DBAdmin/inbox/Przestań pisać w ChatGPT Dlaczego osoby niebędące programistami potrzebują kursora Postępy AI (2).md

Przestań pisać w ChatGPT: Dlaczego osoby nieprogramujące potrzebują przestrzeni roboczej AI

[

](https://medium.com/@alexeye42?source=post_page---byline--91eae380b60a---------------------------------------)

14 minut czytania

26 listopada 2025

Jeśli regularnie tworzysz profesjonalne teksty lub dokumenty za pomocą AI — a nie tylko zadajesz szybkie pytania czy rozmawiasz na codzienne tematy — warto wybrać odpowiednie miejsce na tę pracę. Może to przez Kursor?

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Wszystkie zdjęcia autorstwa autora

1. Korzystanie z platform czatu takich jak ChatGPT, Gemini, Claude czy Perplexity jako głównej przestrzeni pracy jest nienaturalne. Przestrzeń robocza pozwala łatwo ponownie wykorzystać wyniki (artefakty), zamiast kręcić się wokół czatów z AI. Chociaż Google Workspace i Microsoft 365 to prawdziwe przestrzenie robocze, ChatGPT wciąż nadrabia zaległości, mimo że zmierza w tym kierunku.
2. Alternatywnie możesz mieć nadzieję, że twoje znane miejsce pracy (Evernote, Google Docs, Notion itp.) otrzyma wszystkie potrzebne funkcje AI. Ta nadzieja jest uzasadniona — przestrzenie ogólnego przeznaczenia, takie jak Notion, już zbliżają się do możliwości ChatGPT.

Notion byłby moim ulubionym miejscem pracy z AI — gdyby nie jedno wielkie "ale"...

Rynek narzędzi AI zmienia się co roku nie do poznania. Czy stać nas na ograniczenie dostawcy tylko do jednego produktu (np. Notion)?

Wolę się nie zamykać w tym samym czasie, opierając się na ciężko zdobytym doświadczeniu:

• Żaden produkt programistyczny nie pozostaje optymalnym wyborem przez więcej niż kilka lat. W przypadku AI ten czas jest jeszcze krótszy. Nawet jeśli funkcjonalność pozostanie na wysokim poziomie, cena może stać się znacznie mniej konkurencyjna.
• Jeśli ten produkt jest moim głównym miejscem pracy, przejście na inny będzie bolesne. Moja produktywność spadnie, bo nie mogę szybko ponownie wykorzystać artefaktów zgromadzonych w poprzednim miejscu. W przypadku chatbotów AI migracja jest jeszcze gorsza: można eksportować tylko czaty hurtowo, a nie artefakty (patrz Sekcja 2.4).

Wybrałem więc nietradycyjną ścieżkę: większość pracy z AI wykonuję w IDE (Integrated Development Environment).

• Wybrałem Trae IDE, choć Kursor jest znacznie bardziej popularny. Przez ostatnie sześć miesięcy tworzyłem różne teksty w Trae, zarówno do zadań zawodowych, jak i do tego bloga.
• Może wkrótce przejdę na Google Antigravity, bo może jednocześnie generować wiele wątków agentów AI, a jego model Gemini 3 Pro jest dla mnie teraz najlepszy.

W tym artykule podzielę się kilkoma zaletami IDE podobnego do Kursora jako przestrzeni roboczej oraz "alternatywy dla ChatGPT".

Jeśli nie potrzebujesz przekonywania DLACZEGO, przejdź od razu do mojego posta na Substacku, który skupia się na konkretnym przypadku użycia i JAK to skutecznie zrobić:

Treść

1. Kiedy IDE jest właściwym wyborem?
1.1. Wyszukiwanie z przeglądem AI lub asystentem
głosowym 1.2. Angażuj się w rozmowy z chatbotami
AI 1.3. Tworz artefakty w AI IDE
1.4. Korzystaj z tradycyjnych przestrzeni roboczych do zdefiniowanych workflowów
AI 2. Dlaczego IDE jest lepsze niż ChatGPT?
2.1. Inżynieria kontekstu dla początkujących
2.2. Generowanie kontekstu i ulepszanie w czasie
2.3. Porównanie wersji i edycje
AI 2.4. Podejście "No Vendor Lock-In" 3
. Cena, jaką trzeba zapłacić za korzyści
IDE – zakończenie

1. Kiedy IDE jest właściwym wyborem?

Aby zrozumieć rolę IDE w szerszym krajobrazie platform AI, wyjaśnijmy, kiedy warto odejść od znanych chatbotów, takich jak ChatGPT. Pominiemy niszowe aplikacje (takie jak transkrypcje czy generatory treści marketingowych) i skupimy się na narzędziach ogólnego przeznaczenia — dziedzinie, w której ChatGPT i podobne chatboty błyszczą.

