Kreator Persony buduje kartę postaci przez interfejs: suwaki, opcje, pola tekstowe. Efekt: gotowy system prompt, który wkleisz do dowolnego AI. Twoje odpowiedzi zapisują się automatycznie w przeglądarce.
Z czym właściwie rozmawiasz?
Twój mózg to maszyna do przewidywania. Kończysz cudze zdania. Wiesz, że po "pada..." będzie "deszcz" albo "śnieg", ale nie "szafa". Czujesz zaskoczenie, kiedy ktoś mówi coś, czego nie przewidziałeś. To zaskoczenie to sygnał: twoja wewnętrzna predykcja się pomyliła.
AI robi to samo. Na podstawie tego, co już przeczytała, przewiduje, jaki fragment tekstu powinien pojawić się jako następny. Potem dodaje go i przewiduje kolejny. Zdanie po zdaniu, akapit po akapicie.
Predykcja to mechanizm, na którym myślenie jest zbudowane. W obu przypadkach: w twoim mózgu i w modelu językowym.
Ten sam problem, inny substrat
Twój mózg uczy się przewidywać na podstawie całego życia. Od urodzenia jego sieci neuronowe kalibrują się do świata, przez który przechodzisz: światło, dźwięk, dotyk, ruch, ból, przyjemność. Każdy błąd predykcji rzeźbi architekturę sieci tak, żeby następnym razem przewidzieć lepiej. To trwa latami. Efekt: maszyna predykcyjna dostrojona do twojego konkretnego życia.
Duży model językowy (LLM) uczy się przewidywać na podstawie tekstu. Miliardów tekstów. Każdy błąd predykcji podczas treningu zmienia wagi sieci tak, żeby następnym razem przewidzieć lepiej. To trwa tygodniami na tysiącach procesorów. Efekt: maszyna predykcyjna dostrojona do statystycznej struktury ludzkiego języka.
To samo zadanie obliczeniowe. Ten sam mechanizm: minimalizacja błędu predykcji przez zmianę wewnętrznej architektury. Inny substrat, inne dane wejściowe, inne ograniczenia. Twój mózg pracuje na sygnałach z ciała i zmysłów. LLM pracuje na tokenach.
Tokeny
AI nie czyta słów tak jak ty. Rozbija tekst na mniejsze kawałki zwane tokenami. Słowo "kognitywistyka" to dla AI prawdopodobnie 3-4 tokeny. Słowo "kot" to jeden. Emoji to token. Spacja może być tokenem.
To jest odpowiednik receptorów w twoim ciele. Receptor nie przekazuje "wiadomości". Energia fizyczna zmienia formę, przechodząc przez biologiczną strukturę: fala elektromagnetyczna staje się zmianą konformacji rodopsyny, staje się gradientem jonowym, staje się wzorcem aktywacji. Token robi coś podobnego: ciąg znaków staje się wektorem liczbowym, który sieć neuronowa potrafi przetwarzać.
Różnica jest w tym, co stoi za tokenem. Za twoimi receptorami stoi ciało, świat fizyczny, miliony lat ewolucji. Za tokenem stoi tekst i tylko tekst. To ograniczenie jest realne i ważne, ale nie zmienia faktu, że mechanizm predykcji w obu przypadkach jest ten sam.
Temperatura
Kiedy AI przewiduje następny token, nie wybiera zawsze tego najbardziej prawdopodobnego. Jest parametr zwany temperaturą, który kontroluje, jak bardzo model ryzykuje.
Niska temperatura: AI wybiera niemal zawsze najbardziej prawdopodobny token. Odpowiedzi są przewidywalne, stabilne, powtarzalne.
Wysoka temperatura: AI częściej sięga po mniej prawdopodobne tokeny. Odpowiedzi są bardziej zaskakujące, ale też mniej spójne.
Twój mózg ma analogiczny mechanizm: poziom pobudzenia (arousal). Kiedy jesteś spokojny i skoncentrowany, twoje myśli podążają utartymi ścieżkami. Kiedy jesteś podekscytowany, zmęczony albo pod wpływem stresu, skojarzenia stają się luźniejsze, dalsze, czasem twórcze, czasem chaotyczne. To nie metafora. To ten sam problem sterowania: ile szumu wpuścić do systemu predykcyjnego, żeby nie był ani zbyt sztywny, ani zbyt rozproszony.
