Paweł Domański
6.2 KiB
6.2 KiB
12 Ulubionych Problemów Feynmana
Poniższa lista zawiera kluczowe pytania i obszary zainteresowań, które są "testowane" przy każdym nou źródle wiedzy. Cel: Znalezienie nowych perspektyw, połączeń lub cząstkowych rozwiązań dla tych długoterminowych wyzwań.
1. Zarządzanie sobą w czasie
- Notatki i połączenia:
- summaries/jak-zbudowalem-agenta-newslettera-n8n: Automatyzacja powtarzalnych zadań pozwala zaoszczędzić godziny pracy tygodniowo.
- summaries/one-file-diary: System jednego pliku tekstowego minimalizuje narzut narzędziowy.
- summaries/google-nanobanana-workflow: Skrócenie czasu tworzenia zasobów wizualnych o 90% dzięki concepts/ai-pipelines.
- summaries/karpathy-llm-knowledge-breakdown: Wykorzystanie LLM do "księgowości wiedzy" (bookkeeping).
- summaries/how-to-deploy-autoresearch: Automatyzacja pętli badawczej – agent pracuje, gdy człowiek śpi.
- summaries/karpathy-llm-knowledge-superpower-researchers: LLM jako "księgowy" automatyzujący nudne zadania i konserwację bazy wiedzy, zapobiegając jej porzuceniu przez ludzi.
- summaries/building-personal-ai-assistant-sqlite-gtd: System MarcOS integruje GTD z SQLite i Claude Code, automatyzując cotygodniowy przegląd zadań.
- summaries/building-llm-research-knowledge-philosophy: Etapowe podejście do wdrażania bazy i odrzucenie "fantazji migracyjnej" chroni przed wypaleniem narzędziowym.
- summaries/15-obsidian-workflows-and-plugins: Autonomiczne potoki wykonawcze (autopsje, audyty stanu, inicjalizacja) usuwają konieczność ręcznej administracji bazą.
- summaries/best-12-claude-skills-setup: Ustrukturyzowane, modularne umiejętności (np.
schedule,consolidate-memory) zwiększają precyzję pracy agentów przy minimalnym zużyciu tokenów. - summaries/archive-obsidian-skill: Archiwizacja wartościowych czatów z AI jako ustrukturyzowanych notatek w Obsidian eliminuje konieczność rekonstrukcji kontekstu w przyszłości.
2. Zarządzanie bazami danych
- Notatki i połączenia:
- summaries/accidental-dba-intro: Przejście od reaktywnego "gaszenia pożarów" do concepts/proactive-administration.
- entities/sql-server: Główny ekosystem techniczny dla zadań administracyjnych.
- summaries/ai-impact-on-dba: AI jako narzędzie wspierające DBA w monitoringu i optymalizacji.
- summaries/software-2-0: Koncepcja "Learned Index Structures" – zastąpienie tradycyjnych struktur danych (jak B-Tree) wyuczonymi modelami sieci neuronowych dla większej wydajności.
- entities/pgvector: Wykorzystanie rozszerzenia PostgreSQL do natywnego zapisywania, indeksowania i przeszukiwania osadzeń wektorowych (embeddings) bezpośrednio w relacyjnej bazie danych.
3. Generatywna Sztuczna Inteligencja
- Notatki i połączenia:
- summaries/jak-zbudowalem-agenta-newslettera-n8n: Wykorzystanie LLM do planowania i pisania treści.
- summaries/ai-impact-on-dba: Ryzyko concepts/ai-hallucinations w krytycznych systemach.
- summaries/google-nanobanana-workflow: Gemini 2.5 Flash jako narzędzie do spójnej generacji obrazów.
- summaries/software-2-0: Definicja sieci neuronowych jako nowej formy oprogramowania (concepts/software-2-0).
- summaries/loom-thinking-tool: Wykorzystanie AI do concepts/metacognition-as-a-service i concepts/idea-collision.
- summaries/building-llm-research-knowledge-philosophy: Wprowadzenie concepts/epistemic-markers (
[W],[P],[?]) pozwala rozróżnić obiektywne syntezy modeli od własnych przemyśleń badacza. - summaries/obsidian-vault-as-knowledge-graph: Zastosowanie serwerów concepts/mcp-servers (np. entities/mcpvault) pozwala LLM na strukturalną i grafową analizę pojęć w bazie.
- summaries/what-happens-giving-keys-to-llm-obsidian: Zestawy cech
obsidian-skillsod Steph Ango uczą modele poprawnej składni dialektu Obsidian, eliminując błędy formatowania. - summaries/5-mental-models-for-ai-agents: Optymalizacja stosu kontekstowego (Context Stack) oraz separacja wykonawcy od sędziego (Doer-Judge Split) zapewniają stabilność i poprawność generatywnych operacji biznesowych.
- summaries/10-claude-prompts-replace-consultant: Zastosowanie specyficzności roli (Role Specificity) i rami afrontacyjnych (Adversarial Framing) w inżynierii podpowiedzi pozwala ominąć domyślne filtry uprzejmości modeli LLM.
4. Automatyzacja i Agenci AI
- Notatki i połączenia:
- summaries/jak-zbudowalem-agenta-newslettera-n8n: Workflow n8n jako praktyczny agent redakcyjny.
- summaries/ai-impact-on-dba: Kierunek ku autonomicznym bazom danych.
- summaries/google-nanobanana-workflow: concepts/ai-pipelines integrujące wiele modeli.
- summaries/karpathy-llm-knowledge-breakdown: Model LLM jako "programista" i "maintainer" bazy wiedzy.
- summaries/how-to-deploy-autoresearch: concepts/autoresearch – najwyższy stopień autonomii agenta AI w procesie badawczym.
- summaries/building-personal-ai-assistant-sqlite-gtd: Claude Code jako aktywny administrator systemów użytkownika (GTD/faktury), działający pod nienaruszalnym kontraktem
CLAUDE.md. - summaries/obsidian-vault-as-knowledge-graph: Wykorzystanie Claude Code bezpośrednio na bazie Markdown jako "bazy kodu", z użyciem specjalnych "umiejętności" Obsidiana.
- summaries/what-happens-giving-keys-to-llm-obsidian: Zwrot ról: LLM nie jest już tylko pasywną wyszukiwarką (RAG), lecz autonomicznym redaktorem naczelnym bazy wiedzy (Search-assisted writing).
- summaries/5-mental-models-for-ai-agents: Pięć konsensusowych modeli dla agentów AI (rusztowanie jako OS, trójwarstwowa struktura pamięci, stopniowana autonomia) definiuje profesjonalne ramy systemów autonomicznych.
- summaries/hyperresearch-deep-research-agent: Zastosowanie 16-etapowego zautomatyzowanego potoku HyperResearch i struktur orkiestracji subagentów zapobiega skażeniu głównego okna kontekstowego.
- summaries/gbrain-long-term-memory: Trwała, samoorganizująca się pamięć semantyczna w postaci grafu wiedzy GBrain integrowanego przez serwery MCP.
Miejsce na kolejne problemy (5-12)...