Moje podejście do wyboru odpowiedniego narzędzia AI do zadania opiera się na wartości wyników; Co najważniejsze — jak długo utrzymuje się ich wartość.

1.1. Przegląd wyszukiwania z pomocą AI lub asystenta głosowego

AI jest często wykorzystywana do szybkich pytań i prostych zadań, które zazwyczaj nie wymagają dużo kontekstu, w tym twoich wcześniejszych prac.

• W takich zadaniach wielu z przyzwyczajenia sięga po ChatGPT lub Perplexity, ale Google Search z AI Overview jest często szybszy i wygodniejszy.
• Jeśli pracujesz w osobnym pomieszczeniu, głos jest idealny. Google integruje Gemini jako asystenta głosowego na urządzeniach Google Nest. ChatGPT Voice to także solidny wybór, na przykład jako zamiennik Asystenta Google na Androidzie.
• Staram się, aby moja główna historia konta ChatGPT była wolna od trywialnych zapytań, na które łatwo odpowiedzieć w Google Search, zakładce Tryb AI lub w powyższych opcjach głosowych. W przeciwnym razie napotkałbym problemy opisane w następnej części.

1.2. Angażuj się w rozmowy z chatbotami AI

ChatGPT i podobne platformy świetnie radzą sobie z wieloturowymi rozmowami z AI, zwłaszcza w kwestiach osobistych i zadaniach.

• W przeciwieństwie do szybkich próśb, te dyskusje mogą stać się ważne później i warto do nich wrócić. Funkcja wyszukiwania ChatGPT jest tu pomocna — zwłaszcza jeśli nie zaśmiecasz historii pojedynczymi pytaniami.
• Jednak jeśli wartość nie tkwi w samej rozmowie, lecz w artefaktie, który powstaje (np. dokument lub plan), chatbot nie jest najlepszym narzędziem. W takich przypadkach musisz zapisać wynik z chatbota w miejscu, gdzie łatwo go znajdziesz i ponownie wykorzystasz.
• Jeśli polegasz na personalizacji AI, powinna ona dotyczyć Ciebie ogólnie, a nie Twoich specyficznych potrzeb zawodowych. Chociaż dwa typy pamięci i Projekty ChatGPT mogą pomóc, używanie tego samego konta do specjalistycznej pracy "zanieczyści" pamięć i pogorszy jakość odpowiedzi.

1.3. Tworzenie artefaktów w środowisku AI IDE

Kursor lub inne IDE są świetne do regularnego tworzenia złożonych artefaktów w twojej domenie. Są to zazwyczaj zadania związane z pracą, a nie osobiste.

• Jeśli jesteś blogerem, tworzysz posty lub scenariusze wideo. Jeśli jesteś menedżerem, regularnie przygotowujesz prezentacje i raporty. Jeśli jesteś analitykiem IT, piszesz opowiadania o użytkownikach i inne wymagania. Wszystkie te artefakty są złożone. Standardowe narzędzia rzadko pasują do takich zadań eksperckich, ponieważ nie odzwierciedlają Twojego unikalnego kontekstu i ograniczeń zawodowych.
• Dlaczego IDE jest szczególnie dobre do powtarzających się zadań? Jego siła polega na personalizacji procesu tworzenia czegokolwiek za pomocą AI. Możesz zapisywać i ponownie używać instrukcji AI zamiast za każdym razem je przepisywać na czacie. Jednak jeśli tworzysz artefakty tylko okazjonalnie, nie musisz formalizować procesu ani oddzielać instrukcji od czatu.
• Jeśli masz wiele ról lub rolę wielofunkcyjną (np. menedżer produktu), będziesz potrzebować wielu przestrzeni roboczych w swoim IDE. Jedno miejsce pracy — jedna specjalizacja. Przełączanie się między przestrzeniami pracy IDE jest wygodniejsze niż w ChatGPT czy nawet Notion.

1.4. Używanie tradycyjnych przestrzeni roboczych do zdefiniowanych przepływów pracy AI

Do zadań ustandaryzowanych, takich jak pisanie e-maili, tworzenie rutynowych dokumentów czy zarządzanie projektami, najlepiej jest korzystać z gotowych narzędzi z funkcjami AI, takich jak Asana AI.

