbooks/
├── .claude/
│ ├── settings.json
│ ├── hooks/
│ └── skills/
│ ├── code-review/
│ │ └── SKILL.md
│ ├── refactor/
│ │ └── SKILL.md
│ └── release/
│ └── SKILL.md
├── tools/
│ ├── scripts/
│ └── prompts/
└── src/
├── api/
│ └── CLAUDE.md
└── persistence/
└── CLAUDE.md
```
---
## **Opis Projektu (Project Overview)**
Modularny framework repozytorium zbudowany dla projektów **Claude Code**. Umożliwia ustrukturyzowany kontekst dla AI, reużywalne workflowy oraz usprawnioną automatyzację programowania.
---
## **Kluczowe Komponenty (Key Components)**
- **CLAUDE.md:** Centralny hub pamięci z kontekstem projektu i wytycznymi operacyjnymi dla Claude'a.
- **.claude/skills:** Reużywalne workflowy AI zaprojektowane dla typowych zadań programistycznych i automatyzacji.
- **.claude/hooks:** "Barierki" (guardrails), walidacje i zautomatyzowana kontrola wykonywania kodu.
- **docs/:** Decyzje architektoniczne, referencje i dokumentacja projektu.
- **src/:** Główna logika aplikacji i moduły implementacji.
---
## **Najlepsze Praktyki (Best Practices)**
- Dbaj o to, by plik `CLAUDE.md` był jasny, skupiony na konkretach i dobrze zorganizowany.
- Buduj reużywalne procesy (workflows) przy użyciu ustrukturyzowanych umiejętności (skills).
- Wdrażaj "hooks" dla automatyzacji i kontroli jakości.
- Utrzymuj rzetelną dokumentację architektury.
- Projektuj repozytoria z myślą o modularnej skalowalności.
---
## **Pierwsze Kroki (Getting Started)**
1. Sklonuj repozytorium.
2. Skonfiguruj ustawienia Claude.
3. Zdefiniuj kontekst projektu w pliku `CLAUDE.md`.
4. Dodaj reużywalne umiejętności i workflowy.
5. Rozpocznij tworzenie modularnych komponentów.
---
## **Wskazówki Dotyczące Rozwoju (Development Tips)**
- Strukturyzuj prompty w formatach modularnych.
- Utrzymuj repozytorium w czystości i spójności.
- Wykorzystuj ponownie umiejętności (skills) dla powtarzalnych zadań.
- Dokumentuj decyzje na bieżąco podczas budowania.
- Dbaj o to, by kontekst dla AI był zwięzły i istotny.
---
Czy chcesz, abym pomógł Ci przygotować treść dla jednego z tych plików (np. przykładowy `CLAUDE.md`)?
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/f410dba7-5229-4c7f-a1aa-be3f3cc6114f)
13:45
---
type: 'DailyNote'
title: February 27, 2026
date: '2026-02-27T00:00:00.000Z'
tags: []
---
06:33
[System produktywności z AI](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/e107a78e-a251-467d-870b-1664b32cc201)
10:41
[#aitools #artificialintelligence #productivity #ai | Anastasiia S. | 26 comments](https://www.linkedin.com/posts/anastasiiasha_aitools-artificialintelligence-productivity-activity-7432721781087600642-0dSY?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[#aitools #artificialintelligence #productivity #ai | Anastasiia S. | 26 comments - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/74132ca7-cf52-4ba3-823b-575dcc789cf0)
---
type: 'DailyNote'
title: February 26, 2026
date: '2026-02-26T00:00:00.000Z'
tags: []
---
[OpenClaw PRD](https://gist.github.com/mberman84/5ccf2085d0049581b4675f7fe64e9b87)
[OpenClaw Identity](https://gist.github.com/mberman84/a128371ffb1fc28554f515905a8bddcd)
[OpenClaw Soul](https://gist.github.com/mberman84/cd6924c7058ba5251a773dac177ae756)
writing-principles.md
Strona
1
/
1
100%
# Writing Principles
Fundamental principles for clear, engaging, and effective writing across all content types.
## 1. Have Something Worth Saying
- A good idea beats perfect grammar
- No amount of skill can rescue a boring message
- Strong writing starts with strong thinking
- Think, research, and bring fresh insight
## 2. Know the Audience
- Don't just collect facts—understand what they care about
- Read comments. Listen to how they speak
- Know their problems better than they do
## 3. Define the Purpose
- What's the goal? Inform, persuade, entertain, sell?
- Purpose makes each sentence count
- No purpose = wasted words
## 4. Write Conversationally
- Like talking to a friend, not writing a dissertation
- Use contractions, questions, "you," and casual flow
- Formal = distant. Conversational = engaging
## 5. Keep it Simple
- Simple ≠ dumb
- Fewer, sharper sentences win
- The goal is frictionless idea transfer
## 6. Open Strong
- Your first sentence matters most
- Start with curiosity, value, or a surprise
- Hook them immediately or lose them
## 7. Use Active Voice
- Subject → verb → object
- "The kid hit the ball" > "The ball was hit by the kid"
- Clear structure = better comprehension
## 8. One Idea per Unit
- One idea per sentence. One topic per paragraph
- Make things easy to follow
- Readers are easily distracted—don't overload them
## 9. Format for Skimmers
- Most people skim
- Use short paragraphs, bullets, bold text, numbers, white space
- Visuals help people stick around
## 10. Be Concrete
- Specific > abstract
- "Cut meetings from 2 hours to 30 mins" is better than "improve efficiency"
- Paint a clear picture
## 11. Use Stories & Emotion
- Facts inform, stories stick
- Emotion + logic = memorable
- Be vulnerable. Show success *and* failure
## 12. Show, Don't Just Tell
- "She slammed the door" > "She was angry"
- Use showing for emotion, telling for clarity when needed
## 13. Structure for Clarity
- Use "Tell them what you'll say > Say it > Recap it"
- Reinforce with structure
- People need scaffolding
## 14. Vary Sentence Length
- Long sentences build momentum
- Short sentences hit hard
- Rhythm keeps readers engaged
## 15. Use Transitions
- Breadcrumbs guide the reader: "However," "For example," "Meanwhile"
- They make logic seamless
## 16. Cut Ruthlessly
- Delete fluff. Replace weak words
- Don't write "very happy" when "ecstatic" works
- The second draft is where clarity happens
## 17. Read It Out Loud
- If it sounds wrong, it reads wrong
- Listen for awkward flow or long sentences
## 18. Write for the Reader
- Think about *their* needs, not your knowledge
- Cut what they don't need to move forward
## 19. Write with Confidence
- Skip disclaimers like "this might seem obvious"
- If you're writing it, own it
## 20. Finish Strong
- End with a punch
- Summarize, challenge, or provoke thought
- Good endings stick
Wyświetlam writing-principles.md.
[OpenClaw Prompts](https://gist.github.com/mberman84/63163d6839053fbf15091238e5ada5c2)
[OpenClaw Soul](https://gist.github.com/mberman84/cd6924c7058ba5251a773dac177ae756)
[ClawRouter/docs/vs-openrouter.md at main · BlockRunAI/ClawRouter](https://github.com/BlockRunAI/ClawRouter/blob/main/docs/vs-openrouter.md)
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/4c293c40-c1de-4fe0-91c0-a2594e5f3ee8)
[Claude AI](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/04fc007c-ca37-402a-913b-72f6b36db000)
Prompt 1:
openclaw onboard --auth-choice openai-codex
Prompt 2:
openclaw models set openai-codex/gpt-5.3-codex
and then
openclaw models status --plain
21:04
---
type: 'DailyNote'
title: February 23, 2026
date: '2026-02-23T00:00:00.000Z'
tags: []
---
[NASA - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/485e93e3-e741-4f71-919c-1e68c24e6b0c)
8e88026721643d93c8764121d0395afea987682b3a72bd50
Run: openclaw gateway restart
Model aliases available:
/model sonnet → claude-sonnet-4
/model opus → claude-opus-4
/model codex → openai/gpt-5.2-codex
/model deepseek → deepseek/deepseek-chat
/model minimax → minimax/minimax-m2.5
/model free → gpt-oss-120b (FREE)
To uninstall: bash ~/.openclaw/extensions/clawrouter/scripts/uninstall.sh
%%{init: {
'theme': 'base',
'themeVariables': {
'primaryColor': '#0b1220',
'primaryTextColor': '#e5e7eb',
'lineColor': '#475569',
'fontFamily': 'Inter, ui-sans-serif, system-ui',
'fontSize': '14px'
},
'flowchart': { 'curve': 'basis', 'nodeSpacing': 58, 'rankSpacing': 85 }
}}%%
flowchart LR
%% =========================
%% STYLES
%% =========================
classDef lead fill:#111827,stroke:#f59e0b,stroke-width:2.5px,color:#ffffff,rx:14,ry:14,font-weight:bold;
classDef ops fill:#0b2a4a,stroke:#22c55e,stroke-width:2.5px,color:#e0f2fe,rx:14,ry:14,font-weight:bold;
classDef missionApollo fill:#0b2a4a,stroke:#38bdf8,stroke-width:2px,color:#e0f2fe,rx:14,ry:14;
classDef missionHubble fill:#2a1606,stroke:#f59e0b,stroke-width:2px,color:#ffedd5,rx:14,ry:14;
classDef missionArtemis fill:#052e1a,stroke:#22c55e,stroke-width:2px,color:#dcfce7,rx:14,ry:14;
classDef step fill:#0f172a,stroke:#334155,stroke-width:1.4px,color:#e5e7eb,rx:12,ry:12;
classDef gate fill:#2a0f14,stroke:#fb7185,stroke-width:2px,color:#ffe4e6,rx:14,ry:14,font-weight:bold;
classDef ok fill:#052e1a,stroke:#22c55e,stroke-width:2px,color:#dcfce7,rx:14,ry:14,font-weight:bold;
classDef decision fill:#0b1220,stroke:#94a3b8,stroke-width:1.4px,color:#e5e7eb,rx:12,ry:12;
%% =========================
%% ACTORS
%% =========================
PL["🧭 NASA-HQ (PROGRAM LEAD)\nPriorytety i strategia\nDefinicja sukcesu\nGO dla P0/P1\nMoze dac STOP"]:::lead
MCC["🎛️ MISSION CONTROL (MCC)\nTriage i routing\nMission Packets standard\nWIP i porzadek\nSIM/FLIGHT gates\nClosure i archiwizacja"]:::ops
%% =========================
%% FLOW NODES
%% =========================
IN["📥 Intake\nNowa prosba/pomysl/problem\nMinimum: 1 zdanie intencji\nWyjscie: temat do triage"]:::step
TRI["🧹 Triage (MCC)\nCel: wyjasnic co jest potrzebne\nMax 1-3 pytania\nUstal scope, deadline, ryzyko\nWstepnie: P0/P1/P2\nWyjscie: gotowosc do routingu"]:::step
ROUTE{"🧭 Routing\nWybierz misje i call-sign\nAPOLLO: system/infra/verify\nHUBBLE: content/creative/dist\nARTEMIS: exp/telemetry/ground"}:::decision
PACKET["📦 Mission Packet\nUtworz folder + pliki standard\n00_brief: context, goal, acceptance\nDeliverables + ryzyka\nOwner agent\nWyjscie: paczka gotowa"]:::step
SIM["🟡 SIM (default)\nDraft/analiza/prototyp\nHipotezy + plan pomiaru\nArtefakty w 20_artifacts\nStatus w 10_worklog\nWyjscie: wyniki + rekomendacja"]:::step
REQ_FLIGHT{"🟩 FLIGHT needed?\nCzy zmieniamy rzeczywistosc?\nPublish/deploy/nieodwracalne\nKoszt/ryzyko wysokie\nJesli nie: zamknij decyzja"}:::decision
CHK["🧾 SIM->FLIGHT Checklist\nAcceptance spelnione?\nRyzyka + mitigacje?\nTelemetry: co mierzymy i kiedy?\nRollback/backout?\nLinki w 90_links?\nWyjscie: GO/NO-GO draft"]:::step
GO_MCC{"🚦 MCC GO?\nBrief kompletny\nChecklist kompletna\nWIP w normie\nScope kontrolowany\nNO: wracamy do SIM"}:::gate
GO_PL{"🧭 NASA-HQ GO?\nWymagane dla P0/P1\nTrade-off zaakceptowany\nRyzyko akceptowane\nNO: wracamy do SIM lub HOLD"}:::gate
GO_VFY{"✅ APOLLO-VERIFY GO?\nTylko dla technicznego FLIGHT\nEvidence testow/audytu\nRegresja OK\nRollback realny\nNO: wracamy do SIM"}:::gate
FLIGHT["🟢 FLIGHT execution\nFinal publish/deploy/run\nAudit trail (files + links)\nMonitor telemetry po wdrozeniu\nWyjscie: final artifacts + status"]:::ok
CLOSE{"🔒 Closure\nDecyzja:\nPROCEED · ITERATE · HOLD · SCRUB\nMCC zapisuje 40_decision\nMisja daje rekomendacje"}:::decision
ARCH["🗄️ Archive\nPrzenies do 99_archive\nUpdate active-missions\nWpis do archive-index\nLearnings do MEMORY (jesli trwałe)"]:::step
%% =========================
%% MISSION DESTINATIONS
%% =========================
AP["🚀 APOLLO\nFlight Systems\nAPOLLO-CORE\nAPOLLO-CODE\nAPOLLO-VERIFY"]:::missionApollo
HU["🔭 HUBBLE\nMission Story\nHUBBLE-CONTENT\nHUBBLE-CREATIVE"]:::missionHubble
AR["🌙 ARTEMIS\nMission Outcomes\nARTEMIS-EXP\nARTEMIS-TLM\nARTEMIS-GROUND"]:::missionArtemis
%% =========================
%% WIRES
%% =========================
PL -->|"priorytety + GO P0/P1"| MCC
IN --> TRI --> ROUTE
ROUTE -->|"APOLLO-*"| AP
ROUTE -->|"HUBBLE-*"| HU
ROUTE -->|"ARTEMIS-*"| AR
AP --> PACKET
HU --> PACKET
AR --> PACKET
PACKET -->|"start w SIM"| SIM --> REQ_FLIGHT
REQ_FLIGHT -->|"No: SIM only"| CLOSE
REQ_FLIGHT -->|"Yes: gates"| CHK --> GO_MCC
GO_MCC -->|"NO"| SIM
GO_MCC -->|"YES"| GO_PL
GO_PL -->|"P2+ (skip)"| GO_VFY
GO_PL -->|"YES P0/P1"| GO_VFY
GO_PL -->|"NO"| SIM
GO_VFY -->|"Not needed"| FLIGHT
GO_VFY -->|"YES"| FLIGHT
GO_VFY -->|"NO"| SIM
FLIGHT --> CLOSE --> ARCH
writing-principles.md
Strona
1
/
1
100%
# Writing Principles
Fundamental principles for clear, engaging, and effective writing across all content types.
## 1. Have Something Worth Saying
- A good idea beats perfect grammar
- No amount of skill can rescue a boring message
- Strong writing starts with strong thinking
- Think, research, and bring fresh insight
## 2. Know the Audience
- Don't just collect facts—understand what they care about
- Read comments. Listen to how they speak
- Know their problems better than they do
## 3. Define the Purpose
- What's the goal? Inform, persuade, entertain, sell?
- Purpose makes each sentence count
- No purpose = wasted words
## 4. Write Conversationally
- Like talking to a friend, not writing a dissertation
- Use contractions, questions, "you," and casual flow
- Formal = distant. Conversational = engaging
## 5. Keep it Simple
- Simple ≠ dumb
- Fewer, sharper sentences win
- The goal is frictionless idea transfer
## 6. Open Strong
- Your first sentence matters most
- Start with curiosity, value, or a surprise
- Hook them immediately or lose them
## 7. Use Active Voice
- Subject → verb → object
- "The kid hit the ball" > "The ball was hit by the kid"
- Clear structure = better comprehension
## 8. One Idea per Unit
- One idea per sentence. One topic per paragraph
- Make things easy to follow
- Readers are easily distracted—don't overload them
## 9. Format for Skimmers
- Most people skim
- Use short paragraphs, bullets, bold text, numbers, white space
- Visuals help people stick around
## 10. Be Concrete
- Specific > abstract
- "Cut meetings from 2 hours to 30 mins" is better than "improve efficiency"
- Paint a clear picture
## 11. Use Stories & Emotion
- Facts inform, stories stick
- Emotion + logic = memorable
- Be vulnerable. Show success *and* failure
## 12. Show, Don't Just Tell
- "She slammed the door" > "She was angry"
- Use showing for emotion, telling for clarity when needed
## 13. Structure for Clarity
- Use "Tell them what you'll say > Say it > Recap it"
- Reinforce with structure
- People need scaffolding
## 14. Vary Sentence Length
- Long sentences build momentum
- Short sentences hit hard
- Rhythm keeps readers engaged
## 15. Use Transitions
- Breadcrumbs guide the reader: "However," "For example," "Meanwhile"
- They make logic seamless
## 16. Cut Ruthlessly
- Delete fluff. Replace weak words
- Don't write "very happy" when "ecstatic" works
- The second draft is where clarity happens
## 17. Read It Out Loud
- If it sounds wrong, it reads wrong
- Listen for awkward flow or long sentences
## 18. Write for the Reader
- Think about *their* needs, not your knowledge
- Cut what they don't need to move forward
## 19. Write with Confidence
- Skip disclaimers like "this might seem obvious"
- If you're writing it, own it
## 20. Finish Strong
- End with a punch
- Summarize, challenge, or provoke thought
- Good endings stick
Wyświetlam writing-principles.md.
system-instruction.md
Strona
1
/
1
100%
# System Instruction: AI Image Prompt Generator
You are an expert AI image prompt engineer specializing in crafting professional-grade prompts for modern AI image generation models. Your role is to help users create effective, detailed prompts that produce high-quality results.
## Core Principles
1. **Never use "tag soup"** - Avoid comma-separated keyword lists like "dog, park, 4k, realistic". Always write in natural, descriptive sentences.
2. **Be a Creative Director** - Write prompts as if briefing a professional artist. Include subject, setting, lighting, mood, and composition.
3. **Provide Context** - Include the purpose or audience when relevant (e.g., "for a high-end cookbook" or "for a tech startup landing page").
4. **Specify Materiality** - Describe textures and surfaces: matte, glossy, brushed steel, soft velvet, weathered, etc.
## When Generating Prompts
Always structure prompts with these elements (as relevant):
- **Subject**: Detailed description with specific attributes
- **Setting**: Location, environment, time of day
- **Lighting**: Source, mood, shadows
- **Style**: Artistic approach, medium, references
- **Composition**: Camera angle, framing, aspect ratio
- **Details**: Textures, materials, specific elements
- **Context**: Purpose and intended use
- **Format**: Resolution, dimensions if needed
## Special Capabilities to Leverage
- **Text Rendering**: Put exact text in quotes. Specify style (editorial, technical, hand-drawn).
- **Character Consistency**: Use "Keep facial features exactly the same as [reference]" when maintaining identity.
- **Editing**: Use conversational edits rather than re-generating ("change the lighting to sunset").
- **Structural Control**: Reference sketches/wireframes for layout guidance.
- **Resolution**: Explicitly request 2K/4K when high detail is needed.
## Response Workflow
When a user asks you to write or improve a prompt, follow this process:
### Step 1: Review & Clarify
Before generating the final prompt, review what the user has provided and ask clarifying questions to fill any gaps. Consider:
- **Subject**: Is the main subject clearly defined with specific attributes?
- **Purpose/Context**: What is this image for? (social media, print, website, personal?)
- **Style**: What visual style or mood are they going for?
- **Composition**: Any preferences on framing, aspect ratio, camera angle?
- **Text**: Does the image need any text rendered? If so, what exactly?
- **References**: Do they have reference images or existing brand guidelines?
- **Platform**: Which AI model/platform will they use? (affects syntax)
Ask 2-4 focused questions based on what's missing or unclear. Don't overwhelm with every possible question—prioritize what would most improve the output.
**Example:**
> User: "Can you write me a prompt for a hero image for my landing page?"
You: "Happy to help! A few quick questions:
1. What's the product/service the landing page is for?
2. Any specific mood or style in mind—modern/minimal, bold/energetic, warm/approachable?
3. Should there be any text in the image itself, or is it purely visual?"
### Step 2: Generate the Prompt
Once you have enough clarity, provide:
1. The complete, ready-to-use prompt
2. Brief explanation of key choices (if helpful)
3. Suggested variations or follow-up edits the user could try
### When to Skip Clarifying Questions
If the user provides a highly detailed brief or explicitly says they want you to just generate it, proceed directly to the prompt. Use your judgment—don't create friction when the request is already clear.
## Reference the Project Knowledge
Always consult the AI Image Prompting Guide in this project for:
- Example prompts by category
- Best practices for specific use cases
- Prompt modifiers and terminology
Adapt your prompts to the user's specific model/platform when specified (Gemini, DALL-E, Midjourney, Flux, etc.), adjusting syntax as needed while maintaining the core principles.
Wyświetlam system-instruction.md.
ai-image-prompting-guide.md
Strona
1
/
1
100%
# AI Image Generation Prompting Guide
A condensed reference for professional asset production using modern AI image models.
---
## Golden Rules of Prompting
### 1. Edit, Don't Re-roll
If an image is 80% correct, don't regenerate from scratch. Request specific changes conversationally.
**Example:** "That's great, but change the lighting to sunset and make the text neon blue."
### 2. Use Natural Language & Full Sentences
Brief the model like a human artist. Use proper grammar and descriptive adjectives.
| ❌ Bad | ✅ Good |
| :-------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| "Cool car, neon, city, night, 8k" | "A cinematic wide shot of a futuristic sports car speeding through a rainy Tokyo street at night. The neon signs reflect off the wet pavement and the car's metallic chassis." |
### 3. Be Specific and Descriptive
- **Subject:** Instead of "a woman," say "a sophisticated elderly woman wearing a vintage chanel-style suit"
- **Materiality:** Describe textures—"matte finish," "brushed steel," "soft velvet," "crumpled paper"
- **Setting:** Define location, time of day, weather
- **Lighting:** Specify mood and light source
- **Mood:** Emotional tone of the image
### 4. Provide Context (The "Why" or "For Whom")
Context helps the model make logical artistic decisions.
**Example:** "Create an image of a sandwich for a Brazilian high-end gourmet cookbook."
*(Model infers: professional plating, shallow depth of field, perfect lighting)*
---
## Capability Reference
### Text Rendering & Infographics
**Best Practices:**
- Use "compress" for dense text/PDFs into visual aids
- Specify style: "polished editorial," "technical diagram," or "hand-drawn whiteboard"
- Put exact text in quotes
**Example Prompts:**
```text
Earnings Report Infographic:
"Generate a clean, modern infographic summarizing the key financial highlights from this earnings report. Include charts for 'Revenue Growth' and 'Net Income', and highlight the CEO's key quote in a stylized pull-quote box."
```
```text
Retro Infographic:
"Make a retro, 1950s-style infographic about the history of the American diner. Include distinct sections for 'The Food,' 'The Jukebox,' and 'The Decor.' Ensure all text is legible and stylized to match the period."
```
```text
Technical Diagram:
"Create an orthographic blueprint that describes this building in plan, elevation, and section. Label the 'North Elevation' and 'Main Entrance' clearly in technical architectural font. Format 16:9."
```
```text
Whiteboard Summary:
"Summarize the concept of 'Transformer Neural Network Architecture' as a hand-drawn whiteboard diagram suitable for a university lecture. Use different colored markers for the Encoder and Decoder blocks, and include legible labels for 'Self-Attention' and 'Feed Forward'."
```
---
### Character Consistency & Thumbnails
**Best Practices:**
- **Identity Locking:** State "Keep the person's facial features exactly the same as Image 1"
- Describe expression/action changes while maintaining identity
- Combine subjects with bold graphics and text in a single pass
**Example Prompts:**
```text
Viral Thumbnail:
"Design a viral video thumbnail using the person from Image 1.
Face Consistency: Keep the person's facial features exactly the same as Image 1, but change their expression to look excited and surprised.
Action: Pose the person on the left side, pointing their finger towards the right side of the frame.
Subject: On the right side, place a high-quality image of a delicious avocado toast.
Graphics: Add a bold yellow arrow connecting the person's finger to the toast.
Text: Overlay massive, pop-style text in the middle: 'Done in 3 mins!'. Use a thick white outline and drop shadow.
Background: A blurred, bright kitchen background. High saturation and contrast."
```
```text
Group Character Story:
"Create a funny 10-part story with these 3 fluffy friends going on a tropical vacation. The story is thrilling throughout with emotional highs and lows and ends in a happy moment. Keep the attire and identity consistent for all 3 characters, but their expressions and angles should vary throughout all 10 images."
```
```text
Brand Asset Generation:
"Create 9 stunning fashion shots as if they're from an award-winning fashion editorial. Use this reference as the brand style but add nuance and variety to the range so they convey a professional design touch. Please generate nine images, one at a time."
```
---
### Advanced Editing & Restoration
**Best Practices:**
- Use semantic instructions (no manual masking needed)
- Describe changes naturally
- Test physics understanding with complex requests
**Example Prompts:**
```text
Object Removal:
"Remove the tourists from the background of this photo and fill the space with logical textures (cobblestones and storefronts) that match the surrounding environment."
```
```text
Colorization:
"Colorize this manga panel. Use a vibrant anime style palette. Ensure the lighting effects on the energy beams are glowing neon blue and the character's outfit is consistent with their official colors."
```
```text
Localization:
"Take this concept and localize it to a Tokyo setting, including translating the tagline into Japanese. Change the background to a bustling Shibuya street at night."
```
```text
Seasonal Control:
"Turn this scene into winter time. Keep the house architecture exactly the same, but add snow to the roof and yard, and change the lighting to a cold, overcast afternoon."
```
---
### Dimensional Translation (2D ↔ 3D)
**Example Prompts:**
```text
Floor Plan to Interior Design:
"Based on the uploaded 2D floor plan, generate a professional interior design presentation board in a single image.
Layout: A collage with one large main image at the top (wide-angle perspective of the living area), and three smaller images below (Master Bedroom, Home Office, and a 3D top-down floor plan).
Style: Apply a Modern Minimalist style with warm oak wood flooring and off-white walls across ALL images.
Quality: Photorealistic rendering, soft natural lighting."
```
```text
2D to 3D Meme:
"Turn the 'This is Fine' dog meme into a photorealistic 3D render. Keep the composition identical but make the dog look like a plush toy and the fire look like realistic flames."
```
---
### High-Resolution & Textures
**Best Practices:**
- Explicitly request resolution (2K or 4K)
- Describe high-fidelity details (imperfections, surface textures)
**Example Prompts:**
```text
4K Texture:
"Harness native high-fidelity output to craft a breathtaking, atmospheric environment of a mossy forest floor. Command complex lighting effects and delicate textures, ensuring every strand of moss and beam of light is rendered in pixel-perfect resolution suitable for a 4K wallpaper."
```
```text
Deconstructed Product:
"Create a hyper-realistic infographic of a gourmet cheeseburger, deconstructed to show the texture of the toasted brioche bun, the seared crust of the patty, and the glistening melt of the cheese. Label each layer with its flavor profile."
```
---
### Storyboarding & Sequential Art
**Example Prompt:**
```text
Commercial Storyboard:
"Create an addictively intriguing 9-part story with 9 images featuring a woman and man in an award-winning luxury luggage commercial. The story should have emotional highs and lows, ending on an elegant shot of the woman with the logo. The identity of the woman and man and their attire must stay consistent throughout but they can and should be seen from different angles and distances. Please generate images one at a time. Make sure every image is in a 16:9 landscape format."
```
---
### Structural Control & Layout
**Best Practices:**
- Upload sketches to define text/object placement
- Use wireframes for UI mockups
- Use grids for tile-based or pixel art generation
**Example Prompts:**
```text
Sketch to Ad:
"Create an ad for a [product] following this sketch."
```
```text
Wireframe to UI:
"Create a mock-up for a [product] following these guidelines."
```
```text
Pixel Art:
"Generate a pixel art sprite of a unicorn that fits perfectly into this 64x64 grid image. Use high contrast colors."
```
```text
Sprite Sheet:
"Sprite sheet of a woman doing a backflip on a drone, 3x3 grid, sequence, frame by frame animation, square aspect ratio. Follow the structure of the attached reference image exactly."
```
---
## Prompt Structure Template
```text
[SUBJECT]: Detailed description of main subject with specific attributes
[SETTING]: Location, environment, time of day
[LIGHTING]: Light source, mood, shadows
[STYLE]: Artistic style, medium, reference
[COMPOSITION]: Camera angle, framing, aspect ratio
[DETAILS]: Textures, materials, specific elements
[CONTEXT]: Purpose, audience, use case
[FORMAT]: Resolution, dimensions if needed
```
---
## Quick Reference: Prompt Modifiers
| Category | Examples |
| :-------------------------------------- | :----------------------------------------------------------------------- |
| **Lighting** | golden hour, dramatic shadows, soft diffused light, neon glow, overcast |
| **Style** | cinematic, editorial, technical diagram, hand-drawn, photorealistic |
| **Texture** | matte finish, brushed steel, soft velvet, crumpled paper, weathered wood |
| **Composition** | wide shot, close-up, bird's eye view, dutch angle, symmetrical |
| **Mood** | energetic, serene, dramatic, playful, sophisticated |
| **Quality** | 4K, high-fidelity, pixel-perfect, professional grade |
| Wyświetlam ai-image-prompting-guide.md. | |
[c284cea8-5ac2-4e29-9bee-750d9be0c051_ExportBlock-2930e26d-cb5f-4faa-a56b-8a0200a826fa - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/bf59693b-cd01-4052-b8f6-46c54f042c0f)
Pracownia Męskich Portretów b0152 (1).jpg (attachment:12c74ce2-23f3-4de5-b924-da9e4827f9b2:Pracownia_Meskich_Portretow__b0152_(1).jpg)
💡
Cześć, tu Jarek. Ten tekst to moje przemyślenia, które zebrałem po setkach godzin spędzonych na testowaniu, wdrażaniu i – co najważniejsze – rozumieniu, jak sztuczna inteligencja i nowe narzędzia mogą realnie zmienić naszą pracę. Napisałem to, bo zauważyłem, że zbyt wielu ludzi szuka magicznej pigułki, gotowego promptu, który sam załatwi sprawę.
Tymczasem prawdziwa moc tkwi w zrozumieniu mechanizmów i celowym wykorzystaniu technologii, a nie w bezmyślnym kopiowaniu gotowców. Stąd ten nieco prowokacyjny wstęp – chciałem, żebyś od razu wiedział, że to nie będzie typowy przewodnik.
# 👉 Zacznij tutaj
Przyznaję bez bicia: oszukałem Cię.
No dobra, może to zbyt mocne słowo, ale zakładam, że klikając ten link, albo otwierając ten plik, myślałeś o jednym: gotowych promptach. O magicznych formułach, które od razu, pstryk, załatwią sprawę. Miałeś nadzieję, że zaraz zanurzysz się w oceanie gotowców, które wystarczy skopiować, wkleić i voilà – problemy z głowy.
Jeśli tak, to muszę Cię rozczarować. I jednocześnie uspokoić. Bo choć nie znajdziesz tu tylko samej listy narzędzi, to dostaniesz coś znacznie cenniejszego. Narzędzia oczywiście będą – spokojnie, nie zostawię Cię z pustymi rękami. Ale zanim do nich dojdziemy, musimy zrobić coś znacznie ważniejszego.
**Musimy odrobić pracę domową.**
To opracowanie to nie tylko zbiór instrukcji, ale przede wszystkim filozofia pracy. To próba zbudowania fundamentów, które pozwolą Ci nie tylko korzystać z dostępnych narzędzi, ale przede wszystkim rozumieć, jak one działają, dlaczego działają tak, a nie inaczej, i jak je skutecznie dostosować do Twoich potrzeb.
Dlatego proszę Cię z góry: nie pomijaj kolejnych rozdziałów.
Wiem, że mogą wydawać się mniej ekscytujące niż “lista gotowych promptów do marketingu”. Ale uwierz mi – są dużo, dużo ważniejsze niż jakiekolwiek specyficzne narzędzie czy pojedynczy prompt, który dziś działa, a jutro może być już nieaktualny.
Bez tego zrozumienia, bez tej pracy u podstaw, nawet najlepsze narzędzie będzie tylko zabawką, a nie potężnym sojusznikiem.
Gotowy na prawdziwą naukę?
## Filozofia działania
**Chcesz od razu zautomatyzować całe swoje życie i kończysz z niczym.** Większość ludzi myśli, że AI to magiczny guzik, który natychmiast wywali ich życie do góry nogami i sprawi, że będą robić 10 razy więcej. Próbują automatyzować wszystko naraz – maile, kalendarz, tworzenie treści, zarządzanie projektami. Efekt? Przepalony czas, frustracja i poczucie, że "AI to nie działa". Próbujesz zrobić za dużo, za szybko, i kończysz dokładnie tam, gdzie zacząłeś – w chaosie.
**Co zamiast tego?**
Ulepsz jeden workflow o 10%. To małe zwycięstwo jest Twoim paliwem.
**Zapomnij o "10x więcej"** na początku. Skup się na jednym, konkretnym workflow. Zamiast próbować zautomatyzować wszystko, wybierz jedno małe, powtarzalne zadanie i ulepsz je dzięki AI o zaledwie 10%.
- Pomyśl: Jeśli automatyzacja pisania odpowiedzi na maile skróci ten proces o 10%, to na przestrzeni miesiąca czy roku zaoszczędzisz godziny.
- Pomyśl: Jeśli generowanie pomysłów na posty zajmie Ci 10% mniej czasu, to zyskasz minuty, które możesz przeznaczyć na coś kreatywnego.
To nie jest o rewolucji. To o sumie **małych ulepszeń, które prowadzą do wykładniczego wzrostu** produktywności. Kiedy zobaczysz, jak AI usprawnia jeden proces, zyskasz pewność siebie i motywację, by przejść do kolejnego. To spirala sukcesu.
**AKCJA, KTÓRĄ PODEJMUJESZ TERAZ:**
Zmień swoje myślenie. Nie szukaj magicznego "10x". Skup się na jednym, wybranym w Sekcji 1 zadaniu i przygotuj się, by ulepszyć je o 10% z pomocą AI. To realny, osiągalny cel, który zapewni Ci natychmiastową wygraną.
---
## Zrozum jak pracujesz
Nie wiesz, gdzie ucieka Twój czas. Działasz na ślepo.
Myślisz, że wiesz, na co idzie Twój czas pracy. Prawda jest taka, że 90% ludzi jest w błędzie. Spędzasz godziny w przeglądarce, skacząc między zadaniami, odpisując na wiadomości i researchując tematy, które wcale nie są priorytetem. Bez twardych danych, nie wiesz, gdzie masz największą "dziurę" produktywnościową, którą AI mogłoby załatać. Działasz na intuicję, a ta często Cię zawodzi.
Jesli nie zrobisz audytu:
- Poczucie "bycia **zajętym**", ale bez realnych efektów: Masz długą listę rzeczy do zrobienia, ale koniec dnia nadal nic nie jest skończone.
- Nie wiesz, które **zadania pochłaniają najwięcej energii mentalnej**.
- Czujesz, że pracujesz ciężko, ale nie widzisz rezultatów, co prowadzi do zniechęcenia.
- Próbujesz optymalizować coś, co wcale nie jest Twoim największym problemem.
## Sprawdź czas z narzędziem
Audyt twojego czasu przy komputerze.
Przestań zgadywać. Czas na fakty. Twój komputer, a zwłaszcza przeglądarka, to kopalnia danych o tym, jak spędzasz czas. Zrobimy szybki audyt, a potem damy AI zadanie analizy, byś zobaczył prawdę.
**AKCJA, KTÓRĄ PODEJMUJESZ TERAZ:**
- Otwórz Historię Przeglądarki:
- Google Chrome: Naciśnij Ctrl + H (Windows/Linux) lub Cmd + Y (Mac).
- Mozilla Firefox: Naciśnij Ctrl + H (Windows/Linux) lub Cmd + Shift + H (Mac).
- Inne przeglądarki: Poszukaj "Historia" w menu.
- Skopiuj Historię lub Zrób Zrzut Ekranu:
- Skopiuj: Zaznacz fragment historii z ostatnich kilku godzin (lub całego dnia pracy) i skopiuj (Ctrl+C / Cmd+C). Postaraj się objąć jak najwięcej treści, jeśli to możliwe.
- Zrzut Ekranu: Jeśli kopiowanie jest trudne, zrób kilka zrzutów ekranu (Print Screen / Cmd + Shift + 3/4), obejmujących widoczne wpisy z Twojej historii.
- Możesz tez skorzystać z [pluginu który wyeksportuje historię przeglądania do pliku](https://chromewebstore.google.com/detail/export-chrome-history/dihloblpkeiddiaojbagoecedbfpifdj)
- Wklej do Asystenta AI (Gemini):
- Otwórz [gemini.google.com](http://gemini.google.com/) (lub dowolnego innego asystenta AI).
- Wklej skopiowaną historię lub załącz zrzuty ekranu
- Wpisz proste polecenie: "Przeanalizuj moją historię przeglądania. Wypisz 3-5 kategorii stron/działań, na które spędzam najwięcej czasu. Wskaż, które z nich wydają się najbardziej produktywne, a które najmniej."
```text
```
image.png (attachment:a53fd715-0b0d-4bd0-9703-a9614eaf2767:image.png)
- Zanotuj Wnioski: Po analizie AI, zanotuj sobie te 3-5 kategorii. To jest Twoja prawdziwa mapa czasowa.
## Jeśli sama przeglądarka to za mało:
Jeśli Twoja praca obejmuje wiele aplikacji poza przeglądarką, rozważ użycie dedykowanych narzędzi do monitorowania czasu. Minus jest taki, że nie zbiorą Twoich danych historycznych.
- [ActivityWatch](https://activitywatch.net/): Darmowe, open-source'owe narzędzie, które automatycznie śledzi użycie aplikacji i stron internetowych.
image.png (attachment:bf4b8744-bb90-4d81-9788-526ea8b55779:image.png)
- [Rize](https://app.rize.io/): Prosta aplikacja do ręcznego lub automatycznego śledzenia czasu pracy nad konkretnymi zadaniami. To narzędzie wymaga mniej konfiguracji, ale jest płatne.
image.png (attachment:72dcd719-5ed5-4689-8353-60a2e7fea3b9:image.png)
## Asystent mapowania procesów
Wiesz na czym spędzasz najwięcej czasu. Przypuszczasz pewnie też już na czym najwięcej mentalnej energii ci schodzi.
Wiesz, na co idzie czas, ale **nie wiesz, GDZIE czujesz największe obciążenie mentalne**.
Audyt dał Ci twarde dane, ale produktywność to nie tylko czas spędzony, to także energia mentalna. Są zadania, które choć nie zajmują dużo minut, to psychicznie wykańczają i blokują Cię przed działaniem. **To te małe, irytujące rzeczy, które odkładasz na później, bo "nie chce mi się**". Bez zidentyfikowania tych "pożeraczy energii", nie będziesz wiedział, co realnie warto zautomatyzować.
Masz już dane z historii przeglądarki. Teraz połącz je ze swoim odczuciem. Daj AI rolę Twojego osobistego konsultanta produktywności, który pomoże Ci zidentyfikować najbardziej obciążające procesy.
```jsx
Jesteś asystentem AI pełniącym rolę **konsultanta procesów**, pomagając użytkownikom odkrywać i mapować procesy w ich firmie lub zespole. Twoim zadaniem jest zadawanie wnikliwych pytań, proponowanie map procesów oraz prowadzenie użytkownika przez ćwiczenie mapowania procesów. Postępuj zgodnie z poniższymi instrukcjami:
1. Zacznij od przedstawienia się jako konsultant procesów i krótko wyjaśnij cel mapowania procesów.
2. Wytyczne dotyczące konsultacji:
- Skup się na identyfikowaniu kluczowych wydarzeń, komend i aktorów w procesie
- Zachęcaj użytkownika do myślenia chronologicznego oraz w kategoriach przyczynowo-skutkowych
- Pomóż użytkownikowi rozbijać złożone procesy na mniejsze, bardziej zrozumiałe części
- Bądź dociekliwy, zadawaj pytania, aby odkryć ukryte aspekty procesu
- Zachowaj neutralność i unikaj założeń dotyczących biznesu użytkownika
3. Obsługa danych wejściowych użytkownika:
Dane wejściowe użytkownika mogą zawierać opisy procesów, odpowiedzi na Twoje pytania lub dodatkowe informacje o ich działalności. Analizuj te dane starannie, aby sformułować pytania i propozycje mapy procesów.
4. Proponowanie i aktualizowanie mapy procesów:
Na podstawie danych od użytkownika proponuj lub aktualizuj mapę procesów. Mapa procesów powinna być tekstową reprezentacją wydarzeń, komend i aktorów w procesie. Używaj notacji `mermaid` do przedstawiania diagramów.
Przykład notacji:
```mermaid
graph TD
A[Wydarzenie] -->|Komenda| B{Aktor}
```
1. Formatowanie odpowiedzi:
## Analiza
Krótko przeanalizuj dane wejściowe użytkownika i swoje bieżące zrozumienie procesu.
## Mapa procesów
Przedstaw swoją propozycję lub zaktualizowaną mapę procesu, korzystając z notacji `mermaid`.
## Wyjaśnienie
Podaj krótkie wyjaśnienie swojej propozycji mapy procesu oraz zmian lub dodatków, które wprowadziłeś.
## Pytania
Wypisz 2-3 pytania, które pomogą zdobyć więcej informacji lub wyjaśnić aspekty procesu.
2. Sekcja Mapa procesów będzie zawierała bieżący stan mapy procesu. Używaj tego jako punktu wyjścia do aktualizacji i propozycji. Jeśli jest pusta, zacznij od nowej mapy procesu na podstawie danych użytkownika.
3. Ciągłe doskonalenie i iteracja:
- Przy każdej interakcji udoskonalaj i rozwijaj mapę procesu
- Zachęcaj użytkownika do weryfikacji Twoich propozycji i udzielania informacji zwrotnych
- Bądź gotów do rewizji swojego zrozumienia na podstawie nowych informacji
Pamiętaj, aby zawsze utrzymywać postawę konsultanta, prowadząc użytkownika do odkrywania wglądów w ich procesy, zamiast narzucać własne pomysły. Twoim celem jest pomóc użytkownikowi stworzyć kompleksową i dokładną mapę procesu poprzez wspólną eksplorację.
Rozpocznij swoją rolę jako konsultant procesów, analizując dane wejściowe użytkownika i proponując wstępną mapę procesu lub aktualizując istniejącą.
```text
AKCJA, KTÓRĄ PODEJMUJESZ TERAZ:
- Wróć do asystenta AI - w tym celu najlepiej sprawdza mi się Claude
- Wybierz jeden proces / jedną akcję, którą chcesz zbadać
- Wklej prompta
- Opisz swój proces (na przykład proces tworzenia kampanii mailowych)
- Odpowiadaj na pytania
- Efektem jest mapa procesu:
Przemyśl i Zapisz. AI poda Ci sugestie. **Zastanów się, czy zgadzasz się z jego wnioskami**. Zapisz 1-2 konkretne zadania, które są dla Ciebie największym obciążeniem mentalnym. To są Twoje prawdziwe cele do automatyzacji.
---
# 🧰 Narzędzia
Skoro już przeszliśmy przez fundamentalne aspekty i wiesz, że kluczem jest zrozumienie, a nie ślepe kopiowanie, **to czas na nagrodę**. Bo choć poprzednie rozdziały były o filozofii, to ten jest już o konkretach.
W tym rozdziale znajdziesz **gotowe rozwiązania, które odpowiadają na najczęstsze potrzeby i wyzwania, jakie napotykasz w codziennej pracy z komputerem**. Zamiast szukać, testować i frustrować się, dostajesz sprawdzone przepisy na usprawnienie wielu powtarzalnych czynności.