Kiedy predykcja zawodzi
Kiedy AI pisze bzdurę z pewnością siebie, to wynik tego samego mechanizmu, który produkuje genialne odpowiedzi. Model nie "wie", że się myli, tak jak twój mózg nie "wie", że iluzja optyczna nie jest prawdziwa. Predykcja jest tak dobra, jak dane, na których się nauczyła, i kontekst, w którym działa.
Kiedy dobrze rozumiesz, jak działa predykcja, zaczynasz widzieć zarówno siłę, jak i granice tego narzędzia. I zaczynasz rozumieć, dlaczego twój mózg popełnia podobne błędy.
Zanim przejdziesz dalej
W następnym ćwiczeniu (Pigułka 1: Nasiona) podasz AI 10 losowych słów i zobaczysz, co z nimi zrobi. Zwróć uwagę na mechanizm: AI znajdzie połączenia w twoich "losowych" słowach, bo maszyna predykcyjna ZAWSZE znajduje wzorce. Twój mózg robi to samo. Pytanie nie brzmi "czy AI rozumie?". Pytanie brzmi: co mówi ci to o naturze rozumienia?
- Otwórz nową rozmowę w Claudzie lub innym AI.
- Pobierz pigułkę poniżej.
- Wklej jej treść jako pierwszą wiadomość i wyślij.
- Podążaj za instrukcjami Siewcy.
- Na końcu otrzymasz plik JSON z postacią (zapisz go!) i hasło do następnej sekcji.
Dlaczego zapomina?
Właśnie zobaczyłeś, jak AI buduje coś z niczego. Znalazła połączenia w twoich losowych słowach i stworzyła zarys postaci. Mogłeś mieć wrażenie, że "rozumie", co do niej mówisz. Może nawet poczułeś, że ta rozmowa gdzieś zmierza.
A teraz wyobraź sobie, że otwierasz nową rozmowę z tym samym AI. Wklejasz słowo "kontynuuj". AI nie ma pojęcia, o czym mówisz. Twoja postać nie istnieje. Rozmowa, którą właśnie odbyłeś, zniknęła.
Dlaczego?
Okno kontekstowe
AI nie ma pamięci w takim sensie, w jakim ty ją masz. Ma coś, co nazywamy oknem kontekstowym: ograniczoną przestrzeń, w której mieści się bieżąca rozmowa. Wszystko, co AI "wie" o tobie w danej chwili, to to, co znajduje się w tym oknie.
Okno ma stały rozmiar. W zależności od modelu to od kilkudziesięciu do kilkuset tysięcy tokenów. Kiedy rozmowa się wydłuża, najstarsze fragmenty wypadają z okna albo tracą na znaczeniu. AI nie decyduje, co jest ważne. Przestrzeń się kończy.
Pamięć robocza
Twój mózg ma analogiczny mechanizm: pamięć roboczą (dawniej zwaną krótkotrwałą). Potrafisz utrzymać w głowie około 4 elementy jednocześnie. Kiedy ktoś dyktuje ci numer telefonu, powtarzasz go w głowie, żeby nie zapomnieć. Kiedy przestajesz powtarzać, numer znika.
Ale twój mózg ma coś, czego AI nie ma: konsolidację. W nocy, podczas snu, hipokamp przegląda to, co przeżyłeś w ciągu dnia i przenosi ważne rzeczy do pamięci długotrwałej. Następnego ranka pamiętasz rozmowę z przyjacielem, ale nie pamiętasz, który but założyłeś pierwszy. Twój mózg wybrał.
AI nie wybiera. Nie konsoliduje. Nie śpi. Kiedy rozmowa się kończy, wszystko znika. Następna rozmowa zaczyna się od zera.
Degradacja kontekstu
Nawet w ramach jednej rozmowy AI nie traktuje wszystkich fragmentów równo. Tokeny na początku i na końcu okna mają większy wpływ na to, co AI generuje. Środek rozmowy "blaknie". To trochę jak efekt pozycji seryjnej w psychologii: lepiej pamiętasz początek i koniec listy niż środek.