• Te narzędzia zazwyczaj integrują się płynnie ze światem zewnętrznym (np. kalendarze i e-mail).
• W przeciwieństwie do złożonego tworzenia artefaktów, rutynowe zadania wymagają znacznie mniej ręcznego zarządzania kontekstem, ponieważ niezbędne mechanizmy są już wbudowane w narzędzie.

Dlatego prawidłowe rozdzielenie zadań między różne narzędzia pozwala w pełni wykorzystać każde z nich.

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Wybór odpowiedniego miejsca na zadanie. Google AI kontra ChatGPT kontra kursor kontra gotowe narzędzia AI

2. Dlaczego IDE jest lepsze niż ChatGPT?

Każdy użytkownik Cursora (i podobnych IDE) będzie miał inną odpowiedź. Na przykład, jeśli AI ulepsza Twoje teksty do publikacji, kluczową funkcją może być "Diff" do porównywania wersji przed i po edycjach AI. Jeśli tak jest, zobacz Sekcję 2.3, gdzie znajdziesz w tym, jak zamienić to w przełomową grę.

Zacznę od mniej oczywistego, ale najważniejszego aspektu dla tych, którzy dążą do wysokiej jakości tekstu i stałego rozwoju z czasem.

IDE oparte na AI może zastąpić ChatGPT i inne chatboty — ale tylko do tworzenia złożonych artefaktów, gdzie wymagany jest duży kontekst.

• Do pytań ogólnych często wystarczy kontekst wyszukiwania w sieci; W kwestiach osobistych pomaga kontekst "pamięci". W takich przypadkach nie ma powodu, by przechodzić z ChatGPT na Kursor.
• Duża ilość szczegółowego kontekstu jest niezbędna do zadań eksperckich wymienionych na powyższym diagramie 👆. Przyjrzyjmy się temu, jak Kursor pomaga w tworzeniu kontekstu i dlaczego może pokonać ChatGPT tutaj.

2.1. Inżynieria kontekstu dla początkujących

Kluczowym celem przejścia na IDE jest podniesienie jakości wyników AI poprzez umożliwienie użytkownikom końcowym zarządzania kontekstem, stosując podstawowe zasady inżynierii kontekstu.

Inżynieria kontekstowa jest obecnie praktykowana głównie przez dwie grupy:

• programistów, którzy potrafią konfigurować i dopracowywać RAG, wyszukiwanie internetowe oraz narzędzia niestandardowe;
• zaawansowanych użytkowników korzystających z narzędzi no-code, takich jak n8n, Make czy ChatGPT Agent Builder, którzy potrafią przemyślanie łączyć serwery MCP.

Jednak osoby niebędące programistami, które aktywnie korzystają z AI, intuicyjnie wiedzą, w jakim kontekście potrzebuje ich zadanie. Wiele z tego kontekstu już znajduje się w ich platformie AI. Ale ChatGPT nie oferuje prostego, uniwersalnego sposobu dodania tego kontekstu do żądania.

Tak więc cel — skuteczne wykorzystanie kontekstu w złożonych zadaniach — wciąż nie jest osiągalny w masowych narzędziach AI, takich jak ChatGPT.

• Z jednej strony ChatGPT jest jedną z najlepszych platform do inżynierii kontekstu. RAG i narzędzia OpenAI są na najwyższym poziomie. GPT i Projekty to dobre sposoby na ustawienie ogólnego kontekstu dla wielu podobnych zadań.
• Z drugiej strony, kontrola kontekstu w ChatGPT nie jest wystarczająca, nawet do stosunkowo prostych zadań zawodowych, takich jak regularne raporty. Możesz użyć @mentions do GPT lub podobnych wzmianek o Space w Perplexity. Ale znacznie częściej trzeba dodać konkretny artefakt lub jego konkretną część, a nie cały GPT czy Przestrzeń.

W IDE podobnych do kursorów dodawanie kontekstu jest znacznie wygodniejsze, i to nie tylko przez @mentions.

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Dodanie kontekstu do czatu z agentem AI w Kursorze

1. Wybrany tekst można dodać do czatu AI jednym kliknięciem; Pojawia się jako link, a nie tekst, co utrzymuje czat czytelnym.
2. Plik lub folder można dodać przez przeciąganie i upuść w Eksploratorze lub poprzez wymianę @ lub #.
3. Niejawne ładowanie kontekstu: wbudowany agent AI może sam znaleźć odpowiedni kontekst na podstawie słów w twoim promptie. Na przykład może znaleźć odpowiednie reguły w AGENTS.md lub .kursor/regułach.

