Speaker A
[muzyka]
Webinar o AI 3.0 i nowych modelach Gemini oraz narzędziu Antigravity, z praktycznym pokazem i omówieniem nowości Google IO.
Key Takeaways
- Model Gemini 3,5 Flash oferuje wysoką wydajność i niskie koszty przy generowaniu tokenów.
- Gemini Omni umożliwia tworzenie i edycję realistycznych filmów z użyciem AI.
- Antigravity 2.0 to nowoczesne narzędzie do pracy z agentami AI i plikami.
- Struktura plików agents.md pełni rolę regulaminu dla zachowania agentów AI.
- Praktyczne wykorzystanie AI wymaga zrozumienia kosztów i możliwości różnych modeli.
Summary
- Webinar Umiejętności Jutra w 3. tygodniu programu, skupiony na praktycznym wykorzystaniu AI.
- Omówienie nowej rodziny modeli Gemini 3,5, w tym modelu 3,5 Flash dostępnego globalnie.
- Wyjaśnienie różnic między modelami AI, ich wydajności i kosztach tokenów.
- Prezentacja modelu Gemini Omni do generowania i edycji wysokiej jakości materiałów wideo.
- Przedstawienie nowej wersji narzędzia Antigravity do pracy z AI i plikami.
- Pokaz praktycznego zastosowania agentów AI do zarządzania plikami i automatyzacji.
- Omówienie struktury plików agents.md jako regulaminu dla agentów AI.
- Dyskusja o wykorzystaniu AI do analizy i optymalizacji treści oraz automatyzacji zadań.
- Wskazówki dotyczące zarządzania kosztami i efektywności pracy z różnymi modelami AI.
- Zachęta do korzystania z materiałów i społeczności Umiejętności Jutra oraz źródeł Google IO.
Chapters
- 00:00Wprowadzenie i powitanie uczestników
- 13:56Omówienie modeli Gemini 3,5 i ich znaczenia
- 16:30Prezentacja modelu Gemini Omni i jego możliwości
- 18:38Nowa wersja narzędzia Antigravity i jej funkcje
- 21:11Praca agentów AI na plikach i folderach
- 24:59Zarządzanie treścią i eliminacja sprzeczności
- 30:30Automatyzacja i nauka głosu użytkownika przez AI
- 38:14Pliki agents.md i Skill.md jako regulaminy dla agentów AI
Full Transcript — Download SRT & Markdown
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
เฮ
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
[muzyka]
Speaker A
Cześć. Witamy was wszystkich na drugim webinarze Umiejętności Jutra. A jesteśmy w trzecim tygodniu programu i na
Speaker A
początku chciałbym pogratulować wszystkim, którzy na bieżąco realizują kolejne kursy i moduły na platformie szkoleniowej. Jesteśmy pod ogromnym wrażeniem waszej aktywności i zaangażowania. Tym bardziej, że wiemy, jak wiele macie na głowie w pracy, czy to w życiu prywatnym. A jeśli
Speaker A
złapaliście jakieś zaległości, to spokojnie. Trzeci tydzień to z doświadczenia poprzednich edycji wciąż dobry moment na powrót do tego systematycznego uczenia się i nadrabiania lekcji, aby dobrze przygotować się do egzaminu, no i wyciągnąć z tego programu jak najwięcej dla siebie. Nasz dzisiejszy webinar
Speaker A
potrwa około 45 minut i tak jak mogliście przeczytać w mailu, jego głównym elementem będzie spotkanie z Pawłem Tkaczykiem, ale w nieco innej formie niż ostatnio. Będzie ono w pełni skupione na praktyce. Będzie to demo produktowe, w którym Paweł opowie o
Speaker A
wykorzystaniu narzędzi takich jak Antigravity do generowania edycji i optymalizacji treści, ale bez skomplikowanej teorii. Zanim jednak oddam głos Pawłowi, wczytując się w wasze rozmowy na społeczności, postanowiliśmy przygotować krótki przegląd najważniejszych ogłoszeń z wczorajszej konferencji IO, czyli naszej najważniejszej konferencji
Speaker A
technologicznej organizowanej przez Google'a, która jest skierowana do deweloperów i osób zainteresowanych światem tej technologii. I podczas tej konferencji dzielimy się nowościami i kierunkami rozwoju naszych produktów, w tym aplikacji Gemini.