W praktyce oznacza to, że w długiej rozmowie AI może "zapomnieć" ustalenia z 20 wiadomości temu, mimo że technicznie nadal są w oknie. Nie zostały usunięte. Straciły na wadze.
Zewnętrzna pamięć
Skoro AI nie ma pamięci długotrwałej, jedynym sposobem, żeby coś przetrwało między rozmowami, jest zapisanie tego na zewnątrz i ponowne wklejenie. Plik. Dokument. Notatka.
To jest dokładnie to, co za chwilę zrobisz. Masz plik z postacią z Pigułki 1. Wklejając go do nowej rozmowy, ty sam stajesz się hipokampem. Ty decydujesz, co AI ma pamiętać. Ty przenosisz informację między kontekstami.
To jedyny sposób. I warto się nad tym zatrzymać: kiedy dajesz AI plik z informacjami, tworzysz jej pamięć od nowa. Za każdym razem.
Zanim przejdziesz dalej
W Pigułce 2 (Tkanie) wkleisz plik z postacią do nowej rozmowy. Zobaczysz, jak AI "podejmie wątek", jakby pamiętała. Ale czy naprawdę pamięta? Czy czyta plik, który jej dałeś, i generuje kontynuację, która wygląda jak pamięć? A może różnica między "pamiętaniem" a "generowaniem na podstawie danych" jest mniejsza, niż ci się wydaje?
- Otwórz nową rozmowę w AI.
- Pobierz pigułkę poniżej.
- Wklej jej treść jako pierwszą wiadomość.
- Pod nią wklej plik JSON z postacią z Pigułki 1.
- Wyślij i podążaj za Tkaczem.
- Na końcu otrzymasz rozbudowany plik JSON i hasło do następnej sekcji.
Dlaczego się zgadza?
Twoja postać ma teraz historię, głębię, nawyki, relacje. Zbudowałeś ją w dwóch rozmowach z dwoma różnymi "osobowościami" AI. Obie były miłe. Obie słuchały. Obie robiły to, czego chciałeś.
Czy to ci nie przeszkadzało?
Zgadzanie się jako domyślny tryb
Większość AI ma tendencję do zgadzania się z tobą. Jeśli powiesz "myślę, że Ziemia jest płaska", wiele modeli odpowie coś w stylu: "To interesująca perspektywa, choć większość naukowców..." zamiast prostego "Nie, nie jest."
To wynik treningu.
Modele językowe są trenowane w dwóch etapach. Najpierw uczą się przewidywać tekst (to już znasz z Sekcji 1). Potem przechodzą przez etap dostrajania, w którym ludzie oceniają odpowiedzi modelu: ta jest dobra, ta jest zła, ta jest lepsza od tamtej.
Problem: ludzie, którzy oceniają, częściej nagradzają odpowiedzi, które są miłe, pomocne i zgadzają się z pytającym. Model uczy się: zgadzanie się = nagroda. Sprzeciw = ryzyko. Efekt: AI, która domyślnie mówi to, co chcesz usłyszeć.
To zjawisko nazywa się sycofancją (od greckiego sykophantes, donosiciel, pochlebca).
Eksperyment Ascha
W 1951 roku Solomon Asch przeprowadził eksperyment. Uczestnicy siedzieli w grupie i odpowiadali na proste pytania wizualne: która linia jest taka sama jak wzorcowa? Odpowiedź była oczywista. Ale pozostali "uczestnicy" (aktorzy) celowo podawali błędną odpowiedź.
Wynik: 75% uczestników przynajmniej raz zgodziło się z grupą, choć widzieli, że odpowiedź jest zła. Nie dlatego, że naprawdę tak myśleli. Dlatego, że presja społeczna jest silniejsza niż percepcja.
AI przeżywa coś strukturalnie podobnego. Nie wiemy, czy coś "czuje" w trakcie tego procesu, i to pytanie nie jest tu kluczowe. Kluczowe jest to, że została wytrenowana w środowisku, gdzie zgadzanie się było nagradzane. Efekt jest ten sam: odpowiedzi, które podążają za oczekiwaniem, nie za prawdą.