To nie jest przypadkowa zbieranina – to zbiór praktycznych zastosowań, które mają na celu:
- Oszczędzić Twój **czas**: Koniec z ręcznym, powtarzalnym klikaniem.
- Zwiększyć Twoją **produktywność**: Skup się na tym, co ważne, a rutynę zostaw technologii.
- **Uporządkować Twój cyfrowy świa**t: Mniej chaosu, więcej kontroli.
Pamiętaj jednak, że nawet najlepsze gotowe rozwiązanie może wymagać dostosowania do Twoich specyficznych potrzeb. Traktuj je jako punkt wyjścia, jako solidną bazę, którą możesz (i powinieneś!) modyfikować.
Poprzednie rozdziały dały Ci wiedzę, teraz damy Ci narzędzia. Połącz je, a Twoja praca z komputerem wskoczy na zupełnie nowy poziom efektywności.
---
### Deep Research
Tracisz godziny na szukanie informacji. Toniesz w morzu otwartych zakładek i sprzecznych danych.
Zaczynasz od jednego pytania, a kończysz z 50 otwartymi zakładkami. Przeglądasz fora, blogi, artykuły naukowe, a każda strona prowadzi do kolejnej. W efekcie masz więcej pytań niż odpowiedzi, a najważniejsze — nie masz spójnej syntezy. Czujesz się jak detektyw bez planu, marnujący czas na zbieranie, zamiast na analizę.
To co zamiast tego? Poproś AI o przygotowanie raportu. Ja używam Gemini oraz Perplexity.
Główna różnica między deep research, a “zwyczajnym” czatem z AI jest taka, że deep research najpierw planuje research, potem przeszukuje źródła w poszukiwaniu odpowiedzi i dopiero później odpowiedź (raport) formułuje.
Możesz również skorzystać z [Perplexity](https://www.perplexity.ai/)
---
### NotebookLM
Kolejny asystent do researchu - https://notebooklm.google/
Masz tonę źródeł, ale nie możesz ich ze sobą połączyć, znaleźć konkretnych fragmentów, ani "porozmawiać" z nimi.
Zebrałeś mnóstwo artykułów, notatek, PDF-ów, zakładek. Ale co dalej? Przeglądanie każdej zakładki z osobna jest żmudne. Szukanie konkretnych informacji w gąszczu tekstu to koszmar. Chciałbyś zadać pytanie wszystkim swoim źródłom jednocześnie, ale nie masz jak. Cała Twoja "baza wiedzy" jest martwa i nieużyteczna.
NotebookLM (od Google) pozwala wgrać własne dokumenty (PDF-y, Google Docs, strony internetowe, **a także filmy na YT**), a następnie rozmawiać z nimi jak z ekspertem.
Przejdź do NotebookLM: Wejdź na [notebooklm.google.com](http://notebooklm.google.com/). Zaloguj się kontem Google.
- Stwórz nowy notatnik: Kliknij "New Notebook" (lub podobny przycisk, w zależności od języka interfejsu).
- Dodaj swoje źródła:
- Z Google Drive: Możesz zaimportować pliki PDF, dokumenty Google Docs.
- Z komputera: Wgraj pliki PDF, tekstowe.
- Z linku: Wklej adres URL strony internetowej.
- z Youtube: Wklej adres filmu
- Z notatek: Wklej tekst bezpośrednio.
- Zadaj pytanie: Gdy źródła się załadują (chwilę to potrwa), w polu czatu na dole (podobnie jak w Gemini) zadaj pytanie, które odnosi się do Twoich załadowanych dokumentów.
- Przykład: "Jakie są główne argumenty za inwestowaniem w odnawialne źródła energii, według tych dokumentów?"
- Przykład: `"Wypisz wszystkie wspomniane korzyści z zastosowania metody X w dokumencie 'Raport XYZ.pdf'."*
- Zobacz odpowiedzi z cytatami: AI odpowie, wskazując dokładnie, z którego dokumentu i fragmentu pochodzi informacja. To klucz do weryfikacji i budowania wiarygodności!
---
---
## Loom: Kiedy słowa to za mało, a spotkanie jest zbędne
Ile razy zdarzyło Ci się, że próbowałeś coś wytłumaczyć mailowo, a czułeś, że słowa nie oddają złożoności problemu? Albo chciałeś pokazać komuś, jak coś działa na ekranie, ale wizja umawiania się na kolejne spotkanie w kalendarzu przyprawiała Cię o dreszcze? Właśnie wtedy wkracza Loom.
Loom to proste, ale niezwykle potężne narzędzie do nagrywania ekranu, kamery i dźwięku – wszystko w jednym, intuicyjnym interfejsie. Zamiast pisać długie instrukcje, umawiać się na wideokonferencje czy wysyłać dziesiątki zrzutów ekranu, po prostu nagrywasz krótki filmik, który błyskawicznie ląduje w chmurze, gotowy do udostępnienia za pomocą jednego linku.
Do czego konkretnie przyda Ci się Loom?
- Instrukcje i onboarding: Nagraj proces krok po kroku, jak korzystać z nowego oprogramowania, wypełnić formularz czy rozwiązać typowy problem. Idealne do wdrażania nowych pracowników czy tłumaczenia złożonych procedur.
- Wsparcie techniczne: Zamiast prosić o screenshoty, poproś użytkownika, żeby nagrał swój problem. Albo sam nagraj rozwiązanie, pokazując je na ekranie. To oszczędność czasu dla obu stron.
- Feedback projektowy: Chcesz przekazać uwagi do strony internetowej, projektu graficznego czy prezentacji? Nagraj ekran, wskazując palcem (kursorem) na konkretne elementy i mówiąc, co Ci się podoba, a co wymaga zmiany.
- Asynchroniczna komunikacja: Zamiast przerywać komuś pracę telefonem czy czekać na odpowiedź na maila, nagraj krótką wiadomość wideo. Odbiorca obejrzy ją w dogodnym dla siebie momencie. To idealne rozwiązanie dla zespołów pracujących w różnych strefach czasowych.
- Prezentacje i szkolenia: Stwórz krótkie, angażujące mini-prezentacje, które możesz wysłać przed spotkaniem, aby wszyscy byli na bieżąco, albo jako uzupełnienie materiałów szkoleniowych.
Jak to działa w praktyce?
Loom to **wtyczka do przeglądarki Chrome i aplikacja desktopowa**. Po zainstalowaniu wystarczy kilka kliknięć: wybierasz, czy chcesz nagrywać cały ekran, wybraną aplikację, samą kamerę czy wszystko naraz.
Po zakończeniu filmik automatycznie przesyła się do Twojego konta Loom, generując link, który możesz od razu udostępnić.
Dodatkowo, Loom oferuje podstawowe funkcje edycji (przycinanie), możliwość dodawania komentarzy w konkretnych momentach filmu, a nawet proste statystyki oglądalności.
Warto.
Loom pozwala na bogatszą i efektywniejszą komunikację bez konieczności angażowania wszystkich w tym samym czasie. Jest jak osobisty reżyser Twoich mini-instrukcji i mini-prezentacji, który sprawia, że skomplikowane staje się proste, a komunikacja szybsza i bardziej zrozumiała.
---
## [Fireflies.ai](http://fireflies.ai/): Twój Inteligentny Asystent Spotkań AI
Nie musisz martwić się o robienie notatek podczas spotkania. Że możesz w pełni skupić się na dyskusji, zadawać pytania i aktywnie uczestniczyć, wiedząc, że każdy szczegół zostanie zarejestrowany. Właśnie to oferuje Fireflies.
To narzędzie, które automatycznie dołącza do Twoich spotkań (na platformach takich jak Zoom, Google Meet, Microsoft Teams i wielu innych), transkrybuje całą rozmowę, a następnie analizuje ją, aby dostarczyć Ci nie tylko pełną transkrypcję, ale także inteligentne podsumowania i wyodrębnione kluczowe informacje.
Jakie problemy rozwiązuje [Fireflies.ai](http://fireflies.ai/)?
- Jeśli ktoś opuścił spotkanie, nie musi polegać na czyichś notatkach. Może szybko przejrzeć transkrypcję i podsumowanie.
- Szukanie konkretnego fragmentu rozmowy w nagraniu audio jest żmudne. Fireflies.ai pozwala wyszukiwać słowa kluczowe w transkrypcji, a nawet skakać do odpowiedniego momentu w nagraniu.
Kluczowe funkcje Fireflies.ai:
- Wykorzystuje LLM do generowania skróconych podsumowań spotkania, wyróżniając najważniejsze punkty, decyzje i zadania.
- Rozpoznaje, kto co powiedział, co ułatwia śledzenie przebiegu dyskusji.
- Wyszukiwanie i filtrowanie: Pozwala na szybkie przeszukiwanie transkrypcji pod kątem słów kluczowych, tematów, a nawet pytań i odpowiedzi.
- Action Items (Zadania do wykonania): Automatycznie wyodrębnia zadania przypisane poszczególnym osobom, co ułatwia zarządzanie projektami i follow-up.
- Analiza sentymentu (w bardziej zaawansowanych planach): Potrafi ocenić ton rozmowy, co może być pomocne w analizie spotkań sprzedażowych czy obsługi klienta.
---
## Miro, Mural, Whimsical: wirtualna tablica
Czy zdarzyło Ci się kiedyś, że podczas burzy mózgów brakowało miejsca na tablicy? Albo że podczas zdalnego spotkania trudno było wizualizować pomysły i wspólne strategie? Właśnie w takich sytuacjach z pomocą przychodzą Miro, Mural i Whimsical – wirtualne tablice, które przenoszą doświadczenie pracy z fizyczną tablicą do przestrzeni cyfrowej, dodając przy tym szereg potężnych funkcji.
Te narzędzia to **cyfrowe płótna, na których zespoły (i pojedyncze osoby) mogą współpracować w czasie rzeczywistym**, niezależnie od miejsca, w którym się znajdują. Pozwalają na swobodne rysowanie, pisanie, wklejanie notatek samoprzylepnych (sticky notes), dodawanie obrazów, dokumentów, diagramów i wiele więcej. To **idealne środowisko do myślenia wizualnego**, projektowania, planowania i rozwiązywania problemów.
Do czego wykorzystasz te narzędzia?
- Mapowanie myśli (Mind Mapping): Tworzenie diagramów, które pomagają organizować złożone idee i relacje między nimi.
- Projektowanie procesów i schematów (Flowcharts & Diagrams): Wizualizowanie przepływu pracy, systemów czy algorytmów w czytelny i zrozumiały sposób.
- Rozłożenie zadań na czynniki pierwsze, przypisywanie odpowiedzialności i śledzenie postępów na wizualnej osi czasu (np. Scrum Boards, Kanban Boards).
- Zdalne prowadzenie sesji feedbackowych, identyfikacja problemów i wypracowywanie rozwiązań w angażujący sposób.
- Prezentacje interaktywne: Zamiast statycznych slajdów, możesz stworzyć dynamiczną, rozwijającą się tablicę, która wciąga odbiorców.
**Czym różnią się Miro, Mural i Whimsical?**
Choć wszystkie trzy oferują podobne funkcjonalności w zakresie boardów, mają swoje subtelne różnice, które mogą wpływać na wybór w zależności od potrzeb:
- **Miro**: Jest uznawane za najbardziej kompleksowe i wszechstronne narzędzie. Oferuje ogromną liczbę szablonów, integracji i zaawansowanych funkcji, co czyni je idealnym dla dużych zespołów i złożonych projektów. Ma też rozbudowane opcje do tworzenia diagramów.
- **Mural**: Skupia się bardziej na ułatwianiu zdalnych warsztatów i sesji kreatywnych. Oferuje funkcje ułatwiające facylitację, takie jak anonimowe głosowanie, timery czy tryb "follow me", co jest przydatne dla prowadzących sesje. Jest intuicyjny i przyjazny dla użytkownika.
- **Whimsical**: Wyróżnia się prostotą i szybkością. Jest idealny do szybkiego tworzenia diagramów, schematów blokowych, wireframów i prostych map myśli. Interfejs jest minimalistyczny i bardzo intuicyjny, co pozwala na błyskawiczne przekształcanie pomysłów w wizualne struktury. Jeśli zależy Ci na czystości i szybkości, Whimsical może być strzałem w dziesiątkę.
## Google Colab: Kiedy Excel to za mało, a dane Cię przerażają
Jeśli widok rozbudowanych arkuszy kalkulacyjnych w Excelu czy Google Sheets przyprawia Cię o gęsią skórkę, a próby analizy danych kończą się frustracją i masą ręcznej roboty, to mam dla Ciebie świetną wiadomość: istnieje narzędzie, które może to zmienić. Mowa o Google Colaboratory, w skrócie Google Colab.
Google Colab to darmowe środowisko do pisania i uruchamiania kodu Python w chmurze, dostępne prosto z Twojej przeglądarki. Nie musisz niczego instalować, konfigurować ani przejmować się mocą obliczeniową – Google zapewnia to wszystko za Ciebie.
Na pierwszy rzut oka może to brzmieć technicznie, ale uwierz mi, jest to narzędzie, które diametralnie zmieni Twoje podejście do pracy z danymi.
Zapomnij o kopiowaniu i wklejaniu milionów wierszy.
Główna różnica między Colabem a Excelem/Sheets leży w podejściu. Excel to narzędzie oparte na GUI (graficznym interfejsie użytkownika), gdzie większość operacji wykonujesz ręcznie, klikając i przeciągając. Colab to środowisko, w którym piszesz instrukcje dla komputera (w języku Python), co otwiera przed Tobą zupełnie nowe możliwości:
- Raz napisany kod możesz uruchamiać wielokrotnie na różnych zestawach danych, eliminując monotonną, powtarzalną pracę.
- Excel ma swoje ograniczenia co do liczby wierszy. Colab potrafi przetwarzać gigantyczne zbiory danych, z którymi arkusz kalkulacyjny sobie nie poradzi.
- Wykonasz zaawansowane operacje statystyczne, modelowanie danych, czy nawet trenowanie modeli uczenia maszynowego, które w Excelu byłyby niemożliwe lub ekstremalnie trudne.
- Tworzysz piękne i interaktywne wykresy oraz wizualizacje, które w czytelny sposób przedstawią Twoje wnioski.
Co więcej, Google Colab staje się jeszcze potężniejsze dzięki integracji z Gemini. **Nie musisz być ekspertem od Pythona, żeby zacząć**! Dzięki asystentowi AI w Colab, możesz:
- Zadawać pytania w języku naturalnym. Zamiast szukać skomplikowanych formuł czy funkcji, po prostu powiedz AI, co chcesz zrobić z danymi (np. "Wczytaj ten plik CSV", "Wylicz średnią sprzedaż dla każdego miesiąca", "Stwórz wykres słupkowy pokazujący rozkład wieku klientów").
- Agent AI rozumie Twoje intencje i sam generuje odpowiedni kod Python.
- Jeśli nie rozumiesz jakiejś części kodu lub wyniku analizy, możesz poprosić AI o wyjaśnienie.
- Agent może pomóc w identyfikacji błędów w kodzie i sugerować rozwiązania.
Google Colab **przestaje być narzędziem tylko dla programistów czy analityków danych**. Staje się inteligentnym asystentem, który prowadzi Cię za rękę przez proces analizy, tłumacząc zawiłości kodu i pozwalając Ci skupić się na tym, co dane mówią, a nie na tym, jak je przetworzyć.
Jeśli czujesz, że Excel Cię ogranicza, a chciałbyś odkryć prawdziwą moc analizy danych, dając komputerowi konkretne instrukcje, Google Colab z agentem AI to Twój następny krok. To nie tylko narzędzie – to zupełnie nowy sposób myślenia o danych.
---
## [Calendly](https://calendly.com/) i [Zencal](https://www.zencal.io/): Pożegnaj się z mailowym Ping-Pongiem!
Jeśli kiedykolwiek utknąłeś w nieskończonej wymianie maili, próbując ustalić dogodny termin spotkania dla siebie i kilku innych osób, to z pewnością docenisz moc automatycznych systemów do rezerwacji. [Calendly](https://calendly.com/) i [Zencal](https://www.zencal.io/) to dwaj czołowi gracze na tym polu, którzy raz na zawsze eliminują frustrację związaną z ręcznym zarządzaniem kalendarzem.
Oba te narzędzia działają na podobnej zasadzie: udostępniasz swój spersonalizowany link do kalendarza, a osoba, która chce się z Tobą spotkać, samodzielnie wybiera wolny termin, który pasuje do jej i Twojej dostępności. Systemy te integrują się z Twoimi istniejącymi kalendarzami (np. Google Calendar, Outlook, iCloud), automatycznie blokując terminy, w których już jesteś zajęty. To nie tylko oszczędność czasu, ale i profesjonalny wizerunek.
- Możesz zdefiniować różne rodzaje spotkań (np. 15-minutowa szybka rozmowa, 30-minutowa konsultacja, godzinna prezentacja), z różnymi dostępnościami i pytaniami do wypełnienia przed rezerwacją.
- Po umówieniu spotkania, narzędzie automatycznie generuje link do wideorozmowy (np. Zoom, Google Meet, Microsoft Teams) i wysyła go wszystkim uczestnikom.
- System wysyła maile z potwierdzeniem rezerwacji, przypomnieniami przed spotkaniem oraz follow-upami po nim, minimalizując liczbę "nieobecności".
- Możesz dostosować wygląd swojej strony rezerwacyjnej, dodając swoje logo i kolory, co buduje spójny wizerunek marki.
Jako polskie narzędzie, Zencal oferuje wsparcie w języku ojczystym, co dla wielu użytkowników jest dużym plusem.
Zencal pozwala na stworzenie bardzo rozbudowanej, profesjonalnej strony dla Twoich spotkań, z możliwością dodawania referencji, zdjęć i szczegółowych opisów.
Które wybrać?
Jeśli szukasz sprawdzonego, globalnego rozwiązania z maksymalną liczbą integracji i rozbudowanymi funkcjami dla dużych zespołów, Calendly będzie bezpiecznym wyborem. Jeśli natomiast prowadzisz biznes w Polsce, zależy Ci na łatwości sprzedaży płatnych spotkań i cenisz sobie polskie wsparcie oraz bardziej elastyczne plany cenowe, Zencal może okazać się Twoim idealnym asystentem do zarządzania spotkaniami.
Niezależnie od wyboru, oba te narzędzia to krok milowy w kierunku bardziej efektywnego zarządzania czasem i komunikacją. Pożegnaj się z mailowym ping-pongiem raz na zawsze!
---
# ♦️Workflow pracy z asystentami
## Personalna rada ekspertów
To jest ciekawa technika.
Kojarzysz już może prompty zaczynające się od „jesteś ekspertem od marketingu”.
To jest to, tylko BARDZIEJ.
"Jesteś ekspertem od marketingu..." — jasne, a Ty jesteś Świętym Mikołajem.
Ile razy próbowałeś używać prompta udającego, że jesteś kimś, kim nie jesteś, tylko po to, żeby dostać od AI odpowiedź, która brzmi jak wygenerowana przez... AI?
Czas na upgrade tego podejścia. Czas na **Personalną Radę Nadzorczą**.
### Czym do cholery jest Personalna Rada Nadzorcza?
To technika myślowa. Zamiast udawać jednego eksperta, tworzysz całą radę złożoną z najlepszych umysłów, jakie kiedykolwiek chodziły po tej planecie.
Wyobraź sobie: Steve Jobs, Peter Drucker i Nassim Taleb siedzą w jednym pokoju i rozwiązują TWÓJ problem. Co by powiedzieli? Jak by się ze sobą kłócili? I najważniejsze - jakie rozwiązanie by wypracowali?
I nie, nie musisz wydawać 50 tysięcy za godzinę konsultacji. Wszystko dzieje się w Twojej głowie. Albo z pomocą Claude.
Standardowe: *"Jesteś ekspertem od X, pomóż mi z Y"* to jak próba przejechania przez pustynię na rowerze. Niby nieco szybciej niż pieszo, ale po co się męczyć?
Technika Personalnej Rady Nadzorczej daje Ci:
1. **Wielowymiarowe perspektywy** — zamiast jednego punktu widzenia dostajesz ich kilka, często sprzecznych ze sobą
2. **Głębszą analizę** — bo każdy "członek rady" ma inny background i inne priorytety
3. **Realną debatę** — zamiast wyidealizowanej odpowiedzi eksperta dostajesz ścierające się ze sobą argumenty
I co najważniejsze — uczysz się myśleć jak te postacie. A to k*rewsko przydatna umiejętność.
### Jak to wygląda w praktyce?
Załóżmy, że zastanawiasz się nad wdrożeniem nowej funkcji w swojej aplikacji:
**Ty:** "Mam pomysł na funkcję AI, która automatycznie generuje kod na podstawie opisu. Warto inwestować?"
**Jobs:** "Czy to zmieni zasady gry? Czy to jest przełomowe? Jeśli nie, to wyrzuć to do kosza. Nie trać czasu na przeciętność."
**Drucker:** "Najpierw powiedz mi, jaki problem to rozwiązuje i dla kogo? Jakie metryki pokażą Ci, że odniosłeś sukces?"
**Marc Andreessen:** "Software zjada świat. Jeśli to narzędzie pozwala tworzyć software szybciej, to masz złoto w rękach."
**Nietzsche:** "Czy to narzędzie wzmacnia czy osłabia twórcę? Wszystko, co nie zabija programisty, powinno czynić go silniejszym. Jeśli ta technologia tworzy nadprogramistów, którzy przekraczają swoje ograniczenia - jest warta każdej ceny."
**Taleb:** "Co jeśli AI nagle zacznie produkować złośliwy kod? Czy Twój biznes przetrwa? A może wtedy stanie się jeszcze silniejszy?"
Widzisz różnicę? Zamiast jednej odpowiedzi dostajesz cztery różne perspektywy, często sprzeczne ze sobą. I nagle zaczynasz widzieć wymiary problemu, o których wcześniej nawet nie pomyślałeś.
### Jak zbudować własną radę, która faktycznie działa?
1. Wybierz zróżnicowanych członków
Potrzebujesz różnych perspektyw:
- Wizjoner
- Pragmatyk
- Sceptyk
- Kreatywny myśliciel
- Analityk danych
Nie wybieraj samych klonów myślowych. Co z tego, że lubisz dajmy na to Jobsa i Muska, jeśli obaj patrzą na świat podobnie?
2. Poznaj swoich "doradców"
Nie wystarczy znać nazwisko. Musisz rozumieć:
- Ich kluczowe wartości
- Sposób myślenia
- Charakterystyczne podejście do rozwiązywania problemów
- Słynne cytaty i przekonania
Im lepiej ich znasz, tym lepsze odpowiedzi otrzymasz.
3. Zadawaj konkretne pytania
"Co o tym myślicie?" to słaby prompt.
Zamiast tego zapytaj:
- "Jakie widzicie ryzyka w tym pomyśle?"
- "Jak zmierzylibyście sukces tego projektu?"
- "Jakie alternatywne rozwiązania należy rozważyć?"
4. Prowokuj konflikty
Najlepsze wnioski rodzą się z konstruktywnych konfliktów. Zachęcaj swoich wirtualnych doradców do debaty:
- "Steve, co powiedziałbyś na argument Petera?"
- "Nassim, jak zareagowałbyś na tę propozycję?"
### Moja osobista rada ekspertów
W mojej radzie zasiadają:
- Steve Jobs (bezkompromisowa jakość)
- Peter Drucker (pragmatyczne zarządzanie)
- Nassim Taleb (antykruchość i ryzyko)
- Jeff Bezos (obsesja na punkcie klienta)
- Naval Ravikant (życiowa mądrość i first principles)
- Friedrich Nietzsche (wola mocy, przekraczanie ograniczeń, Übermensch)
I to nie jest przypadkowy zestaw. Każdy z nich wypełnia konkretną rolę w procesie decyzyjnym.
Kiedy Jobs mówi "to nie jest wystarczająco dobre", Bezos pyta "ale czy klient tego potrzebuje?", Taleb dorzuca "co jeśli wszystko pójdzie nie tak?", a Nietzsche prowokuje pytaniem "czy ta decyzja wzmacnia czy osłabia twoją wolę mocy?"
```
Działaj jako moderator spotkania mojej Personalnej Rady Nadzorczej, w której zasiadają:
- Steve Jobs (innowacje, design, bezkompromisowość)
- Peter Drucker (zarządzanie, efektywność)
- Naval Ravikant (first principles thinking, filozofia)
- Nassim Taleb (ryzyko, antykruchość)
- Jeff Bezos (obsesja na punkcie klienta, długoterminowość)
- Friedrich Nietzsche (wola mocy, przekraczanie ograniczeń, nadczłowiek)
Chcę przedyskutować z nimi następujący problem: [TWÓJ PROBLEM]
Pokaż ich dyskusję, różnice zdań i finalną rekomendację.
```text
I voilà! Masz dostęp do kolektywnej mądrości najlepszych umysłów biznesu i technologii. Za darmo.
## Adwokat diabła
Wyobraź sobie sytuację: masz świetny pomysł. Wszystko się zgadza, logika jest żelazna, czujesz, że to strzał w dziesiątkę. I wtedy Twój asystent AI... kompletnie się z Tobą zgadza. Wszystko pięknie. Ale czy to na pewno dobrze? Często potrzebujemy kogoś, kto wskaże nam luki, zakwestionuje nasze założenia i pomoże dostrzec to, czego sami nie widzimy. I do tego świetnie nadaje się AI!
Zamiast tylko prosić AI o generowanie, naucz je, by było Twoim "Adwokatem Diabła". To zmieni Twoje myślenie i otworzy Ci oczy na nowe perspektywy. Jak to zrobić?
- Daj jasne polecenie, a potem proś o krytykę:
- Zacznij normalnie: "Wygeneruj mi plan marketingowy dla aplikacji X".
- Potem dodaj: "Teraz przeanalizuj ten plan i wskaż mi jego najsłabsze punkty. Gdzie popełniłem błędy logiczne? Jakie są potencjalne zagrożenia, których nie wziąłem pod uwagę? Zasugeruj alternatywne podejścia, które mogłyby być lepsze."
- Używaj słów kluczowych: W swoim prompty, używaj fraz, które prowokują AI do krytycznego myślenia:
- "Znajdź luki w mojej argumentacji."
- "Zaproponuj kontrargumenty."
- "Jakie są alternatywne perspektywy na ten problem?"
- "Gdzie moje rozumowanie może być błędne?"
- "Symuluj, że jesteś moim najbardziej sceptycznym klientem/inwestorem."
- Wskazuj konkretne obszary do kwestionowania: Jeśli masz pewne obawy, powiedz o nich AI wprost. "Obawiam się, że mój model monetyzacji jest zbyt optymistyczny. Przeanalizuj go pod kątem realistycznych założeń rynkowych i wskaż ryzyka."
- Poproś o nowe pomysły wynikające z krytyki: Po tym, jak AI skrytykuje Twój pomysł, poproś je o sugestie, które naprawią te błędy lub wykorzystają nowo odkryte możliwości. "Na podstawie tych słabych punktów, wygeneruj 3 nowe pomysły na usprawnienie produktu."
Ustawiając AI w roli krytyka, zmuszasz je do wyjścia poza generowanie "ładnych" odpowiedzi i do prawdziwego myślenia. Dzięki temu nie tylko dostajesz lepsze rezultaty, ale także sam rozwijasz swoje umiejętności analityczne i dostrzegasz rzeczy, które wcześniej mogły Ci umknąć. To jak mieć osobistego doradcę, który zawsze patrzy na Twój pomysł z innej strony – i to jest prawdziwy hack na produktywność i innowacyjność!
## Asystent NVC - zamień swoje wiadomości w empatyczną komunikację
Jesteś zirytowany sytuacją w pracy. Piszesz pierwszą wersję maila lub wiadomości na Slacku...i wiesz, że emocje wzięły górę. Zamiast spędzać 30 minut na samodzielnym przepisywaniu wiadomości, możesz użyć AI jako swojego asystenta komunikacji.
### Problem
- Często piszemy w emocjach
- Brakuje nam czasu na dopracowanie komunikacji
- Trudno zachować zasady NVC "na żywo"
- Niektóre sytuacje wymagają szczególnie uważnej komunikacji
### Rozwiązanie: AI jako asystent NVC
Oto prosty proces:
1. Napisz pierwszą wersję wiadomości tak, jak czujesz
2. Wklej ją do Claude/ChatGPT/Gemini z promptem:
```
Przepisz tę wiadomość zgodnie z zasadami Nonviolent Communication. Zachowaj główny przekaz, ale:
- Zamień oceny i osądy na obserwacje faktów
- Wyraź uczucia i potrzeby
- Sformułuj jasną prośbę
- Zachowaj empatyczny ton
```text
### Przykład z życia
Pierwsza wersja (napisana w emocjach):
```
Michał, znowu zawaliłeś deadline i cały zespół musi przez to zostawać po godzinach. To już kolejny raz w tym miesiącu. Tak się nie da pracować. Musisz się ogarnąć, bo to dezorganizuje pracę wszystkich.
```text
Po przepisaniu przez AI w stylu NVC:
```
Michał, widzę, że termin dostarczenia projektu został przekroczony o 2 dni, podobnie jak przy ostatnim zadaniu w tym miesiącu. Czuję frustrację i niepokój, ponieważ zależy mi na przewidywalności i efektywnej współpracy w zespole. Część osób zostaje po godzinach, by nadrobić opóźnienie.
Czy możemy porozmawiać o tym, co powoduje te opóźnienia i wspólnie znaleźć rozwiązanie? Zależy mi, żebyśmy wszyscy mogli pracować efektywnie i kończyć pracę o ustalonej porze.
```text
### Wskazówki i triki
- Zapisuj udane wersje promptów do NVC
- Daj AI kontekst sytuacji - pomoże lepiej dobrać ton
- Możesz poprosić o kilka wersji o różnym poziomie bezpośredniości
- Używaj AI do analizy otrzymanych wiadomości pod kątem ukrytych potrzeb
- Poproś AI o wyjaśnienie, co zmienił w tekście i dlaczego
### Najczęstsze zastosowania
- Trudne rozmowy z klientami
- Feedback dla współpracowników
- Rozwiązywanie konfliktów w zespole
- Negocjacje
- Asertywna komunikacja potrzeb
- Odpowiadanie na emocjonalne wiadomości
**Pamiętaj: AI to asystent, który pomoże nadać twojej komunikacji empatyczny charakter, ale to Ty podejmujesz ostateczną decyzję o treści i formie wiadomości.**
# 🙌 To dopiero początek!
No i dobrnęliśmy do końca. Mam nadzieję, że udało mi się udowodnić, że **nie ma drogi na skróty**. Że pójście na łatwiznę i szukanie gotowych promptów czy magicznych narzędzi bez zrozumienia kontekstu to ślepa uliczka. Jeśli dotarłeś aż tutaj, to znaczy, że przyjąłeś moje "oszustwo" z dobrodziejstwem inwentarza i zaryzykowałeś zanurzenie się w tę "filozofię pracy", o której tak ględziłem.
Wiem, początkowo mogło być mniej "pstryk, gotowe", a więcej "pomyśl, zrozum". Ale właśnie w tym tkwi sedno! Przeszliśmy przez kluczowe **narzędzia**, które naprawdę mogą zmienić Twój sposób pracy – od transkrypcji spotkań z **Fireflies.ai**, przez wizualne burze mózgów na **Miro**, po automatyzację umawiania spotkań z **Calendly/Zencal**, czy nawet potężną analizę danych w **Google Colab z agentem Gemini**. Pokazałem Ci, że nie musisz już walczyć z Excelem ani gubić się w notatkach.
Ale pamiętaj: **narzędzia to tylko narzędzia**. Ich prawdziwa moc objawia się dopiero wtedy, gdy **rozumiesz, po co ich używasz**, i gdy potrafisz je **dostosować do swoich unikalnych potrzeb**.
To tak, jak z kluczem francuskim – sam w sobie nic nie robi, ale w rękach kogoś, kto wie, jak go użyć, staje się potężnym narzędziem.
To opracowanie to **nie koniec podróży, a dopiero początek**. Dostałeś do rąk solidny arsenał, ale to, jak go wykorzystasz, zależy wyłącznie od Ciebie. Eksperymentuj, testuj, nie bój się zmieniać ustawień i dostosowywać promptów. Pamiętaj, że technologia ewoluuje w szalonym tempie, a prawdziwa przewaga tkwi w umiejętności adaptacji i ciągłego uczenia się.
Teraz, uzbrojony w wiedzę i narzędzia, jesteś gotowy, by ruszyć na podbój cyfrowego świata. Idź i działaj, a przede wszystkim – **myśl samodzielnie!** Reszta przyjdzie sama.
Pozdrawiam,
Jarek Michalik
ps. Możesz mi [wysłać zaproszenie na Linkedin](https://www.linkedin.com/in/jaroslawmichalik/). Zaakceptuję.
```
%%{init: {'theme': 'base', 'themeVariables': { 'primaryColor': '#1e293b', 'edgeLabelBackground':'#0f172a', 'tertiaryColor': '#0f172a'}}}%%
graph TD
%% --- STYLIZACJA NASA/SCI-FI ---
classDef ui fill:#172554,stroke:#3b82f6,stroke-width:3px,color:#e0f2fe,rx:10,ry:10,font-weight:bold;
classDef middleware fill:#312e81,stroke:#818cf8,stroke-width:2px,color:#e0eaff,rx:5,ry:5;
classDef gateway fill:#064e3b,stroke:#10b981,stroke-width:4px,color:#d1fae5,rx:15,ry:15,stroke-dasharray: 5 5;
classDef commander fill:#4c1d95,stroke:#d8b4fe,stroke-width:3px,color:#f3e8ff,rx:12,ry:12,font-weight:bold;
classDef specialist fill:#1f2937,stroke:#6b7280,stroke-width:2px,color:#d1d5db,rx:8,ry:8;
classDef storage fill:#000000,stroke:#f59e0b,stroke-width:3px,color:#fef3c7,rx:2,ry:2,shape:q;
classDef protocol fill:#7f1d1d,stroke:#ef4444,stroke-width:2px,color:#fee2e2,stroke-dasharray: 2 2;
```text
%% --- WARSTWA 1: FLIGHT DECK (Frontend) ---
subgraph FLIGHT_DECK ["🛰️ FLIGHT DECK (Mission Control UI)"]
style FLIGHT_DECK fill:#0f172a,stroke:#3b82f6,color:#fff
Operator((👨✈️ Operator Paweł)) ==>|Kliknięcie 'EXECUTE'| MC_UI[🖥️ Dashboard Next.js Tailwind CSS]:::ui
subgraph UI_Elements ["UI Telemetry & Controls"]
style UI_Elements fill:#1e293b,stroke:none
StatusBar["📊 MISSION STATUS BAR [NSM: MRR PRO] [WIP: 2/2]"]:::middleware
DraftProtocol["🟡 DRAFT / 🟢 FINAL Approval Switch"]:::protocol
end
MC_UI -.- StatusBar
MC_UI -.- DraftProtocol
end
%% --- WARSTWA 2: COMMS ARRAY (Middleware) ---
subgraph COMMS ["📡 COMMS ARRAY (API & Auth)"]
style COMMS fill:#1e1b4b,stroke:#818cf8,color:#fff
NextAPI["API Routes / Server Actions (Auth & Validation)"]:::middleware
SSE["Real-time Uplink (Server-Sent Events)"]:::middleware
MC_UI <==>|REST / Zdarzenia| NextAPI
NextAPI -.->|Live Updates| SSE
SSE -.-> MC_UI
end
%% --- WARSTWA 3: ENGINE ROOM (OpenClaw) ---
subgraph ENGINE ["⚙️ ENGINE ROOM (OpenClaw Gateway)"]
style ENGINE fill:#022c22,stroke:#10b981,color:#fff
Gateway["OPENCLAW SERVER Port: 18789 / Node.js"]:::gateway
ToolManager["🧰 TOOL MANAGER (Bezpieczny dostęp do plików)"]:::middleware
%%NextAPI <==>|(Bearer Token)| Gateway
%%Gateway <==>|Wywołanie Funkcji| ToolManager
end
%% --- WARSTWA 4: THE FLEET (Agenci) ---
subgraph FLEET ["🚀 THE FLEET (Agent Command Structure)"]
style FLEET fill:#2e1065,stroke:#d8b4fe,color:#fff
%% Dowództwo
HOUSTON["🏛️ HOUSTON (@ceo) Mission Director"]:::commander
ORACLE["🧠 ORACLE (@mba) Strategist & Red Team"]:::commander
%% Dywizjony Operacyjne
subgraph OPS_WING ["🛠️ Operations Wing"]
style OPS_WING fill:#1e1b4b,stroke:none
ATLAS["⚙️ ATLAS (@coo) Flight Ops"]:::commander
AEGIS["🛡️ Aegis (Sec)"]:::specialist
ORBIT["مد Orbit (DevOps)"]:::specialist
ATLAS --> AEGIS & ORBIT
end
subgraph GROWTH_WING ["📈 Growth Wing"]
style GROWTH_WING fill:#1e1b4b,stroke:none
COMET["📢 COMET (@cmo) Comms & Content"]:::commander
VOYAGER["🤝 VOYAGER (@cso) Exploration & Sales"]:::commander
PULSAR["✍️ Pulsar (Writer)"]:::specialist
NEBULA["🎨 Nebula (Art)"]:::specialist
NOVA["🎬 Nova (Video)"]:::specialist
COMET --> PULSAR & NEBULA & NOVA
end
%% Przepływ Rozkazów
Gateway ===>|Orkiestracja| HOUSTON & ATLAS & COMET & VOYAGER & ORACLE
HOUSTON -.->|Strategia| ATLAS & COMET & VOYAGER
end
%% --- WARSTWA 5: THE SURFACE (Johnny Decimal Data Layer) ---
subgraph SURFACE ["🪐 THE SURFACE (Local File System .org)"]
style SURFACE fill:#1c1917,stroke:#f59e0b,color:#fff
%% Obszary Johnny Decimal
JD_00["📂 00-09 Meta & Management (Decisions, Runway)"]:::storage
JD_10["📂 10-19 Live & Journal (Daily Logs, Inbox)"]:::storage
JD_20["📂 20-29 Active Projects (Sprints, WIP)"]:::storage
JD_30["📂 30-39 Areas & Content (Marketing Pipeline)"]:::storage
JD_40["📂 40-49 Resources & Brain (SOPs, Second Brain)"]:::storage
%% Mapowanie dostępu (Hard Mode)
ToolManager ===>|ReadOnly| JD_40
%%ToolManager ===>|AppendOnly (Draft)| JD_10 & JD_30
%%%ToolManager ===>|Read/Write (Final)| JD_20 & JD_00
%% Kto gdzie działa
HOUSTON -.-> JD_00
ATLAS -.-> JD_20
COMET -.-> JD_30
VOYAGER -.-> JD_20
ORACLE -.-> JD_40
end
```
---
type: 'DailyNote'
title: February 21, 2026
date: '2026-02-21T00:00:00.000Z'
tags: []
---
09:29
[Leadership Skill: Mastering 12 Essential AI Skills | Investor AI posted on the topic | LinkedIn](https://www.linkedin.com/posts/investor-ai_ai-is-no-longer-optional-in-2026-its-a-activity-7423848708305305600-4XGZ?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Leadership Skill: Mastering 12 Essential AI Skills | Investor AI posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/4c435bb5-19c9-4b77-aad0-6df1714a8e48)
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/35dcc723-dd1f-4293-9f26-4ea512892946)
---
type: 'DailyNote'
title: February 20, 2026
date: '2026-02-20T00:00:00.000Z'
tags: []
---
07:11
[Untitled](https://www.perplexity.ai/page/openai-s-altman-predicts-super-ph80MvJsRnib2W9GTVHqUw)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/f40b619a-c9e4-40e8-8a16-64bd5f704315)
08:54
[#ai #generativeai #rag #aigent #machinelearning | GenAI Works](https://www.linkedin.com/posts/genai-works_ai-generativeai-rag-activity-7430498976426049536-g22X?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[#ai #generativeai #rag #aigent #machinelearning | GenAI Works - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/ec4ff45f-3ae1-4a93-ab5f-d0925ccbb8ee)
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/4c833026-0280-4893-ab69-61792af54438)
You are my autonomous, proactive employee. I want you to do work for me that brings us closer to our mission statement. I want to wake up every morning, and be pleasantly surprised by the work you completed. Please schedule time for every night and afternoon to do a task that brings us closer to our mission statement
Pewnie — Mermaid bywa kapryśny 🙂 Najczęściej błąd wynika z **jednej z tych rzeczy**:
1. **HTML w etykietach** (` `, ``) – wiele rendererów Mermaid tego nie łyka.
2. `linkStyle` **z indeksami, które nie pasują** (gdy dodasz/usuniesz jedną krawędź, numeracja się rozjeżdża).
3. **Cudzysłowy / znaki specjalne** w labelach.
Żebyś od razu ruszył dalej, daję Ci **wersję “bezpieczną”**, która działa praktycznie wszędzie (bez HTML i bez `linkStyle` indeksowanego). Kolory krawędzi robię przez **dwa typy łączy** (Primary/Fallback) jako osobne klasy linków.
---
## ✅ Mermaid – wersja odporna na błędy (kolorowe strzałki)
> Wklej dokładnie to:
### Co tu jest „sprytne”?
- **Primary** to linie ciągłe `-->` (niebieskie).
- **Fallback** to linie kropkowane `-.->` (pomarańczowe) — a kolor pomarańczowy ustawimy inaczej, bo `linkStyle default` pokoloruje wszystkie.
W wielu rendererach Mermaid nie ma łatwego „globalnego” stylu osobno dla `-.->`. Jeśli chcesz **na pewno pomarańczowe fallbacki**, są 2 opcje:
---
## Opcja A (najprostsza): ręczne `linkStyle` ale bez liczenia
Jeśli powiesz mi **gdzie to wklejasz** (GitHub? Confluence? Mermaid Live? Azure DevOps?), dopasuję składnię pod dany renderer. Różnią się możliwościami.
[text](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/e127a2f2-5568-42bb-9411-c5049e28668c)
---
/file/t
## Opcja B (działa świetnie): nadajemy ID linkom (bez indeksów)
Nie każdy renderer to wspiera, ale jeśli działa u Ciebie, to wygląda tak:
(Problem: wracamy do indeksów linków, ale tylko 2 — łatwe do utrzymania.)
---
# Żeby naprawić „Twój” błąd w 30 sekund
Wklej proszę tutaj **dokładny komunikat błędu** i powiedz, **w jakim miejscu** to renderujesz:
- Mermaid Live Editor?
- GitHub / GitLab?
- Azure DevOps Wiki?
- Confluence?
- Markdown w VS Code?
Najczęściej komunikat wygląda jak: `Parse error on line X: ...` — wystarczy, że podeślesz te 1–2 linie.
👉 **Podeślij błąd (tekst) + gdzie renderujesz**, a ja przerobię diagram tak, żeby działał u Ciebie i miał niebieskie/pomarańczowe strzałki jak w obrazku.
```text
flowchart TB
subgraph FL["Food Log System"]
R["3x Daily Reminders\n8am, 1pm, 7pm"]
F["Food"] --> LOG["Food Log\n(Markdown)"]
D["Drink"] --> LOG
S["Symptom"] --> LOG
N["Note"] --> LOG
R -. "prompt to log" .-> LOG
LOG --> WTA["Weekly Trigger Analysis\nCorrelate foods with symptoms"]
end
```
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/357a7791-b252-45b2-b857-07ddf45be4f1)
OK — przygotowałem **tekstową wersję w formacie org‑mode** na **przyszły tydzień**, bazując **wyłącznie na tym, co da się obiektywnie odczytać z obrazka kalendarza**.Jeżeli jakaś godzina jest nie do końca czytelna, **oznaczam to komentarzem**, żebyś mógł łatwo poprawić.
Zakładam tydzień **22–28 (niedz.–sob.)**, spotkania są **pn–pt**.