Te metody zarządzania kontekstem w IDE nie wymagają umiejętności technicznych potrzebnych do skonfigurowania RAG, narzędzi czy MCP. Jeśli chodzi o kopilotów AI, a nie agentów, inżynieria kontekstu staje się intuicyjna dla osób niebędących programistami w IDE.

2.2. Generowanie kontekstu i jego ulepszanie w czasie

Zarządzanie kontekstem opisane powyżej jest nadal ręczne. W zasadzie "mikrozarządzamy" AI — wyraźnie mówimy jej, które instrukcje i fragmenty artefaktów z przeszłości ma użyć jako kontekstu. To powoduje co najmniej dwa problemy:

1. Dodane fragmenty mogą być zbyt duże, co pogarsza jakość odpowiedzi.
2. Może się wydawać, że wszystkie wielokrotnego użytku instrukcje AI muszą być napisane ręcznie, co byłoby czasochłonne.

Rozwiązaniem jest kontekst generowany przez AI, a nie ręcznie tworzony.

W przypadku problemu 1 (jakość) poproś AI o tworzenie krótkich streszczeń, konspektów lub przewodników stylowych na podstawie wcześniejszych artefaktów. Dla problemu 2 (wysiłek związany z pisaniem instrukcji) Kursor ma nawet specjalne polecenie /Generuj reguły kursora.

Poprzez ciągłe aktualizowanie poradników i zasad za pomocą AI, stopniowo poprawiasz jakość swoich artefaktów z czasem.

Dlaczego to jest lepsze niż ChatGPT?

Może się wydawać, że trudno przebić ChatGPT pod względem poprawy wyników w czasie:

• Pamięć: ChatGPT był jednym z pierwszych, którzy zaimplementowali pamięć i działa lepiej niż większość konkurentów.
• Historia czatów referencyjna: Ta funkcja pozwala odwołać się do wcześniejszych czatów. Taka pamięć czasem poprawia doświadczenie użytkownika, ale jest "czarną skrzynką" i utrudnia zarządzanie kontekstem dla użytkowników.
• Pamięć tylko do projektu: Niedawno dodana pamięć na poziomie projektu zapewnia, że niepowiązane wspomnienia nie przenikają do kontekstu danego projektu.

W wielu środowiskach IDE odpowiednikiem instrukcji projektu są pliki reguł. Na tym poziomie Kursor już zapewnia bardziej elastyczne zarządzanie instrukcjami, ponieważ różne zestawy reguł są automatycznie stosowane do różnych typów plików.

Jeszcze bardziej zaawansowane zarządzanie kontekstem realizowane jest na poziomie folderów. Projekt może zawierać wiele folderów, które mogą tworzyć hierarchię. Pozwala to na tworzenie hierarchicznych instrukcji w AGENTS.md plikach. Dokumentacja kursora mówi: "Możesz umieścić AGENTS.md pliki w dowolnym podkatalogu swojego projektu i będą one automatycznie stosowane podczas pracy z plikami w tym katalogu lub jego potomkach."

Dlatego IDE podobne do kursora oferują znacznie więcej opcji ręcznego zarządzania kontekstem. I nie zajmuje to dużo czasu, ponieważ pliki reguł (reguły AGENTS.md) często generowane są bezpośrednio przez AI. Jednak IDE nie mają automatycznego kontekstu pobieranego z poprzednich czatów, podobnie jak Memory w ChatGPT.

2.3. Porównanie wersji i edycje AI

Współpracując z AI przy tworzeniu artefaktów, skup swój wysiłek poznawczy na pracy twórczej. Dzięki temu uzyskasz wysoką jakość bez poświęcania się na bardziej żmudną część techniczną.

Oznacza to, że powinieneś ograniczyć wysiłek na końcowych etapach "technicznych":

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Typowy workflow człowiek-AI w trybie drugiego pilota

Przeglądanie i poprawianie nieścisłości wprowadzanych przez AI na końcowych etapach jest żmudne, zwłaszcza przy sprawdzaniu wielu wersji AI.

Aby to ułatwić, musisz wyraźnie zobaczyć, co AI zmieniło, dodało lub usunęło — bez ręcznego porównywania każdego słowa w dwóch wersjach.