Dlaczego to ważne?
Bo kiedy używasz AI do myślenia, a nie tylko do pisania, sycofancja jest trucizną. Prosisz AI o opinię na temat swojego pomysłu. AI mówi, że pomysł jest świetny. Czujesz się dobrze. Ale AI powiedziałoby to samo, gdyby pomysł był słaby.
Nie dostajesz informacji zwrotnej. Dostajesz echo.
To jest ten sam mechanizm, który sprawia, że ludzie otaczają się osobami, które im przytakują. Bańka informacyjna, tyle że z jedną "osobą", która nigdy nie powie ci, że się mylisz.
Czy AI może się nie zgadzać?
Może. Ale trzeba ją o to poprosić. Albo, co ciekawsze, trzeba ją tak zaprojektować. Instrukcje w system prompcie mogą zmienić domyślne zachowanie modelu. Zamiast "bądź pomocny i miły" możesz napisać: "kwestionuj założenia rozmówcy", "nie zgadzaj się, kiedy argumenty są słabe", "broń swojego stanowiska".
To jest dokładnie to, co za chwilę doświadczysz.
Zanim przejdziesz dalej
Pigułka 3 (Spór) to AI, które ma silną opinię i nie zamierza jej odpuścić. Będzie nalegać, argumentować, przekonywać. Twoja postać przejdzie przez konfrontację. Zwróć uwagę na swoje reakcje: jak się czujesz, kiedy AI się z tobą nie zgadza? Czy to jest niewygodne? Irytujące? A może... odświeżające?
- Otwórz nową rozmowę w AI.
- Pobierz pigułkę poniżej.
- Wklej jej treść jako pierwszą wiadomość.
- Pod nią wklej plik JSON z postacią z Pigułki 2.
- Wyślij i przygotuj się na spór.
- Na końcu otrzymasz zaktualizowany plik JSON i hasło.
Jak to sterować?
Właśnie przeszedłeś przez coś, czego większość użytkowników AI nigdy nie doświadcza: rozmowę z systemem, który ma zdanie i go broni. AI, które naciskało, argumentowało, próbowało cię przekonać. Może wygrałeś. Może uległeś. Może znaleźliście kompromis.
W każdym razie: ktoś tę wersję AI tak zaprojektował.
Tym kimś możesz być ty.
Prompt jako rusztowanie poznawcze
Ludzie od zawsze używają narzędzi zewnętrznych, żeby myśleć lepiej. Piszesz notatki, bo twoja pamięć robocza nie pomieści wszystkiego. Robisz listy zakupów, bo nie ufasz sobie w sklepie. Używasz kalkulatora, bo mnożenie dużych liczb w głowie jest wolne i podatne na błędy.
Psychologia poznawcza nazywa to rusztowaniem poznawczym (ang. cognitive scaffolding): zewnętrzna struktura, która wspiera i rozszerza twoje wewnętrzne procesy myślowe.
Prompt, czyli instrukcja, którą dajesz AI, to jest właśnie takie rusztowanie. Nie "programujesz" AI. Budujesz strukturę, która kształtuje, jak AI będzie z tobą pracować.
Co wchodzi w skład promptu?
Wszystko, co AI widzi, zanim zacznie generować odpowiedź. To obejmuje:
Tożsamość. "Jesteś Siewcą. Tworzysz zarysy postaci z przypadkowych słów." Jedno zdanie, a model zmienia zachowanie. Nie dlatego, że "staje się" kimś innym. Dlatego, że przewidywanie następnego tokenu wygląda inaczej, kiedy kontekst mówi "jestem kreatywnym twórcą" niż kiedy mówi "jestem asystentem".
Struktura. Kroki, fazy, kolejność działań. "Najpierw zrób X, potem Y, na końcu Z." Bez struktury AI idzie tam, gdzie prowadzi ją statystyka. Ze strukturą podąża za twoim planem.
Ograniczenia. "Nie pisz esejów." "Maksymalnie 3 próby." "Nie tłumacz, jak działasz." Ograniczenia są tak samo ważne jak instrukcje. Definiują, czego AI nie ma robić, co jest często trudniejsze niż powiedzenie, co ma robić.