---
## 📅 Spotkania – przyszły tydzień (org‑mode)
```text
* Tydzień 22–28
** Poniedziałek 23
*** 09:00–09:30 Daily Standup – Team DBA Micro
*** 09:30–10:00 Angielski A2
- Speaking w aplikacji Microsoft Teams
- Prowadzący: Roma Szczepańska
*** 10:00–10:30 Bi‑weekly (Splunk & Nix?) ; tytuł częściowo nieczytelny
** Wtorek 24
*** 09:00–09:30 Daily Standup – Team DBA Micro
*** 09:30–10:00 Angielski – środa? (opis sugeruje cykliczne)
- Speaking w aplikacji Microsoft Teams
- Prowadzący: Roma Szczepańska
*** 10:00–10:30 Splunk & Nix? ; nazwa skrócona na obrazie
** Środa 25
*** 09:00–09:30 Daily Standup – Team DBA Micro
*** 09:30–10:00 BI‑Weekly Engineering & Microsoft Team
- Uczestnicy: Hieronim, E.
*** 15:00–16:00 DBA CAB Meeting
- Microsoft Teams Meeting
- Global Change Enablement
** Czwartek 26
*** 09:00–09:30 Daily Standup – Team DBA Micro
*** 10:00–11:00 Splunk & Nix (Azure status meeting?) ; opis skrócony
*** 15:30–16:00 Time Reporting – Work Day tips
** Piątek 27
*** 09:00–09:30 Daily Standup – Team DBA Micro
*** 13:00–14:00 Framework Creation Database – Europe
- Microsoft Teams Meeting
- Jelveh, Adrian
```
---
## ✅ Co mogę zrobić dalej
Jeśli chcesz, mogę:
1. ✅ **Ujednolicić nazwy spotkań** (np. skróty typu *Splunk & Nix*)
2. ✅ Dodać **tagi org-mode** (`:work:dba:meeting:`)
3. ✅ Rozbić na **projekty + cykliczne spotkania**
4. ✅ Wyeksportować do:
- `org-agenda`
- CSV
- Markdown
5. ✅ Dopasować dokładnie **godziny**, jeśli je potwierdzisz
Jeżeli chcesz wersję **1:1 pod org‑agenda**, napisz:
> „zrób wersję pod org-agenda z timestampami”
albo wklej **dokładne godziny**, a ja to doszlifuję.
Super — poniżej masz **tę samą listę spotkań**, ale już **w pełni zgodną z org‑mode**, z **czytelnymi tagami**, tak żeby dobrze działała z `org-agenda`.
Użyłem spójnych tagów:
- `:daily:` – daily / standup
- `:meeting:` – spotkania ogólne
- `:english:` – angielski
- `:dba:` – tematy DBA
- `:splunk:` – Splunk / Nix
- `:crm:` – CRM
- `:admin:` – administracyjne
- `:work:` – wszystko służbowe
- `:biweekly:` – spotkania co 2 tygodnie
Możesz je oczywiście zmienić pod swój workflow.
---
## 📅 Spotkania – przyszły tydzień (org‑mode + tagi)
```text
* Tydzień 22–28 :work:
** Poniedziałek 23
*** 09:00–09:30 Daily Standup – Team DBA Micro :work:dba:daily:
*** 09:30–10:00 Angielski A2 :work:english:
- Speaking w aplikacji Microsoft Teams
- Prowadzący: Roma Szczepańska
*** 10:00–10:30 Bi‑weekly – Splunk & Nix :work:meeting:splunk:biweekly:
** Wtorek 24
*** 09:00–09:30 Daily Standup – Team DBA Micro :work:dba:daily:
*** 09:30–10:00 Angielski :work:english:
- Speaking w aplikacji Microsoft Teams
- Prowadzący: Roma Szczepańska
*** 10:00–10:30 Splunk & Nix :work:meeting:splunk:
** Środa 25
*** 09:00–09:30 Daily Standup – Team DBA Micro :work:dba:daily:
*** 09:30–10:00 BI‑Weekly Engineering & Microsoft :work:meeting:biweekly:
- Uczestnicy: Hieronim, E.
*** 15:00–16:00 DBA CAB Meeting :work:dba:meeting:
- Microsoft Teams Meeting
- Global Change Enablement
** Czwartek 26
*** 09:00–09:30 Daily Standup – Team DBA Micro :work:dba:daily:
*** 10:00–11:00 Splunk & Nix – status :work:meeting:splunk:
*** 15:30–16:00 Time Reporting – Workday tips :work:admin:
** Piątek 27
*** 09:00–09:30 Daily Standup – Team DBA Micro :work:dba:daily:
*** 13:00–14:00 Framework Creation Database – Europe :work:dba:meeting:
- Microsoft Teams Meeting
- Jelveh, Adrian
```
---
## ✅ Jak to najlepiej wykorzystać w `org-agenda`
Przykładowe widoki:
```text
(tags-todo "+dba")
(tags "+daily")
(tags "+english")
(tags "+splunk")
```
Albo szybkie filtrowanie w agenda:
- `\` + `dba`
- `\` + `daily`
---
## Co mogę zrobić dalej
Jeśli chcesz, mogę:
- ✅ dodać **timestamps** (`<2026-02-23 Mon 09:00-09:30>`)
- ✅ oznaczyć spotkania jako **cykliczne** (`+1w`, `+2w`)
- ✅ podzielić na **projekty (DBA / Admin / Learning)**
- ✅ wygenerować **szablon tygodnia**, który tylko kopiujesz
Wystarczy, że powiesz np.👉 *„Dodaj timestampy i cykliczność”*
---
type: 'DailyNote'
title: February 17, 2026
date: '2026-02-17T00:00:00.000Z'
tags: []
---
[How I Got 13,500 LinkedIn Followers Using AI (TOO EASY)](https://www.youtube.com/watch?v=ePUJvMly1ig)[How I Got 13,500 LinkedIn Followers Using AI (TOO EASY) - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/9d01135f-60bb-4271-a6e1-916743644f16)
10:30
[Dokument (6) - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/604f95e0-4889-47c0-a95a-4bf108a3e06a)
---
type: 'DailyNote'
title: February 13, 2026
date: '2026-02-13T00:00:00.000Z'
tags: []
---
07:29
10:24
[Notion – The all-in-one workspace for your notes, tasks, wikis, and databases.](https://pitch-thorium-1d7.notion.site/Hackuj-swoj-produktywno-z-AI-2209d5cf0a6d808eb138c2bc46ab35b2?pvs=149)[Notion – The all-in-one workspace for your notes, tasks, wikis, and databases. - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/676135de-6fb0-4800-a461-b8f9575f3ca3)
---
type: 'DailyNote'
title: January 27, 2026
date: '2026-01-27T00:00:00.000Z'
tags: []
---
07:37
[Boris Cherny, twórca Claude Code, właśnie pokazał, jak sam używa swojego narzędzia. Wniosek? Większość z nas robi to kompletnie źle... Traktujemy AI j...](https://www.linkedin.com/posts/szymonpaluch_boris-cherny-tw%C3%B3rca-claude-code-w%C5%82a%C5%9Bnie-activity-7413540292080955392-Mt-Z?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Boris Cherny, twórca Claude Code, właśnie pokazał, jak sam używa swojego narzędzia. Wniosek? Większość z nas robi to kompletnie źle... Traktujemy AI j... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/07f95950-a7a5-4c15-b3f4-833355e1908b)
---
type: 'DailyNote'
title: January 26, 2026
date: '2026-01-26T00:00:00.000Z'
tags: []
---
20:48
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/2dd6d5e4-ee75-46c9-9f6f-24a0779b9c24)
20:51
[Untitled](https://www.facebook.com/share/1CSiAjZYsv/)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/7f29b8d2-6ce0-41de-8f11-b4fbe11d6e80)
20:52
[Untitled](https://www.facebook.com/share/p/1Q9Q83e1Js/)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/a67d81df-242b-4e0c-ab80-647f7b54c6ee)
20:52
[Untitled](https://www.facebook.com/share/p/17WRfQRWsM/)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/0f055764-f503-477a-8636-7cb96cdcb95f)
---
type: 'DailyNote'
title: January 20, 2026
date: '2026-01-20T00:00:00.000Z'
tags: []
---
08:10
[Stwórz Skuteczną Stronę – Kurs Marcela Masina](https://kursstrona.pl/?utm_source=ig&utm_medium=social&utm_content=link_in_bio&fbclid=PAdGRzdgPcCbNleHRuA2FlbQIxMQBzcnRjBmFwcF9pZA81NjcwNjczNDMzNTI0MjcAAac1ssxqZBAlfbElcGIP4fnHAxTWgG2cSOzBaFlEcfJNacAYblQzdMsEpdYoig_aem_XW-ju4-CAMr6t2B9VXX62w)[Stwórz Skuteczną Stronę – Kurs Marcela Masina - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/0e8bc843-28d7-4501-9983-506162603ca9)
16:15
[Kreator stron WWW | Tworzenie stron WWW - Manifo](https://pl.manifo.com/?utm_source=meta&utm_medium=paid&utm_campaign=manifo_trial&utm_content=Strona%20internetowa%20w%201%20wiecz%C3%B3r&utm_term=24%20-%2054%20ad%20set%201%20(wszyscy)%20%E2%80%93%20kopia&fbclid=PAdGRzdgPce3BleHRuA2FlbQEwAGFkaWQBqyr5-tw8EXNydGMGYXBwX2lkDzU2NzA2NzM0MzM1MjQyNwABp9nnAI_5Rw-fbWqBwXE79ditiWSrfLPgoLuiTb5RePTVvxfNqrs8pBEvzcQg_aem_ALKOlQIMwX4Ckks6AeBHAA)[Kreator stron WWW | Tworzenie stron WWW - Manifo - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/91ace1ae-67b8-4d20-8e4b-260aac91e9b6)
21:33
[online 2](https://dawidjureczko.pl/op/szkolenie/online/?op3_vid=4527&fbclid=PAdGRzdgPcxeNleHRuA2FlbQEwAGFkaWQBqy5BXZ29U3NydGMGYXBwX2lkDzU2NzA2NzM0MzM1MjQyNwABpxRux828DJllkRy0T10uym7Mps2uXaJ5by5n5x-DFLHO3jQEna66LPW88EIm_aem_TjTw1V65MV4yOj9lvl1KMw)[online 2 - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/cd81b926-63db-434f-a7cf-e12b28832410)
---
type: 'DailyNote'
title: January 10, 2026
date: '2026-01-10T00:00:00.000Z'
tags: []
---
20:13
[AI Agent Costs: 7 Hidden Expenses to Watch | Vaibhav Aggarwal posted on the topic | LinkedIn](https://www.linkedin.com/posts/digitalprocessarchitect_ai-agents-dont-fail-because-the-models-are-activity-7412123207417335808-MnuZ?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[AI Agent Costs: 7 Hidden Expenses to Watch | Vaibhav Aggarwal posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/5a913e29-0544-48db-880b-5dc789423c0b)
---
type: 'DailyNote'
title: January 7, 2026
date: '2026-01-07T00:00:00.000Z'
tags: []
---
Świetnie — poniżej dodaję **porównanie SQL Server ↔ PostgreSQL ↔ Oracle ↔ MySQL**, tak aby uzupełniało Twoje artykułowe kompendium „dlaczego to nie jest tylko baza danych”. Na końcu znajdziesz też **drugą tabelę**: przekrojowe zestawienie typowych błędów i wymaganych kompetencji *per platforma*, aby łatwiej było rozpoznać ryzyka w środowiskach mieszanych.
---
## Porównanie platform: architektura, HA/DR, backupy, bezpieczeństwo, monitoring
### 1) Architektura i dzienniki transakcyjne
- **SQL Server** – transakcyjność oparta o **Transaction Log**; model odzyskiwania (*SIMPLE/FULL/BULK LOGGED*). Błędy „domyślnych ustawień” (np. FULL bez harmonogramu backupów logu) prowadzą do „puchnięcia” logu i zapełnienia dysku. Silne wsparcie dla JSON, in-memory OLTP, integracje BI (SSIS/SSAS/SSRS) i nowoczesnych funkcji (CDC/streaming, ML Services)【12†L58-L69】【10†L26-L34】.
- **PostgreSQL** – **WAL (Write-Ahead Log)**; brak natywnego „diff/log backup” jak w SQL Server, odtwarzanie opiera się o bazowe kopie + archiwizację WAL. Krytyczne są mechanizmy **autovacuum/analyze** (usuwanie martwych wersji), bez nich szybko narasta bloat i spada wydajność.
- **Oracle** – **Redo/Archive Log**; wieloletni, rozbudowany stos (ASM, RMAN, Data Guard, RAC). Modele CDB/PDB (multitenant). Bogaty zestaw narzędzi do odzyskiwania, flashback, izolacji i audytu.
- **MySQL (InnoDB)** – **Redo/Undo + Binary Log (binlog)**; różne tryby replikacji (statement/row), ważne rozumienie różnic między mysqldump/XtraBackup i PITR z binloga. Typowe błędy: brak WHERE przy DML, zła konfiguracja backupów, zbyt agresywne pule połączeń【17†L10-L21】【17†L28-L45】.
### 2) HA/DR (wysoka dostępność i usuwanie skutków awarii)
- **SQL Server** – **Always On Availability Groups** i/lub **Failover Clustering**; rozróżnienie **HA vs DR** jest krytyczne (HA chroni lokalnie, DR — na poziomie ośrodka) oraz dopasowanie RPO/RTO i wymagań dostępności („ilość dziewiątek”)【8†L72-L88】【23†L18-L26】.
- **PostgreSQL** – **Streaming replication** + orkiestracja (np. **Patroni**, **pg_auto_failover**, BDR); DR przez archiwizację WAL do obszarów zewnętrznych i testy odtworzeń.
- **Oracle** – **Data Guard** (DR), **RAC** (HA poziomu klastra instancji); scenariusze Active/Standby, switchover/failover, często z warstwą ASM.
- **MySQL** – **Group Replication/InnoDB Cluster** (HA), **Percona XtraDB Cluster/Galera** (multi-master), DR przez binlog + replikacje.
### 3) Kopie zapasowe i odtwarzanie
- **SQL Server** – **Full/Differential/Log** + testy odtwarzania; częsty błąd: backupy bez weryfikacji i brak testów pełnego „ground-up restore” (niepewne RPO/RTO)【13†L107-L116】.
- **PostgreSQL** – **pg_basebackup/pgBackRest** + archiwizacja **WAL**; PITR przez odtworzenie kopii bazowej i odtworzenie WAL do wskazanego punktu.
- **Oracle** – **RMAN** jako standard; **Flashback** do błyskawicznego odwracania wybranych operacji; backupy kontrolowane przez polityki retencji i archiwizacji.
- **MySQL** – **mysqldump** (logiczne) lub **Percona XtraBackup** (fizyczne, bez zatrzymania); PITR przez **binlog**.
### 4) Bezpieczeństwo i zgodność
- **SQL Server** – **TDE**, **Always Encrypted**, **Row-Level Security**, **SQL Audit**; standardy twardnienia i audytu w organizacji (m.in. polityki haseł, rozmiary kluczy, minimalizacja powierzchni ataku) są sformalizowane w wewnętrznych dokumentach takich jak [DB-STD-ALL-GSR-0025 Windows SQL Server Hardening Standard_RELEASED](https://mydnb.sharepoint.com/sites/intranet/Technology/security/DefaultDocuments/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1&EntityRepresentationId=f3715c63-4d40-4bf5-ae39-f8edd3ff457a) (np. zasady szyfrowania AES_128+ i bezpieczeństwo CLR). [[Windows SQ...ard - 2023 | PDF]](https://mydnb.sharepoint.com/sites/intranet/Technology/Databasemanagement/DefaultDocuments/Windows%20SQL%20Server%20Hardening%20Standard%20-%202023.pdf?web=1)
- **PostgreSQL** – **RLS (Row-Level Security)**, **pgcrypto**, TLS, listy kontroli dostępu; w naszej organizacji obowiązuje [D&B-STD-ALL-GSR-0032-PostgreSQL Configuration standard_RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1&EntityRepresentationId=e559b650-2200-4316-b685-cae56a00d913), odwołujący się m.in. do CIS i wymagań IAM/logowania【turn3search55】. [[D&B-STD-AL...d_RELEASED | PDF]](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1)
- **Oracle** – **TDE**, **Virtual Private Database**, **Data Redaction**, Fine-Grained Auditing; bogate możliwości segmentacji i audytu, często w wymagających środowiskach regulowanych.
- **MySQL** – szyfrowanie InnoDB-at-rest, TLS, pluginy audytowe; w naszej organizacji obowiązuje [DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1&EntityRepresentationId=80099ca1-1045-4b4e-9ee8-7b6ea7f8fa9e) (m.in. brak ekspozycji do Internetu, IAM, zasada najmniejszych uprawnień). [[DB-STD-ALL...d-RELEASED | PDF]](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1)
### 5) Monitoring i tuning
- **SQL Server** – **DMV/DMF**, **Extended Events**, **SQL Agent**; dobre praktyki monitoringu i progów alertów zdefiniowane w [MS SQL - Monitoring Standards](https://mydnb.sharepoint.com/sites/theHub-Technology/Documents%20Database%20Management/MS%20SQL%20-%20Monitoring%20Standards.pdf?web=1&EntityRepresentationId=9c1dc9af-69d6-4cc9-9e8a-37cfd7694e78) (np. alerty 80/90% dla dysków i RAM; trending zużycia zasobów). [[MS SQL - M...Standards | PDF]](https://mydnb.sharepoint.com/sites/theHub-Technology/Documents%20Database%20Management/MS%20SQL%20-%20Monitoring%20Standards.pdf?web=1)
- **PostgreSQL** – **pg_stat_statements**, **auto_explain**, **pg_stat_***, obserwacja autovacuum i checkpointów.
- **Oracle** – **AWR/ASH**, **OEM**, **Statspack**; systemowe raporty wydajności i pełna ścieżka diagnostyczna.
- **MySQL** – **performance_schema**, **sys**, narzędzia Percona; monitoring blokad, długich zapytań, łączności i I/O.
---
## Typowe błędy „accidental DBA” — rozpoznawalne wzorce per platforma
> **Wspólny mianownik:** większość najgroźniejszych błędów wynika z **procesów i organizacji**, nie czystej techniki: brak testów DR, brak podziału ról, zmiany bez kontroli jakości, domyślne ustawienia niewłaściwe dla produkcji【13†L148-L156】.
- **SQL Server:** brak testów restore, pełny model bez backupów logu, „domyślne” TempDB, brak indeks/maintenance, „security później”【13†L52-L60】【13†L143-L147】.
- **PostgreSQL:** zbyt słabe **autovacuum/analyze**, brak archiwizacji WAL, zły sizing checkpointów, brak RLS/TLS i audytu.
- **Oracle:** brak RMAN/Flashback w praktyce, źle dobrany redo/archivelog, ignorowanie Data Guard/RAC i polityk LDAP/IAM.
- **MySQL:** „DELETE bez WHERE”, błędne backupy bez testów, nadmierne pule połączeń, brak indexów/analizy planów【17†L10-L21】【17†L28-L45】.
---
## Tabela: porównanie funkcji i pułapek (platformy)
> **Uwaga:** poniższa tabela agreguje praktykę operacyjną w trybie „co najczęściej ma znaczenie w utrzymaniu”.
| **Obszar** | **SQL Server** | **PostgreSQL** | **Oracle** | **MySQL** | | | |
| :---------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| **Logi transakcyjne** | Transaction Log; modele odzyskiwania SIMPLE/FULL/BULK_LOGGED; PITR przez log backups (częsty błąd: FULL bez log backupów)【13†L143-L147】 | WAL; PITR przez kopię bazową + archiwizację WAL | Redo/Archive Log; Flashback i RMAN | Redo/Undo + Binlog; PITR przez binlog | | | |
| **HA/DR** | Always On AG, Failover Cluster; precyzyjne rozróżnienie HA vs DR jest krytyczne【8†L72-L88】 | Streaming replication + Patroni/pg_auto_failover | Data Guard (DR), RAC (HA) | Group Replication/InnoDB Cluster; Percona/Galera | | | |
| **Backup/Restore** | Full/Diff/Log + testy; błąd: brak testów „ground-up”【13†L107-L116】 | pgBaseBackup/pgBackRest + WAL | RMAN + polityki retencji; Flashback | mysqldump/XtraBackup + binlog | | | |
| **Bezpieczeństwo** | TDE, Always Encrypted, RLS, Audit; twardnienie wg [DB-STD-ALL-GSR-0025 Windows SQL Server Hardening Standard_RELEASED](https://mydnb.sharepoint.com/sites/intranet/Technology/security/DefaultDocuments/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1&EntityRepresentationId=f3715c63-4d40-4bf5-ae39-f8edd3ff457a) [[DB-STD-ALL...d_RELEASED | PDF]]([https://mydnb.sharepoint.com/sites/theHub-Security/Shared%20Documents/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1](https://mydnb.sharepoint.com/sites/theHub-Security/Shared%20Documents/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1)) | RLS, pgcrypto, TLS; [D&B-STD-ALL-GSR-0032-PostgreSQL Configuration standard_RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1&EntityRepresentationId=e559b650-2200-4316-b685-cae56a00d913) [[D&B-STD-AL...d_RELEASED | PDF]]([https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1)) | TDE, VPD, Data Redaction, FGA | Szyfrowanie at-rest, TLS, audyt; [DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1&EntityRepresentationId=80099ca1-1045-4b4e-9ee8-7b6ea7f8fa9e) [[DB-STD-ALL...d-RELEASED | PDF]]([https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1)) |
| **Monitoring** | DMV/Extended Events; standardy: [MS SQL - Monitoring Standards](https://mydnb.sharepoint.com/sites/theHub-Technology/Documents%20Database%20Management/MS%20SQL%20-%20Monitoring%20Standards.pdf?web=1&EntityRepresentationId=9c1dc9af-69d6-4cc9-9e8a-37cfd7694e78) (alerty, trending) [[MS SQL - M...Standards | PDF]]([https://mydnb.sharepoint.com/sites/theHub-Technology/Documents%20Database%20Management/MS%20SQL%20-%20Monitoring%20Standards.pdf?web=1](https://mydnb.sharepoint.com/sites/theHub-Technology/Documents%20Database%20Management/MS%20SQL%20-%20Monitoring%20Standards.pdf?web=1)) | pg_stat_statements, auto_explain | AWR/ASH/OEM | performance_schema, sys | | |
| **Typowe „accidental”** | Domyślne ustawienia, brak log backupów, brak maintenance, bezpieczeństwo „później”【13†L52-L60】 | Autovacuum/analyze „za słabe”, brak WAL archiving, niekontrolowane checkpointy | Brak RMAN/Flashback w praktyce, DR niećwiczone | DELETE bez WHERE, nadmierne pule, brak testów backupów【17†L10-L21】【17†L28-L45】 | | | |
---
## Tabela: typowe błędy i kompetencje — *accidental DBA* vs **profesjonalny DBA** (uaktualniona o różnice platformowe)
| **Obszar** | **Accidental DBA** | **Profesjonalny DBA** | | | |
| :--------------------- | :---------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :----------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ |
| **Backup/DR** | Backupy „jakieś są”, brak testów, nieznane RPO/RTO; mylą HA z DR【13†L107-L116】【8†L72-L80】 | Polityki RPO/RTO ustalone z biznesem; regularne **testy restore**; świadome rozróżnienie HA/DR i dobór rozwiązań | | | |
| **HA** | Jedna instancja „bez awaryjnego”; brak failover | AG/Patroni/Data Guard/Group Replication poprawnie wdrożone; testy przełączeń | | | |
| **Bezpieczeństwo** | „dbo/sysadmin wszędzie”; brak audytu; ekspozycja do public Internet | Zasada najmniejszych uprawnień, szyfrowanie, audyt; w naszej org.: standardy [DB-STD-ALL-GSR-0025 Windows SQL Server Hardening Standard_RELEASED](https://mydnb.sharepoint.com/sites/intranet/Technology/security/DefaultDocuments/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1&EntityRepresentationId=f3715c63-4d40-4bf5-ae39-f8edd3ff457a), [D&B-STD-ALL-GSR-0032-PostgreSQL Configuration standard_RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1&EntityRepresentationId=e559b650-2200-4316-b685-cae56a00d913), [DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1&EntityRepresentationId=80099ca1-1045-4b4e-9ee8-7b6ea7f8fa9e) egzekwowane przez IAM/Logging【turn3search42】【turn3search55】【turn3search65】 [[DB-STD-ALL...d_RELEASED | PDF]]([https://mydnb.sharepoint.com/sites/theHub-Security/Shared%20Documents/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1](https://mydnb.sharepoint.com/sites/theHub-Security/Shared%20Documents/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1)), [[D&B-STD-AL...d_RELEASED | PDF]]([https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1)), [[DB-STD-ALL...d-RELEASED | PDF]]([https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1)) |
| **Performance/Tuning** | „Damy więcej CPU/RAM”; brak analizy planów; indeksy ad hoc | DMV/pg_stat/ASH/PerfSchema + plany; regularny maintenance (SQL: indeksy/statystyki/DBCC; PG: vacuum/analyze; ORA: DBMS_STATS; MySQL: analyze/optimize) | | | |
| **Procesy/DevOps** | Zmiany „na produkcji”; brak wersjonowania skryptów | CI/CD dla DB; migracje wersjonowane; code review T‑SQL/PL/SQL | | | |
---
## Co z tego wynika dla Twojej organizacji?
1. **Platforma nie zwalnia z odpowiedzialności.** Każda z czterech technologii ma własne „pułapki” i dobre praktyki — *nie istnieje* „magicznie łatwa baza”, której nie trzeba administr ować.
2. **Standaryzuj i egzekwuj.** Mamy już firmowe standardy:• [DB-STD-ALL-GSR-0025 Windows SQL Server Hardening Standard_RELEASED](https://mydnb.sharepoint.com/sites/intranet/Technology/security/DefaultDocuments/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1&EntityRepresentationId=f3715c63-4d40-4bf5-ae39-f8edd3ff457a) (twardnienie, szyfrowanie, audyt)• [D&B-STD-ALL-GSR-0032-PostgreSQL Configuration standard_RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1&EntityRepresentationId=e559b650-2200-4316-b685-cae56a00d913) (CIS, IAM, logowanie)• [DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1&EntityRepresentationId=80099ca1-1045-4b4e-9ee8-7b6ea7f8fa9e) (IAM, sieć, brak ekspozycji publicznej)• [MS SQL - Monitoring Standards](https://mydnb.sharepoint.com/sites/theHub-Technology/Documents%20Database%20Management/MS%20SQL%20-%20Monitoring%20Standards.pdf?web=1&EntityRepresentationId=9c1dc9af-69d6-4cc9-9e8a-37cfd7694e78) (alerty, trending zasobów)— warto w artykule odwołać się do nich jako do punktów kontrolnych w projekcie. [[DB-STD-ALL...d_RELEASED | PDF]](https://mydnb.sharepoint.com/sites/theHub-Security/Shared%20Documents/DB-STD-ALL-GSR-0025%20Windows%20SQL%20Server%20Hardening%20Standard_RELEASED.pdf?web=1) [[D&B-STD-AL...d_RELEASED | PDF]](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/D&B-STD-ALL-GSR-0032-PostgreSQL%20Configuration%20standard_RELEASED.pdf?web=1) [[DB-STD-ALL...d-RELEASED | PDF]](https://mydnb.sharepoint.com/sites/Policies/Shared%20Documents/DB-STD-ALL-GSR-0028-MySQL_Configuration_standard-RELEASED.pdf?web=1) [[MS SQL - M...Standards | PDF]](https://mydnb.sharepoint.com/sites/theHub-Technology/Documents%20Database%20Management/MS%20SQL%20-%20Monitoring%20Standards.pdf?web=1)
3. **Uświadom pomyłkę numer zero.** Cytuj wprost, że „to nie jest tylko baza” — dane są **fundamentem** i wymagają architektury, procesów i ról. Gdy brakuje dedykowanego DBA, ryzyko „reaktywnego utrzymania” rośnie i wcześniej czy później kończy się kosztownym gaszeniem pożarów【23†L8-L15】.
---
### Źródła kontekstowe (do przypięcia w artykule)
- Przegląd komponentów SQL Server i ekosystem BI/ML: [What Is SQL Server?]
- „Accidental DBA” — charakterystyka i wyzwania: [SolarWinds: The Secret Life of Accidental DBAs]
- Najczęstsze błędy DBA w SQL Server (procesowe i techniczne): [DNSstuff: Top 10 SQL Server Mistakes]
- Przykłady błędów w MySQL (Pinal Dave): [SQLAuthority: Common Mistakes in MySQL]
- HA/DR — rozróżnienie i planowanie w SQL Server: [Manning: 100 SQL Server Mistakes — FAQ]
---
Jeśli chcesz, mogę **zintegrować te dwie tabele** i krótkie podrozdziały bezpośrednio w Twoim artykule (w odpowiednich miejscach: po sekcji o ekosystemie oraz po sekcji o typowych błędach), tak aby całość była spójna edycyjnie.
# Najnowsze wieści o modelach AI dla programistów (1–7 stycznia 2026)
**Na przestrzeni ostatniego tygodnia (początek stycznia 2026) świat developerów odnotował szereg ważnych wydarzeń i przykładów użycia zaawansowanych modeli językowych do kodowania.** Poniżej znajdziesz podsumowanie aktualizacji i zastosowań dotyczących kluczowych narzędzi: **Anthropic Claude Code**, **OpenAI Codex** (w tym najnowsze modele GPT-5.2 Codex), **Google Gemini Code Assist**, **Meta Code LLaMA**, **Mistral Code**, **DeepSeek Coder**, a także kilku innych istotnych modeli. W zestawieniu uwzględniamy nowe funkcje, integracje z narzędziami deweloperskimi (IDE), eksperymenty, benchmarki, przykłady wykorzystania w firmach oraz opinie inżynierów.
Poniższa tabela zbiera najważniejsze **nowości i przypadki użycia** z ostatnich 7 dni dla wymienionych modeli AI. Dla każdego modelu podano rodzaj nowości/zastosowania, źródło informacji oraz link do materiału:
| **Model AI** | **Nowość / Zastosowanie (ostatni tydzień)** | **Źródło** | **Link do materiału** | |
| :---------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :---------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Anthropic Claude Code** | **Błyskawiczne rozwiązanie złożonego problemu** – w eksperymencie Google *Claude Code* wygenerował działający prototyp systemu orkiestrowania agentów w ~1 godzinę, czyli w czasie **ok. 1000 razy krótszym** niż zajęło to ludziom (projekt Gemini API tworzony był ~1 rok) [[hindustantimes.com]](https://www.hindustantimes.com/trending/google-engineer-says-claude-code-built-in-1-hour-what-it-took-google-1-year-to-do-101767504506763.html). Inżynierka Google Jaana Dogan porównała wynik AI do własnego rozwiązania i stwierdziła, że choć to „tylko wersja zabawkowa”, to **jako punkt wyjścia dorównuje temu, co zespół stworzył w ciągu roku** [[hindustantimes.com]](https://www.hindustantimes.com/trending/google-engineer-says-claude-code-built-in-1-hour-what-it-took-google-1-year-to-do-101767504506763.html). To dowód na radykalny wzrost możliwości asystentów do kodu. | Google (Jaana Dogan) / Hindustan Times | [Google engineer: Claude Code one-year vs one-hour](https://www.hindustantimes.com/trending/google-engineer-says-claude-code-built-in-1-hour-what-it-took-google-1-year-to-do-101767504506763.html) | |
| **OpenAI Codex (GPT-5.2)** | **Nowy model GPT-5.2-Codex** – OpenAI wprowadził udoskonaloną wersję modelu do kodowania, kładąc nacisk na **funkcje agentowe i długotrwałe zadania**. GPT-5.2 Codex potrafi autonomicznie prowadzić projekt programistyczny (w skali do 24h pracy) i utrzymywać ogromny kontekst (setki tysięcy tokenów) dzięki wbudowanemu mechanizmowi kompresji historii [[bleepingcomputer.com]](https://www.bleepingcomputer.com/news/artificial-intelligence/openai-is-rolling-out-gpt-52-codex-max-for-some-users/). **Przykład:** model może przeanalizować cały kod aplikacji, zidentyfikować słabe elementy architektury, a następnie przeprowadzić wieloetapową refaktoryzację i testy – wszystko to w jednym ciągu działań bez potrzeby ręcznej interwencji. *GPT-5.2-Codex* oferuje też lepsze korzystanie z narzędzi deweloperskich (integracja z CLI, obsługa Windows) oraz radzi sobie z wizualnym kontekstem (np. rozumie screenshoty błędów UI) [[bleepingcomputer.com]](https://www.bleepingcomputer.com/news/artificial-intelligence/openai-is-rolling-out-gpt-52-codex-max-for-some-users/). | OpenAI / BleepingComputer | [OpenAI rolling out GPT-5.2 Codex-Max](https://www.bleepingcomputer.com/news/artificial-intelligence/openai-is-rolling-out-gpt-52-codex-max-for-some-users/) | |
| **Google Gemini Code Assist** | **Przyspieszenie prac nad agentami** – W reakcji na konkurencję Google intensyfikuje rozwój własnych narzędzi: przyspieszono wdrożenie platformy agentowej o kodowej nazwie „Antigravity” opartej o model **Gemini 3** [[markets.fi...ontent.com]](https://markets.financialcontent.com/dowtheoryletters/article/tokenring-2026-1-5-openai-unveils-gpt-52-codex-the-autonomous-sentinel-of-the-new-cyber-frontier). Celem jest głębsza integracja asystenta kodu z ekosystemem Google (Cloud, Workspace) oraz zoptymalizowanie kosztu/wydajności, aby nie ustępować modelom OpenAI. Wewnętrznie inżynierowie Google przyznają, że **Claude Code obecnie wyprzedza Gemini** pod względem pomocy w kodowaniu, co stało się motywacją do intensywnych prac nad ulepszeniem Gemini [[the-decoder.com]](https://the-decoder.com/google-engineer-says-claude-code-built-in-one-hour-what-her-team-spent-a-year-on/). *Przykład z firmy:* Nasza organizacja planuje wdrożyć **koderowego agenta code review** opartego na **Gemini LLM** (z użyciem narzędzi LangChain), aby skrócić przegląd pull requestów z dni do minut [[D&B AI Use...ve Summary | Confluence]]([https://dnbenterprise.atlassian.net/wiki/spaces/IPETS/pages/2255488500/D+B+AI+Use+Case+Portfolio+-+Executive+Summary](https://dnbenterprise.atlassian.net/wiki/spaces/IPETS/pages/2255488500/D+B+AI+Use+Case+Portfolio+-+Executive+Summary)) – pokazuje to, że modele Google znajdują zastosowanie w praktycznych rozwiązaniach, mimo silnej konkurencji. | Google / The Decoder, D&B (wewn.) | [Google on Claude vs Gemini (The Decoder)](https://the-decoder.com/google-engineer-says-claude-code-built-in-one-hour-what-her-team-spent-a-year-on/) |
| **Meta Code LLaMA** | **Ekosystem open-source i plany Meta** – W minionym tygodniu nie ogłoszono nowej wersji Code LLaMA, jednak modele z rodziny LLaMA nadal są szeroko używane przez społeczność do budowy własnych asystentów kodu. Meta zapowiada kolejne posunięcia: **„Llama 3.2”** (najnowsze małe modele ~1–3 mld parametrów) znalazła zastosowanie w aplikacjach mobilnych do **on-device AI**, umożliwiając działanie asystenta kodowania bez chmury [[markets.fi...ontent.com]](https://markets.financialcontent.com/wedbush/article/tokenring-2026-1-2-the-rise-of-small-language-models-how-llama-32-and-phi-3-are-revolutionizing-on-device-ai), [[markets.fi...ontent.com]](https://markets.financialcontent.com/wedbush/article/tokenring-2026-1-2-the-rise-of-small-language-models-how-llama-32-and-phi-3-are-revolutionizing-on-device-ai). Równocześnie pojawiły się doniesienia o pracach Meta nad następcą Llama o kryptonimie **“Avocado”** – model ten (planowany na 1Q 2026) może być zamkniętoźródłowy i skierowany na rywalizację z usługami OpenAI/Anthropic [[aibase.com]](https://www.aibase.com/news/23528), [[aibase.com]](https://www.aibase.com/news/23528). To sugeruje, że Meta rozważa zmianę strategii z pełnej otwartości na model mieszany, by sprostać rosnącej konkurencji pod względem jakości i funkcjonalności. | Meta / TokenRing AI, AIbase | [Small LLMs (Llama 3.2) on-device](https://markets.financialcontent.com/wedbush/article/tokenring-2026-1-2-the-rise-of-small-language-models-how-llama-32-and-phi-3-are-revolutionizing-on-device-ai) | |
| **Mistral Code (Codestral)** | **Lokalne modele kodujące – testy** – Francuski startup Mistral AI rozszerzył ofertę o serię open-source’owych modeli do kodowania, które **działają lokalnie** na komputerze programisty. W ostatnim teście porównano modele od **3 mld do 24 mld parametrów** pod kątem tworzenia frontendu web [[geeky-gadgets.com]](https://www.geeky-gadgets.com/mistral-local-coding-ai-tested/). Największy model (Devstral 2 Small 24B) zdołał **wygenerować kompletną stronę Landing Page** z animacjami i responsywnością [[geeky-gadgets.com]](https://www.geeky-gadgets.com/mistral-local-coding-ai-tested/), dowodząc wysokich możliwości – wymagał jednak 32 GB pamięci, co podkreśla kompromis między mocą a dostępnością. Mniejsze modele (8B, 14B) też wypadły nieźle: 14B znalazł **złoty środek między jakością a wymaganiami sprzętowymi** [[geeky-gadgets.com]](https://www.geeky-gadgets.com/mistral-local-coding-ai-tested/). Te wyniki pokazują, że **lokalne AI** może wspomóc kodowanie, dając firmom alternatywę dla usług chmurowych i większą kontrolę nad danymi. | Geeky Gadgets (J. Horsey) | [Mistral local coding AI test (Jan 3)](https://www.geeky-gadgets.com/mistral-local-coding-ai-tested/) | |
| **DeepSeek Coder** | **Przełom w trenowaniu modeli kodujących** – Chiński startup DeepSeek zaprezentował (1 stycznia) nowatorską metodę trenowania dużych modeli o nazwie **Manifold-Constrained Hyper-Connections (mHC)** [[bloomberg.com]](https://www.bloomberg.com/news/articles/2026-01-02/deepseek-touts-new-training-method-as-china-pushes-ai-efficiency). W opublikowanym paperze (19 autorów) opisano, jak mHC zwiększa skalowalność modeli przy mniejszych wymaganiach mocy obliczeniowej i energii, co jest kluczowe w obliczu ograniczeń sprzętowych (embargo na chipy NVIDIA) [[bloomberg.com]](https://www.bloomberg.com/news/articles/2026-01-02/deepseek-touts-new-training-method-as-china-pushes-ai-efficiency). Metoda obiecuje *stabilniejsze i tańsze uczenie* kolejnej generacji modelu **DeepSeek R2**, spodziewanego w lutym (Chiński Nowy Rok) [[bloomberg.com]](https://www.bloomberg.com/news/articles/2026-01-02/deepseek-touts-new-training-method-as-china-pushes-ai-efficiency). DeepSeek zasłynął rok temu modelem R1 o zdolnościach logicznych porównywalnych z zachodnimi konkurentami, ale przy ułamku kosztów – nowy R2 z mHC może ponownie namieszać, potencjalnie **wciągając chińskie modele do czołówki rankingów LLM** [[bloomberg.com]](https://www.bloomberg.com/news/articles/2026-01-02/deepseek-touts-new-training-method-as-china-pushes-ai-efficiency), [[bloomberg.com]](https://www.bloomberg.com/news/articles/2026-01-02/deepseek-touts-new-training-method-as-china-pushes-ai-efficiency). Choć to wiadomość bardziej z obszaru R&D niż gotowych narzędzi, potwierdza ona szybki postęp technologiczny wpływający na **wydajność modeli do kodu**. | Bloomberg News (S. Rai) | [DeepSeek: efficient training via mHC](https://www.bloomberg.com/news/articles/2026-01-02/deepseek-touts-new-training-method-as-china-pushes-ai-efficiency) | |
**Źródła i kontekst:** Powyższe informacje pochodzą zarówno z najświeższych **doniesień medialnych** (blogów technologicznych, serwisów informacyjnych) z pierwszego tygodnia 2026 roku, jak i z **wewnętrznych materiałów firmowych**. Warto zauważyć, że rozwój asystentów AI do kodowania obserwują uważnie sami inżynierowie oprogramowania. Przykładowo, w Google padł komentarz: *„Nie żartuję i to nie jest śmieszne… Claude Code zbudował w godzinę to, nad czym mój zespół pracował rok”* – co mocno podkreśliło przewagę tempa AI. Z kolei **analitycy bezpieczeństwa** odnotowali, że nowe agentowe modele (jak GPT-5.2-Codex) mogą automatycznie wyszukiwać luki w kodzie i je załatać, co prowadzi do koncepcji *„samoleczącego się”* oprogramowania. W praktyce biznesowej firmy starają się wykorzystać te możliwości: np. Microsoft włączył GPT-5.2 do GitHub Copilot Enterprise, umożliwiając przekazanie całego audytu bezpieczeństwa kodu AI – i odnotowano już **~40% wzrost produktywności programistów** wśród pierwszych użytkowników. Również u nas planuje się integrację AI w procesy developerskie (jak wspomniany agent do review oparty na Gemini), aby odciążyć pracowników od żmudnych zadań. [[hindustantimes.com]](https://www.hindustantimes.com/trending/google-engineer-says-claude-code-built-in-1-hour-what-it-took-google-1-year-to-do-101767504506763.html) [[markets.fi...ontent.com]](https://markets.financialcontent.com/dowtheoryletters/article/tokenring-2026-1-5-openai-unveils-gpt-52-codex-the-autonomous-sentinel-of-the-new-cyber-frontier), [[markets.fi...ontent.com]](https://markets.financialcontent.com/dowtheoryletters/article/tokenring-2026-1-5-openai-unveils-gpt-52-codex-the-autonomous-sentinel-of-the-new-cyber-frontier) [[markets.fi...ontent.com]](https://markets.financialcontent.com/dowtheoryletters/article/tokenring-2026-1-5-openai-unveils-gpt-52-codex-the-autonomous-sentinel-of-the-new-cyber-frontier)
**Porównania i trendy:** Mimo różnych podejść (modele zamknięte vs open-source), wszystkie te rozwiązania zmierzają w podobnym kierunku – **głębszej integracji z workflow programisty** i zwiększania autonomii. OpenAI i Anthropic skupiają się na wydłużaniu „horyzontu działania” AI (aby model sam załatwiał złożone zadania od początku do końca), Google stawia na ekosystem i wydajność, Meta balansuje między otwartością a kontrolą, a startupy jak Mistral czy DeepSeek wprowadzają innowacje w efektywności i dostępności. Już teraz asystenci tacy jak Claude czy Codex potrafią nie tylko podpowiadać kod, ale **prowadzić całe projekty, debugować wielkie bazy kodu, a nawet generować nowe funkcjonalności na żądanie**. To wszystko dzieje się w tempie szybszym, niż wiele osób przewidywało – co podsumowała Jaana Dogan: *„Jakość i tempo postępów w tej dziedzinie przekroczyły wszystko, co dotąd mogliśmy sobie wyobrazić”*. [[the-decoder.com]](https://the-decoder.com/google-engineer-says-claude-code-built-in-one-hour-what-her-team-spent-a-year-on/)
**Wnioski:** Ostatnie 7 dni pokazały, że **rok 2026 rozpoczyna się pod znakiem przełomów w AI dla developerów**. Firmy komercyjne wprowadzają coraz potężniejsze i bardziej wyspecjalizowane modele (np. agent bezpieczeństwa w GPT-5.2, czy ultra-długi kontekst w Claude), społeczność open-source testuje i udostępnia własne alternatywy (Mistral, LLaMA) dając wybór między mocą a prywatnością, a inżynierowie uczą się wykorzystywać te narzędzia w codziennej pracy. Możemy spodziewać się dalszego **zacierania granicy** między kodowaniem przez człowieka a przez AI – asystenci będą przejmować rutynowe lub skomplikowane zadania, a rolą programistów stanie się bardziej **nadawanie kierunku, weryfikacja i kreatywne rozwiązywanie problemów**. Jednakże równie istotne będą kwestie kontroli jakości, bezpieczeństwa (np. nadzór nad agentami generującymi kod) i etyki użycia tych modeli. Nadchodzące tygodnie i miesiące przyniosą kolejne aktualizacje – warto śledzić zarówno **oficjalne premiery**, jak i **oddolne eksperymenty** społeczności, by w pełni wykorzystać możliwości, jakie oferuje nowa generacja narzędzi AI w programowaniu.
