# LLM Wiki - darmowy kurs: zbuduj własny second brain

Od «Use this template» do bazy wiedzy, która kumuluje się sama i zasila Twojego agenta. Krok po kroku, na darmowym szablonie - kurs rośnie o kolejne lekcje.

podstawy.md

Zanim zaczniesz - podstawy (dla początkujących)

Nie programujesz? Zacznij tu. Trzy krótkie lekcje bez żargonu - o co w tym chodzi, trzy pojęcia i jak to odpalić w swoim narzędziu. Kto zna temat, przeskakuje od razu do lekcji 1.

• 0.1◍

  [[Co to jest drugi mózg i po co]]

  Po ludzku, bez techniki - o co w tym chodzi.

• 0.2◍

  [[Trzy pojęcia zanim zaczniesz]]

  Agent AI, repozytorium, markdown - rozbrojone.

• 0.3◍

  [[Uruchom w swoim narzędziu]]

  Gdzie i jak to odpalić, bez terminala.

spis-lekcji.md

Kurs właściwy (lekcje 1-5)

• 01◍

  [[Załóż katalog z szablonu]]

  Czym jest LLM Wiki i jak postawić uzbrojoną, pustą bazę.

• 02◍

  [[Onboarding]]

  Jeden wywiad konfiguruje całą bazę.

• 03◍

  [[Pierwszy ingest]]

  Zamień surowe źródło w noty i indeksy.

• 04◍

  [[Pytania i zarządzanie]]

  Pytaj bazę (nie czat) i utrzymuj jakość.

• 05◍

  [[Rozwój i publikacja]]

  Opublikuj bazę i co dalej.

dla-kogo.md

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.

faq.md

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.

[[Mam osobne Projekty w Claude, ChatGPT i Gemini i porównuję wyniki - po co mi baza?]]

Porównywanie kilku modeli to dobry nawyk, zostaw go. Problem jest gdzie indziej: dziś każdy Projekt (osobne miejsce na wiedzę wewnątrz danego czatu) karmisz osobną kopią tej samej wiedzy, a te kopie z czasem się rozjeżdżają. Wtedy różnica w odpowiedziach może brać się nie z modelu, tylko z tego, że jeden Projekt był nieaktualny. Trzymaj wiedzę raz - w plikach - i ładuj ten sam wsad do wszystkich trzech. Porównanie robi się uczciwe, bo różni się tylko model. A w bonusie: te same pliki czyta agent pracujący za Ciebie i zostają u Ciebie, gdy któryś dostawca zniknie.

[[Mam już AGENTS.md i narzędzia do analizy kodu - po co mi jeszcze osobna baza wiedzy?]]

Te narzędzia robią co innego, więc się nie wykluczają. Graf symboli albo LSP (narzędzia, które automatycznie czytają strukturę kodu) pamiętają, JAK kod wygląda: co się z czym wywołuje i co pęknie po zmianie. Plik AGENTS.md pamięta lokalne zasady jednego folderu i znika razem z tym repozytorium (repo - katalog projektu w gicie). Baza wiedzy dokłada trzecią warstwę, której żadne z nich nie ma: DLACZEGO kod tak wygląda - jakie decyzje podjęliśmy, co odrzuciliśmy, jaki standard obowiązuje ponad jednym projektem. Ta warstwa jest przenośna (git clone i masz ją w każdym repo). Efekt: agent przed przebudową kodu czyta 'czemu tak zdecydowaliśmy', a po naprawie błędu zapisuje 'czego próbowaliśmy i co nie zadziałało' - i ta wiedza nie ginie między projektami. Kod nie zapisuje intencji. Baza wiedzy tak.