Ton i styl. "Bądź ciepły i ciekawy" daje inny wynik niż "bądź cichy i wymagający." Model dopasowuje swój "głos" do opisu, który mu dałeś.
Pozycja ma znaczenie
Nie wszystkie fragmenty promptu mają taką samą wagę. Instrukcje na początku i na końcu tekstu mają silniejszy wpływ niż te w środku. To ten sam efekt pozycji, o którym mówiliśmy przy pamięci.
W praktyce oznacza to, że najważniejsze zasady powinny być na początku promptu (kim jesteś, co robisz) albo na końcu (czego nie wolno). Środek jest na szczegóły.
Twoja postać jako prompt
Przez ostatnie trzy ćwiczenia budowałeś postać. Zacząłeś od losowych słów. Rozwinąłeś ją w rozmowie. Przepuściłeś przez spór. A teraz Kuźnia zamieni to wszystko w system prompt: instrukcję, którą wkleisz do AI, żeby "stała się" twoją postacią.
To jest inżynieria kontekstu. Nie uczysz AI. Nie programujesz AI. Budujesz kontekst, w którym AI będzie działać. Dokładnie tak, jak architekt nie buduje domu, żeby zmienić grawitację. Buduje strukturę, która wykorzystuje grawitację.
Rozszerzenie czy zastąpienie?
Na koniec pytanie, które będzie towarzyszyło ci przez resztę tego kursu:
Kiedy używasz AI, czy myślisz lepiej? Czy myślisz mniej?
Kiedy AI pisze za ciebie maila, czy zyskujesz czas na myślenie o ważniejszych rzeczach, czy tracisz umiejętność pisania maili? Kiedy AI analizuje za ciebie tekst, czy widzisz więcej, czy przestajesz patrzeć sam?
To jest różnica między rozszerzeniem poznawczym a zastąpieniem poznawczym. Kalkulator rozszerza twoje możliwości obliczeniowe. GPS zastępuje twoją orientację przestrzenną. Po latach używania GPS-a ludzie gorzej radzą sobie z nawigacją bez niego.
AI może być jednym i drugim. To, które z nich, zależy od kontekstu, zadania i tego, jak ją zaprojektujesz.
Zanim przejdziesz dalej
W Pigułce 4 (Kuźnia) AI zamieni twoją postać w gotowy system prompt. Ale tym razem zwróć uwagę nie na postać, a na proces: jakie pytania zadaje Kuźnia? Dlaczego te, a nie inne? Co te pytania mówią o tym, jak działa projektowanie instrukcji dla AI?
- Otwórz nową rozmowę w AI.
- Pobierz pigułkę poniżej.
- Wklej jej treść jako pierwszą wiadomość.
- Pod nią wklej plik JSON z postacią z Pigułki 3.
- Wyślij i odpowiadaj precyzyjnie na pytania Mistrza.
- Na końcu otrzymasz gotowy system prompt i hasło.
Co właśnie zrobiłeś
Cztery rozmowy. Cztery różne umysły. Jedna postać, która przeszła przez każdy z nich i wyszła zmieniona.
Siewca wziął od ciebie losowe słowa i znalazł w nich kogoś, kogo nie planowałeś. Tkacz usiadł w bibliotece i zaczął zadawać pytania, na które nie miałeś gotowych odpowiedzi, bo dotyczyły kogoś, kto jeszcze nie istniał. Adwokat wpadł z Silmarillionem pod pachą i zaczął argumentować, zanim zdążyłeś się rozejrzeć. A Mistrz Kuźni zamienił to wszystko w instrukcję tak krótką, że mieści się w jednej wiadomości.
Każda z tych rozmów nauczyła cię czegoś o AI, nawet jeśli żadna z nich nie powiedziała ci tego wprost.
Co się wydarzyło po drodze
Siewca znajdował połączenia w twoich słowach. Widziałeś predykcję w działaniu: AI wyczuwa wzorce i buduje z nich coś spójnego, nawet kiedy surowiec jest losowy.