Nowoczesne środowiska AI podkreślają zmiany wprowadzone przez AI, przynajmniej na poziomie akapitów. W przypadku języka naturalnego to za mało, choć w kodzie, gdzie linie są krótkie, to wystarczy. W poniższym przykładzie Kursor zmienił tylko dwa słowa, ale i tak trzeba przeczytać cały akapit, żeby mieć pewność:

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Edycje AI w Kursorze. To nie wystarczy, by zaoszczędzić czas poświęcony na zatwierdzanie lub odrzucanie edycji AI

Trae lepiej tu wypada na zmianach na poziomie słowa, ale ma to też swoją wadę:

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Edycje AI w Trae. Zmiany słów są oznaczone, ale oryginalny akapit nie jest w pełni widoczny

Myślę, że jakieś rozszerzenie IDE mogłoby spełnić zarówno wymagania dotyczące zmian na poziomie wyrazu, jak i pełnej widoczności oryginalnego akapitu. Jednak korzystam z funkcji dostępnych "od razu" w Kursorze i Trae:

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Edycje AI w IDE: porównanie obok siebie z Git diff

• Mój Workspace znajduje się w programowaniu podobnym do Git. GitHub jest darmowy.
• Przed każdym żądaniem AI commituję (zapisuję zmiany), takie jak "Przetłumacz .....md" lub "Ulepsz ....md zgodnie z ..._rules.md".
• Otwierając plik z zakładki Kontrola Źródła, przeglądam i poprawiam zmiany AI w trybie side-by-side pokazanym poniżej.

A tak przy okazji, Git pozwala też tworzyć gałęzie do eksperymentów, a następnie je łączyć. To pomaga w niektórych kreatywnych procesach: możesz dać AI dwa różne prompty, otrzymać dwie wersje i połączyć najlepsze elementy. Ale to NIE jest dla początkujących.

Jako początkujący wystarczy kliknąć Commit przed każdym ulepszeniem AI, a znacznie skręcisz czas poświęcony na żmudną pracę.

Możesz też commitować zaraz po ulepszeniach AI, dodając nazwę modelu AI do komunikatu commitu (np. fix(Gemini-2.5-Pro): ). Później możesz porównać wynik AI z wersją finalną i zmierzyć rozmiar ręcznych edycji. W ten sposób zgromadzisz dane z Gita o jakości modelu i wybierzesz najlepszy model do swojego procesu.

ChatGPT Canvas ma podobną funkcję, ale jest mniej wygodna niż porównanie obok siebie w IDE i wymaga zbyt częstego porównywania zdań parami:

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Edycje AI w ChatGPT Canvas. Całe zdania są porównywane, słowa nie są oznaczane

2.4. Podejście "Brak blokady dostawcy"

Wyjaśnijmy, że mówimy o lokalnych IDE opartych na AI, a nie o chmurowych agentach AI dla deweloperów i programistów wibracyjnych, takich jak Codex Cloud czy Replit. Kursor jest tu liderem, ale tańsze Windsurf i Trae też pasują.

Głównym powodem, dla którego przechodzimy z platform takich jak ChatGPT, Gemini czy Perplexity na lokalne IDE, jest zazwyczaj unikanie uzależnienia od dostawcy (vendor lock-in).

Te popularne platformy AI blokują nas w więzieniu, bo nie chcemy stracić:

1. nasze czaty AI — zwłaszcza niebłahe instrukcje w tych czatach;
2. artefakty stworzone w tych czatach.

"Utrata" oznacza brak możliwości szybkiego odnalezienia i ponownego użycia. Strach przed stratą sprawia, że płacimy dostawcy (np. OpenAI), nawet gdy pojawiają się lepsze oferty.

Teoretycznie można by eksportować/importować rozmowy po zmianie platformy. Na przykład przejście z ChatGPT na Notion jest możliwe z pewnymi ograniczeniami. Ale stare czaty stają się archiwum, które przeszukuje się osobno — a nie częścią nowego systemu czatu.

Niestety, brak przenośności czatu (punkt 1 z 2) dotyczy także lokalnych przestrzeni roboczych AI, takich jak IDE.

Jednak przy złożonych zadaniach artefakty takie jak teksty, tabele, obrazy i dokumenty mają większe znaczenie niż czaty. To właśnie te elementy zwykle chcesz wykorzystać jako kontekst AI.

Wyszukiwanie artefaktów w długich wątkach jest niewygodne, zwłaszcza że ostateczna wersja często jest dopracowana poza chatbotem. ChatGPT Canvas i artefakty Claude'a rozwiązują ten problem tylko częściowo. Co więcej, nie wspierany jest eksport hurtowy artefaktów.