Speaker A
Zacznijmy od ogłoszonego wczoraj wprowadzenia nowej rodziny modeli Gemini 3,5. Jak mogliście już zauważyć w swoim interfejsie aplikacji Gemini, serię rozpoczęliśmy od modelu 3,5 Flash, który jest dostępny w aplikacji Gemini na całym świecie. I pokrótce wyjaśnijmy teraz, co to dla nas, dla was oznacza.
Speaker A
Po pierwsze, nie ma to wpływu na aktualność wiedzy, której uczycie się w programie i o co często pytacie na społeczności. Rozwój modeli jest naturalny i będziecie mieli z tym styczność bez względu na dostawcę z technologii, której korzystacie. Wraz z
Speaker A
ich rozwojem zmienia się numeracja, a czasem nazewnictwo. Im nowszy model, tym często wyższy numer. Uczestnicy poprzedniej edycji pracowali na przykład na modelu 2.0, a wy zaczęliście swoją przygodę od wersji 3.0 i skończycie w erze Gemini 3,5. Podobnie większość
Speaker A
modeli ma swoje szybsze warianty, tak jak googlowa wersja Flash czy Fast oraz te bardziej zaawansowane jak Gemini Pro.
Speaker A
I tu wracamy do wiedzy z tygodnia pierwszego i lekcji Damiana, w której tłumaczyliśmy wam właśnie te podstawowe różnice między tymi modelami. A dla osób niekorzystających z narzędzi AI w modelu subskrypcyjnym, ale rozliczających się za zużyte tokeny, to także istotny
Speaker A
aspekt związany z generowaniem przez AI kosztów. Im bardziej zaawansowany model, tym więcej tokenów zużywa do realizacji zadania, a więc generuje wyższe koszty.
Speaker A
Model 3,5 Flash zapewnia najwyższą wydajność pracy. Co ciekawe, jest cztery razy szybszy od innych modeli tej klasy pod względem liczby generowanych tokenów na sekundę. I ta równowaga między szybkością a wydajnością sprawia, że 3,5 Flash idealnie będzie nadawał się do
Speaker A
długoterminowych zadań agentowych. No i właśnie z myślą o tym został stworzony. Pod nadzorem ten model może wykonywać wieloetapowe procesy i zadania programistyczne często za mniej niż połowę kosztów innych zaawansowanych modeli. I to z pewnością będzie dla was istotne po wejściu w kolejne lekcje z
Speaker A
tygodnia trzeciego programu, gdy część z was zacznie już tworzyć rozwiązania AI-owe, no i przejdzie właśnie z tego modelu pracy w ramach subskrypcji na rozliczenia per liczba zużytych tokenów, na przykład dla tworzonych przez siebie automatyzacji dla firmy. No a co dalej?
Speaker A
Intensywnie pracujemy nad modelem 3,5 Pro. Jest on już używany wewnętrznie, ale w przyszłym miesiącu będziemy sukcesywnie udostępniać go szerzej.
Speaker A
Kolejne ogłoszenie, o którym chciałem wam wspomnieć, dotyczy naszego nowego modelu Gemini Omni, który potrafi płynnie przekształcać tekst, obrazy, polecenia wideo w wysokiej jakości materiały wideo o kinowym charakterze.
Speaker A
I tutaj, jak możecie pamiętać, w zeszłym roku Google wprowadziło Nano Banana, narzędzie do generowania i edytowania obrazów, które wykorzystuje model Gemini.