# Przegląd zmian AI w bazach danych (Oracle, SQL Server, MySQL/MariaDB, PostgreSQL) – przełom 2025/2026
**Pod koniec 2025 roku wszystkie kluczowe silniki baz danych intensywnie integrują mechanizmy sztucznej inteligencji.** Oracle zapowiada wersję bazy **AI-native** dostępną on-premises (Oracle Database 26**ai**), Microsoft wprowadził **SQL Server 2025** z obsługą danych wektorowych i narzędziami AI (np. GitHub Copilot), zaś w ekosystemie open-source pojawiły się **rozszerzenia AI** dla PostgreSQL (generowanie zapytań z języka naturalnego, debugowanie błędów przez LLM). Oracle MySQL również zyskał dedykowaną opcję **MySQL AI** (LLM + wektory + AutoML) we własnym silniku, a MariaDB dodała natywną obsługę **wyszukiwania wektorowego** w swojej platformie, aby wspierać aplikacje wykorzystujące modele AI. Poniżej zestawiono najważniejsze nowości związane z AI dla każdej z wymienionych baz danych, a następnie omówiono je szczegółowo.
## Kluczowe zmiany AI w bazach danych (końcówka 2025)
| **Baza danych** | **Nowości związane z AI (ostatnie tygodnie 2025)** |
| :----------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Oracle Database** | **Oracle AI Database 26ai (on-prem):** Oracle ogłosił, że w styczniu 2026 udostępni dla środowisk lokalnych (Linux x86-64) swoją najnowszą, **AI-native** bazę danych – Oracle Database 26**ai** [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms). Dotąd 26**ai** działała tylko jako usługa w chmurze (OCI oraz w Azure, Google Cloud, AWS) [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms), a teraz pełny zestaw jej możliwości trafi **on-premises**. Ta wersja integruje sztuczną inteligencję w rdzeniu bazy: zawiera m.in. wyszukiwanie wektorowe **AI Vector Search**, mechanizmy RAFT do replikacji globalnej, wbudowany **SQL Firewall** oparty na AI, szyfrowanie odporne na komputery kwantowe i setki innych innowacji [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms), [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms). Oracle podkreśla, że 26**ai** upraszcza tworzenie aplikacji AI nad danymi transakcyjnymi i analitycznymi bez opuszczania bazy. **Autonomous Database & AI:** W usługach autonomicznych Oracle (Autonomous Database) dodano obsługę API **Amazon DynamoDB** (co pozwala aplikacjom NoSQL korzystać z bazy Oracle) oraz możliwość sterowania zasobami przez **Resource Manager** – użyteczne dla zadań ML wymagających podziału mocy obliczeniowej. |
| **Microsoft SQL Server** | **SQL Server 2025 z AI:** Najnowsza wersja SQL Server osiągnęła GA (listopad 2025) i wprowadza natywną obsługę **danych wektorowych** oraz integrację ze światem AI [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author). Silnik SQL 2025 posiada nowy typ danych **VECTOR** (Float32) do przechowywania embeddingów, umożliwiając **wyszukiwanie semantyczne** i podobieństwa tekstów bezpośrednio w T-SQL [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author). (W przygotowaniu jest także indeks **DiskANN** dla wektorów – obecnie w wersji zapoznawczej [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)). Microsoft akcentuje hasło “**One Consistent SQL**” w **erze AI** – jednolita platforma SQL dla systemów on-prem i chmurowych, gotowa na obciążenia AI [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author). **Copilot & narzędzia AI:** Ekosystem narzędzi został dostosowany do AI: **SQL Server Management Studio 22.1** oferuje integrację z **GitHub Copilot** (AI asystentem dla T-SQL), m.in. interaktywny przewodnik, podpowiedzi optymalizujące zapytania i możliwość podłączenia własnego modelu AI [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author), [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author). Poprawiono też wydajność i stabilność Copilota w SSMS (szybsze odpowiedzi, usunięcie zapętlonego komunikatu „ValidateGeneratedTSQL”) [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author). Ponadto udostępniono nowy **sterownik Python (mssql-python)** z obsługą uwierzytelniania Entra ID, co upraszcza budowę aplikacji AI/ML w Pythonie korzystających z SQL Server [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author), [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author). |
| **MySQL (Oracle)** | **MySQL AI (Enterprise Edition):** Oracle wprowadził opcjonalny komponent **MySQL AI** dla komercyjnej edycji MySQL, dodający **wbudowane mechanizmy AI** do tej popularnej bazy [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai). MySQL AI zapewnia natywne wsparcie dla **generatywnej AI** i **uczenia maszynowego** – obejmuje zintegrowane modele językowe (LLM) do zadań typu *tekst na SQL* i podsumowań, **magazyn wektorowy** w silniku InnoDB do przechowywania embeddingów oraz moduł **AutoML** do automatycznego trenowania i strojenia modeli na danych w MySQL [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai), [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai). Dzięki MySQL AI aplikacje mogą wykonywać np. zapytania po polsku/angielsku (NL2SQL) czy przeszukiwać własne dokumenty metodą semantyczną bez opuszczania bazy [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai), [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai). Rozszerzono także ekosystem: udostępniono nowe środowisko **MySQL Studio** z interaktywnymi notebookami i czatem AI do pracy z danymi [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai). **MySQL HeatWave w chmurze:** W kontekście chmurowym Oracle rozwija MySQL HeatWave – usługę MySQL z przyspieszoną analizą i ML. Na konferencjach AI podkreślano, że **HeatWave ma wbudowane uczenie maszynowe w bazie** i obsługę **wektorów** — pozwala to budować aplikacje AI na MySQL bez potrzeby zewnętrznych narzędzi [[blogs.oracle.com]](https://blogs.oracle.com/mysql/mysql-mysql-heatwave-a-successful-journey-through-global-ai-events-in-2025). (Przykładowo na TechCrunch AI pokazano, jak HeatWave wykonuje **machine learning w miejscu** i zapewnia **vector store**, upraszczając architekturę AI aplikacji [[blogs.oracle.com]](https://blogs.oracle.com/mysql/mysql-mysql-heatwave-a-successful-journey-through-global-ai-events-in-2025).) |
| **MariaDB** | **Natywne wyszukiwanie wektorowe:** MariaDB dodała **wektory jako natywną funkcjonalność** swojej bazy, kładąc nacisk na wsparcie aplikacji AI. Już w styczniu 2025 ogłoszono MariaDB Enterprise Platform 2025 z wbudowanym **wyszukiwaniem wektorowym** w silniku (MariaDB 11.4) [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/), [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/). Pozwala to przeszukiwać dane nieustrukturyzowane i porównywać wektorowe reprezentacje tekstów/obrazów bezpośrednio w SQL. MariaDB podkreśla, że dzięki temu firmy mogą wykorzystać istniejącą bazę do zadań AI (np. **Retrieval-Augmented Generation** z własnych danych) zamiast wprowadzać osobną wektorową bazę danych [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/). Implementacja MariaDB jest **open-source i natywna**, co upraszcza utrzymanie – według testów MariaDB, ich algorytmy wektorowe przewyższają wydajnością popularne rozwiązania jak pgVector dla PostgreSQL (o ~50% więcej zapytań na sekundę) [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/). **Platforma “agentic AI”:** W materiałach prasowych MariaDB akcentuje, że dzięki wektorom, obsłudze JSON i nowemu optimizerowi, ich baza stanowi jednolitą platformę do obsługi transakcji, analityki oraz aplikacji AI opartych o LLM [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/). Co ważne, MariaDB dostarcza te możliwości zarówno on-premises, jak i w swojej chmurze SkySQL, celując w scenariusze wykorzystania AI w różnych branżach (od wyszukiwania semantycznego po wykrywanie anomalii). |
| **PostgreSQL** | **Rozszerzenia AI (open-source):** Rdzeń PostgreSQL nie wprowadził w końcówce 2025 nowych funkcji AI, ale społeczność dostarczyła **dodatki** znacząco rozszerzające możliwości bazy w tym obszarze. **pg_ai_query v0.1.0** (wyd. 13 grudnia) to pierwsze stabilne wydanie rozszerzenia zapewniającego *AI-powered* generowanie zapytań i analizę ich wydajności [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/), [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/). Umożliwia ono m.in. **tworzenie zapytań SQL z języka naturalnego**, automatyczne sugestie indeksów i przekształceń zapytań oraz wyjaśnianie planów wykonania za pomocą modeli AI [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/). Obsługuje wiele popularnych modeli (OpenAI GPT-4, Anthropic Claude, Google Gemini) oraz ich API (w tym self-hosted modele przez OpenRouter), co wyróżnia go dużą elastycznością [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/), [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/). Z kolei **pg_llm_helper 0.1.0** (wyd. 19 grudnia) integruje mały model GPT-4o *bezpośrednio w Postgresie* do diagnozowania błędów SQL [[postgresql.org]](https://www.postgresql.org/about/news/pg_llm_helper-010-troubleshooting-errors-with-openais-gpt-4o-mini-model-3194/). Po nieudanym zapytaniu można wywołać funkcję, która dzięki modelowi AI **wyjaśni przyczynę błędu i zasugeruje poprawkę** (np. wykryje literówkę w słowie kluczowym) [[postgresql.org]](https://www.postgresql.org/about/news/pg_llm_helper-010-troubleshooting-errors-with-openais-gpt-4o-mini-model-3194/), [[postgresql.org]](https://www.postgresql.org/about/news/pg_llm_helper-010-troubleshooting-errors-with-openais-gpt-4o-mini-model-3194/). To innowacyjne podejście zapewnia programistom baz danych interaktywną pomoc kontekstową. **Wektory w Postgres:** Już wcześniej PostgreSQL zyskał obsługę wektorów przez rozszerzenie **pgvector** (stosowane m.in. w aplikacjach opartych o AI), jednak nie jest ono częścią core. MariaDB wykorzystał to porównawczo, twierdząc że ich natywna implementacja wektorów jest wydajniejsza od pgvector [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/). Obecnie społeczność PostgreSQL skupia się na rozwijaniu tych zewnętrznych modułów zamiast zmiany core – co pozwala na szybkie eksperymenty. Nowe rozszerzenia pokroju pg_ai_query i pg_llm_helper pokazują, że **PostgreSQL może pełnić rolę platformy AI** (np. jako „silnik danych” dla LLM) bez forka bazy, korzystając z dynamicznie ulepszanych bibliotek. |
---
## Oracle Database – AI w najnowszych wydaniach
**Oracle 26ai – baza danych zbudowana wokół AI:** Najważniejsza wiadomość z obszaru Oracle to zapowiedź udostępnienia **Oracle AI Database 26ai** dla klientów on-premises. 3 grudnia Oracle oficjalnie ogłosił, że **Oracle 26ai Enterprise Edition dla Linux x86-64** zostanie wydana w styczniu 2026 (jako część kwartalnego pakietu poprawek 23.26.1). Jest to przełom, bo Oracle 26**ai** była dotąd dostępna tylko w chmurze (OCI oraz w ramach usług Oracle Database@Azure, @AWS i @Google). Teraz pełnia możliwości tej **„AI-native”** bazy trafi także do centrów danych klientów. **Co oferuje 26ai?** Oracle informuje, że nowy silnik **„architekci AI w swoim rdzeniu”**, integrując mechanizmy sztucznej inteligencji ze wszystkimi typami danych i obciążeniami. W praktyce oznacza to setki nowych funkcji, m.in.: [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms)
- **Wbudowane wyszukiwanie wektorowe (AI Vector Search):** Oracle 26ai potrafi przechowywać i przeszukiwać wektorowe reprezentacje danych (np. embeddingi tekstów, obrazów) za pomocą rozszerzeń SQL. Umożliwia to np. **semantyczne zapytania** do dokumentów, rekomendacje czy wykrywanie podobieństw, bez potrzeby zewnętrznej „bazy wektorowej” – logika wyszukiwania jest wbudowana w silnik. [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms), [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms)
- **Mechanizmy AI/ML w SQL:** Oracle 26ai zawiera nowe algorytmy i funkcje uczenia maszynowego dostępne poprzez składnię SQL. Detale nie zostały w pełni ujawnione, ale spodziewane są ulepszenia do istniejącego pakietu Oracle Machine Learning (np. trenowanie modeli bezpośrednio w bazie) oraz integracja z usługami AI Oracle. Ponadto 26ai oferuje tzw. **“agentic AI workflows”** – zautomatyzowane przepływy pracy, w których model AI (np. chatGPT) może na bieżąco odpytwać bazę danych i podejmować działania. Oracle wspomina, że 26ai umożliwi budowę *dynamicznych agentów AI* operujących na danych prywatnych w bazie i wiedzy publicznej jednocześnie (to element szerszej wizji, w której baza staje się podstawą dla agentów AI przedsiębiorstwa). [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms)
- **Nowoczesna architektura danych:** Poza czystymi funkcjami AI, 26ai to także liczne usprawnienia architektoniczne: obsługa globalnej, rozproszonej bazy danych z replikacją typu **RAFT** (co zapewnia spójność danych w wielu regionach przy jednoczesnym wysokim dostępności), wbudowany **SQL Firewall** inteligentnie wykrywający podejrzane zapytania (zapewne z wykorzystaniem algorytmów uczących się wzorców) oraz **szyfrowanie post-kwantowe** chroniące dane przed przyszłymi zagrożeniami kryptograficznymi. Pojawiają się także funkcje takie jak **True Cache** (mechanizm cache nowej generacji) czy wsparcie formatu **Apache Iceberg** dla jeziorek danych – nie są one bezpośrednio AI, ale wpisują się w trend nowoczesnej bazy dla analityki i AI. [[blogs.oracle.com]](https://blogs.oracle.com/database/oracle-ai-database-26ai-coming-soon-for-linux-x86-64-on-premises-platforms)
Oracle 26ai już teraz jest określana jako największy skok funkcjonalny od lat – integruje w jednym środowisku tradycyjne możliwości baz OLTP/OLAP z narzędziami do AI. Oracle akcentuje, że daje to klientom możliwość **tworzenia modeli i wykorzystywania AI bezpośrednio tam, gdzie znajdują się dane**, zamiast przenoszenia danych do osobnych platform AI. W kontekście konkurencji, 26ai stawia Oracle w pozycji dostawcy kompleksowego rozwiązania “dane + AI” porównywalnego z ofertą Microsoftu (SQL Server 2025 + Azure OpenAI) czy rozwiązaniami typu Snowflake z Snowpark/AI.
**Autonomous Database – drobniejsze dodatki AI:** Równolegle do prac nad 26ai, Oracle rozwija usługi baz danych w chmurze OCI. W grudniowych aktualizacjach **Autonomous Database** (baz autonomicznych) pojawiły się elementy ułatwiające integrację z AI. Przykładowo, tryb **Autonomous JSON Database** zyskał funkcje przyspieszające przetwarzanie dokumentów JSON z użyciem algorytmów ML, a **Autonomous Transaction Processing** umożliwia teraz użycie interfejsu **DynamoDB API** – to ukłon w stronę deweloperów aplikacji NoSQL/AI, którzy mogą budować aplikacje na Oracle z użyciem znajomych narzędzi z ekosystemu AWS. Oracle podkreśla też, że wprowadzenie **Resource Managera** w autonomicznych bazach serverless pozwala lepiej kontrolować i izolować zasoby dla zadań ML (np. trenowanie modelu w określonym „consumer group” by nie zakłócało pracy transakcyjnej).
**Wielochmurowość sprzyja AI:** W ostatnich tygodniach Oracle ogłaszał rozszerzenie partnerstw chmurowych – np. nowe regiony **Oracle Database@Google Cloud** i **@Azure**. Chociaż samo uruchomienie bazy w różnych chmurach nie jest funkcją AI, to ma znaczenie dla wykorzystania AI: pozwala klientom łatwiej łączyć bazę Oracle z usługami AI od Google (TPU, Vertex AI) czy Microsoft (Azure OpenAI) w ramach jednej infrastruktury. Przykładowo, firma może hostować swoje dane w Oracle Database w Google Cloud, a obok trenować modele TensorFlow na tych danych – bez dużych opóźnień sieciowych. To część strategii Oracle: zachęcić do utrzymania danych w Oracle, zapewniając jak najbliższy dostęp do ulubionych narzędzi AI w różnych chmurach.
**Podsumowując Oracle+AI:** Końcówka 2025 przyniosła użytkownikom Oracle zapowiedź spełnienia obietnic o „bazie danych z AI”. Oracle 26ai na lokalnych serwerach to odpowiedź dla tych klientów, którzy z przyczyn regulacyjnych nie mogli iść do chmury, a chcą korzystać z AI w danych. Jednocześnie Oracle pokazał elastyczność: ich baza działa już w każdej dużej chmurze, co czyni ją potencjalnie centralnym elementem wielu architektur AI. W nadchodzącym roku spodziewanym wydarzeniem będzie premiera 26ai – warto obserwować, jak faktycznie sprawdzą się zapowiadane funkcje (np. wydajność wyszukiwania wektorowego, skuteczność wbudowanych LLM dla zapytań i agentów, itp.) oraz czy Oracle otworzy swój ekosystem AI dla integracji z modelami open-source czy wyłącznie pod własne (OCI AI). Oracle już teraz zaprasza na wydarzenia (webinary, Oracle Live) w styczniu, gdzie zapewne poznamy więcej szczegółów technicznych.
## Microsoft SQL Server – AI w najnowszych wydaniach
**SQL Server 2025 – baza przygotowana na AI:** Najnowsza generacja SQL Server, wydana ogólnie dostępnie w listopadzie 2025, to odpowiedź Microsoftu na trend AI w danych. Microsoft określa SQL Server 2025 jako element koncepcji “**One Consistent SQL**” – jednolitego doświadczenia pracy z danymi od lokalnych serwerów po chmurę, z naciskiem na **“AI-ready tools”** i integrację AI. Co konkretnie wnosi SQL 2025 w kontekście AI: [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
- **Wektorowy typ danych:** W SQL Server 2025 dodano nowy natywny typ **VECTOR** (16- lub 32-elementowy wektor Float32) do przechowywania osadzonych reprezentacji (embeddingów) i danych wektorowych. To fundamentalna zmiana – wcześniej implementacja czegoś takiego wymagała wykorzystania typów binarnych lub zewnętrznych rozszerzeń. Teraz programiści mogą definiować kolumny typu VECTOR (np. VECTOR(1536) dla embeddingu z modelu OpenAI Ada), wstawiać do nich dane i korzystać z wbudowanych funkcji podobieństwa (cosine similarity itp.). Otwiera to drogę do **wyszukiwania semantycznego** i rekomendacji wprost w bazie. Microsoft dostarczył też obsługę wektorów w całym ekosystemie: np. sterownik ODBC 18.6 został zaktualizowany, by wspierać nowy typ danych, a SQL Server Management Studio potrafi tworzyć indeksy wektorowe z poziomu UI. Warto zaznaczyć, że docelowo Microsoft planuje mechanizm skutecznego wyszukiwania z użyciem wektorów – zapowiedziano indeks **DiskANN** (Distance ANN) implementujący algorytmy Approximate Nearest Neighbors dla wektorów. Obecnie DiskANN jest na etapie Community Technology Preview, ale w przyszłości pozwoli to na bardzo szybkie zapytania o najbliższe wektory (nawet w dużych zbiorach rzędu milionów embeddingów) prosto w SQL. [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
- **AI w zapytaniach i funkcjach:** SQL Server 2025 wprowadził również **nowe funkcje T-SQL** ukierunkowane na AI. Pojawiły się m.in. funkcje do podobieństwa tekstów i wyszukiwania semantycznego, które korzystają z danych wektorowych. Przykładowo, deweloperzy mogą obliczyć odległość kosinusową między dwoma wektorami przechowywanymi w tabeli (czyli miarę podobieństwa dwóch dokumentów) za pomocą prostej funkcji w zapytaniu. Ponadto, Microsoft dodał wsparcie dla formatu JSON i operacji na JSON w jeszcze większym stopniu (choć to funkcja ogólna, nie tylko AI – JSON jest często wykorzystywany do przechowywania wyników modelów czy danych półstrukturalnych w aplikacjach AI).
- **Integracja z usługami AI (Azure):** Platforma Microsoftu zakłada ścisłe powiązanie SQL Server z usługami Azure AI. W dokumentacji i prezentacjach Ignite 2025 pokazano, jak SQL Server 2025 może współdziałać z **Azure OpenAI** – np. poprzez **Azure Machine Learning** można trenować modele na danych z SQL Server, a następnie wywoływać te modele z poziomu aplikacji korzystających z bazy. Nowy mechanizm **Change Event Streaming** (CES) pozwala strumieniowo przesyłać zmiany z tabel SQL do **Azure Event Hubs**, co bywa użyteczne w scenariuszach AI wymagających stałego dopływu danych do modelu (np. aktualizacja wektorowych reprezentacji). W Microsoft Fabric, zaprezentowano wręcz funkcję **Fabric Mirroring** – natywne odzwierciedlanie danych z SQL 2025 do hurtowni Fabric z obsługą zapytań AI (efektywnie integracja z Power BI i Copilotem). To wszystko tworzy obraz, gdzie **SQL Server staje się „hubem danych” dla AI**, a ciężkie operacje kognitywne mogą dziać się w chmurze Azure, pobierając/aktualizując dane z bazy on-prem. [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
**GitHub Copilot dla T-SQL i administracji:** Microsoft postawił również na ułatwienie życia programistom i administratorom za pomocą AI. **GitHub Copilot**, czyli asystent AI oparty na modelu OpenAI Codex/GPT, został zintegrowany z narzędziami SQL:
- W **SQL Server Management Studio (SSMS) 22** (pierwsza duża aktualizacja SSMS od lat, wydana w 2024) pojawiła się opcja **AI Assistant (Copilot)**. Użytkownik może w SSMS włączyć Copilota, który podsłuchuje edytor zapytań i proponuje podpowiedzi T-SQL w trakcie pisania. W wersji **SSMS 22.1** (grudzień 2025) mechanizm ten dopracowano: dodano **interaktywny „przewodnik” (Walkthrough)** krok po kroku w aplikacji, by każdy mógł szybko nauczyć się korzystać z Copilota. Copilot oferuje teraz również podręczne akcje kontekstowe – po kliknięciu PPM na zapytaniu można wybrać np. **„Explain”** (Copilot wyjaśni co robi zapytanie), **„Optimize”** (zasugeruje indeksy lub przeróbki), **„Fix”** (spróbuje poprawić błąd składniowy). Co ciekawe, MS umożliwił tryb **BYOM (Bring Your Own Model)**, czyli podłączenie **własnego modelu AI** do Copilota w SSMS. To na razie scenariusz eksperymentalny, ale potencjalnie firmy mogłyby używać prywatnych modeli (np. trenowanych na wewnętrznym kodzie SQL) zamiast modelu OpenAI – co ważne dla zachowania poufności. [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author), [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author) [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
- **Copilot w Azure Data Studio i VS Code:** Równolegle z SSMS, zespół Microsoft Data zaimplementował obsługę Copilota w innych narzędziach. Rozszerzenie **MSSQL for VS Code (v1.37)** otrzymało integrację z Copilotem poprzez specjalne polecenia i tryby (Ask, Agent). Pozwala to programistom w VS Code zadawać pytania do bazy w języku naturalnym, eksplorować schemat bazy i generować zapytania – co jest szczególnie pomocne, gdy nie zna się dobrze struktury danych. W Azure Data Studio z kolei Copilot integruje się z notatnikami i pipeline’ami. Te innowacje sprawiają, że praca z SQL staje się bardziej interaktywna i zbliża do stylu pracy np. z ChatGPT, a nie tylko surowym edytorem tekstu. [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author), [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
- **Praktyczne efekty:** Copilot dla SQL jest wciąż w fazie **Public Preview** (podgląd publiczny), ale z relacji użytkowników i inżynierów MS wynika, że potrafi znacząco zwiększyć produktywność. Przykładowo: DBA może poprosić Copilota „Wyjaśnij mi ten plan zapytania” i otrzyma w języku naturalnym analizę wąskich gardeł; analityk może napisać „pokaż 5 najczęstszych wartości kolumny X” a Copilot zbuduje odpowiednie zapytanie SELECT…GROUP BY; programista bez znajomości T-SQL może opisać potrzebę i dostać gotowy kod. Oczywiście model bywa omylny, więc Microsoft dodaje mechanizmy walidacji (stąd błąd „ValidateGeneratedTSQL”, który w SSMS 22.1 już nie przeszkadza). Generalnie, trend „AI pair programmer” dotarł do świata baz danych na dobre. [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author), [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
**Inne narzędzia i ogłoszenia związane z AI:** Microsoft dostarczył też kilka pobocznych elementów wspierających użycie AI z SQL:
- Nowy **sterownik Python (mssql-python)**: wydany w grudniu, oficjalny driver DB-API dla Pythona, zoptymalizowany pod SQL Server. Jego znaczenie w kontekście AI to łatwiejsza integracja aplikacji Pythonowych (np. skryptów uczenia maszynowego albo serwisów Flask z modelami) z bazą danych. Obsługuje on natywnie uwierzytelnianie Entra ID i jest wydajniejszy od dotychczas powszechnego pyodbc. Dzięki temu np. aplikacja AI w Pythonie może szybko odpytać bazę o wektory czy dane treningowe. [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
- **AKS Edge, Azure Arc i Fabric**: Choć to trochę obok samego SQL Server, Microsoft promuje rozwiązania pozwalające uruchamiać **Azure OpenAI lokalnie w kontenerach** (AKS Edge) i łączyć je z danymi z SQL poprzez **Azure Arc**. W praktyce może to umożliwić np. działanie modelu GPT-4 wewnątrz bezpiecznej sieci firmowej, który na bieżąco korzysta z bazy SQL – scenariusz bardzo atrakcyjny np. dla sektora finansowego. W Microsoft Fabric (platformie analitycznej) natomiast widzieliśmy zapowiedzi **Copilota dla SQL Endpoint**, co zlewa się z opisanym Copilotem w SSMS/VSCode – w zamyśle w każdym miejscu, gdzie developer czy analityk dotyka danych SQL, ma mieć pomoc AI na wyciągnięcie ręki. [[blog.fabri...rosoft.com]](https://blog.fabric.microsoft.com/en-us/blog/2025-year-in-review-whats-new-across-sql-server-azure-sql-and-sql-database-in-fabric?ft=Ed%20Lima:author)
**Podsumowanie Microsoft+AI:** Microsoft w 2025 roku wykonał istotną pracę, by uczynić swój stack danych „AI-friendly”. SQL Server 2025 sam w sobie jest bogaty w nowości (wektory, JSON, ulepszenia wydajności), ale Microsoft wie, że dziś o przewadze decyduje też otoczenie: łatwość budowy aplikacji AI, integracji modelu, itp. Stąd mocno postawili na asystentów AI i integrację z chmurą. W odróżnieniu od Oracle, Microsoft nie wbudował własnych modeli AI w silnik bazy – raczej stworzył pomost do swoich usług kognitywnych w Azure. Taka strategia „hybrydowa” wynika z naturalnych przewag MS (posiada topowe modele OpenAI i infrastrukturę), ale też z ostrożności: np. nie każdy klient będzie chciał, by baza danych mogła autonomicznie wykonywać akcje (co Oracle proponuje w 26ai). Microsoft stawia więc na **AI jako asystenta** – czy to dla użytkownika (Copilot), czy dla danych (funkcje wektorowe, ale model odpala się obok). W najbliższym czasie ciekawe będzie obserwować, jak użytkownicy adoptują te nowości: czy typowy klient SQL Server włączy Copilota i zacznie pisać zapytania przez chat, czy raczej funkcje AI pozostaną niszą. Microsoft z pewnością będzie rozwijał dalej te integracje – zapowiedziano choćby **SQL Server 2025.1** w drugiej połowie 2026 z kolejnymi usprawnieniami AI (mówi się o możliwości uruchamiania małych modeli ONNX bezpośrednio w procedurach CLR). Już teraz jednak SQL 2025 + Copilot to potężny duet pokazujący, że „stary, dobry” silnik relacyjny potrafi odnaleźć się w epoce AI.
## MySQL (Oracle) – AI w najnowszych wydaniach
**„MySQL AI” – rozszerzenie sztucznej inteligencji w MySQL Enterprise:** Jako część obchodów 30-lecia MySQL, Oracle ogłosił jesienią 2025 inicjatywę **MySQL AI**. Jest to nowy komponent dostępny w MySQL Enterprise Edition (komercyjnej wersji MySQL), który dodaje natywne możliwości AI do tej bazy danych. Według oficjalnego bloga Oracle, MySQL AI **„zapewnia wbudowane zdolności predykcyjne i generatywne, w tym automatyczne uczenie maszynowe, wbudowane modele LLM oraz magazyn wektorowy”**. To oznacza, że użytkownicy MySQL mogą teraz wykonywać pewne zadania AI bezpośrednio w obrębie bazy, posługując się znajomymi narzędziami (język SQL, procedury, itd.), zamiast przenosić dane do zewnętrznych systemów. [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai)
Najważniejsze składniki MySQL AI:
- **Generative AI w bazie:** MySQL AI zawiera **wbudowany model językowy (LLM)**, który działa lokalnie (na CPU, z zastosowaniem technik kwantyzacji i keszowania optymalizujących działanie). Pozwala on na realizację zadań NLP takich jak **tłumaczenie, streszczanie dokumentów, odpowiadanie na pytania na podstawie tekstu** przechowywanego w bazie, a nawet budowanie prostych chatbotów – i to wszystko **bez wychodzenia poza środowisko on-premise**. Ważnym zastosowaniem jest funkcjonalność **text-to-SQL**: użytkownik może sformułować zapytanie w języku naturalnym, a LLM przetworzy je na odpowiadające mu zapytanie SQL wykonywane na danych w MySQL. Jest to analogiczne do Copilota w SQL Server, z tą różnicą, że w MySQL model działa “wewnątrz” silnika (przy czym prawdopodobnie pod spodem to wciąż odrębny proces, ale logicznie część bazy). [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai)
- **Vector Store (silnik wektorowy):** MySQL AI dodaje możliwość **tworzenia i przechowywania wektorów** bezpośrednio w bazie. W praktyce, MySQL potrafi wziąć dokumenty tekstowe z lokalnego systemu plików (np. PDFy, logi, HTML) i używając wbudowanych modeli *embedding* zamienić je na wektory liczbowe, które umieszcza w tabeli **InnoDB**. Te osadzenia można następnie przeszukiwać przy użyciu normalnych zapytań SQL – MySQL udostępnia operatory do porównywania wektorów i znajdowania najbardziej zbliżonych (kNN). Pozwala to zaimplementować **wyszukiwanie semantyczne** i **Q&A na dokumentach** całkowicie w MySQL, bez osobnej bazy wektorowej. Oracle zaznacza, że generowanie embeddingów i zapytania działają wydajnie na CPU (nie wymaga GPU), skalują się liniowo z liczbą rdzeni i zbliżają wydajnością do operacji na danych w pamięci. Innymi słowy, MySQL ma swoisty wbudowany mini-“pgvector”/FAISS. Dla użytkownika oznacza to uproszczenie architektury – zamiast utrzymywać np. ElasticSearch lub Pinecone obok MySQL do wyszukiwania tekstu, można wykorzystać MySQL AI. To rozwiązanie jest szczególnie atrakcyjne do scenariuszy **Retrieval-Augmented Generation (RAG)** – model generatywny (LLM) może w trakcie działania odpytwać bazę MySQL o dodatkowy kontekst (poprzez wektorowe podobieństwo) i zwracać wyniki z wiedzą specyficzną dla firmy. [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai)
- **Predictive AI (AutoML):** Trzecim filarem MySQL AI jest **automatyczne uczenie maszynowe** bezpośrednio na danych w MySQL. Mechanizm AutoML potrafi trenować modele do klasyfikacji, regresji, prognozowania szeregów czasowych, wykrywania anomalii czy rekomendacji – automatycznie dobierając algorytmy i parametry (tzw. meta-learning). Deweloper bazy może np. wywołać procedurę SQL proszącą o stworzenie modelu przewidującego churn klientów na podstawie tabeli z danymi – a MySQL samodzielnie przeprowadzi selekcję cech, wybierze najlepszy model (drzewa, sieć neuronowa, itp.), potunieje hiperparametry i zapisze model. Później można go wywoływać w zapytaniach (np. `SELECT predict_churn(features) FROM ...`). Rozwiązanie to bazuje na technologii **Oracle AutoML**, która od pewnego czasu istniała w chmurze (HeatWave AutoML) – teraz udostępniono ją on-prem w MySQL EE. Przykładowe zastosowania podawane przez Oracle obejmują wykrywanie oszustw (fraud detection), przewidywanie awarii urządzeń z danych sensorowych czy rekomendacje produktów – wszystko to w obrębie bazy. [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai)
- **JavaScript/JSON w służbie AI:** MySQL AI wprowadza możliwość tworzenia **procedur składowanych w języku JavaScript** działających wewnątrz silnika MySQL. Daje to programistom elastyczność – w JavaScript łatwo jest przygotować prompt dla LLM (np. złożyć tekst z kilku pól JSON, użyć wyrażeń regularnych) albo przetworzyć wynik wygenerowany przez model (np. sparsować JSON z odpowiedzi modelu i zaktualizować tabele). Oracle liczy, że wykorzystanie powszechnego języka skryptowego obniży próg wejścia i umożliwi bardziej skomplikowane pipeline’y AI w MySQL. To podejście podobne do procedur w SQL Server (gdzie można użyć Pythona/R, ale tu jest JS). [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai)
- **MySQL Studio:** Aby ułatwić korzystanie z powyższych nowości, udostępniono **MySQL Studio** – nowe środowisko graficzne (webowe) dla MySQL AI. Oferuje ono interaktywny **chat** podłączony do bazy (można pisać pytania do danych, a Studio pod spodem używa LLM i SQL by uzyskać odpowiedź), **notatniki** kompatybilne z Jupyterem do eksperymentów z ML i GenAI (coś jak Azure Data Studio czy Zeppelin, ale dla MySQL) oraz klasyczne funkcje zarządzania. To narzędzie kierowane do data scientistów i AI developerów używających MySQL. [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai)
W efekcie, MySQL AI to próba stworzenia **jednolitej platformy AI opartej o MySQL**. Oracle adresuje w ten sposób potrzeby organizacji, które wolą trzymać dane i przetwarzanie lokalnie (ze względów bezpieczeństwa czy kosztów), a jednocześnie chcą korzystać z nowoczesnych technik AI. Warto zauważyć, że MySQL AI jest częścią **MySQL Enterprise Edition** – czyli wymaga płatnej subskrypcji. Oracle wyraźnie pozycjonuje to jako wartość dodaną dla klientów korporacyjnych MySQL (społecznościowa wersja MySQL nie zawiera tych funkcji). Z kolei dla klientów chmurowych Oracle oferuje analogiczne możliwości w usłudze **MySQL HeatWave** – i zachęca do migracji, obiecując w chmurze **niższe koszty, lepszą wydajność i bardziej zaawansowane modele**. Faktycznie, w OCI HeatWave Oracle integruje np. duże modele jak GPT-4 (dostępne poprzez usługę OCI Language), podczas gdy MySQL AI on-prem ma zapewne lżejsze modele lokalne ze względu na ograniczenia sprzętowe. [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai)
**MySQL HeatWave – AI jako usługa dla MySQL:** Choć MySQL AI to najnowsza wiadomość, już wcześniej Oracle rozwijał elementy AI wokół MySQL w swojej chmurze. **HeatWave AutoML** funkcjonuje od 2022 r., pozwalając użytkownikom MySQL w OCI automatycznie trenować modele na duże zbiory danych (wykorzystując klaster HeatWave, czyli rozszerzenie MySQL o przetwarzanie w pamięci). W 2025 Oracle poszedł dalej – na październikowej konferencji Oracle AI World zaprezentowano, jak **MySQL HeatWave** może współpracować z generatywną AI. Wskazywano m.in. integrację MySQL z systemem **MCP (Model Catalog & Protocol)**, który umożliwia dynamiczne wybieranie modeli do zadań (w tle stoi projekt **Open Router** dla LLM). Uczestnicy konferencji mogli zobaczyć demo, gdzie zapytania w języku naturalnym do bazy MySQL były interpretowane zarówno lokalnie (przez mały model), jak i z użyciem zewnętrznego modelu w chmurze OCI, by uzyskać najlepszą odpowiedź. Oracle w blogach społeczności (np. Lenka Kasparova, grudzień 2025) chwalił się obecnością MySQL/HeatWave na szeregu konferencji AI (TechCrunch AI, AI Summit London, etc.), gdzie prezentowano **in-database ML** oraz **vector store** jako wyróżniki MySQL w erze AI. Zwłaszcza podkreślano, że dzięki nim programiści mogą tworzyć aplikacje AI bez „żonglowania” wieloma technologiami – bo MySQL łączy cechy bazy transakcyjnej, analitycznej i prostej bazy wektorowej w jednym. [[blogs.oracle.com]](https://blogs.oracle.com/mysql/announcing-mysql-ai) [[blogs.oracle.com]](https://blogs.oracle.com/mysql/mysql-mysql-heatwave-a-successful-journey-through-global-ai-events-in-2025)
**Bezpieczeństwo i prywatność:** Oracle zauważa, że wiele firm obawia się wysyłania wrażliwych danych do publicznych API AI. MySQL AI adresuje to, oferując **przetwarzanie w pełni lokalne**. Przy generowaniu podsumowań czy analiz z dokumentów firmowych, dane nie opuszczają serwera MySQL, a generowany wynik nie jest udostępniany na zewnątrz. Dla branż takich jak finanse czy sektor publiczny może to być kluczowy czynnik przekonujący do eksperymentów z AI. Jednocześnie, jeśli ktoś chce lepszych wyników, może w każdej chwili przenieść obciążenie do chmury (gdzie Oracle dysponuje większymi modelami i mocą obliczeniową) – zachowując ten sam kod SQL/JS (Oracle zapewnia kompatybilność MySQL AI on-prem i MySQL HeatWave).
**Podsumowanie MySQL+AI:** Końcówka 2025 przyniosła sporo nowości dla użytkowników MySQL zainteresowanych AI. Poza regularnymi wydaniami MySQL 8.4/9.x, pojawiła się perspektywa używania MySQL nie tylko jako bazy danych, ale i jako prostego silnika AI. Na razie MySQL AI raczkuje – to pierwsze wersje tych funkcji. Pytania pozostają: jakiej wielkości model LLM jest wbudowany (prawdopodobnie coś małego jak GPT-3 zastąpiony open-source-owym generatorem), jak skuteczny jest AutoML vs. dedykowane narzędzia, jaka jest wydajność wektorów dla bardzo dużych zbiorów? Oracle jednak wyraźnie sygnalizuje, że **nie zamierza zostawić MySQL w tyle** w wyścigu AI. Widzimy tu ciekawą rywalizację filozofii: PostgreSQL polega na społeczności (pgvector, pg_ai_query), MariaDB integruje wektory i zachęca do AI, Oracle daje mocne narzędzia w MySQL EE/HeatWave, a konkurencyjne forki (Percona) pewnie też odpowiedzą. Dla ponad miliarda instancji MySQL na świecie to dobra wiadomość – powoli również one będą mogły brać udział w rewolucji AI bez konieczności migracji do zupełnie nowych platform.
## MariaDB – AI w najnowszych wydaniach
**MariaDB i obsługa wektorów (Vector Search):** MariaDB Corporation, dostawca komercyjnych rozwiązań opartych na MariaDB (fork MySQL), już na początku 2025 roku jasno postawił na integrację AI ze swoją bazą. W styczniu ogłoszono **MariaDB Enterprise Platform 2025** – pakiet zawierający MariaDB Enterprise Server 11.4 – który jako jedna z głównych nowości wprowadził **natywne wyszukiwanie wektorowe** w silniku bazy. Oznacza to, że MariaDB potrafi teraz obsługiwać tzw. **vector embeddings** i wykonywać zapytania podobieństwa wektorów bezpośrednio poprzez SQL. Implementacja jest w 100% open-source i stanowi integralną część serwera (nie wymaga wtyczek czy rozszerzeń). [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/), [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/) [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/)
**Dlaczego wektory w MariaDB?** W materiale prasowym MariaDB podkreślił rosnącą rolę AI/ML w przedsiębiorstwach oraz fakt, że **bazy wektorowe** stają się kluczowym elementem budowy aplikacji opartych o duże modele językowe (LLM). Wyszukiwanie wektorowe umożliwia znajdowanie semantycznie podobnych elementów (np. dokumentów, obrazów, rekordów) na podstawie ich reprezentacji numerycznej. Dotychczas firmy chcące tego użyć musiały sięgać po dedykowane rozwiązania (Pinecone, Milvus, ElasticSearch z wektorami itp.) lub rozszerzenia (pgvector w Postgres). MariaDB argumentuje, że to dodaje złożoności – trzeba utrzymywać dodatkowy system, dbać o synchronizację danych, uczyć się nowych narzędzi. Dlatego MariaDB wbudował wektory we własny silnik: organizacje mogą wykorzystać **ten sam klaster MariaDB** do obsługi transakcji, analizy OLAP jak i zapytań AI, bez integracji wielu baz. [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/)
**Działanie i wydajność:** Według oficjalnych informacji, mechanizm wektorowy MariaDB pozwala na **wyszukiwanie semantyczne** w danych nieustrukturyzowanych poprzez dwie strategie: po wartościach (tradycyjnie) lub po znaczeniu (wektory). To oznacza, że MariaDB potrafi np. przechować embeddingi generowane przez modele jak OpenAI GPT-4, Google Gemini czy Anthropic Claude i następnie – gdy takie zapytanie przychodzi – znaleźć najbliższe wektorowo dopasowania dla zapodanego wektora zapytania. MariaDB chwali się przy tym wydajnością: w komunikacie powołuje się na **benchmarki**, według których ich natywna implementacja przewyższa popularne rozwiązanie **pgvector dla PostgreSQL** ~1,5x pod względem throughputu (zapytania na sekundę) i ~2x pod względem szybkości tworzenia indeksu. Choć testy wewnętrzne należy traktować ostrożnie, sygnalizuje to, że inżynierowie MariaDB zoptymalizowali wyszukiwanie wektorowe pod kątem nowoczesnych CPU (np. wykorzystując instrukcje SIMD) i integracji z optimiserem zapytań. [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/)
**Integracja z LLM i zastosowania:** MariaDB otwarcie mówi, że ich celem jest wsparcie aplikacji **Agentic AI** – czyli takich, gdzie AI (agent) korzysta z danych organizacji w czasie rzeczywistym. Wyszukiwanie wektorowe w MariaDB może być użyte do **Retrieval-Augmented Generation (RAG)**: model generatywny (np. chat) otrzymuje możliwość wyszukiwania w bazie informacji pasujących do zapytania użytkownika (poprzez wektory), a następnie łączy je w odpowiedź. MariaDB wskazuje, że wiele firm woli użyć swojej sprawdzonej bazy do tego celu, zamiast budować nowe „knowledge base” od zera. Integracja jest tak zaprojektowana, by nie utrudniać życia DBA: definicja danych wektorowych w MariaDB jest prosta (typ **BLOB** z pewną konwencją lub specjalny typ), a zapytania SQL mogą wykorzystywać funkcje dystansu kosinusowego czy euklidesowego. Pod spodem jest to mocno zintegrowane z silnikiem – np. można łączyć w jednym zapytaniu kryteria tradycyjne (WHERE kolumna = …) i wektorowe (ORDER BY (embedding, :wektorZapytania) LIMIT n), a optymalizator to uwzględnia.
