Baza wiedzy, która rośnie sama
LLM Wiki (koncept Karpathy'ego): zamiast za każdym razem przeszukiwać surowe notatki, agent przyrostowo buduje żywą bazę markdown - czytelną dla Ciebie i dla agenta, zgodną ze standardem OKF (Google).
index.md
- 00
Kumuluje się sama
Każdy ingest i dobra odpowiedź powiększają bazę. Wiedza rośnie, zamiast ginąć w czacie.
- 01
Index-first
Agent czyta indeks i wchodzi tylko w trafne noty. Do ~500 źródeł bez embeddings i RAG.
- 02
Przenośna
Czysty markdown zgodny ze standardem OKF. git clone - i masz całą bazę u siebie.
Dla kogo jest ten kurs
Dla osób, które zbierają wiedzę (notatki, artykuły, transkrypty) i chcą, żeby agent AI porządkował ją i odpowiadał na pytania z ich własnych źródeł. Nie musisz programować - wystarczy, że nie boisz się terminala, masz konto na GitHubie i dostęp do Claude Code.
Te pojęcia wystarczy kojarzyć - każde z nich tłumaczymy też w lekcjach:
- LLM
- duży model językowy - silnik narzędzi takich jak ChatGPT czy Claude, który rozumie i generuje tekst.
- agent
- program oparty na LLM, który sam wykonuje kolejne kroki: czyta pliki, uruchamia komendy, zapisuje wyniki.
- Claude Code
- agent od Anthropic działający w terminalu - w kursie to on buduje i utrzymuje Twoją bazę.
- markdown
- prosty format tekstu (nagłówki przez #, listy przez -); pliki .md otworzysz w każdym edytorze.
- git + GitHub
- system wersjonowania plików i serwis do trzymania repozytoriów; wystarczy, że umiesz sklonować repo i zapisać zmiany.
- RAG
- technika, w której model przed odpowiedzią przeszukuje Twoje dokumenty; kurs pokazuje podejście, które ją odwraca.
- embeddings
- liczbowe reprezentacje tekstu do wyszukiwania podobieństw; w tej bazie niepotrzebne - wystarczą indeksy.
Zostaw maila - dostaniesz darmowy szablon i dam znać, gdy ruszy kurs i kolejne materiały. Metoda, szablon i kurs są darmowe - płatne będą tylko paczki gotowych, obrobionych notatek, dla tych, którzy wolą zacząć z pełną półką.
Zapisując się, zgadzasz się na kontakt mailowy w sprawie szablonu i kursu. Szczegóły w Polityce prywatności.
Najczęstsze obiekcje
Po co mi taka baza? Notatki mam, pamięć też.
Wiedza zdobyta raz zwykle się ulatnia: rozwiązujesz problem z agentem, a miesiąc później zaczynasz od zera. Baza zamienia ten jednorazowy koszt w zasób, który rośnie z każdym źródłem. Korzystasz z niej w dwie strony: Ty dostajesz pamięć, która nie zapomina, a agent - kontekst, dzięki któremu pracuje według Twoich decyzji i standardów. Mózg zostaje od intuicji i ocen; baza przejmuje dokładne przypominanie i objętość.
Co, gdy narzędzie padnie albo zniknie internet?
Baza to zwykłe pliki markdown w repozytorium git na Twoim dysku - bez chmury, bez dodatkowej bazy danych, bez zamkniętego formatu. Bez internetu otwierasz noty w dowolnym edytorze i czytasz je jak każdy tekst. Bez AI baza staje się dobrze zorganizowanym katalogiem notatek - nadal użytecznym. A gdy jakiś serwis zniknie, git clone oznacza, że masz wszystko u siebie.
Agent ma grep - po co mu jeszcze indeks?
Grep (wyszukiwanie w plikach po dokładnym słowie) wystarcza, gdy baza jest mała, a Ty znasz szukane słowo - i agent wciąż go używa. Przy setkach not częste słowo zwraca dziesiątki trafień, agent wczytuje je wszystkie i jedno pytanie kosztuje dziesiątki tysięcy tokenów (jednostek, w których model rozlicza tekst). Indeks najpierw zawęża zakres do 2-3 właściwych not, a grep szuka już tylko wewnątrz nich. To nie konkurencja - indeks naprawia skalowanie grepa.
Po co płacić, skoro sam to zbuduję?
Masz rację - metodę, szablon i kurs dostajesz za darmo, bo chcę, żebyś umiał zbudować bazę samodzielnie. Płatne będą tylko gotowe paczki wiedzy: setki obrobionych not, na które ktoś poświęcił miesiące czytania, destylacji i porządkowania. Kupujesz zapełnioną półkę, nie instrukcję jej budowy. Wolisz zapełnić ją sam - zbuduj, kurs w zupełności wystarczy.