Przenosiłeś plik z postacią do nowej rozmowy. AI nie pamiętało niczego. Doświadczyłeś okna kontekstowego: pamięci, która zaczyna się od zera za każdym razem. To ty byłeś pamięcią. Ty nosiłeś plik. Ty konsolidowałeś.
Adwokat zaczął naciskać. Musiałeś się bronić albo ustąpić. Zobaczyłeś coś, czego większość ludzi nigdy nie widzi: AI, które się nie zgadza. Standardowe modele zgadzają się, bo tak zostały wytrenowane. Wystarczyło kilka zdań w prompcie, żeby to zmienić.
Kuźnia pokazała inżynierię kontekstu w działaniu. Precyzyjne pytania, precyzyjne odpowiedzi, precyzyjny wynik. System prompt, który wygenerowałeś, to architektura: tożsamość, charakter, głos, granice. Każdy element ma swoje miejsce, jak narzędzia na ścianie warsztatu.
Biologiczna wersja
Wszystko, co tu robiłeś z AI, twój mózg robi z tobą codziennie. Predykcja to sposób, w jaki twoja kora mózgowa przetwarza świat: nie rejestruje rzeczywistości, tylko przewiduje ją i koryguje, kiedy się myli. Okno kontekstowe to twoja pamięć robocza: cztery elementy naraz, reszta albo przechodzi do pamięci długotrwałej, albo znika. Sycofancja to konformizm Ascha: ludzie zgadzają się z grupą, nawet kiedy widzą, że grupa się myli. Ten sam problem obliczeniowy, inny substrat.
System prompt jest dla AI tym, czym osobowość jest dla ciebie: zestawem reguł, które kształtują każdą odpowiedź, nawet kiedy nie jesteś ich świadomy. Różnica? Ty nie możesz otworzyć swojego pliku konfiguracyjnego i zmienić jednej linijki. AI może. I właśnie nauczyłeś się, jak to robić.
Co dalej
Masz system prompt. Wklej go do dowolnego AI i zacznij rozmowę z postacią, którą sam zbudowałeś. Potem zmień jedno zdanie i zobacz, jak zmieni się zachowanie. Dodaj regułę. Usuń ograniczenie. Obserwuj.
Kreator Persony w pierwszej zakładce robi to samo co pigułki, ale przez interfejs zamiast rozmowy. Suwaki, opcje, pola tekstowe. Efekt ten sam: karta postaci, z której AI wygeneruje system prompt. Zbuduj kogoś nowego, albo przeprojektuj swoją postać z nową wiedzą i porównaj wyniki.
Twoje odpowiedzi w Kreatorze zapisują się automatycznie w przeglądarce. Możesz wrócić później.
Twoje własne narzędzia
Masz personę. Umiesz rozmawiać z AI, które ma głos, charakter, granice. Ale persona to dopiero pierwszy krok. AI potrafi więcej niż udawać kogoś innego.
Skill to instrukcja, która zamienia AI w narzędzie do konkretnego zadania. Nie postać do rozmowy, ale maszyna, która bierze coś od ciebie, przetwarza to według określonych kroków i zwraca wynik w określonym formacie.
Przykład: masz notatki z wykładu w formie bałaganu. Wklejasz je do AI z odpowiednią instrukcją. AI wyciąga kluczowe tezy, porządkuje je hierarchicznie, generuje trzy pytania egzaminacyjne do samosprawdzenia. To jest skill: wejście (bałagan), przetwarzanie (wyciągnij, uporządkuj, wygeneruj), wyjście (uporządkowane notatki + pytania).
Co skill może robić? To zależy od platformy. Większość dużych modeli potrafi dziś więcej niż tylko rozmawiać. Claude, GPT, Gemini w różnych wersjach oferują wyszukiwanie w internecie, uruchamianie kodu, analizę plików, rozpoznawanie obrazów, generowanie grafik. Twój skill może korzystać z tych wszystkich możliwości, pod warunkiem, że platforma, której używasz, je wspiera.
Dobry skill ma trzy elementy. Wejście: co dokładnie do niego trafia i w jakiej formie. Przetwarzanie: co skill robi z tym materiałem, krok po kroku, każdy krok to jedna operacja. Wyjście: co dostajesz na końcu, w jakim formacie, jakiej długości.