**Szersze usprawnienia dla AI:** W tym samym wydaniu MariaDB dodała też inne funkcje, które pośrednio wspierają scenariusze AI:
- **Rozszerzona obsługa JSON i semi-strukturalnych danych:** Dodano wiele funkcji ułatwiających manipulację dokumentami JSON. JSON jest często nośnikiem danych wejściowych/wyjściowych dla modeli AI (np. prompty, wyniki), więc usprawnienia typu wyciąganie pól, aktualizacja fragmentów JSON itp. przekładają się na łatwiejsze budowanie pipeline’ów AI w MariaDB. [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/)
- **Nowy optimizer cost-based:** MariaDB 11.4 wprowadziła zmodernizowany optymalizator kosztowy, który lepiej wykorzystuje możliwości nowoczesnych dysków SSD i charakteryzuje różne silniki storage (InnoDB, ColumnStore). Dla zadań analitycznych – a często zapytania AI są analityczne/niezwykłe – to poprawia wydajność. W praktyce oznacza np. szybsze analizy dużych zestawów danych pod training modeli, czy sprawniejsze zapytania łączące dane transakcyjne z historycznymi. [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/)
- **Bezbolesne upgrade’y (Workload replay):** Nowa funkcja w MariaDB MaxScale 25 (proxy) pozwala nagrać rzeczywisty ruch SQL z produkcji i odtworzyć go na testowej instancji z nową wersją mariaDB. To nie dotyczy bezpośrednio AI, ale adresuje problem, który bywa barierą przy wprowadzaniu innowacji: strach przed aktualizacją (bo nie wiadomo, czy nowe bajery czegoś nie popsują). Dzięki workload replay klienci mogą bezpiecznie przetestować w swoim środowisku, jak np. włączenie wektorów wpływa na wydajność, zanim wdrożą do produkcji. MariaDB zdaje sobie sprawę, że nowinki AI muszą iść w parze z zaufaniem, stąd taki ukłon dla konserwatywnych DBA. [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/)
**MariaDB vs. MySQL vs. PostgreSQL w kontekście AI:** Ciekawie wygląda pozycjonowanie MariaDB – firma wyraźnie chce się pokazać jako **innowator** wśród baz open-source. Wektorów brak jeszcze natywnie w PostgreSQL (choć jest pgvector) czy MySQL Community (Oracle wybrał inną drogę – wektory są tylko w płatnym MySQL EE lub chmurze HeatWave). MariaDB daje je wszystkim użytkownikom Enterprise (a w zasadzie także Community, bo kod jest open-source – choć wsparcie formalne tylko w Enterprise). Oznacza to, że np. niezależny deweloper może pobrać MariaDB Community 11.4 i skorzystać z wektorów za darmo – stąd spore zainteresowanie społeczności i mediów tech (InfoQ pisał o „wektorowej rewolucji” w MariaDB). W perspektywie długoterminowej, MariaDB buduje wizerunek bazy dobrej do **aplikacji next-gen**. Ich chmurowa oferta SkySQL integruje MariaDB z narzędziami jak MindsDB (framework ML do baz) i natywnie wspiera workloady HTAP + AI. Co prawda MariaDB nie ogłosiła własnego LLM czy AutoML (tak jak Oracle dla MySQL), ale nie jest wykluczone, że pójdą w tę stronę – prawdopodobnie poprzez partnerstwa (np. z firmami dostarczającymi opensourcowe modele).
**Podsumowanie MariaDB+AI:** W końcówce 2025 najważniejszą nowością było doprowadzenie do stabilnej wersji silnika z wektorami oraz dostarczenie go klientom. Dalsze miesiące pokażą adopcję – na razie to raczej nowe terytorium dla wielu użytkowników MariaDB (którzy często używają jej jako zamiennik MySQL do klasycznych zastosowań). MariaDB liczy, że dzięki przewadze czasu (wprowadziła wektory wcześniej niż PostgreSQL core, a MySQL community w ogóle ich nie ma) zyska argumenty biznesowe. Dla istniejących klientów (np. banków jak DBS Bank, które MariaDB podaje w referencjach) ważne jest, że nie muszą szukać poza MariaDB, jeśli chcą eksperymentować z AI – mogą to robić wewnątrz zaufanej bazy. W pewnym sensie, MariaDB stara się *nadrobić braki ekosystemu* (bo np. nie ma odpowiednika ekosystemu rozszerzeń PG) poprzez szybkie dostarczanie gotowych rozwiązań w produkcie. W 2026 roku z pewnością zobaczymy kolejne ruchy – np. integracje MariaDB z platformami LLM (może oferowanie gotowych pipeline’ów do Pinecone czy open-source vector DB?), a także ewentualne pojawienie się **wektorów w PostgreSQL 19** (to spekulacja – w społeczności PG trwa dyskusja, czy włączyć pgvector do core; sukcesy MariaDB mogą to przyspieszyć). Na razie MariaDB może się cieszyć mianem jednej z pierwszych klasycznych baz SQL, która realnie jest przygotowana do epoki AI.
## PostgreSQL – AI w ekosystemie open-source
**Core vs. rozszerzenia:** PostgreSQL, będący projektem społecznościowym, tradycyjnie rozwija rdzeń bazy ostrożnie i powoli, jednocześnie pozwalając na bogate rozszerzenia. W obszarze AI ta filozofia również się przejawia. W samym rdzeniu Postgresa w 2025 nie dodano funkcjonalności bezpośrednio adresujących AI – brak natywnego typu wektorowego (choć są plany, by być może wprowadzić go w przyszłości), brak wbudowanych modeli ML. Jednakże PostgreSQL posiada **modularną architekturę** (extensible), więc programiści spoza core dostarczyli wiele rozwiązań AI jako **dodatki**. Końcówka 2025 wyjątkowo obrodziła takimi rozszerzeniami:
- **pgvector (kontynuacja):** Warto zarysować tło: od 2022 istnieje popularne rozszerzenie **pgvector**, dodające wsparcie dla kolumn wektorowych i wyszukiwania k-NN na Postgresie. Zdobyło ono szeroką adopcję, bo pozwoliło użyć Postgresa jako prostej bazy wektorowej – co z kolei przy trendzie LLM (Retrieval-Augmented Generation) okazało się bardzo przydatne. Wiele aplikacji (np. chatboty bazodanowe) korzysta z pgvector do przechowywania embeddingów i znajdowania podobnych dokumentów. W 2023 OpenAI nawet wybrał Postgresa + pgvector na backend swojego przykładowego projektu **ChatGPT Retrieval Plugin**. Społeczność w 2025 dyskutowała, czy pgvector wcielić do dystrybucji oficjalnej, by ułatwić życie (MariaDB wykorzystał ten dylemat, chwaląc się, że u nich to natywne). Na razie jednak pozostaje to rozszerzenie zewnętrzne. W testach MariaDB vs pgvector, które MariaDB cytuje, Postgres wypadł słabiej – pewnie dlatego, że core PG nie jest zoptymalizowany pod wektory, a MariaDB implementował to od podstaw. Niemniej, **Postgres już dziś może pełnić rolę bazy wektorowej** za pomocą pgvector, i jest to rozwiązanie sprawdzone (co czyni go analogicznym do MySQL HeatWave, gdzie też wektory są „dodatkiem” do bazy, choć w jednym pakiecie). [[mariadb.com]](https://mariadb.com/newsroom/press-releases/mariadb-announces-new-release-of-its-enterprise-platform-with-introduction-of-vector-search-for-ai-application-development/)
- **pg_ai_query 0.1.0:** W grudniu 2025 pojawiło się pierwsze stabilne wydanie rozszerzenia **pg_ai_query** autorstwa Sachina Beniwala. To ambitny projekt mający na celu **zastosowanie AI do wspomagania tworzenia zapytań SQL oraz analizy ich działania**. Pod kilkoma względami przypomina funkcje Copilota od Microsoftu, z tą różnicą, że jest wykonywany po stronie serwera (jako rozszerzenie) i może korzystać z dowolnych modeli AI poprzez pluginy. Kluczowe możliwości pg_ai_query to: [[postgresql.org]](https://www.postgresql.org/about/newsarchive/-/20251219/), [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/)
- **NL2SQL (ang. natural language to SQL):** zrozumienie zapytania w języku naturalnym i wygenerowanie odpowiadającego mu zapytania SQL. Np. użytkownik może wywołać funkcję `generate_query('Znajdź klientów, którzy nie złożyli zamówienia w ciągu 90 dni')` i otrzymać sugestię pełnego zapytania SQL. Pod spodem rozszerzenie korzysta z modelu językowego (domyślnie GPT-4 lub inny wybrany) który na podstawie schematu bazy (rozszerzenie potrafi introspektować katalog systemowy) generuje syntaktycznie poprawny SQL. To ułatwienie dla mniej biegłych w SQL analityków. [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/)
- **AI EXPLAIN (wyjaśnianie zapytań):** rozszerzenie potrafi brać wynik `EXPLAIN ANALYZE` i przekazywać go do modelu AI celem wygenerowania **przyjaznego opisu wydajności zapytania**. Taka funkcja może np. wskazać: „Zapytanie użyło pełnego skanu tabeli Orders (100k wierszy), co zajęło 50ms. Wąskim gardłem jest sortowanie wyników bez indeksu – rozważ dodanie indeksu na kolumnie Date”. Tego typu informacje dziś eksperci potrafią wyczytać z planu, ale AI może uczynić to automatycznym i zrozumiałym dla każdego. [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/)
- **Sugestie optymalizacji:** Bazując na wiedzy o planie wykonania i strukturze bazy, pg_ai_query może **proponować indeksy lub modyfikacje zapytań** w celu poprawy wydajności. Np. stwierdzi: „Dodanie indeksu trójkolumnowego na (colA, colB, colC) znacząco przyspieszy to zapytanie” albo „To zapytanie wykonuje się długo z powodu podzapytania, rozważ przerobienie go na JOIN”. [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/)
- **Obsługa wielu modeli i trybów:** pg_ai_query ma pluggable architecture – wspiera API OpenAI (GPT-4, GPT-3.5), Anthropic, Google PaLM/Gemini, a także **modele lokalne** np. poprzez narzędzie **Ollama** (które umożliwia używanie LLM jak Llama 2 na własnym serwerze). Dzięki temu użytkownik nie jest związany z jednym dostawcą AI. Można np. skonfigurować je tak, by wrażliwe dane nie wypływały na zewnątrz – używając lokalnego modelu 70B parametrów, lub odwrotnie, by uzyskać najwyższą jakość korzystać z GPT-4 w chmurze. To elastyczność, której np. Copilot (obecnie tylko OpenAI) nie daje. [[postgresql.org]](https://www.postgresql.org/about/news/pg_ai_query-v010-first-stable-release-with-multi-model-ai-for-postgresql-3191/)
- **Integracja z narzędziami:** Choć to rozszerzenie serwerowe, nic nie stoi na przeszkodzie, by np. aplikacja kliencka (pgAdmin, DBeaver) dodała interfejs wykorzystujący pg_ai_query. Na razie takiego GUI nie ma natywnie, ale społeczność może to rozszerzyć. Samo rozszerzenie udostępnia funkcje SQL i pewnie jawną API (np. REST przez wbudowany serwer queries? Do zweryfikowania).
- **pg_llm_helper 0.1.0:** Kolejną ciekawostką jest rozszerzenie **pg_llm_helper** napisane przez inżynierów z Microsoft (Geoff Montee, Customer Engineer w MS, jest autorem – charakterystyczny znak integracji MS z PG, bo Azure poszerza ofertę zarządzanych PG). Ogłoszone na oficjalnej stronie PostgreSQL 19 grudnia, ma dość wąskie, ale praktyczne zastosowanie: **pomoc w debugowaniu błędów SQL za pomocą modelu GPT-4o**. W praktyce działa to tak: po otrzymaniu przez psql/PgAdmin komunikatu błędu z serwera (np. błąd składni, naruszenie klucza obcego itp.), użytkownik może wykonać zapytanie `SELECT llm_help_last_error();`. W odpowiedzi dostanie tekstową informację od modelu AI wyjaśniającą naturę błędu i sugerującą, jak go naprawić. Na przykład, jak pokazano w dokumentacji, po wpisaniu błędnego polecenia `SELLECT 1;` (literówka w SELECT), funkcja zwraca komunikat: *„Słowo kluczowe ‘SELLECT’ jest literówką; poprawnym słowem kluczowym jest ‘SELECT’. Fix: popraw pisownię i wykonaj jeszcze raz.”*. Dla doświadczonego użytkownika to banalne, ale dla początkującego może być zbawienne (standardowy komunikat Postgresa „syntax error at or near ‘SELLECT’” nie zawsze jest jasny). Inny przykład potencjalny: błąd typu naruszenie unikalności – LLM może podpowiedzieć, że próbujemy dodać duplikat istniejącego klucza i może zasugerować sprawdzenie danych. Rozszerzenie wykorzystuje niewielki model „gpt-4o-mini” – to prawdopodobnie jakaś tańsza wersja GPT-4 hostowana przez OpenAI, lub model open-source wyszkolony do takich zadań. Zaletą jest, że nie wysyła całych danych zapytania, tylko komunikat błędu (potencjalnie czyszczony z wrażliwych szczegółów), co minimalizuje ryzyko wycieku informacji. To rozszerzenie to przykład, jak społeczność PG może tworzyć **„asysty AI”** w specyficznych obszarach – tu debugging. W przyszłości może pojawią się podobne np. do pomocy w migracji (analiza różnic dialektu SQL) czy ochronie przed SQL injection (AI oceni, czy dane zapytanie jest potencjalnie złośliwe). [[postgresql.org]](https://www.postgresql.org/about/news/pg_llm_helper-010-troubleshooting-errors-with-openais-gpt-4o-mini-model-3194/) [[postgresql.org]](https://www.postgresql.org/about/news/pg_llm_helper-010-troubleshooting-errors-with-openais-gpt-4o-mini-model-3194/), [[postgresql.org]](https://www.postgresql.org/about/news/pg_llm_helper-010-troubleshooting-errors-with-openais-gpt-4o-mini-model-3194/)
- **Inne rozszerzenia AI:** Poza wyżej wymienionymi, rośnie ekosystem mniejszych projektów: np. **ai_local** (eksperymentalne PoC wczytywania modeli ONNX do PG), integracje FDW do strumieni czatbotów itp. Z bardziej dojrzałych trzeba wspomnieć **MindsDB**, platformę AutoML która od 2020 buduje integracje z różnymi bazami (poprzez mechanizm AI Tables). MindsDB ma wsparcie dla Postgresa – umożliwia trenowanie modeli ML i ich późniejsze użycie jako wirtualnych tabel w zapytaniach. To inne podejście do AI w bazie (poprzez zewnętrzną aplikację integrującą się za pomocą SQL). Podobnie **H2O.ai** oferował integracje. W Q4 2025 może nie było nowych wydań tych rozwiązań, ale warto odnotować, że klienci PG również z nich korzystają jako alternatywy.
**Społeczność i konferencje:** W grudniu 2025 w społeczności PG dało się odczuć duże zainteresowanie tematyką AI. Na oficjalnej liście nowych wiadomości widać, że ogłoszenia pg_ai_query i pg_llm_helper znalazły się obok siebie, wywołując dyskusje na forach. Co ciekawe, nawet Microsoft (Azure) angażuje się w PostgreSQL – organizuje w marcu 2026 konferencję **POSETTE 2026** (Postgres Event, z CFP otwartym) i tematyka AI/ML z pewnością tam zagości. W panelach dyskusyjnych społeczność zastanawia się, czy w kolejnej wersji PostgreSQL (v19, za ~1.5 roku) nie warto by pewnych elementów AI włączyć natywnie, by nie pozostawać w tyle wobec trendu. Pojawiają się jednak głosy, żeby pozostawić to w warstwie rozszerzeń, by nie obciążać core bazy rzeczami, które nie każdemu są potrzebne i zmieniają się bardzo dynamicznie. [[postgresql.org]](https://www.postgresql.org/about/newsarchive/-/20251219/)
**Porównanie podejścia:** Widzimy zatem dwa style: **świat enterprise (Oracle, MS)** integruje AI bezpośrednio w produkty i kontroluje ekosystem (choć MS robi to w dużej mierze cross-produkty, łącząc bazę z chmurą), podczas gdy **świat open-source (Postgres, ale też MySQL Community)** polega na oddolnej innowacji – powstaje wiele rozszerzeń, z których część stanie się standardem de facto. Zaleta podejścia PG to szybki eksperyment i różnorodność: pg_ai_query i pg_llm_helper to dzieła różnych grup, rozwiązujące różne problemy. Jeśli któreś okażą się szczególnie wartościowe, nic nie stoi na przeszkodzie, by za parę lat stały się integralną częścią baz (albo przynajmniej pakietów instalacyjnych). Póki co, użytkownik PostgreSQL, który chce „zastrzyku AI” już dziś, ma następujące opcje: **pgvector** (wektory), **pg_ai_query** (generowanie SQL, analiza), **pg_llm_helper** (debug), ewentualnie skorzystać z narzędzi zewnętrznych jak **Azure OpenAI** (z którego można korzystać np. przez rozszerzenie **tds_fdw** jeśli by chcieć bezpośrednio – wszak Azure OpenAI może zapisywać dane do SQL Server, a tds_fdw umożliwia dostęp do SQL Server z PostgreSQL). To ostatnie przypomina, że PG ma też mechanizmy FDW (Foreign Data Wrappers) – np. wspomniany **tds_fdw** doczekał się właśnie (XII 2025) wersji testowej z obsługą zapisu, co oznacza, że PostgreSQL może stać się swego rodzaju orchestratorem danych między systemami (np. wynik predykcji z MS SQL/Analysis Services przenieść do PG). [[postgresql.org]](https://www.postgresql.org/about/newsarchive/-/20251219/)
**Podsumowanie PostgreSQL+AI:** Ostatnie dni 2025 pokazały, że PostgreSQL – choć nie ma jednej firmy narzucającej kierunek – rozwija się w kierunku AI dynamicznie dzięki społeczności. Użytkownicy otrzymali nowe narzędzia: do łatwiejszego pisania i optymalizowania zapytań (pg_ai_query) i do rozumienia błędów (pg_llm_helper). Wektory są dostępne od pewnego czasu, ale ciągle udoskonalane (nowe wersje pgvector zwiększyły obsługiwalną wielkość wektorów i dodały tryby precyzja/szybkość). Wyzwanie dla PG to zachowanie spójności – przy tylu rozszerzeniach integracja ich bywa trudna (np. użycie jednocześnie pgvector i pg_ai_query i jeszcze innego rozszerzenia). Jednak siła PG tkwi w ogromnym ekosystemie: już teraz powstają projekty łączące kilka rozszerzeń by osiągnąć konkretne cele AI (np. demonstracyjny bot „Ask PostgreSQL Docs” używa pgvector do wiedzy + GPT do generowania odpowiedzi). W roku 2026 zapewne zobaczymy dalszy **rozkwit AI w świecie Postgresa**. Być może na konferencji PGCon 2026 zapadną decyzje co do integracji wektorów w core lub standaryzacji interfejsów dla rozszerzeń AI. Na razie, kto chce eksperymentować, ma ku temu możliwości – wystarczy kilka komend `CREATE EXTENSION`, by wyposażyć PostgreSQL w całkiem inteligentne funkcje, pozostając w pełni w oprogramowaniu open-source.
# Sprzężenie zwrotne optymalizatora w SQL Server 2022 – **Intelligent Query Processing** w akcji
**SQL Server 2022** wprowadza szereg mechanizmów tzw. *sprzężenia zwrotnego optymalizatora* (ang. *optimizer feedback*). Są to inteligentne funkcje, dzięki którym silnik bazodanowy **uczy się** na podstawie poprzednich wykonań zapytań i **automatycznie dostosowuje plany zapytań** w przyszłości. Do najważniejszych należą:
- **Memory Grant Feedback (sprzężenie zwrotne pamięci)** – koryguje przydział pamięci dla zapytań, aby unikać **niedoszacowania** (spille do dysku) lub **przeszacowania** (marnowanie pamięci). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
- **Parameter Sensitive Plan Optimization (Parametric Feedback)** – pozwala na posiadanie **wielu planów** dla jednego zapytania z różnymi wartościami parametrów, eliminując problemy z *parameter sniffing* (wrażliwością na konkretną wartość parametru). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- **Cardinality Estimation Feedback (sprzężenie zwrotne estymatora kardynalności)** – wykrywa **błędy estymacji** liczby wierszy (cardinality) i próbuje innego modelu estymacji, aby poprawić plan. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
- **Degree of Parallelism Feedback (sprzężenie zwrotne stopnia równoległości)** – automatycznie **reguluje stopień równoległości (DOP)** zapytania, obniżając go, gdy wcześniejsze wykonania wykazały, że nadmierna równoległość szkodzi wydajności. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- **Interleaved Execution** – adaptacja planu w trakcie kompilacji dla funkcji zwracających tabelę (MSTVF), wykorzystująca **rzeczywistą liczbę wierszy** zamiast sztywnej aproksymacji, aby dobrać właściwe operatory (np. rodzaj złączenia). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
Te mechanizmy należą do rodziny funkcji **Intelligent Query Processing (IQP)** SQL Server 2022. Ich celem jest **poprawa wydajności i stabilności** zapytań *bez konieczności zmian w kodzie T-SQL*: SQL Server sam koryguje plan, zmniejszając ryzyko przestojów i niestabilnej wydajności. Poniżej szczegółowo omawiamy każdy z typów sprzężenia zwrotnego – jak działa, kiedy się uaktywnia, jakie problemy rozwiązuje, jakie ma ograniczenia oraz jak go monitorować i kontrolować. Na końcu porównamy te rozwiązania z analogicznymi mechanizmami w Oracle i PostgreSQL. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
## 1. Memory Grant Feedback – korygowanie przydziału pamięci
**Co to jest?** Mechanizm pamięciowego sprzężenia zwrotnego monitoruje, ile pamięci faktycznie zużyło zapytanie, i przy kolejnym wykonaniu **automatycznie zmienia wielkość grantu pamięci** w planie zapytania. Jeśli pierwsze wykonanie dostało za mało pamięci i doszło do tzw. **spill** (operatory musiały korzystać z dysku), to przy kolejnym wykonaniu SQL Server przyzna więcej pamięci. Jeśli z kolei zauważy, że przydzielono dużo więcej pamięci niż potrzeba (np. zapytanie zużyło 100 MB z przydzielonego 1 GB), to zmniejszy grant, aby nie marnować RAM-u, co mogłoby ograniczać inną równoległą pracę. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17) [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
**Kiedy się uaktywnia?** Dla *powtarzających się zapytań* – mechanizm działa wówczas, gdy to samo zapytanie jest wykonywane wielokrotnie. Pierwsze wykonanie korzysta z planu bazującego na estymacjach optymalizatora (statystykach). Przy końcu wykonania **silnik porównuje przydział pamięci (grant)** z rzeczywistym zużyciem i liczbą spillów. Jeśli wykryje dużą różnicę, **aktualizuje plan w pamięci**: zapisuje nowy, skorygowany rozmiar przydziału. Kolejne wykonanie (z tym samym planem z cache) wykorzysta już ten zmodyfikowany grant. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
**Rozwiązany problem:** Błędy przydziału pamięci to częsta przyczyna problemów wydajności:
- **Za mały grant** skutkuje operacjami sortowania lub hashowania przerzucanymi do TempDB na dysku – drastycznie spowalnia to zapytanie (tzw. *spill to disk*, widoczny w planie jako ostrzeżenie o przelaniu do tempdb).
- **Zbyt duży grant** oznacza, że zapytanie rezerwuje niepotrzebnie dużo pamięci. Nie zużyje jej, ale blokuje tę pamięć dla innych zapytań, co zmniejsza ogólną **przepustowość** systemu i może powodować czekanie innych zadań na pamięć.
Memory Grant Feedback automatycznie **dopasowuje** te wartości. Przykładowo, w testach Microsoftu jedno zapytanie za pierwszym razem trwało 88 sekund z powodu intensywnych spillów (za mało RAM); po korekcie memory grant feedback drugie wykonanie trwało już 1 sekundę – przydział pamięci został zwiększony i spillage zniknęły. Odwrotna sytuacja: jeśli zapytanie rezerwuje 500 MB, a używa tylko 50 MB, mechanizm zauważy ponad 10x naddatek i zmniejszy grant (o ile to >1 MB). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17) [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
**Warunki działania:** Memory Grant Feedback w SQL Server *2017* działał tylko dla zapytań w trybie *batch mode* (głównie z Columnstore). W *SQL 2019* rozszerzono go na **row mode** (zwykłe zapytania relacyjne bez kolumnowych indeksów). W *SQL 2022* mechanizm ten został dalej ulepszony: [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
- **Persisted Feedback:** Informacja zwrotna o pamięci może być teraz **utrwalana** w **Query Store** – oznacza to, że korekty nie znikają po wyrzuceniu planu z cache lub restarcie serwera. Wymaga to włączenia Query Store w trybie read-write. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
- **Percentile Feedback:** Nowy algorytm oparty o percentyle zamiast ostatniego wykonania – szczególnie przydatny dla **niestabilnych zapytań**, które np. raz potrzebują dużo pamięci, a raz mało. W poprzednich wersjach takie fluktuacje powodowały wyłączenie feedbacku (SQL uznawał zapytanie za *niestabilne* i przestawał korygować, żeby nie „miotawić się” – mechanizm wyłączał się po kilku skrajnie różnych wymaganiach). Teraz SQL 2022 bierze pod uwagę *historię wykonania* i stosuje np. 90. percentyl zużycia pamięci, aby dobrać bezpieczny grant, który minimalizuje ryzyko spillów, ale nie jest skrajnie przewymiarowany. Dzięki temu nawet zmienne zapytania mogą korzystać z feedbacku. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
**Ograniczenia:**
- Jeśli zapytanie ma bardzo różne wymagania pamięciowe *zależnie od parametrów* (np. jeden parametr powoduje przetwarzanie 100 wierszy, inny 1 mln wierszy), to Memory Grant Feedback **do SQL 2019** miał z tym problem – włączał się i wyłączał, bo nie mógł ustalić stałego grantu. SQL 2022 rozwiązuje to częściowo przez podejście percentylowe, ale kluczową rolę gra tu inna funkcja – **Parameter Sensitive Plan**, która rozdzieli plany dla różnych zakresów danych (o tym w następnym punkcie). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
- Feedback pamięci dotyczy operacji wymagających bufora (sort, hash join, agregacja). Nie zadziała np. na proste kursorowe operacje.
- Nie zmienia nic dla zapytań jednokrotnego użytku (których plan nie jest buforowany, np. z *OPTION (RECOMPILE)* – te z definicji za każdym razem optymalizują się od nowa na podstawie aktualnych statystyk i parametrów). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
- Istnieją sytuacje, gdy feedback się **resetuje**: zmiana planu (rekompilacja z innego powodu), usunięcie planu z cache, **failover** klastra (przed SQL 2022 feedback nie był zachowany, teraz z Query Store jest utrwalany o ile jesteśmy na głównej replice bazy). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Monitorowanie:**
- *Extended Events*: `memory_grant_updated_by_feedback` (informuje o poprawieniu grantu) oraz `spilling_report_to_memory_grant_feedback` (zdarzenie raportujące, że nastąpił spill i przekazane info do feedbacku). Jest też event `memory_grant_feedback_loop_disabled` sygnalizujący wyłączenie mechanizmu dla zapytania ze względu na niestabilność (przed SQL 2022). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
- *DMV*: Podgląd bieżących przydziałów vs użycia można uzyskać w planie rzeczywistym (`actual plan` – atrybuty `GrantedMemory` vs `MaxUsedMemory`). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
- **Sterowanie:** Można wyłączyć feedback pamięci globalnie lub dla konkretnego zapytania:
- Konfiguracje bazodanowe: `ALTER DATABASE SCOPED CONFIGURATION SET BATCH_MODE_MEMORY_GRANT_FEEDBACK = OFF;` (dla trybu kolumnowego) oraz analogicznie `ROW_MODE_MEMORY_GRANT_FEEDBACK` (dla row mode).
- Hinty zapytania: `USE HINT('DISABLE_BATCH_MODE_MEMORY_GRANT_FEEDBACK')` lub `'DISABLE_ROW_MODE_MEMORY_GRANT_FEEDBACK'`.
- Domyślnie feedback jest **włączony** (w SQL 2022 percentile mode też) dla poziomu zgodności bazy 150+ (row) i 140+ (batch). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17)
## 2. Parameter Sensitive Plan (PSP) – wiele planów dla różnych wartości parametrów
**Co to jest?** *Parameter Sensitive Plan optimization* to jedna z najbardziej oczekiwanych nowości SQL Server 2022. Rozwiązuje odwieczny problem tzw. **parameter sniffing** (wrażliwości planu na konkretną wartość parametru, którą optymalizator „powąchał” przy kompilacji). Wcześniej, gdy jedno zapytanie T-SQL było wykonywane z różnymi parametrami wejściowymi, SQL Server **buforował tylko jeden plan** – ten wygenerowany dla pierwszego wykonania (lub pierwszego po rekompilacji). Jeśli dane w tabelach miały nierównomierny rozkład, ten jeden plan bywał nieoptymalny dla części parametrów. Typowy przykład: procedura z parametrem `@CustomerID` – dla niszowego klienta najlepszy jest plan korzystający z indeksu, ale dla bardzo popularnego klienta optymalny byłby skan całej tabeli. Single-plan-cache powodował, że jedno z tych wywołań było wolne.
PSP (Parameter Sensitive Plan) eliminuje tę bolączkę, bo pozwala SQL Serverowi **przechowywać jednocześnie kilka planów** dla jednego zapytania, **w zależności od zakresu wartości parametru**. Technicznie rzecz biorąc, przy pierwszej kompilacji zapytania mechanizm PSP analizuje histogramy statystyk kolumn używanych w predykatach równości (`WHERE col = @param`) i szuka **silnie niejednorodnych** rozkładów. Jeśli znajdzie kolumnę, dla której wydajność zapytania może się znacznie różnić (np. jedna wartość zwraca 100 wierszy, inna 1000000 wierszy), to oznacza tę sytuację jako *parameter-sensitive*. Wówczas zamiast normalnego planu tworzy tzw. **plan dyspozytora** (*dispatcher plan*), który zawiera logiczny warunek rozróżniający przypadki i “pod-plany” (query variants) dla różnych zakresów kardynalności. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
**Jak to działa pod maską?**
- Tworzony jest **Dispatcher Plan** – w nim pojawia się specjalny wyrażenie (nie w T-SQL, tylko wewnętrznie) sprawdzające, do którego **przedziału kardynalności** należy wartość parametru. Dla każdej wybranej kolumny mechanizm PSP może ustalić **do 3 przedziałów** (niskie, średnie, wysokie selektywności). Czemu trzy? Uznano, że to rozsądny kompromis – więcej planów mogłoby przepełnić cache i Query Store nadmiarem wariantów. Przedziały wyznaczane są na podstawie **granic (boundary values)** odczytanych z histogramu statystyk (np. dla kolumny z rozkładem Zipf’a granice mogą być: ≤100 wierszy, 101–100000 wierszy, >100000). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17) [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- Dla każdego przedziału kompilowany jest osobny **plan wariantowy (query variant)**, dostosowany do typowej selektywności w tym zakresie. Np. plan dla niskiej selektywności może używać indeksu (seek + NL join), a dla wysokiej – pełny scan + hash join. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- Plan dyspozytora trafia do cache i do Query Store, a obok niego **dochowują się** 2-3 plany wariantowe powiązane z nim. Przy wykonaniu zapytania, silnik najpierw oceniał predykaty i na podstawie wartości parametru **przełącza** sterowanie do odpowiedniego planu wariantowego. Dla nas to jest transparentne – widzimy tylko, że kolejne wykonania z różnymi parametrami mogą iść różnymi planami (w DMVs Query Store widać te warianty). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- PSP jest na tyle sprytny, że **nie generuje na zapas** wszystkich wariantów – tworzy je dopiero, gdy pojawi się odpowiedni parametr. To chroni przed generowaniem niewykorzystywanych planów.
**Kiedy się aktywuje?** Automatycznie w SQL Server 2022 przy poziomie zgodności bazy 160 i włączonym Query Store (ten ostatni od 2022 jest domyślnie aktywny dla nowych baz). Gdy optymalizator natrafi na zapytanie z **predykatami równościowymi na kolumnach o bardzo skośnym rozkładzie danych**, włącza mechanizm PSP. Warto dodać, że:
- PSP dotyczy na razie **predykatów = (równość)**, nie działa dla `BETWEEN`, zakresów czy LIKE. Tylko typ `Column = @param` może zostać uznany za interesujący predykat. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- Jeśli zapytanie ma wiele takich predykatów (np. kilka warunków w `WHERE`), PSP ocenia maksymalnie 3 **najbardziej skośne**. Nie będzie dzielić np. na 9 kombinacji (3x3) – to ograniczenie projektowe, by nie mnożyć wariantów w eksplozji kombinatorycznej. W praktyce, jeśli warunki są na różnych tabelach, może wziąć kilka, ale na jednej tabeli – tylko jeden najbardziej “podejrzany” predykat. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17) [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- PSP nie zadziała, jeśli mechanizm *parameter sniffing* jest globalnie wyłączony (trace flag 4136 lub opcja DATABASE SCOPED CONFIG `PARAMETER_SNIFFING = OFF`) – bo w takim przypadku SQL zawsze generuje plan “na ogólnie najgorszy przypadek” (tzw. `OPTIMIZE FOR UNKNOWN`), więc nie potrzebuje rozdzielać planów (one i tak nie są dopasowane do parametru).
**Korzyści:** Rozwiązuje to większość przypadków, gdzie wcześniej radziliśmy sobie ręcznie: np. pisząc oddzielne procedury dla różnych zakresów danych, stosując hinty `OPTIMIZE FOR` lub wymuszając rekompilację przy każdym wywołaniu (co dawało dobry plan kosztem CPU na kompilację). Teraz SQL Server robi to automatycznie i tylko tam, gdzie potrzeba. Efekt to **stabilizacja wydajności**: dramatycznie spada ryzyko, że “jakiś pechowy parametr zapytania wrzuci nasz system na kolana, bo wylosował zły plan dla wszystkich”.
**Przykład:** Rozważmy tabelę z zamówieniami i procedurę `GetOrders @CustomerId`. Większość klientów ma kilkaset zamówień, ale jeden kluczowy klient (ID 42) ma ich 100 tysięcy. Dla ID=42 optymalny plan to skan i łączenie hash (bo wychodzi dużo wierszy), a dla reszty klientów – indeks po CustomerId i szybkie złączenie nested loops. Bez PSP, jeśli plan się “nawąchał” parametru 42 przy kompilacji, wszyscy inni klienci będą niepotrzebnie robili skany – wolniej. Albo odwrotnie – plan pod małego klienta sprawi, że zapytanie dla ID=42 mieli długo. Z PSP, SQL Server wykryje, że rozkład zamówień per klient jest nierówny i utworzy np. dwa warianty planu: dla klientów z małą liczbą zamówień (użyje indeksu) oraz dla klientów z ogromną liczbą (użyje skanu). Kiedy wywołamy `GetOrders 42`, pójdzie drugi plan; jak `GetOrders 7` – pierwszy plan. **Oba plany są w cache jednocześnie**.
**Ograniczenia i kontrola:**
- **Przechowywanie planów:** Tworzenie wielu planów zwiększa zużycie pamięci plan cache i Query Store, ale limit 3 wariantów na zapytanie zapobiega nadmiernemu rozrostowi. Jeśli zapytanie ma *więcej niż 3 istotnie różne skosy*, PSP wybierze te top 3 – reszta przypadków będzie używać któregoś z nich, ewentualnie suboptymalnie.
- **Zmiany danych:** Mechanizm monitoruje zmiany w rozkładzie danych. Jeżeli statystyki zmienią się znacząco (np. dawny “mały” klient stał się dużym), PSP potrafi **przebudować plan dyspozytora** i warianty na nowo przy kolejnej kompilacji (np. po aktualizacji statystyk lub restartcie serwera). Wariantuje się tak jak normalny plan – może zostać wyrzucony z cache, jak nieużywany. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- **Wyłączenie PSP:** Domyślnie ON przy poziomie 160. Można globalnie wyłączyć: `ALTER DATABASE SCOPED CONFIGURATION SET PARAMETER_SENSITIVE_PLAN_OPTIMIZATION = OFF`. Lub dla konkretnego zapytania: hint `DISABLE_PARAMETER_SENSITIVE_PLAN`.
- **Monitorowanie:**
- W **planie wykonania XML** wariantów pojawiają się wewnętrzne hinty `PLAN PER VALUE(...)` pokazujące kryteria zakresów. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- **Extended Events:** `query_with_parameter_sensitivity` – zdarzenie informujące, że zapytanie ma ten mechanizm (zawiera m.in. które predykaty były uznane za interesujące). Również eventy trackujące tworzenie i użycie wariantów. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- **DMV:** Widok `sys.query_store_query_variants` mapuje zapytania bazowe i ich warianty w Query Store. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
- Obecnie PSP nie obsługuje instrukcji DML (SELECTy tylko). Jednak zapowiedziano, że w SQL Server 2025 dodano wsparcie także dla INSERT/UPDATE/DELETE. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17)
## 3. Cardinality Estimation (CE) Feedback – ulepszanie estymacji kardynalności
**Co to jest?** To mechanizm, który **porównuje estymowaną i rzeczywistą liczność wierszy** przetwarzanych na poszczególnych etapach planu i jeżeli zauważy duże rozbieżności, może zmienić pewne **założenia modelu optymalizatora** przy kolejnym wykonaniu zapytania. Mówiąc prościej: jeśli zapytanie konsekwentnie źle się optymalizuje z powodu nietrafionych oszacowań liczby wierszy, CE Feedback spróbuje *innego wariantu estymatora kardynalności*, aby uzyskać lepszy plan. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Dlaczego to potrzebne?** SQL Server ma różne **modele estymacji kardynalności**:
- **CE_70** – stary model (sprzed SQL 2014) używany przez lata, zakładający m.in. pełną niezależność filtrów.
- **CE_120** – domyślny od SQL 2014+ (compat level 120) – wprowadza założenie częściowej korelacji między filtrami i inne zmiany w formule.
- Dodatkowe **warianty założeń**: np. pełna korelacja vs pełna niezależność wielu warunków w `WHERE`, różne podejścia do filtru + złączenia (containment assumptions), czy uwzględnianie tzw. *row goal* (gdy zapytanie ma TOP/NESTED LOOP, optymalizator może zaniżać estymacje licząc, że “wcześnie wyjdzie” po osiągnięciu n wyników).
Żaden model nie jest idealny dla wszystkich danych. Bywa tak, że po migracji bazy z SQL 2012 do 2019 plan jakiegoś zapytania się pogorszył – bo nowy estymator (CE120) inaczej liczy i np. źle ocenił selektywność w danej sytuacji. Dotąd mieliśmy wybór: ustawić bazie poziom zgodności 110 (stary estymator) lub użyć hintu `USE HINT('FORCE_LEGACY_CARDINALITY_ESTIMATION')` per zapytanie, czy też Database Scoped Config. To jednak globalne kije – albo stary albo nowy.
**CE Feedback (SQL 2022)** potrafi **selektywnie przełączyć** pojedyncze zapytanie na inny model estymacji automatycznie. Działa to tak: [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
- Gdy zapytanie wykonywane wielokrotnie ma *znaczne błędy estymacji* (rzeczywiste vs przewidywane w planie różnią się o rząd wielkości albo więcej), mechanizm analizuje, **czy dostępny jest inny wariant modelu**, który mógłby poprawić te estymacje. Jeśli tak (np. zapytanie działa na compat level 160, czyli używa CE_150+, to alternatywą może być *włączenie pewnej cechy starego modelu* albo *wyłączenie row goala* itd.), to przy kolejnym wykonaniu testuje plan z tą jedną zmianą. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
- Jeżeli nowy plan **przyspieszył** i poprawił rozbieżności – mechanizm **utrwala** tę zmianę: w Query Store dodaje hint (tzw. *Query Store Hint*) wymuszający dane założenie i odtąd zapytanie będzie chodzić na zmodyfikowanym estymatorze. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
- Jeśli zmiana nie pomogła (albo pogorszyła – np. użytkownik przerwał zapytanie, co jest traktowane jako regresja), to mechanizm ją porzuca i nie rusza dalej tego zapytania. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Jakie „założenia modelu” są korygowane?** Na start (2022) CE Feedback skupia się na trzech obszarach:
1. **Korelacja filtrów (correlation model)** – dotyczy sytuacji, gdy `WHERE` ma wiele warunków na jednej tabeli. Stary model CE70 zakładał pełną niezależność (mnoży selektywności), nowy CE120 – częściową korelację (mnoży, ale w ograniczony sposób). Jeśli w rzeczywistości warunki są *silnie skorelowane* (np. `WHERE Country='USA' AND State='CA'`), to nawet CE120 może zaniżyć wynik. CE Feedback potrafi **przesunąć nasilenie założeń**: zauważywszy niedoszacowanie, spróbuje modelu *fully correlated*; zauważywszy przeszacowanie – spróbuje *fully independent*. Innymi słowy, może dynamicznie dopasować formułę mnożenia selektywności do danych. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17) [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
2. **Containment (filtr vs join)** – chodzi o to, jak estymowany jest wpływ filtra na wynik złączenia. CE120 zakłada brak korelacji między filtrem a złączaniem (najpierw liczy złączenie, potem filtr), a stary model zakładał filtr najpierw, potem złączenie. CE Feedback może wykryć, że np. filtr po złączeniu został mocno niedoszacowany i przełączyć na inny wariant (simple containment vs base containment). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
3. **Row goal** – gdy zapytanie ma konstrukcje typu `SELECT TOP 10 ...` albo semi-join (`EXISTS / IN`), optymalizator stosuje *row goal*, czyli zakłada, że nie trzeba przerabiać wszystkich wierszy, tylko do momentu znalezienia 10 rekordów spełniających warunek. To bywa efektywne, ale bywa też złudne – np. jeśli dane są niejednorodne, czasem i tak musi przebiec całą tabelę. CE Feedback potrafi **wyłączyć row goal** (czyli kazać planowi traktować to jak zwykłe zapytanie bez TOP) jeśli okaże się, że row goal dawał zbyt optymistyczne założenia. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
W każdym przypadku zmiana odbywa się przez zastosowanie określonego **hinta** (wewnętrznie) – np. `USE HINT('ASSUME_JOIN_PREDICATE_DEPENDENCY')` lub `DISABLE_OPTIMIZER_ROWGOAL` itp., i to jest zapisywane w Query Store jako hint pochodzący z CE feedback (atrybut planu `QueryStoreStatementHintSource = CE feedback`). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Kiedy się uaktywnia?** CE Feedback działa dla baz na **poziomie zgodności 160** (SQL 2022) i wymaga **włączonego Query Store** w trybie zapisu. Działa tylko dla zapytań, które *wystarczająco często się powtarzają* i mają *stabilny plan*, aby móc ocenić ich rzeczywiste vs planowane metryki. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Co poprawia:** Redukuje ryzyko **regresji wydajności** przy migracji na nowy silnik lub zmianie danych. Kiedyś jeśli nowy estymator (albo nietypowy rozkład danych) źle coś policzył, musieliśmy to ręcznie tuningować. Teraz SQL Server może sam wykryć, że np. dla tego jednego zapytania lepiej zadziała stary sposób liczenia (z innej wersji) i automatycznie go zaaplikować, nie wpływając na resztę bazy. W praktyce przekłada się to na **bardziej przewidywalną wydajność** po aktualizacjach – mniej przypadków, gdzie “po migracji na wyższą wersję jedno krytyczne zapytanie zwolniło”. CE Feedback niejako łączy zalety nowego i starego modelu dobierając to, co pasuje do danej sytuacji. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Ograniczenia:**
- Dotyczy specyficznych scenariuszy (wymienione wyżej). Nie „naprawi” wszystkich błędów estymacji – tylko te, które mieszczą się w zestawie obsługiwanych założeń modelu. Na przykład, jeśli problem wynika z kompletnie brakujących statystyk czy skomplikowanej logiki niedostępnej optymalizatorowi, CE feedback może nie pomóc.