Speaker A
No i teraz przyszedł czas na kolejny krok w jego rozwoju. Gemini Omni pozwala na jednoczesne przetwarzanie obrazów, dźwięków, materiałów wideo oraz tekstu jako danych wejściowych. Na tej podstawie model generuje wysokiej jakości filmy, które możecie również w prosty sposób edytować prowadząc
Speaker A
swobodną rozmowę, co ważne właśnie w języku naturalnym. I co więcej, narzędzie pozwala przekształcać otaczający świat poprzez zmianę wybranych elementów lub całego kadru wideo. W ten sposób ten pierwotny film, który wgrywacie, staje się punktem wyjścia do tworzenia materiałów, w
Speaker A
których tradycyjne sfilmowanie byłoby niemożliwe. Narzędzie umożliwiać też będzie zmianę otoczenia, konta, kamery, stylu, a nawet wskazanych szczegółów. I to wszystko bez utraty tej spójności i głównego wątku pierwotnej sceny, co potrafiło frustrować. A co ciekawe, materiały wizualne będą bardziej zgodne
Speaker A
z prawami fizyki. Omni charakteryzuje się właśnie ulepszonym rozumieniem takich sił jak grawitacja, energia kinetyczna i dynamika płynów, dzięki czemu pozwala tworzyć bardziej realistyczne sceny. Jako pierwszy udostępniliśmy wczoraj model w wariancie Gemini Omni Flash, który możecie już testować z poziomu aplikacji Gemini czy
Speaker A
Google Flow w pakiecie Google AI Pro oraz Ultra. I zaraz po webinarze podzielę się też z wami na społeczności takim krótkim materiałem, który przygotowaliśmy i przedstawia, co możemy uzyskać właśnie pracując z tym modelem Gemini Omni. No i to tyle, jeśli chodzi o
Speaker A
krótkie wprowadzenie w świat Gemini po konferencji IO. Ale jeśli jesteście zainteresowani dodatkowymi informacjami o tym, co jeszcze ogłosiliśmy wczoraj, zachęcam was do odwiedzenia strony io.google lub blogu Google Polska, na którym dowiecie się więcej o tych nowościach. Tymczasem my wracamy już do
Speaker A
głównej części naszego dzisiejszego spotkania, a więc prelekcji Pawła Tkaczyka, który jak widzę jest już z nami. Paweł, ja bardzo dziękuję ci za twój czas. No i nie przedłużając, bo zadeklarowałem te 45 minut, oddaję ci głos. Scena należy do ciebie.
Speaker A
Powodzenia.
Speaker A
Dziękuję ci pięknie. Jest jeszcze jedna malutka rzecz, którą Google pokazał wczoraj na Google IO. Pokazał nową wersję Antigravity. Więc jeśli miałem od paru tygodni zapowiedziany webinar, w którym pokazuję Antigravity, to bardzo się cieszę, że nie przygotowałem sobie
Speaker A
żadnych slajdów wcześniej niż wczoraj, dlatego że wtedy musiałbym je przerabiać od nowa. Na szczęście żadnych slajdów dzisiaj nie będzie, ale to, co chciałbym, żebyście wiedzieli. Pracujemy dzisiaj z nową wersją Antigravity. Antigravity w wersji 2.0 wygląda mniej więcej w ten
Speaker A
sposób. Ja sobie powędruję tutaj do rogu na chwilkę, żebyście dokładnie zobaczyli. On bardzo mocno przypomina inne narzędzia typu właśnie Agent First, typu Codex i nie wiem, Cloud Cork. Więc jeśli do tej pory używaliście albo zamierzacie używać takich narzędzi, to
Speaker A
będziecie się czuli jak w domu. Lekcja, którą dzisiaj mam dla was, jest agnostyczna, jeśli chodzi o narzędzia, to znaczy, że możecie używać dowolnego agenta. Natomiast będziemy rozmawiać o pracy na plikach, więc y to jedna rzecz, ponieważ słuchajcie, m Antigravity jest
Speaker A
wczorajszy, już [odchrząknięcie] upokazała się od premiery jedna nowa wersja z poprawkami błędów. E, on bywa na rowisty, więc w razie czego mam jeszcze backup w postaci Gemini CLI, o który oparta była zeszłoroczna wersja tej prezentacji. Natomiast dzisiaj na
Speaker A
szczęście mamy desktopową aplikację, która jest o wiele lepsza. I teraz o czym dzisiaj będzie? Pogadamy sobie o spełnieniu właściwie mokrego snu każde
Speaker A
Wikipedia, która tak naprawdę składa się z kilku bardzo prostych elementów. I wróćmy na sekundkę znowu do mojego folderu. Dlaczego? dlatego że chcę teraz zagłębić się troszeczkę w to, z czym my mamy tutaj do czynienia. To jest Wikipedia zarządzana, może nie
Speaker A
Wikipedia, Wiki, tak? Czyli model Wiki. Wiki zarządzana przez AI. Z czego ona się składa? Cztery elementy, tylko i wyłącznie cztery elementy, słuchajcie, na które warto zwrócić uwagę. Teraz pierwsza rzecz to jest folder, który on jest wyjątkowy. Wszystkie inne wyglądają
Speaker A
tak samo, ale ten folder jest wyjątkowy. Ten folder to jest właśnie RAW RAW archiwum, źródło, jak zwał, tak zwał. To jest folder do którego wrzucamy rzeczy, które są naszym językiem, które są naszym źródłem. Czyli ja na przykład mam
Speaker A
tutaj artykuł blogowy, taki jak leży na moim blogu. To ja napisałem białkowa materia. Mam tutaj kolejny wpis na blogu, z którego AI sobie czerpie informacje i tak dalej, i tak dalej. I mam tutaj wszystkie rzeczy na temat tego szkolenia w czerwcu, które
Speaker A
AI sobie zaciągnął z tej strony internetowej. I teraz zasada podstawowa jest taka, że AI będzie zarządzał tym wszystkim, natomiast on nie może modyfikować plików w folderze RAW. Dlaczego? dlatego, że jeśli traficie w którym momencie, w którymkolwiek momencie na to, że hym AI
Speaker A
źle zinterpretował dane, to jest miejsce, do którego my wracamy po pliki źródłowe. My tu wracamy po źródło prawdy. I teraz problem według Karpatiego jest następujący.