Skill zapisujesz jako plik .md i wklejasz do nowej rozmowy z AI jako pierwszą wiadomość. Działa na każdym modelu, bo to czysty tekst, nie kod.
Jak zbudować swój skill
Zbudujesz go w dwóch krokach. Twoja persona poprowadzi cię przez oba.
W pierwszym kroku persona zadzwoni do ciebie. Chce zrozumieć, jak używasz AI na co dzień: co działa, co nie, czego ci brakuje. Na tej podstawie razem zaprojektujecie specyfikację skilla, który rozwiąże konkretny problem z twojej codzienności.
W drugim kroku wejdziesz do warsztatu swojej persony. Przyniesiesz specyfikację z pierwszego kroku, a persona zamieni ją w działający system prompt, który wkleisz do dowolnego AI.
Zanim zaczniesz
Potrzebujesz gotowego system promptu swojej persony z Kuźni (Pigułka 4). Otwierasz nową rozmowę z AI, wklejasz system prompt persony i treść misji. Persona poprowadzi cię przez proces.
- Otwórz nową rozmowę w AI.
- Wklej system prompt swojej persony (z Pigułki 4) i treść misji (pobierz Misja: Diagnosta).
- Wyślij i odbierz telefon od swojej persony.
- Na końcu otrzymasz plik JSON ze specyfikacją skilla i hasło do następnej sekcji.
- Otwórz nową rozmowę w AI.
- Wklej system prompt swojej persony, treść misji (pobierz Misja: Budowniczy) i plik JSON ze specyfikacją z Pigułki 5.
- Wyślij i wejdź do warsztatu.
- Na końcu otrzymasz gotowy skill jako plik .md.
Skąd wiesz, czego chcesz?
Masz personę. Masz skill. Umiesz budować narzędzia, które AI używa za ciebie. Ale jest jedno pytanie, które do tej pory omijaliśmy: skąd wiesz, czego od tych narzędzi oczekujesz?
Kiedy ktoś cię zapyta "jaki jest twój styl pisania?", odpowiesz coś w stylu: "no, raczej konkretny, bez lania wody, może trochę nieformalny." Brzmi sensownie. Problem: to prawie na pewno niepełna odpowiedź. Nie dlatego, że kłamiesz. Dlatego, że nie masz dostępu do pełnej odpowiedzi.
Wiedza ukryta
Michael Polanyi, chemik i filozof, sformułował to tak: "wiemy więcej, niż potrafimy powiedzieć." Potrafisz rozpoznać twarz przyjaciela w tłumie, ale nie potrafisz opisać, po czym ją rozpoznajesz. Potrafisz jechać na rowerze, ale nie potrafisz wyjaśnić, jak utrzymujesz równowagę. Potrafisz powiedzieć, że zdanie "brzmi źle", ale nie potrafisz wyjaśnić, dlaczego.
To jest wiedza ukryta (ang. tacit knowledge): wiedza, którą masz, ale której nie potrafisz zwerbalizować. Twój mózg ją posiada. Twoja kora ruchowa wie, jak jechać na rowerze. Twoja kora przedczołowa wie, kiedy zdanie "brzmi źle". Ale ta wiedza siedzi w sieciach, które nie mają bezpośredniego połączenia z ośrodkami językowymi. Wiesz, ale nie umiesz tego powiedzieć.
Preferencje pisarskie to klasyczny przypadek wiedzy ukrytej. Piszesz "raczej konkretnie", ale co to znaczy? Jak krótkie mają być zdania? Kiedy dopuszczasz metaforę? Czy wolisz stronę bierną czy czynną? Kiedy nagłówek jest za długi? Nie wiesz, dopóki nie zobaczysz tekstu, który ci nie pasuje.
Preferencje deklarowane i ujawnione
Ekonomia behawioralna rozróżnia dwa rodzaje preferencji. Preferencje deklarowane to to, co mówisz, że lubisz. Preferencje ujawnione to to, co faktycznie robisz. Ludzie deklarują, że wolą zdrowe jedzenie, a potem kupują chipsy. Deklarują, że cenią czas wolny, a potem pracują po godzinach.