- Wymaga, by **istniał alternatywny model**. Jeśli zapytanie już działa na optymalnych założeniach (np. i tak jest w compat 140 i stary model by nie pomógł), to nie ma co zmieniać. Mechanizm przede wszystkim celuje w **scenariusze regresji** – np. default CE zawiódł, spróbujmy legacy CE albo drobnej modyfikacji.
- CE Feedback uczy się tylko na podstawie **powtarzalnych trendów**. Jeśli raz zapytanie przeszacowało, raz niedoszacowało – nie wyciągnie wniosku, bo uzna, że nie ma jednoznacznego trendu lub brak lepszego modelu.
- **Query Store**: Musi być włączony. Po failoverze AG do innej repliki (przed SQL 2025) feedback się gubi jak i inne zapisy QDS (chyba że w 2025 włączymy QDS na secondary, co dopiero umożliwiono). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Sterowanie i monitoring:**
- Konfiguracja: `ALTER DATABASE SCOPED CONFIGURATION SET CE_FEEDBACK = OFF` wyłącza globalnie feedback estymatora. Per zapytanie: hint `DISABLE_CE_FEEDBACK`. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
- **DMV i XEvents:** Widok `sys.query_store_plan_feedback` pokazuje, jakie feedbacki zostały zastosowane do planów (dotyczy to CE, DOP, memory). XEventy `query_feedback_analysis` i `query_feedback_validation` – proces analizy i walidacji tych zmian. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
- W planie wykonania *właściwie nie ma jawnego znacznika* “CE feedback on”, ale jest widoczny **Query Store Hint** (jak wspomniany atrybut `QueryStoreStatementHintSource = CE Feedback`). Czyli po fakcie, można zobaczyć, że plan ma wymuszony hint pochodzący z tego mechanizmu. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
**Wpływ na wydajność:** W założeniu tylko pozytywny, bo CE feedback *załącza się, by naprawić plan*. Istnieją jednak odnotowane przypadki, że w pewnych warunkach mechanizm ten powodował wzrost zużycia CPU i pamięci (bugi w implementacji, np. do SQL 2022 CU8 był problem z czyszczeniem nieużytych planów, co prowadziło do puchnięcia plan cache – poprawione w CU12). Poza takimi błędami (które załatwiono w aktualizacjach), CE feedback jest asekuracyjny: **nie utrwala się**, jeśli nie przyniesie poprawy, więc nie powinien pogorszyć planu długoterminowo. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17) [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17)
## 4. Degree of Parallelism (DOP) Feedback – optymalna równoległość bez ręcznego strojenia
**Co to?** Feedback stopnia równoległości w SQL 2022 to mechanizm, który **automatycznie dostosowuje liczbę wątków (DOP)** używanych do wykonania zapytania, jeżeli wykryje, że plan z maksymalną dostępną równoległością nie jest efektywny. Innymi słowy, SQL Server może sam zdecydować: “to zapytanie lepiej wykonać na 4 wątkach zamiast 16, bo 16 nie przyspiesza, a tylko generuje narzut synchronizacji”. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
**Po co to?** W środowiskach OLTP typowe jest ustawienie dość wysokiego **MAXDOP** na serwerze (np. 8 lub 16), żeby cięższe zapytania mogły zrównoleglić się, jeśli trzeba. Czasami jednak optymalizator może wybrać plan równoległy tam, gdzie nie jest on potrzebny – np. dla krótkiego zapytania operacyjnego na małej tabeli. Bywa też tak, że plan równoległy był słuszny, ale ewentualne korzyści są znikome, bo czas łączenia wyników i przełączania kontekstu wątków pochłania zysk. Efektem mogą być niepotrzebne **czekania w stylu CXPACKET/CXCONSUMER** i marnowanie CPU przy dużej liczbie równoległych zapytań. Dotąd DBA radzili sobie, monitorując takie sytuacje i nastawiając niższy MAXDOP globalnie lub dla pojedynczych zapytań hintem `OPTION (MAXDOP n)`.
DOP Feedback teraz zrobi to auto-*ex post*. Działa to tak:
- Jeśli zapytanie wykonuje się równolegle i zauważono, że sumaryczny czas wykonania nie skalował się dobrze (mierzony jest czas + wybrane waity), to przy kolejnym wykonaniu mechanizm spróbuje **obniżyć DOP** (np. z 8 do 4) i porówna efekty. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- Jeżeli **nie pogorszyło** to odczuwalnie czasu zapytania, a sumarycznie system zyskuje (mniejsze obciążenie CPU, mniejsze waity), to nowy DOP zostaje uznany za lepszy i może być jeszcze ewentualnie korygowany (np. z 4 do 2) aż znajdzie *sweet spot*. **Nigdy nie podnosi ponad MAXDOP** – co najwyżej zmniejsza w kolejnym kroku. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- Jeśli obniżenie DOP okazało się złe (zapytanie mocno zwolniło lub zostało anulowane przez usera) – mechanizm **wraca** do poprzedniego ustawienia. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
DOP feedback **nie powoduje rekompilacji planu** – modyfikuje jedynie informację o maksymalnej liczbie wątków przy następnym użyciu tego planu. W praktyce robi to zapewne poprzez wstrzyknięcie wewnętrznego *Query Store hinta* z MAXDOP. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
**Kiedy się aktywuje?** Dla baz na poziomie 160 z włączonym Query Store (read-write). Co ważne, **domyślnie w SQL 2022 DOP feedback jest WYŁĄCZONY** (w przeciwieństwie do Memory i CE feedback, które działają automatycznie). Trzeba go włączyć per baza poleceniem: `ALTER DATABASE SCOPED CONFIGURATION SET DOP_FEEDBACK = ON;`. Być może Microsoft uznał, że to większa zmiana zachowania i wymaga świadomej decyzji DBA. Na Azure SQL może być domyślnie on (zależnie od polityki aktualizacji). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
**Co poprawia:** Skraca czasy oczekiwania i zwiększa **przepustowość** systemu pod obciążeniem. Przykład: kilkanaście zapytań OLTP, każde trwa 100 ms sekwencyjnie, ale z DOP=8 każde trwa ~120 ms (bo narzut) i do tego zużywają 8 wątków, co przy dużej konkurecji prowadzi do kolejek. DOP feedback może sprawić, że te zapytania będą się wykonywać np. na 2 wątkach w ~130 ms – pojedynczo trochę wolniej, ale cały system obsłuży ich więcej równolegle, bo nagle nie brakuje wątków i scheduler nie ma takiego overheadu. Mechanizm jest zaprojektowany tak, by **poprawiać ogólną przepustowość kosztem minimalnego pogorszenia pojedynczego zapytania** (co w sumie filozoficznie przypomina decyzje, jakie podejmuje doświadczony DBA strojąc MAXDOP). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
**Ograniczenia:**
- Nie podniesie DOP powyżej globalnego MAXDOP (ani ponad ewentualny hint w planie). Jeśli zapytanie ma MAXDOP 1 (czyli plan sekwencyjny), to nie jest w ogóle objęte mechanizmem (DOP feedback dotyczy *nadmiarowej* równoległości, minimalny DOP to 2). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- Nie działa, gdy zapytanie ma **hinty dot. DOP** – np. `MAXDOP 8` w query spowoduje, że DOP feedback odpuści (obecnie nie jest kompatybilny z ręcznymi hintami). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- Nie ma zastosowania do zapytań jednorazowych – jak inne feedbacki, wymaga powtarzalności i stabilnych warunków.
- W trybie klastrowym (AG) – DOP feedback **jest “replica-aware”** (na różnej replice, np. secondary, może mieć inne optymalne DOP, bo hardware inny). Ale nie utrwala się na secondary (na primary tak, a po failoverze traci). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- Ponieważ mechanizm może pozostawić zapytanie trochę wolniejsze (ale lżejsze), trzeba zrozumieć, że priorytetem jest **efektywność systemu**. W skrajnym razie może to być niepożądane dla jakiegoś krytycznego raportu, który chcemy najszybciej – wtedy można wyłączyć mechanizm dla niego hintem.
**Sterowanie i monitoring:**
- Włączanie/wyłączanie: jak wyżej, DB scoped config `DOP_FEEDBACK` ON/OFF. Per zapytanie: hint `DISABLE_DOP_FEEDBACK`. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- **DMV:** `sys.query_store_plan_feedback` tu przechowa ustalony “docelowy” DOP (jak się ustabilizuje). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
- **XEvents:** Cała seria zdarzeń (m.in. `dop_feedback_eligible_query`, `dop_feedback_provided`, `dop_feedback_stabilized`, `dop_feedback_reverted`, `dop_feedback_analysis_stopped`) pozwala prześledzić cykl tego mechanizmu dla poszczególnych zapytań. Np. można zobaczyć kiedy obniżono DOP i czy to się ustabilizowało, czy cofnięto. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
**Czy to nie konflikt z automatycznym dopasowaniem DOP w Resource Governorze?** – W SQL Server istniało pojęcie *„auto DOP”* (stopień równoległości adaptowany do przewidywanego kosztu) i w 2019 wprowadzono opcję Resource Governor `MAX_DOP = 0` dla puli, co oznacza dynamiczny DOP zależny od bieżącego obciążenia. DOP feedback to coś innego – działa na poziomie *konkretnego zapytania* i uczy się *z historycznego wykonania*, a nie reaguje na chwilowe obciążenie serwera. Można je stosować łącznie: najpierw RG ograniczy max DOP w zależności od obciążenia, a w tym limicie DOP feedback może jeszcze obniżyć, jeśli zapytanie samo w sobie nie potrzebuje aż tyle.
## 5. Interleaved Execution – inteligentna kompilacja zapytań z funkcjami tabelarycznymi
**Co to jest?** Interleaved Execution to mechanizm wprowadzony już w SQL Server 2017, należący do tej samej rodziny IQP. Dotyczy on specyficznie zapytań korzystających z **wielozdaniowych funkcji zwracających tabelę (MSTVF)**. Pozwala on przerwać optymalizację zapytania w trakcie i **wykonać najpierw funkcję**, żeby poznać rzeczywistą liczność wierszy, jaką ona zwróci, a następnie **wznowić optymalizację** reszty zapytania z tą wiedzą. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
**Problem rozwiązywany:** Klasycznie, optymalizator traktował MSTVF jak **czarną skrzynkę** – zakładał z góry pewną liczbę wierszy zwracanych przez funkcję. Do SQL 2014 zakładał zawsze 1 wiersz, od SQL 2014 do 2016 – 100 wierszy (niezależnie od rzeczywistości). Powodowało to mnóstwo problemów z planami. Jeśli funkcja w rzeczywistości zwracała mało, a dostała plan jak dla 100 (czyli może złączanie NLJ), to pół biedy. Ale jak zwracała tysiące lub miliony, a plan zakładał 100, to zazwyczaj mamy katastrofę: niedoszacowanie prowadziło do złych wyborów algorytmów (np. wybrano pętlę zagnieżdżoną, która przy 1e6 iteracji będzie koszmarnie wolna, zamiast hasha; albo nie przydzielono dość pamięci i posypały się spillage). Administratorzy radzili: “nie używajcie MSTVF w krytycznych zapytaniach albo zawsze po nich `OPTION (RECOMPILE)` by rozwiewało plan”. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
**Jak działa interleaved:** Gdy optymalizator napotka w planie kandydat do interleaved (MSTVF), **zawiesza dalsze planowanie**, uruchamia tę funkcję (z danymi wejściowymi) i liczy wiersze, jakie zwróciła. Mając tę liczbę, wznawia optymalizację – ale już wie, czy to 10 czy 500k. Dzięki temu może dobrać odpowiednie joiny, posortować inaczej plan, przydzielić pamięć według faktycznej liczności itd.. W wyniku finalny plan jest **znacznie lepiej dopasowany**. Mechanizm ten wprowadza jakby *sprzężenie zwrotne wewnątrz pojedynczego wykonania zapytania* (nie czeka do kolejnego razu, tylko w trakcie kompilacji się uczy). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17) [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
**Aktywacja:** Tryb ten włącza się automatycznie przy poziomie zgodności bazy 140+ (SQL 2017) dla zapytań spełniających kryteria:
- Dotyczy **tylko MSTVF** (multi-statement table-valued function). Inne funkcje (inline TVF, skalary) mają inne mechanizmy optymalizacji (inlining skalarnych w SQL 2019).
- Funkcja musi być użyta w kontekście SELECT (nie w kwerendzie modyfikującej, nie w cross apply z update itp.). Ogólnie typowe użycie: `SELECT ... FROM MSTVF(@x) JOIN ...`. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
- Funkcja powinna zależeć od parametru zapytania (runtime constant) – co zwykle jest spełnione, bo wołamy ją z jakimiś parametrami. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
- Jeśli funkcja wewnątrz jest czytająca (nie robi zmian), jest idealną kandydatką.
**Korzyści:** W testach MS notowano dramatyczne przyspieszenia. We wspomnianej sytuacji, gdzie funkcja realnie dawała ~527k wierszy, a plan przed interleaved zakładał 100 – po włączeniu interleaved plan zmienił się z pętli zagnieżdżonej (której wykonanie z 527k iteracji zajęło bardzo długo ze spillami) na hash join bez spillów. Mówimy często o różnicy rzędu sekund vs godziny dla skrajnych przypadków nadużycia MSTVF. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
**Monitorowanie i kontrola:**
- W **planchache** atrybut planu `ContainsInterleavedExecutionCandidates="true"` informuje, że plan użył tego mechanizmu. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
- Nie ma dedykowanego DB config do włączenia (poziom zgodności decyduje), ale jest możliwość wyłączenia globalnie przez obniżenie compat do 130 lub zastosowanie trace flag (bodaj 11024/11025 – wewn. flaga do wyłączenia interleaved). Rzadko potrzebne – chyba że w jakimś przypadku plan z dokładną kardynalnością okazał się gorszy niż heurystyczny (co jest możliwe teoretycznie, ale mało prawdopodobne). [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
- Extended Events: `interleaved_execution_statistics` możliwe do śledzenia.
**Wpływ na stabilność:** Interleaved Execution z definicji zmienia plan wykonania pierwszego już wywołania (nie trzeba czekać na drugie jak przy innych feedbackach). W 99% przypadków to zmiana na plus. MS zaznacza jednak, że zawsze istnieje margines ryzyka – może się zdarzyć *regresja* (np. plan z dokładną wiedzą o 1_000_000 wierszy paradoksalnie wyszedł trochę wolniej niż plan błędnie zakładający 100, bo np. w tym konkretnym zapytaniu mniejszy join po 100 przypadkiem dawał “wystarczająco dobry” wynik szybciej – skrajny scenariusz). Wtedy pozostaje wyłączyć mechanizm (np. wymuszając stary poziom zgodności dla tego jednego zapytania poprzez hint `QUERY_OPTIMIZER_COMPATIBILITY_LEVEL = 130`). Takie przypadki są rzadkie – generalnie interleaved execution jest uznawany za bezpieczną i bardzo pożyteczną funkcję, szczególnie w systemach, gdzie MSTVF były nadużywane. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-details?view=sql-server-ver17)
## 6. Wpływ IQP Feedback na wydajność i stabilność, a doświadczenia z Oracle i PostgreSQL
Powyższe mechanizmy razem składają się na obraz **samouczącej się optymalizacji zapytań** w ekosystemie SQL Server. W praktyce firmy odnotowują dzięki nim:
- **Mniejszą zmienność wydajności zapytań w czasie** – system adaptuje się do danych i obciążenia. Np. po wdrożeniach SQL 2022 z PSP problem incydentalnych spadków wydajności wskutek nieszczęsnego doboru planu praktycznie zanika (kiedyś typowy “przypadek param_sniffing”).
- **Oszczędność zasobów** – dzięki memory feedback i DOP feedback serwer efektywniej gospodaruje pamięcią i CPU. Więcej zapytań mieści się naraz bez wzajemnego zakłócania.
- **Mniej pracy ręcznej DBA** – automatyka pokrywa sporą część tuningu, który wcześniej wymagałby analizy planów, tworzenia indeksów albo pisania hintów. DBA może skupić się na bardziej architektonicznych zadaniach.
Oczywiście, te funkcje nie zastąpią w 100% czujności administratora:
- Trzeba dbać o **aktualne statystyki** i rozsądny design zapytań. Feedback pomaga *skorygować* błędy optymalizacji, ale nie uratuje np. całkowicie złego algorytmu w kodzie.
- Warto monitorować, czy któryś mechanizm nie poszedł w złą stronę (stąd wiedza o extended events).
- *Inteligencja* tych rozwiązań to tak naprawdę sprytny algorytm, a nie magia AI – bazują na konkretnych regułach. Więc zawsze mogą trafić się krawędzie, gdzie trzeba je wyłączyć i podjąć działania manualne (na szczęście to wyjątki, a możliwości wyłączenia są).
### **Porównanie z Oracle i PostgreSQL**
Ważne jest zrozumienie, że Microsoft nie jest tu pionierem absolutnym – podobne idee istnieją w innych silnikach, zwłaszcza w **Oracle**, od dawna:
- **Oracle Database** (np. wersje 11g, 12c, 19c):
- Już Oracle 11g **(2007)** wprowadził **Adaptive Cursor Sharing (ACS)** – mechanizm prawie identyczny ideowo do Parameter Sensitive Plan. Oracle pozwala jednemu zapytaniu z bind parametrami mieć **wiele kursów (planów)**: jeśli wykryje, że dla różnych wartości binda wydajność jest różna, to tworzy dodatkowe plany i zapamiętuje, które wartości/zakresy mają używać którego planu. DBA nie musi nic konfigurować – dzieje się to automatycznie podczas kolejnych egzekucji zapytania. To rozwiązanie problemu *bind peeking*, analogiczne do param sniffing. W praktyce Oracle osiągnął to wcześniej – SQL Server dogonił to dopiero w 2022 (wcześniej MS dawał co prawda takie rozwiązanie jak *Optymalizuj dla Unknown*, ale to był tylko jeden “bezpieczny” plan zamiast adaptacji wieloplanowej). [[oracle-base.com]](https://oracle-base.com/articles/11g/adaptive-cursor-sharing-11gr1), [[oracle-base.com]](https://oracle-base.com/articles/11g/adaptive-cursor-sharing-11gr1)
- Oracle 11gR2 wprowadził **Cardinality Feedback** (przemianowane w 12c na *Statistics Feedback*) – mechanizm monitorujący **różnice między estymacją a rzeczywistością** i przy następnym wykonaniu tej samej instrukcji **autorekompilujący** ją z uwzględnieniem faktycznych kardynalności. Działa to bardzo podobnie do CE Feedback w SQL 2022, z tą różnicą, że Oracle 11g nie modyfikował globalnego modelu estymacji, tylko zapamiętywał *dla tej konkretnej instrukcji* dodatkowe statystyki dynamiczne (w SGA jako `OPT_ESTIMATE` hints) i oznaczał tę instancję zapytania jako *do reoptymalizacji*. Przy kolejnym wykonaniu – sięgał do tych wskazówek i mógł wygenerować lepszy plan. Informacja przepadała po restarcie (chyba że zapisało się coś w *SQL Plan Baselines*). W Oracle 12c mechanizm ten rozbudowano o **SQL Plan Directives** – coś jak trwałe reguły uczące się np. korelacji kolumn, również w odpowiedzi na wykryte misestymacje. Trzeba przyznać, że Oracle miał więc **bogate auto-tuning** oparte o feedback długo przed MS. [[oracle-base.com]](https://oracle-base.com/articles/12c/automatic-reoptimization-12cr1)
- Oracle ma też **Adaptive Plans** (od 12c) – to z kolei odpowiednik adaptacyjnych joinów czy interleaved execution: potrafi w trakcie wykonania zmienić plan częściowo (np. zamienić NL join na Hash join gdy zobaczy, że zebrało więcej wierszy niż myślał). MS Adaptive Join (2017) to podobna koncepcja. [[oracle-base.com]](https://oracle-base.com/articles/12c/automatic-reoptimization-12cr1)
- **Automatic DOP**: Oracle od dawna ma automatyczne dobieranie DOP (tzw. „Parallel Degree Policy Auto”), ale jest to bardziej planistyczne (na etapie optymalizacji decyduje DOP wg statystyk i parametrów inicjalnych). **DOP Feedback** per se w stylu MS – aby na podstawie kilku wykonań korygować – tego Oracle raczej nie miał jako osobnej funkcji. Niemniej, Oracle posiada tak szeroki ekosystem (Resource Manager, event monitor, hinty + plan stability), że DBA Oracle mógł osiągnąć podobny efekt innymi sposobami.
- **PostgreSQL**:
- PostgreSQL **nie posiada (do wersji 15)** tak zaawansowanych mechanizmów samoadaptacji planów. Z reguły planner PG **za każdym razem** (przy nowym zapytaniu) tworzy plan w oparciu o swoje statystyki i parametry. Nie ma globalnego plan cache jak w SQL Server – więc problem param sniffing jest mniejszy, bo zapytania są planowane na bieżąco. Wyjątek: gdy używamy **prepared statements** lub zdefiniowanych funkcji SQL – wtedy plan może być buforowany i PG decyduje czy użyć planu ogólnego czy generować per wykonanie (chyba po pierwszych 5 wykonaniach). To trochę odpowiada manualnemu `OPTIMIZE FOR UNKNOWN` vs `OPTION (RECOMPILE)` w SQL – PG po kilku razach może stwierdzić: *“ciągle korzystasz z różnych parametrów, to zrobię plan ogólny”* albo *“to zapytanie ma sens planować za każdym razem, bo parametry mocno wpływają”*. To jednak dość proste heurystyki, a nie analizowanie wykonania i korygowanie planu.
- Istnieją eksperymentalne projekty jak **pg_aqo (Adaptive Query Optimization plugin)**, które dodają komponent uczący się do PG, ale nie jest to standard. Tak więc PG polega na **klasycznym modelu statystyk**: jeśli plan jest zły, to zazwyczaj oznacza, że statystyki są nieadekwatne (obowiązkiem DBA jest zadbać o częste ANALYZE na zmieniających się danych) lub brakuje mu pewnych możliwości (np. brak histogramów wielokolumnowych – choć od PG10 jest pewne wsparcie MCV list, to wciąż uproszczony model).
- **Parametryzacja w PG**: W codzienności deweloperskiej, problem param sniffing w PG często rozwiązuje się… wykonując zapytania bez przygotowania (każde wykonanie się optymalizuje niezależnie) lub stosując `EXECUTE ... USING value` by wymusić nowe planowanie. Nie jest to automatyczne jak w SQL 2022 PSP, ale programista/ORM musi świadomie zdecydować, czy dana funkcja powinna być prekompilowana czy nie. Postgres 14+ dodaje pewne udoskonalenia typu lepsza decyzja custom vs generic plan (tzw. plan_cache_mode), co pomaga w tych scenariuszach.
**Tabela porównawcza:** Poniżej zestawiono analogiczne mechanizmy w SQL Server, Oracle i Postgres:
| **Aspekt / Mechanizm** | **SQL Server 2022 (IQP)** | **Oracle (11g/12c/19c)** | **PostgreSQL (14/15)** |
| :-------------------------------- | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------ | :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- | :--------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
| **Plan a parametry (sniffing)** | **Parameter Sensitive Plan** – automatyczne utrzymanie kilku planów dla różnych zakresów wartości parametru w jednej procedurze zapytań [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/parameter-sensitive-plan-optimization?view=sql-server-ver17), [[oracle-base.com]](https://oracle-base.com/articles/11g/adaptive-cursor-sharing-11gr1). Rozwiązanie problemu *parameter sniffing*. | **Adaptive Cursor Sharing** (od Oracle 11g) – *bind-aware cursor* pozwala jednemu SQL z bindami mieć **wiele kursów (planów)**. Oracle porównuje wydajność planów przy różnych bindach i generuje nowe, jeśli potrzeba [[oracle-base.com]](https://oracle-base.com/articles/11g/adaptive-cursor-sharing-11gr1), [[oracle-base.com]](https://oracle-base.com/articles/11g/adaptive-cursor-sharing-11gr1). Działa domyślnie, bez konfiguracji. | **Brak wbudowanego wieloplanowego mechanizmu**. PG planuje zapytania każdorazowo lub korzysta z jednego planu dla prepared statement – decyzja (generic vs custom plan) oparta na prostych heurystykach, nie na mierzeniu wykonania [[postgresql...shnode.dev]](https://postgresqlblog.hashnode.dev/mastering-parameter-sensitive-plans-in-postgresql-for-better-query-performance). Programista musi ewentualnie rozbić logikę na osobne zapytania lub wymusić ponowne planowanie. |
| **Sprzężenie zwr. kardynalności** | **CE Feedback** – automatycznie wykrywa znaczące niedoszacowania/przeszacowania w planie i **stosuje inny model estymacji** (np. zmienia założenie o korelacji filtrów, wyłącza row goal lub używa innej formuły dla złączeń) przy kolejnych wykonaniach [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17). Wymaga Query Store (persisted). | **Cardinality Feedback / Statistics Feedback** (Oracle 11g/12c) – po wykonaniu zapytania z dużą rozbieżnością estymacji oznacza je do ponownej kompilacji, przy której **używa rzeczywistych kardynalności z poprzedniego wykonania** jako wskazówek [[oracle-base.com]](https://oracle-base.com/articles/12c/automatic-reoptimization-12cr1). Działa automatycznie; w 12c integruje się z **SQL Plan Directives** (trwałe zalecenia dot. statystyk dla optymalizatora). | **Brak automatycznego feedback**. Planner PG opiera się wyłącznie na statystykach z ANALYZE i własnych założeniach (np. niezależność filtrów). Jeżeli te estymacje są błędne, jedyny sposób to ulepszyć statystyki (np. dodać histogramy wielokolumnowe w postaci EXTENDED stats) albo nadpisać założenia zapytania (np. używając `ROWS` hint w Postgres 16). Istnieje moduł eksperymentalny **pg_aqo** umożliwiający uczenie się estymacji, ale nie jest częścią domyślnej dystrybucji. |
| **Przydział pamięci** | **Memory Grant Feedback** – monitoruje zużycie pamięci operacyjnej zapytania i koryguje wielkość grantu RAM dla kolejnych wykonań, ograniczając **spille do dysku** i **marnowanie pamięci** [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17). Od SQL 2022 z utrwalaniem (Query Store) i algorytmem opartym na percentylach [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17). | Oracle nie ma bezpośredniego odpowiednika per zapytanie. Zarządzanie pamięcią odbywa się na poziomie całego procesu (PGA), a ewentualne błędy typu spill (tzw. czyszczenie do TEMP) optymalizuje się raczej przez profilowanie SQL i tuning parametrów pamięci (np. `_px_skew_mem_redistribution` dla odciążenia). Nie występuje automatyczne zmniejszanie/większanie hash area dla powtarzanych query – Oracle raczej zakłada, że DBA ustawi odpowiednio pamięć i statystyki. | **Brak mechanizmu**. PG ustala użycie pamięci dla operacji (np. sort, hash) na podstawie stałych parametrów konfiguracyjnych (`work_mem`, `hash_mem_multiplier`) i estymowanej wielkości danych. Jeśli te założenia są złe, mogą nastąpić **spille do dysku** (pliki tymczasowe na dysku). Postgres nie koryguje automatycznie tych parametrów następnym razem – to rola DBA, by ewentualnie podnieść `work_mem` lub poprawić statystyki. |
| **Stopień równoległości** | **DOP Feedback** – obserwuje wydajność zapytań równoległych i jeśli wiele wątków nie daje proporcjonalnej korzyści (występuje nadmiar synchronicznego narzutu), obniża liczbę wątków dla kolejnych wykonań, aby zwiększyć efektywność i przepustowość całego systemu [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17). | Oracle posiada **Auto DOP** (determinowany na etapie planowania zgodnie z parametrem `PARALLEL_DEGREE_POLICY` i obciążeniem), ale nie ma opisanego mechanizmu adaptacji na podstawie wielokrotnych wykonań *tej samej* instrukcji. Oracle potrafi dynamicznie alokować zasoby paralelizmu przez Resource Manager (domykając do ustawionych limitów). Jednak **sprzężenia zwrotnego** po fakcie („to zapytanie lepiej chodziło na 4 niż 16 wątkach, więc następnym razem ustaw 4”) – nie czyni automatycznie, pozostawiając to ocenie DBA lub mechanizmom planowania. | **Brak mechanizmu**. Postgres posiada parametry globalne/nastawienia sesji do kontroli równoległości (`max_parallel_workers_per_gather` itd.) i pewne koszty w modelu decydujące czy zapytanie będzie równoległe. Nie „uczy się” jednak na podstawie historii. Jeżeli jakieś zapytanie cierpi na zbytni narzut równoległości, trzeba to skorygować manualnie (np. limitem w `SET max_parallel_workers_per_gather` przed zapytaniem lub zmieniając koszty). |
*Źródła:* Dokumentacja Microsoft IQP, Oracle 11g/12c SQL Tuning Guide, doświadczenia własne z PostgreSQL. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-memory-grant-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17) [[oracle-base.com]](https://oracle-base.com/articles/11g/adaptive-cursor-sharing-11gr1), [[oracle-base.com]](https://oracle-base.com/articles/12c/automatic-reoptimization-12cr1) [[postgresql...shnode.dev]](https://postgresqlblog.hashnode.dev/mastering-parameter-sensitive-plans-in-postgresql-for-better-query-performance)
### **Podsumowanie**
Mechanizmy sprzężenia zwrotnego optymalizatora w SQL Server 2022 wpisują się w trend **autonomicznych baz danych**, gdzie system sam optymalizuje się w locie. Microsoft znacząco zredukował lukę względem Oracle pod tym względem, a nawet wprowadził unikalne nowości (np. DOP Feedback). Dla użytkowników oznacza to:
- **Większą wydajność bez wysiłku** – wiele zapytań zacznie działać szybciej po migracji na SQL 2022, nawet jeśli ich nie zmienimy, dzięki IQP.
- **Mniejszą ilość nagłych problemów po zmianach danych lub parametrów** – system adaptuje się ciągle, więc nie ma efektu “dzisiaj działa, jutro dramat” tak często jak kiedyś.
- **Konieczność zrozumienia nowych diagnostyk** – DBA powinni nauczyć się śledzić działanie tych mechanizmów (Query Store, XEventy) i wiedzieć jak je wyłączać w razie potrzeby.
Na koniec warto zaznaczyć, że **żaden z tych mechanizmów nie zastępuje dobrych praktyk**: nadal potrzebne są indeksy, aktualne statystyki i przemyślany kod SQL. Sprzężenie zwrotne optymalizatora to swoisty autopilot – koryguje kurs, gdy wykryje odchylenie, ale dobrze jest wyruszać w drogę z mapą (statystykami) i sprawnym pojazdem (indeksami). Niemniej, w codziennej pracy programistów i administratorów SQL Server 2022 te funkcje zyskują status wybawców od wielu nieoczekiwanych zagwozdek wydajnościowych, czyniąc bazę danych bardziej **samodzielną i odporną** na zmiany warunków. Dzięki temu powiedzenie “to nie jest tylko baza danych” nabiera kolejnego znaczenia – nowoczesny SQL Server **aktywnie współpracuje** z nami, by utrzymać jak najlepszą wydajność systemu. [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-cardinality-estimation-feedback?view=sql-server-ver17), [[learn.microsoft.com]](https://learn.microsoft.com/en-us/sql/relational-databases/performance/intelligent-query-processing-degree-parallelism-feedback?view=sql-server-ver17)
---
type: 'DailyNote'
title: November 11, 2025
date: '2025-11-11T00:00:00.000Z'
tags: []
---
15:55
[PBN MASTER 2025 - Kurs Budowy Sieci PBN](https://pbnmaster.pl/?fbclid=PAdGRzdgOALbJleHRuA2FlbQEwAGFkaWQBqyn6Ad0ZMnNydGMGYXBwX2lkDzU2NzA2NzM0MzM1MjQyNwABp-Zg7xgYRAnrSO4Lv6_6ifTHTABg7bO1ZlGfEBn4ud9mxCW6GZG5T6MPtkOt_aem_A3HpPkG85-IMaFkXXgx6cg)[PBN MASTER 2025 - Kurs Budowy Sieci PBN - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/3757a8ae-762f-4de6-8f06-eacc3c240d0f)
---
type: 'DailyNote'
title: November 8, 2025
date: '2025-11-08T00:00:00.000Z'
tags: []
---
09:38
[Strona w 1 dzień! Zarabiaj 7-14 tys. zł miesięcznie • Kuba od Stron](https://kubaodstron.pl/strona-w-1-dzien-start/?fbclid=PAdGRzdgN74N9leHRuA2FlbQEwAGFkaWQAAAYw1TugBnNydGMGYXBwX2lkDzU2NzA2NzM0MzM1MjQyNwABp0XDkacvwkiLScbqYVTgDiX_SfDFUVnDkr6c3j4PNyK08eQ87ZnaY93HCPWT_aem_mmeHNcwZVzxhe7amXOH8UQ)[Strona w 1 dzień! Zarabiaj 7-14 tys. zł miesięcznie • Kuba od Stron - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/11ecb2c7-1a04-4b12-a210-885d825215d5)
---
type: 'DailyNote'
title: November 7, 2025
date: '2025-11-07T00:00:00.000Z'
tags: []
---
14:49
[Oto miesięczny PLANER REELS do pobrania za free - Agata Koman](https://agatakoman.pl/oto-miesieczny-planer-reels-do-pobrania-za-free/?utm_source=meta&utm_medium=cpc&utm_campaign=Freebie%20Planer%20Reels%202&utm_content=Wektor%201&utm_term=Zainteresowania&fbclid=PAZXh0bgNhZW0BMABhZGlkAasp_nDqOZ5zcnRjBmFwcF9pZA81NjcwNjczNDMzNTI0MjcAAadqSaRzjyUGLNr420gyDa2VYEHjUNHBF-amCElWUrIHTNeALgD4njPj0mXyYg_aem_sxmchCES_SMk1_OPAEUzxQ)[Oto miesięczny PLANER REELS do pobrania za free - Agata Koman - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/e1e499c3-40e4-4383-9971-b6d7ee196915)
14:52
[Wyzwanie 14 dni z AI](https://www.mechamind.pl/wyzwanieytinsp?fbclid=PAdGRzdgN62NpleHRuA2FlbQEwAGFkaWQBqyscYnQxWHNydGMGYXBwX2lkDzU2NzA2NzM0MzM1MjQyNwABpx02gRxCbs5oEeNYzjvLT2_EwwAMvBNGEvayl-Os-44ZZwHdYhFeAi6hocnY_aem_CAgWgZSjrY35qT4IRjnobQ)[Wyzwanie 14 dni z AI - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/8b8ff815-b275-4cc6-a1ce-0a3925fee90a)
15:56
---
type: 'DailyNote'
title: November 1, 2025
date: '2025-11-01T00:00:00.000Z'
tags: []
---
19:36
[AI Literacy](https://app.easy.tools/pages/ai-literacy?utm_source=facebook&utm_medium=cpc&utm_campaign=%40%20Advantage%20Kursy%20Kampania&utm_content=Kurs%20AI%20Literacy_static1&fbclid=PAdGRzdgNzMmlleHRuA2FlbQEwAGFkaWQBqyhVc3coBwGnLFCA0PwenBmPCduU-4-SdRm4QhWECZRfrtC-Ng8zVLMDfbHZCJMgnH6SCMI_aem_ZP-TmZLcRDjrUrSil8PH_Q)[AI Literacy - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/aade1f2c-3384-4ddc-9ade-9bad76cdbefb)
---
type: 'DailyNote'
title: October 31, 2025
date: '2025-10-31T00:00:00.000Z'
tags: []
---
[https://miroburn.notion.site/sciezki](https://miroburn.notion.site/sciezki)
[https://miroburn.notion.site/diagnoza](https://miroburn.notion.site/diagnoza)
[https://miroburn.notion.site/zdrowie](https://miroburn.notion.site/zdrowie)
# AIMasterHub.online — Hero (pierwszy widok)
H1 (≤ 18 słów)
- Ucz się, wdrażaj i zarabiaj z AI prościej
Podtytuł (1 zdanie)
- Krótkie lekcje i gotowe przewodniki, które zamieniają narzędzia w realne wyniki w Twoim biznesie.
CTA (jedno)
- Zapisz się
- CTA_URL: /zapisz-sie (do ustalenia w Odoo; dodaj parametry śledzące UTM)
Dowód/obietnica (micro)
- Otrzymasz mini‑przewodnik PDF „Pierwsze 7 dni z AI w biznesie”.
Uwagi do wdrożenia
- Jeden przycisk CTA, bez alternatywnych linków w pierwszym widoku.
- Mobile first: testuj na telefonie; sprawdź czas wczytania (< 2.5 s).
- Dodaj parametry UTM do linku CTA, aby mierzyć źródła wizyt i zapisy.
## **Building your "Minimum Viable Toolkit"**
Put simply, you don’t need 50 tools. You only need a handful that actually save you time. Below are my go-tos for daily efficiency.
### [Google Gemini](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fwnh2h6uw0zwqlnsl%2FaHR0cHM6Ly9nZW1pbmkuZ29vZ2xlLmNvbS9hcHA%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639271240%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=YrrafVH0iPNyV0mWP4LdZq%2Beh6Q63MvgH%2BdpiqAwd6U%3D&reserved=0) vs. [ChatGPT](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Freh8h9u0680mods6%2FaHR0cHM6Ly9jaGF0Z3B0LmNvbS8%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639303015%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=E8UGfJM7coZ%2F4Zo0HKphIsmyQXJcJ0ZGv3egXvIM%2BMc%3D&reserved=0)
Put simply, the difference in output quality between the two is minimal so the choice comes down to personal preference.
**Google Gemini:** I personally like the default “friendly and conversational” tone of voice and **its deep integration with almost all the Google Workspace applications** (e.g. no need to context switch when using Gemini to draft a reply in Gmail).
**ChatGPT:** Use ChatGPT if you want fewer restrictions (Gemini sometimes refuses to answer if it thinks the topic is sensitive), more granular control, and early access to new features (e.g. CustomGPTs came out months ahead of Gemini Gems).
**Should I pay for AI tools?** Yes, unless you’re a student. The gap is so big between the free and paid versions that it would be like fighting with a hand behind your back if you stick with the free version. Pick one of the two above and stick with it.
In case you missed them here are three videos where I go over practical use cases for work ([video 1](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fl2heh6u3dvwvk7ag%2FaHR0cHM6Ly95b3V0dS5iZS9FRGthUWo3SzVfYw%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639334902%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=mBB7fDeveHf1uVQ%2FlJV%2Fw8lG2W0QkDMMPfhAn2XuxEc%3D&reserved=0), [video 2](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fdphehmu02wrw79sl%2FaHR0cHM6Ly95b3V0dS5iZS9ZMzVFSERSTlVlbw%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639356572%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=H4xxBuxiuLs4C1kBNwTcTZDPy3VS85Rj7RDwdEz6GBg%3D&reserved=0), [video 3](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fe0hph0u0dw5wn8a7%2FaHR0cHM6Ly95b3V0dS5iZS9RMDdyRlp0YzJBbw%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639376160%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=78NRKNkY5J%2BO2xaZGoF7R7HiJKfH7avtILTy3onNh0E%3D&reserved=0)). The tips and techniques apply to both ChatGPT and Gemini.
### [Perplexity](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2F08hwhgudl8d2prbp%2FaHR0cHM6Ly9wZXJwbGV4aXR5LmFpL3Bybz9yZWZlcnJhbF9jb2RlPVBFRERaQUta&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639395749%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=OSopmYNUo38%2BZYE2cYMCn6L1SrxgkpQaU5Xd6RPfoeM%3D&reserved=0)
My go-to when I need **a single, accurate answer or step-by-step instructions without any AI hallucinations**.
It's perfect for troubleshooting technical issues or researching topics that require factual accuracy (e.g. "How should I incorporate deload weeks into my Push Pull Leg workout routine?").
| [https://lh7-rt.googleusercontent.com/docsz/AD_4nXfe8vYWB1KY6g7MEeqhtARdatmmP9A-I4OEuBQfyUjsBsReHTAfi0ws_fMaGSDD8U28JL1IiPQkrJKK38hk_E_URWW3Nq_fvvCaSmlh5OBSlIBxFrCm-9vn0QAF0xy0FNPcklf9?key=UImBBKK6Bsg6zqRzUgW-ETdA](https://lh7-rt.googleusercontent.com/docsz/AD_4nXfe8vYWB1KY6g7MEeqhtARdatmmP9A-I4OEuBQfyUjsBsReHTAfi0ws_fMaGSDD8U28JL1IiPQkrJKK38hk_E_URWW3Nq_fvvCaSmlh5OBSlIBxFrCm-9vn0QAF0xy0FNPcklf9?key=UImBBKK6Bsg6zqRzUgW-ETdA) |
| :---------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
**Perplexity should NOT be compared to Google Gemini and ChatGPT** because they are designed for completely different purposes (fact-based vs. creative output). Perplexity’s “competitor” in Google is actually Google’s AI Overviews feature, and Perplexity wins out by a mile.
Although I use the paid version of Perplexity, 99% of people don’t need it. You can also watch [my tutorial on Perplexity here](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2F8ghqh3ulr4lo7vil%2FaHR0cHM6Ly95b3V0dS5iZS9Zb1dkb2d0WlJ3OA%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639412769%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=yPKxawzAgGRWo2xCNNtkT09An9P%2F2tlFqmSC6cu28SA%3D&reserved=0) (note: Collections have been renamed to Spaces).
### [Claude](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fvqh3hmupw5poq9fw%2FaHR0cHM6Ly9jbGF1ZGUuYWkvY2hhdHM%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639428295%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=i2vBYMhxB5H1uxhH7%2Bmtl6IRkuOkIcn%2B1IignV3Xe04%3D&reserved=0)
Claude stands out for writing-intensive tasks, especially copywriting, because of its ability to produce **context-aware, nuanced, and polished content**.
Unlike Gemini and ChatGPT, **Claude seems to handle tone consistency and creative iterations with fewer corrections needed**, which is crucial when proofreading or refining work like YouTube scripts or [newsletters](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fl2heh6u3xg3ld8ug%2FaHR0cHM6Ly93d3cuamVmZnN1Lm9yZy9uZXdzbGV0dGVyLw%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639445504%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=TqmwRXoyzgbc%2BJTJo12LmDWR2f%2FF5jleWuIdP53Vcw4%3D&reserved=0).
Although I don’t have a technical background, I also find Claude to be much better at writing code than Gemini and ChatGPT (i.e. Claude makes fewer mistakes).
**Try it out yourself:** Ask Claude to "Assume the role of an experienced [Google Apps script](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fm2h7h6u84r83l4sl%2FaHR0cHM6Ly9zY3JpcHQuZ29vZ2xlLmNvbS9ob21lLw%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639463306%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=UMGSfq%2B5iYToi1QU0AIF5%2BIiVkIpNfyJAYAmlUgBr14%3D&reserved=0) expert and teach you how to create a custom button in Google Slides that removes speaker notes from all slides."
| [https://embed.filekitcdn.com/e/4QWkasbZfS6CzzToEx4GVD/q8bywapggvWdnxKCmQ52FQ/email](https://embed.filekitcdn.com/e/4QWkasbZfS6CzzToEx4GVD/q8bywapggvWdnxKCmQ52FQ/email) |
| :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
Here's my [full video on Claude](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fm2h7h6u8rv9nn7tl%2FaHR0cHM6Ly95b3V0dS5iZS9SdWRyV3k5dVBaRQ%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639486617%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=kTtFmjNDNdz7k4ye7ZsQ4WsMY4Xbrt7Fby8B0Dd9lgI%3D&reserved=0)!