Speaker A
Praca za jajem, gdzie za każdym razem my musimy do kontekstu wrzucać tak naprawdę wszystko, bardzo mocno przypomina pracę ze stażystą, którego my każdego dnia musimy wysyłać do archiwum, żeby ogarnął sobie rzeczy i dopiero potem przyszedł do nas z przemyślaną odpowiedzią.
Speaker A
Prawidłowy sposób zrobienia tego [odchrząknięcie] to jest usiąść nad tym raz porozmawiać przemyśleć zrobić opracowanie i za każdym razem, słuchajcie, kiedy AI z tego będzie korzystał, no to tak naprawdę mamy już on korzysta z opracowania, w które zagłębia się
Speaker A
coraz bardziej. Więc rozmawialiśmy, słuchajcie, o tym, że są cztery elementy. Pierwszy element to jest właśnie ten folder RAW, czyli ten folder, w którym są archiwalne pliki, w którym są wszystkie rzeczy, których których używacie.
Speaker A
Druga rzecz, drugi element mega ważny to jest, to jest plik tak naprawdę, który nazywa się indeks.
Speaker A
W pliku index, zobaczcie, on leży sobie tutaj. W pliku index są linki do wszystkich plików, które leżą w tym wiki razem z jednozdaniowym podsumowaniem tego, co jest wewnątrz tego pliku, żeby model wiedział, z czym ma do czynienia.
Speaker A
Dlaczego to jest takie ważne? W momencie kiedy zaczynacie pracę z modelem w takim układzie jaki ja mam tutaj, to model ładuje nie całość wiedzy, tylko [odchrząknięcie] tak naprawdę ładuje jeden pliczek. ładuje plik ze spisem treści, ładuje plik indeks. Stamtąd model łapie kontekst,
Speaker A
wie co gdzie leży i o czym jest i nie musi ładować całej dokumentacji archiwum tylko w momencie, kiedy rozmawiamy o szkoleniu, no to on ładuje dokładnie pliki ze szkoleniem. W momencie kiedy rozmawiamy o copywyritingu, ładuje jakieś inne rzeczy i tak dalej i tak
Speaker A
dalej. I to jest element numer 2 tego systemu. Element numer trzy tego systemu [odchrząknięcie] nazywa się agents. MD.
Speaker A
Traktujcie, słuchajcie, plik agents. Jak swego rodzaju regulamin waszej wiki. Regulamin wiki, czyli tak naprawdę coś, co [odchrząknięcie] pokazuje agentowi w jaki sposób powinien się zachowywać w obrębie tego folderu. W momencie, kiedy używacie jakiegoś agenta, który pracuje na plikach czy folderach, czyli
Speaker A
narzędzia takiego jak antygravity, zaraz do niego dojdziemy, to on ma domyślną instrukcję. Domyślna instrukcja jest taka. Jeśli jesteś w jakimś folderze, wpuszczam cię do jakiegoś folderu, możesz czytać i pisać wszystkie pliki w folderze, ale najpierw poszukaj pliku, który nazywa się agents.
Speaker A
I zobacz, co tam jest napisane. Dlatego, że to jest regulamin tego folderu, to jest zestaw zachowań, które są w tym folderze. I teraz jak sobie to otworzycie, co tutaj jest napisane?
Speaker A
[odchrząknięcie] Folder Wiki to jest LM Wiki na wzór koncepcji Andreja Karpatiego zbudowany wokół wiedzy Pawła Tkaczyka o copywritingu wspieranym AI.