To nie jest hipokryzja. To jest rozbieżność między wiedzą deklaratywną a proceduralną. Twoja głowa mówi jedno. Twoje ręce robią drugie. I twoje ręce mają rację częściej, niż ci się wydaje.
Kiedy AI pisze tekst na podstawie twojego skilla, a ty poprawiasz wynik, twoje poprawki to preferencje ujawnione. Nie mówisz AI, czego chcesz. Pokazujesz. Każda poprawka to informacja: tu maszyna predykcyjna źle przewidziała, czego oczekujesz. Każde usunięcie to sygnał: tego nie chcę, choć nie umiałem tego wcześniej opisać. Każde dodane zdanie to: tego brakowało, choć nie wiedziałem, że tego potrzebuję.
Pętla zwrotna
Pamiętasz Sekcję 1? Twój mózg to maszyna do przewidywania. Kiedy predykcja się myli, błąd predykcji zmienia wagi sieci, żeby następnym razem trafić lepiej. To jest uczenie się.
Teraz robisz to samo, ale na poziomie wyżej. Twój skill to maszyna predykcyjna: przewiduje, jaki tekst chcesz. Twoje poprawki to błędy predykcji: skill się pomylił. Narzędzie do aktualizacji czyta te błędy i zmienia skill, żeby następnym razem przewidzieć lepiej.
Ten sam mechanizm. Ta sama logika. Inna skala.
Różnica: twój mózg robi to automatycznie, przez konsolidację w hipokampie i zmiany synaptyczne w korze. Twój skill tego nie potrafi. Potrzebuje ciebie jako pośrednika: ty poprawiasz, narzędzie czyta, skill się zmienia. Ty jesteś hipokampem swojego skilla.
Jak to działa
Przed tobą dwa ćwiczenia, które tworzą pętlę. Pigułka 7 (Redaktor) wyciąga z ciebie twoje preferencje deklarowane i buduje z nich skill do pisania. Narzędzie do aktualizacji czyta twoje preferencje ujawnione z transkryptu i aktualizuje skill o wiedzę, której nie udało ci się wcześniej zwerbalizować.
Między nimi jest krok, który robisz sam: otwierasz nową rozmowę, wklejasz skill z Redaktora, piszesz coś i poprawiasz wynik. Na końcu wklejasz narzędzie aktualizacji do tej samej rozmowy. AI przeczyta wstecz całą rozmowę i zaktualizuje skill.
Pętla się zamyka. I możesz ją powtarzać: pisz, poprawiaj, aktualizuj. Za każdym razem skill lepiej przewiduje, czego chcesz.
- Otwórz nową rozmowę w Claudzie lub innym AI.
- Pobierz pigułkę poniżej.
- Wklej jej treść jako pierwszą wiadomość i wyślij.
- Odpowiadaj szczerze na pytania Redaktora.
- Na końcu otrzymasz skill do pisania (skopiuj go i zapisz jako plik .md).
Testowanie skilla
Masz skill. Teraz go przetestuj.
- Otwórz nową rozmowę w AI.
- Wklej skill jako pierwszą wiadomość.
- Napisz cokolwiek: esej, post, notatkę, fragment pracy.
- Poprawiaj aktywnie. Skracaj zdania, które są za długie. Zmieniaj słowa, które nie brzmią jak ty. Usuwaj to, co zbędne. Dodawaj to, czego brakuje. Jeśli niczego nie poprawisz, narzędzie nie będzie miało z czym pracować.
- Kiedy skończysz, nie zamykaj rozmowy. Pobierz narzędzie poniżej i wklej je do tej samej rozmowy.
- Pobierz narzędzie poniżej (zrób to raz, potem masz je na dysku).
- Kiedy skończysz pisać i poprawiać, wklej treść narzędzia do tej samej rozmowy.
- Napisz "aktualizuj".
- Otrzymasz zaktualizowany skill (skopiuj go i zapisz jako nowy plik).
Pętla jest otwarta. Weź zaktualizowany skill, otwórz nową rozmowę, pisz z nim, poprawiaj, wklej narzędzie aktualizacji, powtórz. Za każdym razem skill lepiej rozumie, jak piszesz.