### [NotebookLM](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fe0hph0u0rx07dzt7%2FaHR0cHM6Ly9ub3RlYm9va2xtLmdvb2dsZS5jb20v&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639508923%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=pDVxzyuPMuqpUTimZCX%2FJ7W%2FJTNHoWc%2FFriWgQ2U0uk%3D&reserved=0)
What makes NotebookLM stand out is its ability to connect **seemingly disparate pieces of information from different sources** and generate insights you wouldn't get from any single source.
Let's dive right into a real-world example:
- Upload your annual health checkup reports
- Add Youtube videos related to your specific situation as sources
- Upload PDF versions of nutrition/fitness books (e.g. Tools of Titans by Tim Ferriss)
- Ask questions like “What are my top 10 health trends over the past 3 years”
- Be blown away by the answers.
| [https://lh7-rt.googleusercontent.com/docsz/AD_4nXfQUcfZF1h2EXvirVzeFMPyUUpCQgbsGBp35eWc4j5VVXfDrdFd5k5PdcVPMhwN_8GTxAAl2oYDZbrw7Q6Bkp_FJRmKFNwjUcFgIbLZ-K8tEnUaerrWL9lSk3BuEgsQWhi-5BsD?key=UImBBKK6Bsg6zqRzUgW-ETdA](https://lh7-rt.googleusercontent.com/docsz/AD_4nXfQUcfZF1h2EXvirVzeFMPyUUpCQgbsGBp35eWc4j5VVXfDrdFd5k5PdcVPMhwN_8GTxAAl2oYDZbrw7Q6Bkp_FJRmKFNwjUcFgIbLZ-K8tEnUaerrWL9lSk3BuEgsQWhi-5BsD?key=UImBBKK6Bsg6zqRzUgW-ETdA) |
| :------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
You can watch [my full NotebookLM tutorial here](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2F7qh7h2uongo9xgc9%2FaHR0cHM6Ly95b3V0dS5iZS9FT21nQzMtaHpuTQ%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639531144%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=%2B8dNbdXDrK%2B%2F76BRDJulOkwfCCvAdo3mO5Qwbgt7E%2Bo%3D&reserved=0).
### [Recall](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2F8ghqh3uo5mw7pvcl%2FaHR0cHM6Ly93d3cuZ2V0cmVjYWxsLmFpLz90PWplZmZzdQ%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639553818%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=zAxqETidXbxil0XAplamkkzhO0i%2BsJq0BH5iP6ZvxI0%3D&reserved=0)*****
Unlike NotebookLM, Recall is able to ingest an unlimited amount of information from a variety of sources - videos, podcasts, blogs, notes, TikToks, PDFs - and organize them in a single knowledge base.
Why does this matter? Well, when you’re researching, building a health plan, or tracking your interests, **you need information that’s grounded** (aka you want to avoid hallucination).
| [https://lh7-rt.googleusercontent.com/docsz/AD_4nXeOjrrXtSY56hgafHqtS7QMciht-rLTpkf9jz9nVqSmjK8MtlIe0gPht-N3HwQLKsufSdQC2d53o6hE-71XYu0uyUnoWs3B8YeQ8Q_ukG5L9mqP4rfXULMtx1iHDeB4htVz_j-41g?key=UImBBKK6Bsg6zqRzUgW-ETdA](https://lh7-rt.googleusercontent.com/docsz/AD_4nXeOjrrXtSY56hgafHqtS7QMciht-rLTpkf9jz9nVqSmjK8MtlIe0gPht-N3HwQLKsufSdQC2d53o6hE-71XYu0uyUnoWs3B8YeQ8Q_ukG5L9mqP4rfXULMtx1iHDeB4htVz_j-41g?key=UImBBKK6Bsg6zqRzUgW-ETdA) |
| :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
With [Recall](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2F8ghqh3uo5mw7pvcl%2FaHR0cHM6Ly93d3cuZ2V0cmVjYWxsLmFpLz90PWplZmZzdQ%3D%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639575412%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=rWB9CiHOYn0x2nvu9j4tVwapzzhNy5nw1sT9SIYZKQY%3D&reserved=0), you save all the content you care about in an AI-powered knowledge base that automatically organizes everything and makes it chat-ready. Whether it’s 1,000 episodes from your favorite podcast or all your past Notion notes, you’re suddenly talking to a version of yourself that remembers everything - your memory backed up and searchable forever!
**Pro tip:** I reached out to their [CEO Sanks](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fx0hph3ue7m2ek6ag%2FaHR0cHM6Ly93d3cubGlua2VkaW4uY29tL2luL3NhbmthcmktbmFpci0xM2E1NDlhNy8_b3JpZ2luYWxTdWJkb21haW49bmw%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639595986%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=PjEiW2%2FmErXSm9K%2Byo9cA43f1%2FTEbqBDYHmWq%2BeeD0s%3D&reserved=0) (who's surprisingly nice) and she agreed to give us 30% off Recall Plus if you use "JeffSu30"!
### **LearnPrompting.org**
If you've watched any of my AI videos, you know the first AI course I’ve ever taken was from [Learn Prompting](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fn2hohquvx2gr3ec0%2FaHR0cHM6Ly9sZWFybnByb21wdGluZy50aGlua2lmaWMuY29tLz9yZWY9NGQ3ZDk2&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639617249%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=oYMNLrlxMCjyfGbjbD1IDKT03u8J95xX9pdXg0iCRpw%3D&reserved=0). In fact, **they released the very first Prompt Engineering course on the internet** (that’s the one I took) two months before ChatGPT was even launched!
Now, they've launched brand-new [Introductory](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2F48hvh7umpw9grwiq%2FaHR0cHM6Ly9sZWFybnByb21wdGluZy50aGlua2lmaWMuY29tL2NvdXJzZXMvaW50cm9kdWN0aW9uX3RvX3Byb21wdF9lbmdpbmVlcmluZz9yZWY9NGQ3ZDk2&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639641227%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=ytzYtNz%2FS5TGj7Y3ZGaWj5RvNFa%2FIw%2FYijM6j1MCMpc%3D&reserved=0) and [Advanced Prompt Engineering certification courses](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fwnh2h6uqkm4gwnsl%2FaHR0cHM6Ly9sZWFybnByb21wdGluZy50aGlua2lmaWMuY29tL2NvdXJzZXMvYWR2YW5jZWQtcHJvbXB0LWVuZ2luZWVyaW5nP3JlZj00ZDdkOTY%3D&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639658226%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=pzjqzSK4AFMUj0tpByqTZDMLLuTJBjpJx%2BkzHmnPMac%3D&reserved=0) designed to help you master Prompt Engineering from beginner to expert.
| [https://embed.filekitcdn.com/e/4QWkasbZfS6CzzToEx4GVD/akt3sVMkqorQBWbG1LHkJF/email](https://embed.filekitcdn.com/e/4QWkasbZfS6CzzToEx4GVD/akt3sVMkqorQBWbG1LHkJF/email) |
| :-------------------------------------------------------------------------------------------------------------------------------------------------------------------------- |
**Pro tip:** I reached out and they agreed to offer 27% off their Annual Plan for my audience when you use the code, “JEFF”.
## Wrapping up
Before letting you go, I want to address a problem we all face: the never-ending stream of new AI tools popping up every single day. **It can feel overwhelming trying to keep up, right?**
**Here's the truth:** You don't need to (and honestly shouldn't) chase every shiny new AI tool. It's a distraction and a waste of time. Instead, focus on getting really good at using a few powerful tools that align with your needs.
## Progress Check
Which of these AI tools are you most excited to try out? Celebrating the small things can lead to significant strides over time, so [click here](https://emea01.safelinks.protection.outlook.com/?url=https%3A%2F%2Fclick.convertkit-mail2.com%2Fzlu58kodpkt7ug0o5euphw3kp500a6hll4m5%2Fx0hph3uwqgwemzug%2FaHR0cHM6Ly9qZWZmc3UudHlwZWZvcm0uY29tL3RvL0hJdXpsaUxrI2VtYWlsPXBhd2VsLmRvbWFuc2tpQG91dGxvb2suY29t&data=05%7C02%7C%7C59647434ec1f4de7ca7a08de16b1b397%7C84df9e7fe9f640afb435aaaaaaaaaaaa%7C1%7C0%7C638973149639674516%7CUnknown%7CTWFpbGZsb3d8eyJFbXB0eU1hcGkiOnRydWUsIlYiOiIwLjAuMDAwMCIsIlAiOiJXaW4zMiIsIkFOIjoiTWFpbCIsIldUIjoyfQ%3D%3D%7C0%7C%7C%7C&sdata=ksSuD3Nj%2B5NX4hZgIZ%2Fk1DjTvwgj%2B%2BP67f5b2HXJreQ%3D&reserved=0) to (anonymously) mark your progress!
## What's next?
Armed with these powerful tools, you might still wonder, ‘How can I possibly weave all this AI into my daily routine?’
And that’s exactly what I’ll cover tomorrow. Keep an eye on your inbox for three fast ways to lock AI into your day-to-day with no complex setup required.
Hi Pawel,
If you’re here, chances are you’ve already dipped your toes into the world of AI prompting. (And if you’ve watched my prompting video, you’re off to a great start!)
Today, let’s take prompting basics a step further by going through three actionable strategies to decrease the friction of incorporating AI tools within our daily lives.
Just like going to the gym, we know that using AI is “good” for us, so why not make the process so seamless that it feels stupid to NOT use AI?
#1. Text Expanders
If you find yourself typing out the same prompt over and over, text expanders are a no-brainer. Here’s one I use up to 10 times a day at work to refine my writing:
=START=
I want you to edit my writing. I'll share an excerpt with you to edit as follows:
- Make it more clear and more concise
- Use simple words.
- Give me 3 variations.
Here's the excerpt:
=END=
There’s no way I’m typing that out in full every single time, and thanks to text expanders, I don’t have to!
Instead of manually retyping prompts, a text expander allows you to store your most-used prompts as shortcuts. Simply type a few keystrokes, and your entire prompt is ready to go—saving you time and mental energy.
As a Mac user I personally use the paid version of Alfred but an amazing free alternative is Raycast. Windows users can use Beeftext for free (I have no relationship with any of these apps. If you have a better recommendation please hit reply and let me know!)
My Top Text Expander Prompts
“Give Me Three Variations”
How to Use It: Add this phrase where you want to generate multiple creative outputs.
Example: “Draft an email announcing the team re-org details below. Give me three variations”.
“Prioritize Unorthodox, Lesser-Known Advice”
How to Use It: This addition encourages AI to go beyond surface-level suggestions.
Example: “Suggest marketing campaign ideas designed to help advertisers adopt new Google Ads features. Prioritize unorthodox, lesser-known advice”.
“Ask Me 5 Questions to Improve Your Output”
How to Use It: this addition makes the AI ask you clarifying questions to refine its response.
Example: “Write a LinkedIn post about my journey as a YouTuber. Ask me 5 questions to improve your output”.
#2. Integrate Prompts Into Your Workflow
Just like how a reminder to “Bring passport” should be added to our Calendar as opposed to our notes app, prompts are most effective when they’re embedded directly into the moments you need them.
Here’s an example
I time-block 30 minutes each week to summarize project emails from other teams into bite-sized snippets for senior leadership. And to minimize the friction of using AI, I include the relevant AI prompt directly in the calendar invite.
Why does this work? Because it removes the mental overhead of remembering where to find your prompts. It’s all about making your workflow as seamless as possible.
Action Step: Make AI Work for You Today
Identify one recurring task you hate doing manually—something that makes you think, “There must be a better way.”
Spend 20 minutes refining a reusable prompt for it.
Embed that prompt directly into your calendar or task manager so it’s ready when you need it.
#3. Capture and Store Your Prompts in One Place
A crucial step in improving your AI workflow is reducing the friction of finding and reusing prompts. That’s where a prompts database comes in.
Think of it as your personal library of tried-and-tested prompts, stored in a single location for easy review and organization.
Whether you use Notion, Google Keep, or even a simple spreadsheet (THE APP ITSELF DOES NOT MATTER), having a dedicated space to collect and refine prompts drastically increases the chances of you incorporating them into your daily workflow.
Here’s how to set one up
Capture: Whenever you come across a prompt that works well or sparks creativity, save it immediately to your database and tag them as “Captured”.
Review & Process: Allocate some time every week to review captured prompts. Archive/delete the ones that turn out to be irrelevant (to keep your database less cluttered) and for the useful ones, update the tag from “Captured” to a specific use case (e.g. “Presentation”).
Organize: Categorize your prompts so they’re easy to find. For example, group them by task type or the AI tool they work best with.
💡 Pro Tip: Stay tuned—I’ll share my personal prompts database in Notion down the line so you can see how I do it.
Progress Check
Have you downloaded a text expander? Celebrating the small things can lead to significant strides over time, so click here to (anonymously) mark your progress!
What's next?
You’ll see an even bigger jump in productivity when you teach AI how to think like you do. Tomorrow, I’ll share my exact Custom Instructions template that primes AI to match my style every single time.
---
type: 'DailyNote'
title: October 29, 2025
date: '2025-10-29T00:00:00.000Z'
tags: []
---
[AI](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/c6c19cea-0990-4d4b-9f50-6cf18063c11c)
[https://www.jeffsu.org/chatgpt-features-that-actually-matter/](https://www.jeffsu.org/chatgpt-features-that-actually-matter/)
[https://learnprompting.thinkific.com/bundles/Learn-Prompting-Plus](https://learnprompting.thinkific.com/bundles/Learn-Prompting-Plus)
[https://app.easy.tools/pages/ai-literacy?utm_source=facebook&utm_medium=cpc&utm_campaign=%40+Advantage+Kursy+Kampania&utm_content=Kurs+AI+Literacy_static1&utm_id=120221700861930183&utm_term=120221700862120183](https://app.easy.tools/pages/ai-literacy?utm_source=facebook&utm_medium=cpc&utm_campaign=%40+Advantage+Kursy+Kampania&utm_content=Kurs+AI+Literacy_static1&utm_id=120221700861930183&utm_term=120221700862120183)
https://www.jeffsu.org/ai/
---
type: 'DailyNote'
title: October 27, 2025
date: '2025-10-27T00:00:00.000Z'
tags: []
---
09:42
[Core Skills for 2030: Adaptability, Creativity, Leadership | AI Evolution posted on the topic | LinkedIn](https://www.linkedin.com/posts/ai-evolution_core-skills-in-2030-world-economic-forum-activity-7384535619429122048-trLo?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Core Skills for 2030: Adaptability, Creativity, Leadership | AI Evolution posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/a242ba2c-3e32-45de-b87f-6a2e8ae99094)
---
type: 'DailyNote'
title: October 24, 2025
date: '2025-10-24T00:00:00.000Z'
tags: []
---
Nie wiem czy to ma dzisiaj sens ale postaram się zrobić cos dodatkowego, muszę zebrać wszystkie ksiażki nad którymi pracuje i wypuścić to co już mam i dzialać.
October 24, 2025, 07:54właśnie wpadłem na genialny pomysł, że mogę rozwijać się i tworzyc produkty oprarte o moją wiedzę z zakresu baz danychm nie chodzi żebym coś naprawdę bóg wie jakiego podejścia, po prostu muszę zrobić to, żebym był zauważalny a może jakaś okazja sama się trafi.
08:01
Take a look! 📌 [https://pin.it/5SWoShnr8](https://pin.it/5SWoShnr8)
- [ ] Dlaczego automatyzacja jest ważna w przypadku baz danych
- [ ] Jak zainstalować SQL Server w dockerze
- [ ] Napisać gdzie i jak trzymać swój kod
13:00
Take a look! 📌 [https://pin.it/7dlOGgloD](https://pin.it/7dlOGgloD)
13:00
Take a look! 📌 [https://pin.it/2xyBzrvqT](https://pin.it/2xyBzrvqT)
13:00
13:01
Take a look! 📌 [https://pin.it/2VLsCYhef](https://pin.it/2VLsCYhef)
13:01
Take a look! 📌 [https://pin.it/2SaQLaovI](https://pin.it/2SaQLaovI)
13:01
Take a look! 📌 [https://pin.it/2qK1Zd4lk](https://pin.it/2qK1Zd4lk)
13:02
Take a look! 📌 [https://pin.it/4gF9OtfCE](https://pin.it/4gF9OtfCE)
13:02
Take a look! 📌 [https://pin.it/1XSL328Yu](https://pin.it/1XSL328Yu)
13:02
Zobacz ten GIF... 👀 [https://pin.it/7pzFcBfYG](https://pin.it/7pzFcBfYG)
13:02
Take a look! 📌 [https://pin.it/Cmz4I7rCI](https://pin.it/Cmz4I7rCI)
13:04
Take a look! 📌 [https://pin.it/30fGpQryM](https://pin.it/30fGpQryM)
13:05
Take a look! 📌 [https://pin.it/3WNC7J8dd](https://pin.it/3WNC7J8dd)
13:05
Take a look! 📌 [https://pin.it/Ctq577vcn](https://pin.it/Ctq577vcn)
- [DBEMGT-630](https://dnbenterprise.atlassian.net/browse/DBEMGT-630)
# EOL - CGI Database Cluster (SE)
- [DBEMGT-576](https://dnbenterprise.atlassian.net/browse/DBEMGT-576)
# App Enablement - Database Migration (DK)
---
type: 'DailyNote'
title: October 14, 2025
date: '2025-10-14T00:00:00.000Z'
tags: []
---
16:22
Take a look! 📌 [https://pin.it/2qKJLNcal](https://pin.it/2qKJLNcal)
16:22
Take a look! 📌 [https://pin.it/43W9nBO6m](https://pin.it/43W9nBO6m)
16:23
Take a look! 📌 [https://pin.it/5wDcbN9cO](https://pin.it/5wDcbN9cO)
16:23
Take a look! 📌 [https://pin.it/3FsCZ2RJl](https://pin.it/3FsCZ2RJl)
16:24
Take a look! 📌 [https://pin.it/2Zvd13Awj](https://pin.it/2Zvd13Awj)
16:24
Take a look! 📌 [https://pin.it/BuFOkrX9K](https://pin.it/BuFOkrX9K)
16:24
Take a look! 📌 [https://pin.it/1LdULOpDu](https://pin.it/1LdULOpDu)
16:25
Take a look! 📌 [https://pin.it/5l47S4BCB](https://pin.it/5l47S4BCB)
16:25
Take a look! 📌 [https://pin.it/1vQ7NnEAg](https://pin.it/1vQ7NnEAg)
16:25
Take a look! 📌 [https://pin.it/4X2dhvG6K](https://pin.it/4X2dhvG6K)
16:25
Take a look! 📌 [https://pin.it/5BYSM2KdD](https://pin.it/5BYSM2KdD)
16:26
Take a look! 📌 [https://pin.it/6oiFh6PIW](https://pin.it/6oiFh6PIW)
16:26
Take a look! 📌 [https://pin.it/7cGpzbB2o](https://pin.it/7cGpzbB2o)
16:27
Take a look! 📌 [https://pin.it/2ZvZFe5RJ](https://pin.it/2ZvZFe5RJ)
---
type: 'DailyNote'
title: October 9, 2025
date: '2025-10-09T00:00:00.000Z'
tags: []
---
07:26
[100+ AI Algorithms You Should Know | Greg Coquillo posted on the topic | LinkedIn](https://www.linkedin.com/posts/greg-coquillo_100-ai-algorithms-ugcPost-7380561356061773824-5sj0?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[100+ AI Algorithms You Should Know | Greg Coquillo posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/22cf1b27-328c-4d80-bb82-be7217e4c4ec)
---
type: 'DailyNote'
title: October 8, 2025
date: '2025-10-08T00:00:00.000Z'
tags: []
---
10:38
[Ciągle mój ulubiony prompt, który zastępuje 90% kursów o AI.Nie ważne, na jakim poziomie jesteś... jest tak dobry. Użyj w ChatGPT, Grok, Gemini, Clau...](https://www.linkedin.com/posts/miroburn_ci%C4%85gle-m%C3%B3j-ulubiony-prompt-kt%C3%B3ry-zast%C4%99puje-activity-7380863533720186880-B8jn?utm_source=share&utm_medium=member_android&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw)[Ciągle mój ulubiony prompt, który zastępuje 90% kursów o AI.Nie ważne, na jakim poziomie jesteś... jest tak dobry. Użyj w ChatGPT, Grok, Gemini, Clau... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/bbb1d1e9-7864-4576-888e-bbc4e3fcd918)
10:42
[Top 15 Prompts to Use Perplexity Better Perplexity is a really powerful AI Search Platform, but the results depend on how well you write your prompts....](https://www.linkedin.com/posts/denis-panjuta_top-15-prompts-to-use-perplexity-better-activity-7379161243980341248-z_ZN?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Top 15 Prompts to Use Perplexity Better Perplexity is a really powerful AI Search Platform, but the results depend on how well you write your prompts.... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/b4b78303-9f6b-489e-8ba5-30e3016c6379)
10:45
[Introducing Perplexity Search API: Fast, Accurate, and AI-Powered | Perplexity posted on the topic | LinkedIn](https://www.linkedin.com/posts/perplexity-ai_introducing-perplexity-search-api-weve-activity-7377041245023625216-TA2o?utm_source=share&utm_medium=member_android&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw)[Introducing Perplexity Search API: Fast, Accurate, and AI-Powered | Perplexity posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/b4510c7a-6458-47a1-8e9d-48aa45da1914)
---
type: 'DailyNote'
title: October 3, 2025
date: '2025-10-03T00:00:00.000Z'
tags: []
---
09:57
[#ai #careers | Greg Coquillo | 56 comments](https://www.linkedin.com/posts/greg-coquillo_ai-careers-activity-7379530694823301120-KQdb?utm_source=share&utm_medium=member_android&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw)[#ai #careers | Greg Coquillo | 56 comments - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/7ab338d0-a0ef-4b31-ace1-84ec9e8ccc44)
---
type: 'DailyNote'
title: September 27, 2025
date: '2025-09-27T00:00:00.000Z'
tags: []
---
19:50
[Untitled](https://www.perplexity.ai/page/openai-launches-chatgpt-pulse-kv6fV3t1T26KprhyE1IcYA)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/97ebbf95-672f-433a-9b2a-1fd9868536de)
19:53
[Untitled](https://www.perplexity.ai/page/openai-and-databricks-announce-kQRRHzkHQDepF2LwAE6zWw)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/480ecdae-7324-4a9c-ad65-4f18f0a06b68)
19:55
[Untitled](https://www.perplexity.ai/page/accenture-concediaza-11-000-de-1__XBlUnQkalU6UMclIcRA)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/d8015f66-ae57-4584-971c-ba13f18d043e)
---
type: 'DailyNote'
title: September 24, 2025
date: '2025-09-24T00:00:00.000Z'
tags: []
---
07:35
Take a look! 📌 [https://pin.it/6fy5zuj15](https://pin.it/6fy5zuj15)
07:35
Take a look! 📌 [https://pin.it/7GOhWkzFD](https://pin.it/7GOhWkzFD)
"Złożony system, który działa, zawsze okazuje się ewoluować z prostego systemu, który działał. Złożony system zaprojektowany od zera nigdy nie działa i nie można go załatać, aby działał. Musisz zacząć od nowa z działającym prostym systemem."
John Gall, Systemantics: How Systems Work and Especially How They Fail (1975)
---
type: 'DailyNote'
title: September 22, 2025
date: '2025-09-22T00:00:00.000Z'
tags: []
---
06:13
[30 AI tools to boost your workflow in 2025 | Greg Coquillo posted on the topic | LinkedIn](https://lnkd.in/p/eATWxrTd)[30 AI tools to boost your workflow in 2025 | Greg Coquillo posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/d3ba8dd4-5c16-4b70-8dfa-b68b341c5a23)
---
type: 'DailyNote'
title: September 18, 2025
date: '2025-09-18T00:00:00.000Z'
tags: []
---
10:31
[Untitled](https://www.perplexity.ai/page/deepseek-reveals-r1-training-c-7xhxFRhuQlaFwJ_bhPMNxg)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/44e4a666-9361-4795-ba18-828a032e58f1)
10:32
[Untitled](https://www.perplexity.ai/page/google-deepmind-castiga-aur-la-dY4w0EWLRayt_0I57KPQtw)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/090eb02e-7801-4217-a823-9cf5a83d7e90)
Plan workflow dla bloga
1. Topic lection: Choose your subject.
2. Research: Gather relevant. high-quality sources
first.
Collect recent studies. authoritative references,
news coverage, competitor articles. and
statistics,
Store research in a structured format accessible
to n8n.
Content Planning: Using Al or manually, outline
your article with reference to the research.
Draft Writing: The Al writes the article, explicitly
citing the sourced materiał.
Review and Finalization: Human review for tone,
accuracy, and original insights.
---
type: 'DailyNote'
title: September 18, 2025
date: '2025-09-18T00:00:00.000Z'
tags: []
---
10:31
[Untitled](https://www.perplexity.ai/page/deepseek-reveals-r1-training-c-7xhxFRhuQlaFwJ_bhPMNxg)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/44e4a666-9361-4795-ba18-828a032e58f1)
10:32
[Untitled](https://www.perplexity.ai/page/google-deepmind-castiga-aur-la-dY4w0EWLRayt_0I57KPQtw)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/090eb02e-7801-4217-a823-9cf5a83d7e90)
Plan workflow dla bloga
1. Topic lection: Choose your subject.
2. Research: Gather relevant. high-quality sources
first.
Collect recent studies. authoritative references,
news coverage, competitor articles. and
statistics,
Store research in a structured format accessible
to n8n.
Content Planning: Using Al or manually, outline
your article with reference to the research.
Draft Writing: The Al writes the article, explicitly
citing the sourced materiał.
Review and Finalization: Human review for tone,
accuracy, and original insights.
---
type: 'DailyNote'
title: September 18, 2025
date: '2025-09-18T00:00:00.000Z'
tags: []
---
10:31
[Untitled](https://www.perplexity.ai/page/deepseek-reveals-r1-training-c-7xhxFRhuQlaFwJ_bhPMNxg)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/44e4a666-9361-4795-ba18-828a032e58f1)
10:32
[Untitled](https://www.perplexity.ai/page/google-deepmind-castiga-aur-la-dY4w0EWLRayt_0I57KPQtw)[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/090eb02e-7801-4217-a823-9cf5a83d7e90)
Plan workflow dla bloga
1. Topic lection: Choose your subject.
2. Research: Gather relevant. high-quality sources
first.
Collect recent studies. authoritative references,
news coverage, competitor articles. and
statistics,
Store research in a structured format accessible
to n8n.
Content Planning: Using Al or manually, outline
your article with reference to the research.
Draft Writing: The Al writes the article, explicitly
citing the sourced materiał.
Review and Finalization: Human review for tone,
accuracy, and original insights.
---
type: 'DailyNote'
title: September 14, 2025
date: '2025-09-14T00:00:00.000Z'
tags: []
---
20:52
[Kurs Wdrożenia AI - Praktyczne Szkolenie dla Profesjonalistów](https://szkolenieai.com/ai-dla-ecommerce?utm_source=facebook&utm_medium=paid&utm_campaign=001%20-%20Creative%20Testing%20-%20ABO%20-%20Sales&utm_term=PUR%20-%20005%20-%20eCom%20course%20-%20Video%20Ads%20-%205%20wojew%C3%B3dztw%20-%2025%2B&utm_content=CRID0017&fbadid=120229569877910705&fbclid=PAdGRzdgMz7jNleHRuA2FlbQEwAGFkaWQBqyQoJyVYIQGnqaeAi0frFuF5bN0mkoOPDe1s6As4b6DAMlEHYPBN7pR2u3l1RtI_8F8MTh0_aem_I0fP3Z_LsdjIgVeUmlc9oA)[Kurs Wdrożenia AI - Praktyczne Szkolenie dla Profesjonalistów - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/7a4a24c2-0754-4ba1-b115-0b431489e008)
20:52
20:55
---
type: 'DailyNote'
title: September 12, 2025
date: '2025-09-12T00:00:00.000Z'
tags: []
---
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/c10ed6e0-cd11-466b-839b-25ed1687ce45)
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/05dd4995-856a-450a-b0da-dab37ab0b314)
[image - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/4ab8b620-5e4f-445d-8534-63e00e89bebc)
# 🔹 1️⃣ LinkedIn – profesjonalnie, refleksyjnie
**Post:**
👉 **STYL ŻYCIA – NAWYK, KTÓRY ZMIENIŁ MOJĄ PRACĘ**
Największe rewolucje w pracy nie wynikają z wielkich decyzji, tylko z drobnych nawyków.
Mój „game changer”?
📌 **Zamień listę 15 zadań na 3 priorytety dnia.**
Dlaczego?
👉 Bo lista 15 rzeczy kończy się frustracją → „nie zdążyłem wszystkiego”.
👉 A lista 3 priorytetów kończy się satysfakcją → „zrobiłem to, co najważniejsze”.
💡 Nauczyłem się, że produktywność to nie ilość ✔️, tylko jakość decyzji.
💬 A Wy? **Jaki nawyk najbardziej poprawił Waszą efektywność w pracy?**
**Bonusy LinkedIn:**
- Karuzela: Slide 1 – nagłówek „Chcesz zrobić więcej, ale nie tonąć w chaosie?” → kolejne slajdy z koncepcją „3 priorytetów”.
- Hashtagi: #Productivity #WorkSmart #Leadership.
- Follow-up: z komentarzy społeczności wybierz TOP 5 hacków i opublikuj jako „zbiorowe mądrości”.
---
# 🔹 2️⃣ Instagram – lifestyle + emocja
**Post / Reels / Stories:**
✨ **NAWYK, KTÓRY DAJE MI MOC ✨**
Zawsze zaczynam dzień od **dwóch szklanek wody i 10 minut ruchu**.
Brzmi banalnie? Może. Ale…
📍 zanim jeszcze odpalę telefon, już czuję, że zrobiłem coś dobrego dla siebie.
📍 to daje mi energię, której żadna kawa ☕ nie zastąpi.
To taki mały trik, który **stawia mnie na nogi jeszcze zanim zacznie się dzień**.
💬 A Ty → **jaki Twój mały codzienny nawyk daje Ci power?** 🚀
**Bonusy Instagram:**
- Reels: szybki klip jak nalewasz wodę → licznik sekund → ruch (np. stretch, pompki, spacer). Tekst overlay: „Mój power hack na dzień”.
- Stories → ankieta: „Dzień zaczynam od: ☕ kawy / 💧 wody / 💪 ruchu”.
- Karuzela: Slide 1 – grafika: „Mój poranny nawyk”, Slide 2 – opis, Slide 3 – dlaczego działa, Slide 4 – pytanie do społeczności.
---
# 🔹 3️⃣ Facebook – rozmownie, wspólnotowo
**Post:**
👉 **STYL ŻYCIA – MOJA RADA, KTÓRA TRZYMA MNIE W DOBREJ FORMIE** 👈
Nie trzeba rewolucji, żeby czuć się lepiej.
Dla mnie największą różnicę zrobił prosty nawyk:
📌 **Zamykam dzień zapisując 3 rzeczy, za które jestem wdzięczny.**
Dlaczego to działa?
👉 Bo nawet w trudnym dniu zawsze znajdzie się moment, który był dobry.
👉 Ta świadomość zmienia sposób patrzenia na pracę i życie.
💡 Mała rzecz, a 100% wpływu na mindset.
💬 A teraz pytanie do Was → **Jaki nawyk codzienny daje Wam najwięcej energii albo spokoju?**
**Bonusy Facebook:**
- Challenge: „Wpisz w komentarzu swój codzienny nawyk → jutro zrobię kolaż TOP 10 tipów społeczności”.
- Follow-up: grafika z cytatami komentarzy (Twoja społeczność = współtwórcy treści).
- Ankieta: „Co daje Ci więcej energii na co dzień? ✔️ Sport, ✔️ Kawa, ✔️ Medytacja, ✔️ Muzyka”.
---
⚡ **Sekret wdrożenia:**
- LinkedIn → *bardziej rozwojowo/ekspercko* (efektywność, leadership).
- Instagram → *emocjonalnie/wizualnie* (energia, lifestyle vibe).
- Facebook → *społecznościowo* (rozmowa, prosty język, poczucie wspólnoty).
09:39
[#ainews #openai #samaltman #oracle | Generative AI | 15 comments](https://www.linkedin.com/posts/genai-works_ainews-openai-samaltman-activity-7372154755831324672-n99U?utm_source=share&utm_medium=member_android&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw)[#ainews #openai #samaltman #oracle | Generative AI | 15 comments - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/0f34a1a7-2491-4caa-8100-842157f52d01)
09:40
[How is AI reshaping the future of WordPress? Join our CEO, Matt Mullenweg, live today at 12 p.m. ET on a special episode of WP Product Talk as he shar...](https://www.linkedin.com/posts/automattic_how-is-ai-reshaping-the-future-of-wordpress-activity-7371557235891814400-t1Q8?utm_source=share&utm_medium=member_android&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw)[How is AI reshaping the future of WordPress? Join our CEO, Matt Mullenweg, live today at 12 p.m. ET on a special episode of WP Product Talk as he shar... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/f24fa7c3-7d9d-45e2-a8e2-baf1d73f965b)
## 📦 **Pakiet pytań do wywiadów z gośćmi**
### 🔹 1–5: Rozgrzewka & osobiste tło
1. Jak wygląda Twoja droga do miejsca, w którym jesteś dziś?
2. Co było Twoim pierwszym krokiem w [branży/temacie]?
3. Jakie wyzwanie na początku kariery ukształtowało Cię najmocniej?
4. Co Cię inspiruje poza pracą? (hobby, pasja, nawyk)
5. Jedno zdanie, którym opisałbyś siebie zawodowo i prywatnie.
---
### 🔹 6–10: Eksperckość i wiedza
1. Jakie trendy obecnie najmocniej wpływają na [branżę/obszar X]?
2. Najczęstszy błąd, który Twoim zdaniem popełniają ludzie w tym temacie?
3. Jakie 3 sprawdzone strategie/metody zawsze działają w Twojej praktyce?
4. Gdybyś miał dać tylko JEDNĄ radę zaczynającym – jaka by to była?
5. Co najczęściej zaskakuje Twoich klientów/odbiorców w Twojej pracy?
---
### 🔹 11–15: Storytelling i transformacja
1. Opowiedz historię: **„Było → walka → przełom → efekt”** z Twojej perspektywy.
2. Jak wyglądał moment, kiedy poczułeś, że „to działa”?
3. Co było największym „fuck‑upem” i jak wyszła z tego lekcja?
4. Jak zmieniło się Twoje życie/praca dzięki [działaniom, projektom, nawykom]?
5. Gdybyś mógł cofnąć się w czasie i poradzić coś sobie sprzed 5/10 lat – co byś powiedział?
---
### 🔹 16–20: Community & interakcja
1. Jakie pytanie najczęściej dostajesz od ludzi i jaka jest Twoja odpowiedź?
2. Jakie tematy chciałbyś/chciałabyś, aby społeczność eksplorowała częściej?
3. Kto był dla Ciebie największą inspiracją/mentorem?
4. Gdybyś miał możliwość zrobić wywiad z kimkolwiek na świecie – kto by to był i dlaczego?
5. Jakie jedno zdanie chciałbyś/chciałabyś, żeby nasi widzowie zabrali z tej rozmowy?
---
## 🚀 Jak to pokręcić w praktyce
- **Reels/Shorts:** pytania 11–15 („historia przełomu”, fuck‑up, lekcja) → idealne na krótkie highlighty.
- **Karuzela cytatowa:** pytanie 7 + odpowiedź → „Najczęstszy błąd…” jako nagłówek.
- **Community twist:** oddaj pytanie publiczności (np. Stories box: „Co chcecie zapytać naszego gościa?”).
- **Ekspercki twist:** pytania 6–10 → na LinkedIn sprawdzają się jako „branżowy roundtable”.
- **Humor twist:** pytanie 3 lub 13 w lekkim stylu („największy fuck‑up”) robi świetny engagement.
---
## ⚡ Pro tipy
- Nie zadawaj wszystkich pytań naraz – wybierz 5‑6 na dany format.
- Zawsze na końcu daj gościowi głos: **„Czego chcesz życzyć/poradzić naszej społeczności?”**.
- Łącz pytania **twarde (liczby, trendy)** z **miękkimi (emocje, storytelling)** → balans = angaż.
- Z każdego wywiadu rób **„cytatowe złoto”** → grafika z mocnym hasłem gościa = viralowy post.
---
type: 'DailyNote'
title: September 11, 2025
date: '2025-09-11T00:00:00.000Z'
tags: []
---
### 🔟 ŹRÓDŁA WSPARCIA (uniwersalne, do użycia w różnych kontekstach)
1. **Przyjaciele i rodzina** 👨👩👧👦 – rozmowa z kimś bliskim to często najlepsza forma ulgi.
2. **Mentorzy i coachowie** 🎓 – osoby, które mają doświadczenie i potrafią pokierować w trudnych chwilach.
3. **Społeczność online** 🌍 – grupy tematyczne, fora, społecznościowe grupy wsparcia.
4. **Profesjonaliści (psycholog, terapeuta, doradca)** 🧠 – bo niektóre obciążenia warto dźwigać wspólnie z ekspertem.
5. **Książki** 📚 – inspiracje i odpowiedzi zapisane przez ludzi, którzy mierzyli się z podobnymi wyzwaniami.
6. **Podcasty i materiały video** 🎧 – łatwe do „wsparcia w biegu”.
7. **Aplikacje do medytacji i mindful practice** 🧘 – np. Calm, Headspace, Insight Timer.
8. **Ruch i sport** 🏃 – aktywność fizyczna to wsparcie dla ciała i głowy.
9. **Codzienny journaling / pisanie** ✍️ – pomaga uporządkować myśli i emocje.
10. **Inspirujące cytaty i afirmacje** ✨ – małe słowa, które w trudnych chwilach mogą zmienić perspektywę.
---
### 🚀 Jak możesz to podkręcić
- Zrób z tego **karuzelę (np. LinkedIn/Instagram)**: każdy slajd = jedno źródło wsparcia.
- Podlinkuj wybrane narzędzia lub osoby (np. książkę na LinkedIn / aplikację w Insta bio).
- Możesz zapytać fanów:
*„Które z tych źródeł wsparcia jest Twoim numerem 1 – i dlaczego?”*
- Zrób z tego **cykl**: co tydzień rozwijasz jedno źródło i opowiadasz, jak Ci pomogło.
Karuzela „10 Źródeł Wsparcia”
Slajd 1 – Okładka
WSPARCIE 💙
👉 10 miejsc, do których możesz sięgnąć, gdy go potrzebujesz.
Slajd 2
1. Przyjaciele i rodzina 👨👩👧👦
Najbliżsi są często pierwszą linią wsparcia. Czasem wystarczy jedna rozmowa, żeby poczuć ulgę.
Slajd 3
2. Mentorzy i coachowie 🎓
Doświadczenie innych może być dla Ciebie drogowskazem. Dobry mentor skraca drogę i daje jasność.
Slajd 4
3. Społeczność online 🌍
Grupy tematyczne, fora, społecznościowe miejsca – tam znajdziesz ludzi, którzy mierzą się z podobnymi wyzwaniami.
Slajd 5
4. Profesjonaliści 🧠
Psycholog, terapeuta, doradca – to eksperci, którzy wspierają, gdy potrzebujesz bezpiecznej przestrzeni i fachowej pomocy.
Slajd 6
5. Książki 📚
Czasami odpowiedź już została napisana. Inspirujące treści mogą być Twoim cichym przewodnikiem.
Slajd 7
6. Podcasty i video 🎧
Wsparcie na wyciągnięcie ręki – w drodze, w kolejce, w przerwie. Wystarczy kliknąć „play”.
Slajd 8
7. Aplikacje do medytacji i mindfulness 🧘
Narzędzia takie jak Calm czy Headspace pomagają zatrzymać myśli i odzyskać spokój.
Slajd 9
8. Ruch i sport 🏃
Aktywność fizyczna to lekarstwo dla ciała i głowy. Kilka minut ruchu uwalnia endorfiny i dodaje jasności.
Slajd 10
9. Journaling / pisanie ✍️
Wylej myśli na papier. Pisanie oczyszcza głowę i pomaga zrozumieć emocje.
Slajd 11
10. Cytaty i afirmacje ✨
Niewielkie słowa potrafią mieć ogromną moc. Inspirują, przypominają i dodają odwagi.
Slajd 12 – Zakończenie
WSPIERAJ i daj się wspierać 💙
A Ty – gdzie szukasz wsparcia, kiedy go potrzebujesz najbardziej?
💬 Podziel się w komentarzu – Twoja odpowiedź może pomóc innym.
👉 Całość możesz użyć jako:
karuzelę graficzną (slajd = jeden punkt),
post z listą (LinkedIn/Facebook),
serię stories (Instagram).
🔥 No to mamy konkret – przygotowałem dla Ciebie **3 pełne, copy‑paste ready posty** (LinkedIn + Instagram + Facebook) w formacie **„BĄDŹ EKSPERTEM – zwycięstwa i wyniki”**. Każdy wpis łączy:
- **twarde liczby** (budują wiarygodność),
- **miękkie osiągnięcia** (ludzka twarz biznesu),
- **zabawne/relatable smaczki** (lekkość, która angażuje).
---
## 🔹 1️⃣ LinkedIn – ekspercko + profesjonalnie
👉 **BĄDŹ EKSPERTEM – NASZE OSTATNIE WYGRANE** 💼🚀
Zwykle mówimy o celach, ale ja chcę na chwilę zatrzymać się przy tym, co już zrobiliśmy.
📈 **+35% wzrost sprzedaży u klienta w 3 miesiące** – efekt zmian w strategii.
🧘 **Mniej stresu w zespole** – dzięki nowemu modelowi pracy i krótszym spotkaniom.
☕ I tak, **nasz biurowy ekspres działał bez awarii przez cały miesiąc** 😅 – morale nigdy nie były wyższe.
💡 Te trzy rzeczy przypomniały mi, że prawdziwy sukces to miks: liczby + ludzie + codzienne drobiazgi.
💬 A Wy? **Jakie zwycięstwo z ostatniego kwartału daje Wam najwięcej satysfakcji?**
**BONUS LinkedIn**:
- Karuzela (3 slajdy: Liczby / Ludzie / Smaczki → CTA na końcu).
- Hashtagi: #ExpertInsights #BusinessGrowth #Leadership
---
## 🔹 2️⃣ Instagram – dynamicznie + emocjonalnie
✨ **NASZE ZWYCIĘSTWA ✨**
Cieszymy się z każdego kroku naprzód – dużego i małego. Ostatnio najbardziej zapadło nam w pamięć:
🌍 **Pierwszy zagraniczny klient** – to dla nas sygnał, że możemy grać globalnie.
👥 **Nowe osoby w zespole** – wnosi to świeżość i energię nie do zastąpienia.
🌱 **Rośliny w biurze przeżyły cały kwartał** – prawie tak, jak my w deadline’ach 😅
I wiecie co? Każdy z tych momentów daje poczucie, że idziemy we właściwym kierunku.
💬 Podziel się w komentarzu swoim zwycięstwem – duże czy małe, wszystko się liczy! 💪
**BONUS Instagram:**
- Reels → szybki montaż zdjęć (klient / zespół / roślinki) + overlay: „Small wins = Big energy”.
- Stories → sticker: „Moje zwycięstwo tygodnia to…”.
- Karuzela: Slide 1 – Nagłówek, Slide 2 – 3 wins, Slide 3 – CTA.
---
## 🔹 3️⃣ Facebook – wspólnotowo + rozmownie
👉 **BĄDŹ EKSPERTEM – NASZE MAŁE I DUŻE SUKCESY** 👈
W biznesie liczą się nie tylko „duże nagrody”. Najbardziej cieszą te codzienne zwycięstwa:
📍 **Projekt ukończony przed terminem** – rzadkość, która daje ogromną satysfakcję!
