Ogarniam AI - Sztuczna inteligencja, Agenci AI dla przedsiębiorców i marketerów

Większość filmów o agentach AI powtarza, że subagenci wygrywają szybkością. Rzadziej słyszysz, że są dużo drożsi i zjadają więcej tygodniowego limitu. Urządziłem więc teleturniej. Jeden agent kontra panel subagentów, w obu drużynach ten sam model Opus 5.5. Trzy zadania: kogo najpierw zatrudnić w firmie, której właściciel pracuje po 18 godzin na dobę, jak czterdziestolatek ma rzucić etat i strona salonu autodetailingu w Gdyni. Wyniki oceniałem na ślepo. Dwa pierwsze zadania wygrał jeden agent, za nieco ponad 2 zł każde, subagenci wydali na nie 16 i 12 zł. Stronę wygrali subagenci, ale pracowali 3 godziny 27 minut i kosztowali 202 zł. Jeden agent skończył swoją w 17 minut za 19 zł. Po odcinku będziesz wiedzieć: kiedy wystarczy jeden agent, a kiedy zatrudnić subagentów: 90% problemów w firmie rozwiąże jeden agent, zespół przydaje się w pozostałych 10%, czym subagent różni się od skilla i dlaczego ma własną pamięć, oddzielną od rozmowy głównego agenta, gdzie na dysku mieszkają agenci: każdy to jeden plik w folderze agents, który decyduje też o modelu, a więc o kosztach, jak zbudować agenta jednym poleceniem i wywołać go małpą i nazwą. Polecenie, którym zbudowałem sędziego wyników: „Zbuduj dla mnie agenta, który będzie oceniał dwa wyniki. On ma przeczytać oba wyniki i dla każdego wypisać trzy mocne i trzy słabe strony. No i na końcu wskazać jednym zdaniem, który wynik jego zdaniem jest lepszy. Wolno mu czytać tylko pliki, nie może zapisywać plików. No i niech pracuje pod kontrolą modelu Sonnet.” Wszystkie polecenia i subagenci z odcinka: lukaszhodorowicz.pl/materialy/film-02 Więcej takich przykładów dostaniesz w newsletterze: lukaszhodorowicz.pl/podcast

Sieć zalewają posty, w których model wykłada się na prostej zagadce, a ich autorzy ogłaszają, że sztuczna inteligencja nie powinna pisać tekstów ani analizować danych. Zagadka brzmi: „Myjnia jest 40 metrów od domu. Chcę umyć samochód. Iść pieszo czy jechać?”. Model odpowiada: idź pieszo, bo to blisko. Ty też dałbyś się złapać. Ile zwierząt każdego gatunku zabrał Mojżesz na arkę? W badaniu z 1981 roku 80% osób odpowiedziało „po parze”, choć wiedziały, że arkę zbudował Noe. Model wpada w pułapkę z tego samego powodu co człowiek: silne skojarzenie zjada szczegół. Po odcinku będziesz wiedzieć: dlaczego ten sam model na to samo pytanie raz odpowiada źle, a raz dobrze, jak model wybiera następne słowo: kręci kołem fortuny, na którym „idź pieszo” zajmuje 85-90% koła, a poprawna odpowiedź o myjni 10-15%, kiedy podkręcić temperaturę modelu, a kiedy trzymać ją nisko, jak odróżnić prawdziwe ograniczenie modelu od pytania-pułapki, które sprawdza spryt pytającego. Jak model losuje następne słowo, krok po kroku: lukaszhodorowicz.pl/jak-dziala-chatgpt Więcej takich przykładów dostaniesz w newsletterze: lukaszhodorowicz.pl/podcast

Claude Code to aplikacja sztywna, która wymusza na Tobie konkretny tryb pracy. To Ty dostosowujesz się do niej. Mody to zmieniają. Do niedawna w tym samochodzie mogłeś przesunąć fotel i podkręcić temperaturę. Teraz wymieniasz silnik i dokładasz kamerę cofania. Wpisuję w okno polecenia „Jan Kowalski”. Zanim wcisnę Enter, mod zamienia nazwisko na etykietę „osoba jeden”, a PESEL znika z polecenia po samej spacji. Do Claude leci „przygotuj ofertę dla osoba jeden”, a w ofercie zapisanej na dysku wraca prawdziwe imię i nazwisko. Potem jednym poleceniem buduję moda, który dokleja do każdej odpowiedzi Claude dwa guziki: „wyjaśnij” i „skróć”. Po odcinku będziesz wiedzieć: kiedy wybrać moda, a kiedy wystarczy skill, wtyczka albo hook, jak zbudować własnego moda jednym poleceniem i utrwalić go, żeby działał w każdej nowej sesji, jak sprawdzić, do jakich plików i stron zagląda cudzy mod, zanim go zainstalujesz, bo mody nie pracują w piaskownicy, od czego zacząć: Claude przegląda 30-40 ostatnich rozmów i szuka miejsc, w których pojawiały się frustracje i tarcie. Mody z odcinka do pobrania, czyli cenzor danych osobowych, panel podglądu modów i skill, który uczy Claude budować mody: lukaszhodorowicz.pl/materialy/film-03 Więcej takich przykładów dostaniesz w newsletterze: lukaszhodorowicz.pl/podcast

Masz wrzucić post na LinkedIn, więc wpisujesz do ChatGPT „napisz mi post o AI”. Dostajesz „w dzisiejszym dynamicznie zmieniającym się świecie”. Tak samo brzmi co drugi post, który przewijasz. Model nie wie, kim jesteś ani do kogo piszesz, więc za każdym razem bierze najczęstsze słowo. Z samych zwycięzców składa się frazes. Dopisz, kim ma być, do kogo pisze, ile ma mieć słów i czego ma unikać. Dostaniesz tekst lepszy od tego, co dostaje 90% użytkowników ChatGPT. Większość z nich pisze jedno zdanie. Po odcinku będziesz wiedzieć: jak zamienić jednozdaniową prośbę w polecenie, przy którym model przestaje zgadywać, ile miejsca zabiera grzeczne „czy mógłbyś mi uprzejmie pomóc” i co wpisać w to miejsce, kiedy rozbić duże zadanie na kroki, żeby sprawdzać jakość po każdym z nich, gdzie AI zawodzi nawet przy dobrym poleceniu i dlaczego właśnie tam nie wolno wyłączać myślenia. Więcej takich przykładów dostaniesz w newsletterze: lukaszhodorowicz.pl/podcast Pełne przykłady trzech poleceń z odcinka i linki do wszystkich badań: Jak pisać prompty do ChatGPT.

Przeglądanie faktur co miesiąc zjada godziny. W tym odcinku robi to za właściciela małej firmy agent Claude Code. Czyta 55 faktur kosztowych i po kilku minutach oddaje raport: za co firma płaci najwięcej, która faktura przyszła dwa razy i gdzie doliczono opłatę za spóźnienie, której łatwo nie zauważyć.Po odcinku będziesz wiedzieć:jak zacząć bez programowania i bez czarnego okna terminala,ile to kosztuje: około 80 zł miesięcznie, a cała analiza z raportem zużyła 7% pięciogodzinnego limitu,jak chronić dane firmy, zanim agent zobaczy pierwszy dokument,cztery zasady, dzięki którym oszczędzasz limit i trzymasz agenta pod kontrolą.Więcej takich przykładów dostaniesz w newsletterze: lukaszhodorowicz.pl/podcast