Budowa Asystenta AI w CLI (Cz. 1): Dlaczego przeglądarka Cię ogranicza?

Wstęp: Jesteś ludzkim routerem API

Zacznijmy od brutalnej prawdy. Jeśli Twoja praca z AI polega na tym, że masz otwartego ChataGPT w jednej karcie, Claude’a w drugiej, a Google Docs w trzeciej – robisz to źle.

Jesteś wtedy tylko ludzkim interfejsem do kopiowania i wklejania.

Kopiujesz tekst z maila.
Wklejasz do AI: “Odpisz na to grzecznie”.
Kopiujesz wynik.
Wklejasz do maila.

To nie jest “współpraca z AI”. To jest manualna manufaktura. W tej serii artykułów pokażę Ci, jak przestać być robotnikiem na taśmie produkcyjnej promptów, a stać się architektem systemu.

Witaj w serii “Budowa Asystenta AI w CLI”. W trzech częściach przejdziemy drogę od chaosu w przeglądarce do własnego, spersonalizowanego Jarvis’a w terminalu.

Część 1 (To czytasz): Dlaczego terminal i pliki tekstowe to przyszłość pracy z AI?
Część 2 (Już dostępna): Warsztat Geeka – instalacja, konfiguracja i struktura plików.
Część 3 (Wkrótce): Workflow w praktyce – automatyzacja, research i pisanie.

Problem: Kontekst to Król (który jest nagi)

Modele AI są dzisiaj genialne. Gemini 1.5 Pro czy Claude 3.5 Sonnet to potężne mózgi. Ale mózg bez pamięci i kontekstu jest bezużyteczny.

Kiedy otwierasz “Nowy czat” w przeglądarce, dostajesz genialnego stażystę, który… ma amnezję. Nie wie kim jesteś. Nie wie, nad czym pracujesz. Nie zna Twojego stylu. Musisz mu to wszystko tłumaczyć w każdym prompcie.

Marnujesz czas na ustawianie sceny (“Jesteś ekspertem SEO…”), zamiast na granie sztuki.

Rozwiązanie: File-Based Context (Kontekst Oparty na Plikach)

Wyobraź sobie, że wchodzisz do pokoju (folderu na dysku) o nazwie PROJEKT_X. W tym pokoju na ścianie wisi kartka z zasadami: “Tu mówimy krótko, używamy Pythona i nie lubimy marketingu”.

Wchodzisz do pokoju obok (PROJEKT_Y), a tam inna kartka: “Tu jesteśmy kreatywni, piszemy posty na LinkedIn i używamy dużej ilości emoji”.

Twój asystent AI powinien działać tak samo.

Jak to działa w praktyce?

Zamiast konfigurować “Custom Instructions” w ustawieniach konta (które są globalne i sztywne), trzymamy instrukcje w plikach tekstowych (Markdown) bezpośrednio w folderach z naszymi projektami.

Pracujesz nad blogiem? W folderze /blog leży plik GEMINI.md, który mówi asystentowi: “Jesteś redaktorem. Pilnuj mojego stylu pisania (link do przykładów)”.
Kodujesz? W folderze /kod leży plik, który mówi: “Jesteś Senior Dev’em. Zwracaj uwagę na czystość kodu i bezpieczeństwo”.

To podejście nazywam Context-First. Nie Ty idziesz do AI z kontekstem. To AI przychodzi do Twojego kontekstu.

Dlaczego Terminal (CLI)?

“Ale Zofia, terminal jest brzydki i trudny!”

Może. Ale jest też:

Szybki. Otwarcie terminala i wpisanie komendy trwa 0.5 sekundy. Załadowanie interfejsu webowego ChatGPT potrafi trwać wieki.
Skupiony (Deep Work). Przeglądarka to świątynia rozproszenia. Powiadomienia, zakładki, kuszący YouTube. Terminal to czysta, czarna pustka. Tylko Ty i Twój tekst.
Łączliwy. W terminalu możesz łączyć klocki. Możesz kazać AI przeczytać plik, poprawić go, a wynik zapisać od razu jako nowy plik. Bez dotykania myszki.

Co zyskasz budując taki system?

Nie obiecuję Ci gruszek na wierzbie. To wymaga zmiany nawyków. Ale jeśli przejdziesz tę drogę, zyskasz:

Pamięć idealną: Twój asystent będzie pamiętał wszystko, co zapiszesz w plikach projektu.
Spójność: Każdy tekst, kod czy mail będzie brzmiał tak, jak Ty tego chcesz, bez ciągłego poprawiania.
Ochronę prywatności: Twoje dane (w dużej mierze) zostają lokalnie, wysyłasz tylko to, co musisz.

Co dalej?

W tej części chciałam zasiać w Twojej głowie ziarno niepewności. Czy na pewno obecny sposób pracy z AI jest optymalny? Jeśli czujesz, że marnujesz potencjał modeli przez kiepski interfejs – zapraszam do Części 2 (Już dostępna): Warsztat Geeka.

W kolejnym wpisie ubrudzimy sobie ręce. Pokażę Ci krok po kroku:

Jak zainstalować niezbędne narzędzia.
Jak stworzyć strukturę katalogów (“Mózg” asystenta).
Jak napisać swój pierwszy plik kontekstowy GEMINI.md.

Wyciągaj klawiaturę. Będzie się działo.