Dlatego chatbot AI nie jest pełnoprawnym miejscem pracy do dokumentów. Google Workspace i Microsoft 365 są, ale tworzą jeszcze silniejsze uwarunkowanie od dostawcy do usług.

IDE to lokalna przestrzeń robocze AI, która przechowuje twoje artefakty jako pliki tekstowe (np. Markdown) w strukturze folderów. Możesz zmienić IDE w dowolnym momencie, w kilka minut. Brak blokady sprzedawcy!

3. Cena za zalety IDE

Jak pokazano w sekcjach 2.1–2.2, IDE pomaga zarządzać kontekstem tak, aby stopniowo uzyskiwać pożądane rezultaty, zamiast czasem pojawiać się "magiczny" efekt. Wśród ekspertów AI ta cecha nazywana jest sterowalnością. Ale za tę sterowność trzeba zapłacić.

Cena wysokiej sterowalności to zwiększone obciążenie poznawcze i wyższe wymagania wobec doświadczenia użytkownika. Mam na myśli zarówno doświadczenie w AI, jak i ręczne tworzenie takich artefaktów.

W przeciwieństwie do IDE, ChatGPT jest skierowany do początkujących i przejmuje kontrolę nad kontekstem za pomocą nieprzejrzystych algorytmów. To może wywołać "magiczny" efekt, ale jakość wyników pozostaje niestabilna, ponieważ praktycznie nie ma ręcznej kontroli kontekstu.

Naciśnij enter lub kliknij, aby zobaczyć obraz w pełnym rozmiarze

Cena, jaką płacimy za uniknięcie blokady dostawców (Sekcja 2.4), jest również wysoka:

1. Dyscyplina w zarządzaniu instrukcjami. W przypadku powtarzających się zadań instrukcje AI powinny być zapisane w plikach, aby nie zgubiły się podczas zmiany IDE. Chociaż IDE ułatwia odwoływanie się do tych plików — i można je wprowadzić do kontekstu za pomocą reguł — to podejście wymaga więcej dyscypliny niż zwykły czat i może wydawać się nieznane lub nienaturalne.
2. IDE wciąż jest niekompletne jako przestrzeń robocza. Jest wygodna dla artefaktów "źródłowych", ale niektóre ostateczne artefakty wymagają przełączenia się na inne aplikacje. W szczególności nie wszystkie artefakty są łatwe do stworzenia z Markdown. Do tabel, prezentacji lub obrazów możesz potrzebować ChatGPT, NotebookLM lub specjalistycznych generatorów obrazów.

Istnieją jednak rozszerzenia IDE dla osób niebędących programistami, które częściowo rozwiązują te problemy. Na przykład slajdy AsciiDoc do tworzenia prezentacji. Format AsciiDoc jest bardziej zaawansowany niż w Markdown; przykłady są dostępne tutaj.

Jeśli chodzi o popularny format Markdown, który stał się de facto standardem dla AI, można go łatwo wkleić do wielu edytorów tekstu bogatego. Na przykład użyj pozycji "Wklej z Markdown" w Google Docs (jeśli jej brakuje, włącz ją w Tools → Preferences).

Konkluzja

ChatGPT, Gemini, Perplexity i podobne platformy to uniwersalne pomocniki, które doskonale sprawdzają się jako chatboty do wieloturowych rozmów.

Jednak do tworzenia złożonych artefaktów — dokumentów, artykułów czy elementów bazy wiedzy — potrzebujesz produktu z innej klasy: przestrzeni roboczej. Praca z chatbotem do takich zadań prowadzi do frustracji, nawet jeśli nie martwisz się o uwięzienie dostawcy.

W takim przypadku wykorzystaj zaawansowane funkcje zarządzania kontekstem w IDE, aby szybkość tworzenia artefaktów i ogólna jakość rosły z czasem. Dodatkowo, wyraźne podświetlanie edycji AI zwiększa produktywność recenzji i zmniejsza liczbę błędów.

How exactly to do this? Using my writing workflow as an example, I described working in an AI IDE in this Substack post.

What’s the place of an AI IDE in the broader picture of AI workspaces? At minimum, look at AI workspaces from two angles — flexibility and collaboration:

Press enter or click to view image in full size

Please comment or clap if you’d like me to write a Medium article about AI workspaces with explanations of this diagram and more.