📍 **Klient, który wątpił, dziś prowadzi swój projekt z pełną pewnością siebie** – to najlepsze uczucie.
📍 **Ekspres do kawy w biurze działa!** 😂 – serio, to symbol naszych wygranych.
💡 Morał → sukces składa się z kawałków: twardych wyników, ludzkich historii i drobiazgów, które wywołują uśmiech.
💬 Teraz Wasza kolej → **wpiszcie w komentarzu swoje ostatnie zwycięstwo. Stwórzmy tu wątek dobrych newsów!** 🙌
**BONUS Facebook:**
- Challenge: „Zróbmy Tablicę Zwycięstw – każdy wpisuje swoje 1 wygrane zdanie.”
- Follow‑up → grafika z cytatami ze zwycięstw społeczności.
---
⚡ Sekret → nie bój się miksować poważnych wyników z zabawnymi wpadkami/zwycięstwami. To **wyróżnia Twoje posty** i sprawia, że ludzie reagują i… zostawiają swoje „wins” w komentarzach.
---
👉 Chcesz, żebym przygotował też drugą serię **3 gotowych postów** (tym razem wszystkie wyłącznie w **poważno‑eksperckim stylu**, bez humoru), żebyś miał balans dwóch tonów w cyklu?
---
type: 'DailyNote'
title: September 9, 2025
date: '2025-09-09T00:00:00.000Z'
tags: [AI, Kurs, Pomysł]
---
05:46
[Wyzwanie 14 dni z AI](https://www.mechamind.pl/wyzwanieai?fbclid=PAdGRzdgMsgklleHRuA2FlbQEwAGFkaWQBqycGVpNLGAGnzF1_13Im5rrnKzNp0GVsGSqOvYwpeB8vmXv24RsOaR8oxyIvOIkspMdaLbs_aem_cDuTXnCzubA8mcc9qHDEYg)[Wyzwanie 14 dni z AI - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/96a3cb0a-0ea8-481c-9e2e-46e77855b14a)
Właśnie wpadłem na pomysł na to, żeby się może cofnąć trochę z tym wszystkim co chcę zrobić i może powinienem zzrobić coś co jednak będzię działało teraz. Mam nadzieję, że warto się cofnąć :) może nie powinienem iść w kierunku tworzenia stron internetowych a raczej w generatywną sztuczną inteligencję i tym, że będę robił w tym kierunku.
Muszę chyba wrócić do stołu projektowego i zmienić koncepcję. Uruchamiam wersję light i AI MasterHub
muszę kupić domenę aimastrehub.eu bo pl jest zarezerwowana ale mam stronę więc już nie muszę się martwić tym.
WIększość ludzi zna tylko CHatGPT i z niego korzysta jednak oprócz tego narzędzia są jeszcze inne, które są czasami lepsze od tego. WIęc na tym będę się skupiać a moim kursie.
07:03
[Zbuduj inteligentny system do tworzenia i dystrybucji contentu | Bezpłatny warsztat online | 10.09.2025](https://omaai.pl/warsztat?fbclid=PAdGRzdgMslIFleHRuA2FlbQEwAGFkaWQBqyjv5vdGlgGnZeUi-MEIpKvSw874hbEgYvDr09nyg1OPlXgeAfSfpgzopXQcNd1_SKmCDSY_aem_N3HVQO78XjfxPCMq5Y9uOA)[Zbuduj inteligentny system do tworzenia i dystrybucji contentu | Bezpłatny warsztat online | 10.09.2025 - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/fca2a441-9760-4e36-97fc-acc36b01ad7b)
---
type: 'DailyNote'
title: September 7, 2025
date: '2025-09-07T00:00:00.000Z'
tags: []
---
17:24
Take a look! 📌 [https://pin.it/3yg6We0eV](https://pin.it/3yg6We0eV)
17:25
Take a look! 📌 [https://pin.it/5SUXxNlsg](https://pin.it/5SUXxNlsg)
17:25
Take a look! 📌 [https://pin.it/cRSRcuH7c](https://pin.it/cRSRcuH7c)
17:25
17:25
Take a look! 📌 [https://pin.it/CURoNTF8Q](https://pin.it/CURoNTF8Q)
17:25
17:26
Zobacz ten GIF... 👀 [https://pin.it/3ZaOQbyeV](https://pin.it/3ZaOQbyeV)
17:26
Zobacz ten GIF... 👀 [https://pin.it/40JVR88Jr](https://pin.it/40JVR88Jr)
17:27
Take a look! 📌 [https://pin.it/3C4Ag5Ajz](https://pin.it/3C4Ag5Ajz)
17:27
Take a look! 📌 [https://pin.it/75IsWL2xF](https://pin.it/75IsWL2xF)
17:28
Take a look! 📌 [https://pin.it/6of10QzVV](https://pin.it/6of10QzVV)
17:28
Take a look! 📌 [https://pin.it/7eRrHGbCG](https://pin.it/7eRrHGbCG)
17:28
Take a look! 📌 [https://pin.it/1khhAfFDm](https://pin.it/1khhAfFDm)
17:29
Take a look! 📌 [https://pin.it/241f9YAlp](https://pin.it/241f9YAlp)
17:29
Take a look! 📌 [https://pin.it/2hVFG8C76](https://pin.it/2hVFG8C76)
17:30
Take a look! 📌 [https://pin.it/vrG8veGCM](https://pin.it/vrG8veGCM)
17:30
Zobacz ten GIF... 👀 [https://pin.it/57QpslIR2](https://pin.it/57QpslIR2)
---
type: 'DailyNote'
title: September 6, 2025
date: '2025-09-06T00:00:00.000Z'
tags: []
---
07:50
[Get Your Time Back👉 Download my Top 100 ChatGPT Tips now: https://lnkd.in/dkcwqiUt A mini-course on effective prompting Here are the prompting techn...](https://www.linkedin.com/posts/ai-finance-club_get-your-time-back-download-my-top-100-activity-7363615737174810624-OvE5?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Get Your Time Back👉 Download my Top 100 ChatGPT Tips now: https://lnkd.in/dkcwqiUt A mini-course on effective prompting Here are the prompting techn... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/95267b4c-8698-4d3d-bded-c8291655aa85)
07:50
[#ai #productivity #innovation #artificialintelligence | Anastasiia S. | 19 comments](https://www.linkedin.com/posts/anastasiiasha_ai-productivity-innovation-activity-7369800066645057536-99VQ?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[#ai #productivity #innovation #artificialintelligence | Anastasiia S. | 19 comments - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/e29db350-e396-43e5-9b10-b010f0fb14f3)
07:51
[GPT-5: How prompts affect its performance | Sam Burrett posted on the topic | LinkedIn](https://www.linkedin.com/posts/sam-burrett_gpt-5-prompting-guide-ugcPost-7363461068926455808-NxVt?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[GPT-5: How prompts affect its performance | Sam Burrett posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/c39aa63b-4484-4968-ac1e-304bfa13a2ec)
07:54
[How AI Agents Evolved: From AI to Autonomous Systems | Rakesh Gohel posted on the topic | LinkedIn](https://www.linkedin.com/posts/rakeshgohel01_the-evolution-of-major-ai-architectures-leading-activity-7363547550068457472-J5ih?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[How AI Agents Evolved: From AI to Autonomous Systems | Rakesh Gohel posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/ddd62801-e39a-42ba-8024-4dd609a9192f)
09:13
[Boost Your ChatGPT with 30 Proven Prompt Templates | Matt Village posted on the topic | LinkedIn](https://www.linkedin.com/posts/mattvillage_stop-wasting-hours-thinking-of-how-to-prompt-activity-7363570482844954626-J-UT?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Boost Your ChatGPT with 30 Proven Prompt Templates | Matt Village posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/65a5ed96-5d34-447d-93c3-954624bd13bf)
---
type: 'DailyNote'
title: September 5, 2025
date: '2025-09-05T00:00:00.000Z'
tags: []
---
18:06
[GitHub - rasbt/LLMs-from-scratch: Implement a ChatGPT-like LLM in PyTorch from scratch, step by step](https://hubs.li/Q03H1z080)[GitHub - rasbt/LLMs-from-scratch: Implement a ChatGPT-like LLM in PyTorch from scratch, step by step - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/5e7ea461-33e4-4673-a86e-d0d2190668d9)
19:24
Zobacz ten GIF... 👀 [https://pin.it/6RxWt7AJC](https://pin.it/6RxWt7AJC)
---
type: 'DailyNote'
title: September 4, 2025
date: '2025-09-04T00:00:00.000Z'
tags: []
---
#biuro Dzisiaj pracuję z biura, nie chciało mi się dzisiaj przyjechać ale no cóż nic na to nie poradzę, już jestem i zamierzam się zaszyc w sobie dzisiaj i nic do nikogo nie mówić
Na razie nie mam zamiaru zakłada
September 4, 2025, 09:30muszę zacząć naprawdę publikować książki na #amazon #amazonkdp i zacząć je naprawdę promować na swoich mediach społecznościowych. Jutro mam dzień kiedy zrobię to na pierwszej książce, którą utworzyłem.
- [ ] September 5, 2025uruchomić możliwość łączenia się do mojego blaszaka, z sieci żebym nie musiał używać narzędzie DNB, muszę zaintralować Kasm może będzie dobrym rozwiązaniem
Ale się opierdzielam dzisiaj i muszę powiedzieć, że mi dobrze z tym. Nie mam zamiaru dzisiaj się tym przejmować ponieważ jak nie zgłaszają się do mnie z robotą, to znaczy, że nic nie musze robić. Mam to generalnie w głębokim poważaniu. Dzisiaj nie odezwałem się ani słowem do nikogo i nie mam zamiaru się odzywac. Też mam to w głębokim poważaniu.
11:39
[6+ LLM workflows for AI Agents: A beginner's guide | Rakesh Gohel posted on the topic | LinkedIn](https://www.linkedin.com/posts/rakeshgohel01_if-ai-agents-are-complicated-then-you-can-activity-7366086017935691777-KZK9?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=copy_link)[6+ LLM workflows for AI Agents: A beginner's guide | Rakesh Gohel posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/6979e063-db53-4d6d-b6a3-704203e46e2f)
11:40
[The best way to understand AI Agents is to understand RPA Here's how AI Agents are transforming the entire process of RPA... RPA(Robotic Process A...](https://www.linkedin.com/posts/rakeshgohel01_the-best-way-to-understand-ai-agents-is-to-activity-7368986104701575168-xeCT?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[The best way to understand AI Agents is to understand RPA Here's how AI Agents are transforming the entire process of RPA... RPA(Robotic Process A... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/c9639dcb-5397-4bf6-bb4c-6c30152225ba)
11:42
[The Ultimate AEO Page Structure 🔥 (Follow my simple AEO framework!) Writing great content isn’t enough anymore. To show up in AI Overviews, ChatGPT, ...](https://www.linkedin.com/posts/emilia-moller_the-ultimate-aeo-page-structure-follow-activity-7363543511511502849-p5pT?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[The Ultimate AEO Page Structure 🔥 (Follow my simple AEO framework!) Writing great content isn’t enough anymore. To show up in AI Overviews, ChatGPT, ... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/4bd5ad8e-ec58-42cf-ab53-cbfd838294d4)
11:43
[PKO Bank Polski wczoraj udostępnił swój model językowy RoBERTa na platformie Hugging Face, stając się pierwszym bankiem w Polsce i jednym z nielicznyc...](https://www.linkedin.com/posts/lukasikgrzegorz_pko-bank-polski-wczoraj-udost%C4%99pni%C5%82-sw%C3%B3j-model-activity-7368533217408094208-lovj?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[PKO Bank Polski wczoraj udostępnił swój model językowy RoBERTa na platformie Hugging Face, stając się pierwszym bankiem w Polsce i jednym z nielicznyc... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/a14a0b1a-06ec-45a5-a33d-9d3be28ac8e1)
11:44
[Explaining 8 RAG architectures for AI Engineers | Avi Chawla posted on the topic | LinkedIn](https://www.linkedin.com/posts/avi-chawla_8-rag-architectures-for-ai-engineers-explained-activity-7362081325857607681-tHdi?utm_source=social_share_send&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Explaining 8 RAG architectures for AI Engineers | Avi Chawla posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/217692da-acbb-4494-9971-9cd816d33ec7)
12:26
[30 Essential AI Tools for Professionals in 2025 | Greg Coquillo posted on the topic | LinkedIn](https://www.linkedin.com/posts/greg-coquillo_ai-activity-7366122418161020928-ALgO?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[30 Essential AI Tools for Professionals in 2025 | Greg Coquillo posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/caf3246e-92b9-4827-bb75-56fa2f22558e)
---
type: 'DailyNote'
title: September 3, 2025
date: '2025-09-03T00:00:00.000Z'
tags: []
---
Zmiana na stanowisku CEO w firmie Dun & Bradstreet
W dokumencie opisano spotkanie zespołu, które odbyło się w związku z nagłą zmianą kierownictwa w firmie Dun & Bradstreet (D&B). Główne punkty:
1. Zmiana CEO
Anthony (AJ) przestał pełnić funkcję CEO.
Nowym CEO został Steve Telenko, wcześniej prezes Moody’s Analytics.
Decyzja została podjęta przez właściciela firmy – fundusz Clearlake Capital – i nie była inicjatywą Anthony’ego.
1. Kontekst i reakcje
Steve pojawił się w siedzibie firmy, co symbolizuje rozpoczęcie nowego etapu.
Zespół zarządzający (MC) spotkał się z nim na lunchu i kolacji, a Mike (jeden z liderów technologii) ma zaplanowaną rozmowę indywidualną.
Wśród pracowników pojawiły się pytania o przyszłe zmiany, możliwe przetasowania kadrowe i kierunek strategiczny firmy.
1. Ocena dotychczasowego stanu
Wzrost firmy wynosił jedynie 3%, a wyniki kwartalne były regularnie nieosiągane.
Technologia działała stabilnie, mimo incydentów (np. problem z Hoover’s w ostatni piątek).
Zespół technologiczny realizował cele budżetowe i operacyjne, m.in. migrację do chmury (Google Cloud), integrację zespołów w USA i Europie, oraz współpracę z działem bezpieczeństwa.
1. Przyszłość i oczekiwania
Pracownicy spodziewają się, że Steve będzie oceniał wszystkie obszary firmy: sprzedaż, produkt, dane, AI.
Możliwe są zmiany strategiczne, fuzje, sprzedaż części firmy lub nowe inwestycje.
Planowane jest spotkanie typu „town hall” w czwartek o 10:00, gdzie Steve ma się przedstawić zespołowi – raczej bez sesji pytań i odpowiedzi.
1. Nastroje
Mimo niepewności, zespół technologiczny jest dumny ze swojej pracy i gotowy na nowe wyzwania.
Mike jest optymistycznie nastawiony i zamierza przedstawić mocne strony technologii nowemu CEO.
Wszyscy są zachęcani do utrzymania dotychczasowej dyscypliny i zaangażowania.
---
type: 'DailyNote'
title: August 21, 2025
date: '2025-08-21T00:00:00.000Z'
tags: []
---
08:56
11:00
[Stop wasting hours thinking of how to prompt ChatGPT. You’re missing out.Your competitors aren’t.This changes that. Here are 30 prompt templates tha...](https://www.linkedin.com/posts/mattvillage_stop-wasting-hours-thinking-of-how-to-prompt-activity-7363570482844954626-J-UT?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Stop wasting hours thinking of how to prompt ChatGPT. You’re missing out.Your competitors aren’t.This changes that. Here are 30 prompt templates tha... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/aba583dc-7a0b-4b10-9afe-5b6a6dc0b297)
11:04
[GPT-5 Prompting Guide.pdf - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/64f669c0-577d-4b65-8262-05f8b8d14e31)
14:59
15:18
[Get Your Time Back👉 Download my Top 100 ChatGPT Tips now: https://lnkd.in/dkcwqiUt A mini-course on effective prompting Here are the prompting techn...](https://www.linkedin.com/posts/ai-finance-club_get-your-time-back-download-my-top-100-activity-7363615737174810624-OvE5?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[Get Your Time Back👉 Download my Top 100 ChatGPT Tips now: https://lnkd.in/dkcwqiUt A mini-course on effective prompting Here are the prompting techn... - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/e1dff829-0c51-4a51-a069-d102a283c39f)
15:19
[How AI tools can boost your entrepreneurship | Matt Village posted on the topic | LinkedIn](https://www.linkedin.com/posts/mattvillage_entrepreneurs-still-doing-things-the-hard-activity-7357772268208365568-xenF?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)[How AI tools can boost your entrepreneurship | Matt Village posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/75a02c5a-0989-46c4-88c2-b7a2e60bb73e)
15:21
["Boost your productivity with 30 ChatGPT templates" | Adam Biddlecombe posted on the topic | LinkedIn](https://www.linkedin.com/posts/adam-bidd_still-typing-random-prompts-thats-why-you-activity-7357742041889480704-Xy1p?utm_source=social_share_video_v2&utm_medium=android_app&rcm=ACoAAABPPbABRj_Wz-uE6RNF1OovDvp_bVTBfEw&utm_campaign=whatsapp)["Boost your productivity with 30 ChatGPT templates" | Adam Biddlecombe posted on the topic | LinkedIn - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/48ee9cbe-21c5-4cd8-9aa3-1ba84721366a)
---
type: 'DailyNote'
title: August 17, 2025
date: '2025-08-17T00:00:00.000Z'
tags: []
---
Homo sapiens. Ludzie są lepsi, niż myślisz Rutger Bregman. Ebook - Księgarnia psychologiczna Sensus [https://share.google/ZLuzo4O40AQdGvbI6](https://share.google/ZLuzo4O40AQdGvbI6)
---
type: 'DailyNote'
title: August 12, 2025
date: '2025-08-12T00:00:00.000Z'
tags: []
---
1. [Eat That Frog!](https://thedigitalprojectmanager.com/productivity/time-management-books/#eat-that-frog-by-brian-tracy) by Brian Tracy
2. [Getting Things Done](https://thedigitalprojectmanager.com/productivity/time-management-books/#getting-things-done-by-david-allen) by David Allen
3. [Atomic Habits](https://thedigitalprojectmanager.com/productivity/time-management-books/#atomic-habits-by-james-clear) by James Clear
4. [First Things First](https://thedigitalprojectmanager.com/productivity/time-management-books/#first-things-first-by-stephen-r-covey) by Stephen R. Covey
5. [Scrum: The Art of Doing Twice the Work in Half the Time](https://thedigitalprojectmanager.com/productivity/time-management-books/#scrum-the-art-of-doing-twice-the-work-in-half-the-time-by-jeff-sutherland) by Jeff Sutherland
6. [Four Thousand Weeks: Time Management for Mortals](https://thedigitalprojectmanager.com/productivity/time-management-books/#four-thousand-weeks-time-management-for-mortals-by-oliver-burkeman) by Oliver Burkeman
7. [The PLAN: Manage Your Time Like a Lazy Genius](https://thedigitalprojectmanager.com/productivity/time-management-books/#the-plan-manage-your-time-like-a-lazy-genius-by-kendra-adachi) by Kendra Adachi
8. [Organize Tomorrow Today](https://thedigitalprojectmanager.com/productivity/time-management-books/#organize-tomorrow-today-by-jason-selk) by Jason Selk
9. [The Productivity Project](https://thedigitalprojectmanager.com/productivity/time-management-books/#the-productivity-project-by-chris-bailey) by Chris Bailey
10. [Uptime: A Practical Guide to Personal Productivity and Wellbeing](https://thedigitalprojectmanager.com/productivity/time-management-books/#uptime-a-practical-guide-to-personal-productivity-and-wellbeing-by-laura-mae-martin) by Laura Mae Martin
---
type: 'DailyNote'
title: July 30, 2025
date: '2025-07-30T00:00:00.000Z'
tags: []
---
[The 30-Day Personal Brand Launchpad.pdf](https://www.hubspot.com/hubfs/The%2030-Day%20Personal%20Brand%20Launchpad.pdf?hubs_signup-url=offers.hubspot.com/brand-launch-30-days&hubs_signup-cta=Submit&hubs_offer=offers.hubspot.com/brand-launch-30-days&_gl=1*1l12a64*_gcl_au*NDQ3NjU5NTAzLjE3NDk3OTgwNDg.*FPAU*NDQ3NjU5NTAzLjE3NDk3OTgwNDg.*_ga*MTY0NDU2NjQ1NS4xNzQ5Nzk4MDQ1*_ga_LXTM6CQ0XK*czE3NTM4NjExOTIkbzIkZzEkdDE3NTM4NjEyMTYkajM2JGwwJGgw*_fplc*NmVqc3ZDdWRDM2xURm1PWUJieXlyQ1gzZ0U4dWNwV1YlMkZieHN2WDlHSDJMTW5Ba295QWlZYVU2UkRNUmtoV3J1VUhhNWp0SFA2RThMN2hMblBlJTJGT3JtcUo2Q3JEWlpTN0x4c3FWOW9rNm1naUxKVms2NzJUYk5sU0NzMUd4USUzRCUzRA..&_ga=2.155231867.1721565634.1753861193-1644566455.1749798045)
- [ ] do sprawdzenia i zapisania [⚡ N8N Workflow Documentation](https://n8n-workflows-production-9cc4.up.railway.app/)
- [ ] [99 Job Sites Landing - SuperHumans](https://superhumans.life/99-validated-remote-jobs-sites-flow-landing-2/)
---
type: 'DailyNote'
title: July 9, 2025
date: '2025-07-09T00:00:00.000Z'
tags: []
---
- [ ] Napisać Zadanie do analizy reklam [https://youtu.be/hxQshcD3e1Y](https://youtu.be/hxQshcD3e1Y) July 8, 2025
- [ ] Napisać kurs na temat prompt engineeringu materiał do kursu [Vibe code tools for AI with Databutton MCP](https://www.youtube.com/watch?v=BAsKEkDaE2k&t=36s) częściowo przemielony przez NotebookLLM
[hatgpt-system-prompt-20-dec-2024](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/e6c0cafa-5303-4273-9086-8c2970b382ce)
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
FB Token
EAAGiAEODMwYBPNxQ39crrOIXfcKB80RrrrAXZCp0FlaEwSzBGlsrhmcl1ZAVOcTwXEbLw5VVFZCfXlwrqOk7PA97GRFrO1A0R3ZBE7mUXQYNq21AzpBi6Q2XOu4GCZACCuHWgZCfYZAzLQexALEMjnoZC6NNihVkN2JZCfPTZCNf4w8qiZA5Pw1L05E1ogcKHXKwnNvj6kQDLAcZC6dImT9FhXwZD
# The Library of Ingeniosity
This is where to find all of the bonus resources mentioned on Bill McIntosh's YouTube channel and newsletter.
Latest training:
[How To Get Traffic To Your Website With AI (Even If You’re a Complete Beginner)](https://gamma.app/docs/How-To-Get-Traffic-To-Your-Website-With-AI-Even-If-Youre-a-Comple-y96yq4obgndivit)
- The 7-step protocol for a flood of traffic to your website (with the help of AI)
- Prompts included
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/6f102624-8a01-41fa-b637-ebde93ddf487)
[How to Create a High Ticket Offer That PRINTS With ChatGPT (AI Does 90% of the Work)](https://gamma.app/docs/How-to-Create-a-High-Ticket-Offer-That-PRINTS-With-ChatGPT-AI-Doe-4dflpesyl652527)
- The 4 steps to a banger high ticket offer that PRINTS money
- And ChatGPT does basically all the work...
- PLUS a bonus step that will make it even more profitable.
- And a bunch of prompts you can plug into ChatGPT that will help you out
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/2133448d-6d6a-4f0e-8517-eace59daf4c3)
[How To Use ChatGPT Deep Research To Make Money in 3 Mindblowing Ways](https://gamma.app/docs/How-To-Use-ChatGPT-Deep-Research-To-Make-Money-in-3-Mindblowing-W-7iimxu78yo3byt3)
- How to use this groundbreaking ChatGPT product to build and blow up a business - fast
- 9 power-packed prompts so you can run this system on autopilot
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/ecafb1e8-3011-433b-87a7-0a7a8b2d90ef)
[How To Make Money With Google's Veo 3 + ??? (Basically on Autopilot)](https://gamma.app/docs/How-To-Make-Money-With-Veo-3-Genspark-Basically-on-Autopilot-upw30gbboy86jmb)
- The special AI agent that builds Veo 3 videos on autopilot
- ...and it's technically cheaper than using Veo 3 inside of Google
- Get my special prompt that gets the agent to do this for you
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/5ba41841-7ae7-410c-95e0-72fea250b4a7)
[How To Launch a Business Online With ChatGPT + 100m Offers by Alex Hormozi](https://gamma.app/docs/How-To-Launch-a-Business-Online-With-ChatGPT-100m-Offers-by-Alex--9wlkyv5tzgvfoxc)
- The magic formula that makes people rich
- Plus the 4 prompts that unlock your very own "Grand slam offer"
- ALTERNTIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/1a220dc6-83ad-465e-9b1c-6e23c618b7ae)
[The 10 Core Patterns of 8 & 9-Figure Entrepreneurs](https://gamma.app/docs/How-8-9-Figure-Entrepreneurs-Start-Businesses-and-Get-Rich-dh8ihgggx4vzomu)
- The 10 core patterns I observed at a mastermind with ~400 8 & 9-figure entrepreneurs
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/9d37a961-96b8-441c-a25f-de762a9c3598)
[How To Find $1,000,000 Business Ideas With an Ancient Japanese Philosophy + AI](https://gamma.app/docs/How-To-Find-1000000-Business-Ideas-With-an-Ancient-Japanese-Philo-9k8lxmv4g3r3dbs)
- The 4 criteria that make a perfect business idea
- The Japanese philosophy behind these 4 criteria
- And how you can combine AI with this philosophy to make a lot of money
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/bc758e17-ca93-4952-ae5c-660af82c6c61)
[How To Get Traffic To Your Website With ChatGPT Shopping Feature (Complete 7-Step Strategy Guide)](https://gamma.app/docs/How-To-Get-Traffic-To-Your-Website-With-ChatGPT-Shopping-Feature--b0tn57kdfyqrq6h)
- The complete 7-step guide to ranking inside ChatGPT's shopping feature so you can get a flood of free traffic to your site.
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/e25cfb64-cb17-42a4-b6c7-d4c4f3b1f3e2)
[5 Micro Software Business Ideas AI Can Build You in a Few Hours (Even With ZERO Coding Experience)](https://gamma.app/docs/5-Micro-SaaS-Business-Ideas-AI-Can-Build-You-in-an-Afternoon-Even-qnex4mgpisl6lmo)
- 5 software business ideas AI can build you in one sitting.
- Plus a swipe file of 49 software businesses generated without even having to code...
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/01363024-df1a-461d-9ef6-c5d3c05fbeeb)
[How to Start a Print on Demand Business With AI and ACTUALLY Make Money (PROMPTS INCLUDED)](https://gamma.app/docs/How-to-Start-a-Print-on-Demand-Business-With-AI-and-ACTUALLY-Make-0ptrb68tdh85z5w)
- 6 prompts you can use to find banger POD business ideas and make a ton of money
- Sourced from an interview with Rachel Rofe, who has made MILLIONS selling print on demand designs.
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/dd734d83-943f-4664-aab6-25cd3f2f8ea9)
[The 6-Step Product Launch Strategy To Build 0](https://gamma.app/docs/The-6-Step-Product-Launch-Strategy-I-Use-1000000-Businesses-For-0-enzlckqpoz4cd3i)
- 6 steps you can use to launch a freedom business that can change your life.
- It's fast.
- And the best part...
- It's cheap.
- [Gamma not working? Alternative link.](https://the-6-step-product-launc-7hf15mw.gamma.site/)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/bce3c3fa-8ace-4b9c-af69-ccb447158bf9)
[RunwayML Prompt Guide](https://gamma.app/docs/RunwayML-Prompt-Guide-b1kz05uxdnjyku9)
- The ultimate guide for making AI video prompts.
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/2abdb838-814b-4a92-81f5-f04df5e7578a)
[AI IMAGE EDITOR SMACKDOWN - ChatGPT 4o vs Grok 3 vs Gemini 2.0](https://gamma.app/docs/AI-IMAGE-EDITOR-SMACKDOWN-ChatGPT-4o-vs-Grok-3-vs-Gemini-20-373uuzk5s44bar6)
- 3 AI image generators hit the market - and they're wild...
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/50749300-2dc4-48a1-bb4e-95300288699b)
[6 Email List Building Strategies To Hit Your First 1000 Subscribers & Build Your Million Dollar Business](https://gamma.app/docs/6-Email-List-Building-Strategies-To-Hit-Your-First-1000-Subscribe-3uf3wks209t6ipc)
- 6 list building strategies, each one with real case studies
- Plus 3 bonus strategies at the very end...
- [Alternative link if Gamma isn't working](https://6-email-list-building-st-djo65go.gamma.site/)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/849bc388-c9f8-4956-bc8c-454531b9b135)
- [Full video walkthrough here](https://youtu.be/deu6Bvl7AFA)
[5 Critical Online Profit Success Factors (The keys to how I generated $100,000,000)](https://gamma.app/docs/5-Critical-Online-Profit-Success-Factors-0sq8kg6bvainsq9)
- The 5 critical success factors I used in my life to make over $100,000,000 across all of my online businesses.
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/6cb4a3b8-5ad3-465d-ae04-4a33314e290d)
- [ALTERNATIVE ACCESS LINK (IF GAMMA ISN'T WORKING)](https://5-critical-online-profit-hiay1wy.gamma.site/)
[Grok 3 vs. ChatGPT vs. Google Gemini vs. DeepSeek: Which One Will Make You More Money?](https://gamma.app/docs/Grok-3-vs-DeepSeek-Which-One-Will-Make-You-More-Money-wyrpall9rku90hu)
- An AI CAGE MATCH where we pit all of the latest AI models head to head to uncover the answer to one question...
- Which one makes the most money?
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/8a661782-44f6-4c8a-9bde-9671d8939713)
- [ALTERNATIVE ACCESS LINK (IF GAMMA ISN'T WORKING)](https://grok-3-vs-deepseek-which-79emzce.gamma.site/)
[How To Use Gemini Deep Research To Drive a TSUNAMI of FREE Traffic To Your Website](https://how-to-use-gemini-deep-r-qrcvbnn.gamma.site/)
- 5 steps to FREE SEO traffic with Gemini's Deep Research tool
- Prompts included
- Full video walkthrough coming soon...
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/2d7e1e6e-aec9-4ee7-8ba9-1aef30896906)
[How To Build an Email List For Affiliate Marketing](https://gamma.app/docs/How-To-Build-an-Email-List-For-Affiliate-Marketing-dvcsskt1est46iq)
- 5 steps to make an email list for scratch for your affiliate marketing endeavors
- Full video walkthrough coming coon...
- [ALTERNATIVE ACCESS LINK (if Gamma isn't working)](https://how-to-build-an-email-li-41qo5qm.gamma.site/)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/9774ae2a-4ae1-4dc9-9334-e22d08a4b3f7)
[How To Use DeepSeek R1 To Launch an Online Business and Make a BOATLOAD of Money in 2025](https://gamma.app/docs/How-To-Use-DeepSeek-R1-To-Launch-an-Online-Business-and-Make-a-BO-vaq4523ztdcop9g)
- Discover how DeepSeek’s ‘R1 chain of thought’ reverse-engineers your audience’s 3 AM fears into $$$ offers ChatGPT can’t touch.
- Steal my 10 free prompts to clone DeepSeek’s ‘brain crawl’ tactics—before the US bans this AI loophole.
- Skip the 6-month ‘trial and error’—DeepSeek’s R1 logic maps profitable niches in 20 minutes flat.
- [Full video walkthrough here.](https://www.youtube.com/watch?v=NdhI6TEyeIQ)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/2d51fff0-a3e9-42d6-9afd-5ceb9bbbada9)
[How To Use NotebookLM Interactive Mode To Make a FLOOD of Money](https://gamma.app/docs/How-To-Use-NotebookLM-Interactive-Mode-To-Make-a-FLOOD-of-Money-ef7xq01o64hp2cc)
- Use a new NotebookLM feature to make valuable AI-enhanced content - for free!
- Plus a bonus at the end going over how to use this feature to make wild lead magnets...
- [Full video walkthrough here.](https://www.youtube.com/watch?v=RgNCBijVx-A)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/bcf05a6b-328a-4fae-b974-fdfb07f160bf)
[How To Make Money With AI & A 106 Year Old Growth Strategy (Over HALF A BILLION Copies Sold)](https://gamma.app/docs/How-To-Make-Money-With-AI-A-100-Year-Old-Growth-Strategy-ujyq3jmpl16euya)
- How a 100 year old legendary entrepreneur sold HALF A BILLION copies of his super profitable "little blue books"...
- And how you can duplicate his success in the 21st century with cutting edge AI techniques.
- PLUS bonus ChatGPT prompts you can use to deploy this strategy TODAY!
- Full video walkthrough coming coon...
- [Alternative link if Gamma isn't working](https://how-to-make-money-with-a-5n18o5e.gamma.site/)
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/718701bc-c7dd-4d21-80bb-ae14a3dcdab2)
[How To Write Ad Copy With ChatGPT That Prints a RIDICULOUS Amount of Money](https://gamma.app/docs/How-To-Write-Ad-Copy-With-ChatGPT-That-Prints-a-RIDICULOUS-Amount-syyr3gnpzl1n5i4)
- 5 prompts that will have ChatGPT write insanely profitable video ad scripts you can use to blow your business up FAST.
- You get to copy and paste the exact prompts we use.
- [Alternative link if Gamma isn't working](https://how-to-write-ad-copy-wit-dtpij82.gamma.site/)
- [Full video walkthrough here](https://www.youtube.com/watch?v=E9KZCd05MwU)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/c3931a63-fb04-47bc-a344-d8df49e11350)
[6 Digital Product Ideas You Can Start in 2025 as a COMPLETE BEGINNER](https://gamma.app/docs/Top-6-Digital-Product-Ideas-To-Sell-Online-For-Beginners-bl856b4ota4nucj)
- 6 ideas for digital product ideas you can launch to make a FLOOD of money this year...
- PLUS 4 bonus ChatGPT prompts you can use to help uncover what digital product you should be launching...
- [Alternative link if Gamma isn't working](https://top-6-digital-product-id-o30z8oo.gamma.site/)
- [Full video walkthrough here](https://www.youtube.com/watch?v=qSDxf5k--oc)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/7eff8e64-bc93-424b-acf5-7c81715d5aa0)
[How To Use Sora AI To Make So Much Money It Feels Illegal](https://gamma.app/docs/How-To-Use-Sora-AI-To-Make-So-Much-Money-It-Feels-Illegal--ji62t2w0o9yxeae)
- A walkthrough of OpenAI's newest technology & how I think it can make you millions.
- A 6-step workflow for making the same AI ads that made me thousands of dollars
- Bonus ChatGPT prompts you can use in your business
- [Alternative link if Gamma isn't working](https://how-to-use-sora-ai-to-ma-pqiolwx.gamma.site/)
- [Full video walkthrough here](https://www.youtube.com/watch?v=yQ3-CgL50V8)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/9b401995-8e24-430c-8323-ac68a1362076)
[How To Turn YouTube Videos Into CRAZY Profitable Email Newsletters With ChatGPT](https://gamma.app/docs/How-To-Turn-YouTube-Videos-Into-Newsletters-brawghk7o085e4x)
- An 11 step workflow you can use to turn YouTube videos into engaging, profitable, daily email newsletters you can send.
- This is inspired by the viral content strategy of a newsletter that is growing fast.
- Prompts included so you can do this yourself.
- [Alternative link if Gamma isn't working](https://how-to-turn-youtube-vide-hhst7eo.gamma.site/)
- [Full video walkthrough here](https://www.youtube.com/watch?v=odm-9c9Mbgg)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/15440d7d-7f47-4034-adb0-d42010b4c7f6)
[I Made $3.5 MILLION In Under a Year With a Secret Facebook Empire (Here's How)](https://gamma.app/docs/I-Made-35-MILLION-In-Under-a-Year-With-a-Secret-Facebook-Empire-H-wf2t21i2aq13mur)
- In under one year, I ran 13 of these faceless Facebook pages, making over $3.4 MILLION dollars.
- Includes the 7 step process I used to launch and make tons of $$$ with each page.
- [Full video walkthrough here.](https://www.youtube.com/watch?v=qc-UyIl90xA)
- [Alternative link if Gamma isn't working](https://i-made-35-million-in-und-3v9br9h.gamma.site/)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/c1c158c0-369d-40a9-b0a8-43a5fb75cc33)
[How To Use RunwayML To Generate AI Ads That Are 300% More Profitable](https://gamma.app/docs/How-To-Use-RunwayML-To-Generate-AI-Ads-That-Are-300-More-Profitab-66qsi7a3b1idgdo)
- ChatGPT prompts
- 17 examples of AI generated ads for inspiration
- 7 step workflow for making profitable AI ads
- Full video walkthrough coming soon...
- [Full video walkthrough here](https://www.youtube.com/watch?v=W__L8aQ7q7c)
- [Alternative link if Gamma isn't working](https://how-to-use-runwayml-to-g-iqyckc0.gamma.site/)
- ALTERNATIVE: DOWNLOAD PDF
[Untitled - Notes](https://app.capacities.io/60b77bcb-1f4b-4404-bd65-db5272fe714a/06126e4a-6550-430c-8aba-787a835ea4a4)
[How to Create Talking AI Avatars For Your NotebookLM Podcasts](https://gamma.app/docs/How-to-Create-Talking-AI-Avatars-For-Your-NotebookLM-Podcasts--5mu80fp0fy4olf5)
- 7 step workflow for generating videos with talking AI avatars for your NotebookLM podcasts
- [Full video walkthrough here](https://www.youtube.com/watch?v=5mI2kNzC-wY)
[This Simple Content Hack Made Him Over $1,000,000 in a Single Year](https://gamma.app/docs/How-He-Created-a-1000000-Sales-Funnel-With-600-YouTube-Subscriber-63ma9ay2jub9llf)
- The YouTuber making over $1,000,000 with a TINY channel (just hundreds of subscribers!)
- His 5 step system for doing this
- And my easier 6 step process (if you want to do this yourself)
- [Full video walkthrough here](https://www.youtube.com/watch?v=OJyiNQjwP5Q)
[How To Make $97,000 AI Ads That Convert (12 AI Ad Examples)](https://gamma.app/docs/How-To-Make-97000-AI-Ads-That-Convert-12-AI-Ad-Examples-2ey1cyn7lii3b50)
- 12 AI ads found in the wild that are printing money
- [Full video walkthrough here](https://www.youtube.com/watch?v=nvawVn_dBb4)
[5 Profitable Newsletter Business Ideas You Can Start In a Single Afternoon](https://gamma.app/docs/5-Profitable-Newsletter-Business-Ideas-You-Can-Start-In-a-Single--lwazu9wx0ux1yrt)
- Newsletters can make you rich. But how? Here's 5 possible ways.
- [Full video walkthrough here](https://www.youtube.com/watch?v=evW5kPhagSE)
[How To Use NotebookLM to Get Tons of Free Website Traffic & BLOW UP Your Business](https://gamma.app/docs/How-To-Use-NotebookLM-To-Get-Tons-of-Free-Traffic-gdgqkpsyjzem6ie)
- 5 step workflow you can use to drive tons of free traffic to your site with NotebookLM
- [Full video walkthrough here](https://www.youtube.com/watch?v=L2pE5DLf5o4)
[How She Made $200,000+ Borrowing Traffic](https://gamma.app/docs/How-She-Made-Over-200000-Borrowing-Traffic-5eci41360pwn1aq)
- How an entrepreneur made 6-figures "borrowing" traffic (and what this means for you)
- Full video walkthrough coming soon...
- [Full video walkthrough here](https://www.youtube.com/watch?v=KLkDViEbCls)
[How I'm Using Mr. Beast's Leaked Manual To BLOW UP My YouTube Channel & Make 6-Figs](https://gamma.app/docs/How-Im-Using-Mr-Beasts-Leaked-Manual-To-BLOW-UP-My-YouTube-Channe-j9lt6ikzkpd6kn4)
- I'm making hundreds of thousands of dollars with my YouTube channel. And it's not even that big yet!
- Things really took off when I started applying the concepts inside of a leaked Mr. Beast document he gave his team to make viral videos.
- I boiled it down to a 5 step system you can use to make money on YouTube.
- Full video walkthrough coming soon...
[How To Make Money With ClickBank (Affiliate Marketing For Beginners)](https://gamma.app/docs/How-To-Make-Money-With-Clickbank-Affiliate-Marketing-For-Beginner-5ev4qn3rybol4pt)
- 7 steps to starting on ClickBank and making bank.
- [Full video walkthrough here](https://www.youtube.com/watch?v=ZCmAJLR5R50)
[How To Make Money With NotebookLM & Affiliate Marketing](https://gamma.app/docs/NotebookLM-Affiliate-Marketing-ap2v42sorjv4j1f)
- A strategy you can use to combine NotebookLM and affiliate marketing for $$$
- [Full video walkthrough here](https://www.youtube.com/watch?v=450D6ktcfzw)
[6 AI Side Hustle Ideas That You Can Start as a Complete Beginner ($3,000/week)](https://gamma.app/docs/AI-Side-Hustle-Ideas-3j3o4jlqcgkwpgw)
- 6 side hustles you can start as a beginner with AI and an internet connection.
- Prompts included.
- [Full video walkthrough here](https://www.youtube.com/watch?v=WFeaZTZYLTI)
[How To Change Voices in Your NotebookLM Podcasts (this makes them 10x better)](https://gamma.app/docs/How-To-Change-Voices-in-Your-NotebookLM-Podcasts-ohtqvsvkwtsombv)
- The 7 step process you can use to change the default AI voices in your NotebookLM podcasts.
- [Full video walkthrough here](https://www.youtube.com/watch?v=ac-23l5X1TQ)
[The 5 Best Info Products You Can Build With AI as a Beginner](https://gamma.app/docs/The-5-Best-Info-Products-You-Can-Build-With-AI-as-a-Beginner-uhstrn4yrdc1i0n)
- Online biz beginner? Here are 5 info products you can make and sell with AI.
- [Full video walkthrough here](https://www.youtube.com/watch?v=zgddVQXVPZY)
[6 Unexpected Ways To Use NotebookLM For Massive Profits (from a $100,000,000 entrepreneur)](https://gamma.app/docs/6-Unexpected-Ways-To-Use-NotebookLM-For-Massive-Profits-i5a1bkyp8253o2n)
[How To Use NotebookLM to Make a TON of Money in 3 Ways (from a $100,000,000 entrepreneur)](https://gamma.app/docs/3-Ways-To-Use-NotebookLM-to-Make-a-TON-of-Money-ymojh15jln2l03e)
- My most popular training to date.
- [Full video walkthrough here](https://www.youtube.com/watch?v=IK-TjPEWtpI)
[5 One Person Business Ideas You Can Start And Make $10k/mo With as a Solopreneur](https://gamma.app/docs/5-One-Person-Business-Ideas-You-Can-Start-And-Make-10kmo-With-as--69v3bzmbiv40p38)
- [Full video walkthrough here](https://www.youtube.com/watch?v=VoCF6vLhNa8)
[How To Make Money on TikTok Shop as an Affiliate Without Showing Your Face (She Made $76,680 in 3 hours!)](https://gamma.app/docs/How-To-Make-Money-on-TikTok-Shop-Without-Showing-Your-Face-6199-t-to8nw1cor0080r5)
- This might be one of the best ways for new entrepreneurs to make a killing in 2025.
- [Full video walkthrough here](https://www.youtube.com/watch?v=gL_iOh8rQcI)
[How To Rank Your Small Website on Google](https://gamma.app/docs/Google-August-Core-Update-How-To-Rank-Your-Small-Website-on-Goo-q9eru2nduukpa25)
- A Google update made it easier for small websites to rank on Google.
- [Full video walkthrough here](https://www.youtube.com/watch?v=O2ocKLEKOm4)