Speaker A
Źródłem podstawowym jest tutaj moduł AI copyriting z kursu umiejętności jutra. Jest tam 16 lekcji i one wszystkie są wciągnięte, słuchajcie, do tej wiki.
Speaker A
Więc to źródłem są brand voice, artykuły blogowe Pawła i tak dalej, i tak dalej.
Speaker A
I teraz sposoby zachowania. [odchrząknięcie] Zawsze zaczynaj od index. Czyli tak naprawdę w momencie, kiedy jakiekolwiek masz zadanie, sprawdź kontekst w pliku index md. Tu jest struktura folderów, co gdzie znajdziesz.
Speaker A
Tu jest konwencja nazywania plików oraz struktura czegoś takiego, co nazywa się encja. Dlatego, że tak naprawdę to, co jest potęgą takiego systemu, to są połączenia pomiędzy plikami. Ja wam zaraz te połączenia pokażę wizualnie.
Speaker A
Natomiast oprócz tego są jeszcze dwie procedury i to jest ostatni element tak naprawdę tego procesu, czyli mamy słuchajcie folder RAW, gdzie wrzucamy sobie wszystkie rzeczy, które są podstawowe mamy plik [parsknięcie] index md, który jest spisem treści, mamy agents, który jest
Speaker A
pewnego rodzaju regulaminem i ostatnią rzeczą, która buduje to są procedury. I procedury są tak naprawdę tylko dwie. To jest bardzo proste. Pierwsza procedura nazywa się po angielsku ingest, czyli wciągnij.
Speaker A
Jeśli ja wrzucam coś do folderu RAO, czyli wrzucam tam nowy artykuł na blogu, który dostałem, wrzucam tam informacje o nowym szkoleniu, które organizuję, wrzucam tam maile od klientów i tak dalej, i tak dalej, to ingest polega na tym, że wpuszczam tam agenta. Zaraz wam
Speaker A
pokażę w jaki sposób się to robi. Wpuszczam tam agenta i ten agent zamienia pliki źródłowe na enje, czyli interpretację, czyli właśnie te połączenia. mówi: "W tym artykule wspominasz taką i taką książkę. Dodajmy zatem książkę do folderu książki". W tym
Speaker A
artykule wspominasz taką i taką, nie wiem, procedurę copyriighterską. Dodajmy zatem procedurę copyriitterską do tego.
Speaker A
Wspominasz albo inaczej w twoim stylu pojawiają się takie i takie zdania, dodajmy takie rzeczy do stylu.
Speaker A
I w tym momencie, słuchajcie, agent czyta jeden raz wasz plik źródłowy, tylko jeden raz i rozkłada go w taki sposób, żeby wszystkie pozostałe czytania były w stanie wyciągać stamtąd kontekst. No bo jeśli ja, słuchajcie, wspomniałem o książce braci Hith w
Speaker A
jednym artykule, to po pierwsze ją lubię, [kaszel] po drugie ją [odchrząknięcie] przeczytałem, a po trzecie nie oznacza to, że ona się nadaje tylko i wyłącznie do tego artykułu. I to co robi procedura INGest, to ona tak naprawdę rozdziela to, co
Speaker A
było w kontekście od kontekstu. Dzięki temu tak naprawdę rzeczy zawarte w tej książce mogę użyć w innych artykułach, powołać się na nie w newsletterach, powołać się na nie we wpisach w mediach społecznościowych i tak dalej, i tak dalej, i tak dalej. [odchrząknięcie]
Speaker A
I teraz, ponieważ słuchajcie, to jest procedura pierwsza. Czekajcie, to zanim ponieważ powiedziałem wam, że są dwie procedury. Druga procedura nazywa się posprzątaj, czyli pierwsza oznacza wciągnij, a druga nazywa się posprzątaj.
Speaker A
Posprzątaj oznacza, że model przechodzi przez wszystkie pliki, wyszukuje informacje, które są a niepewne, niepotwierdzone, b sprzeczne. Tak? To znaczy, że w momencie kiedy używacie wyszukania po prostu tekstowego i nie wiem macie tu zapisane rozmowy z klientami na przykład, bo jedną z takich
Speaker A
Wiki, które mam zastąpiła mi system CRM, ale to temat bardziej na sprzedaż niż na copywriting.
Speaker A
Jeśli ja w jednej rozmowie obiecałem klientowi zniżkę 15%, a w drugiej 10% to model zapytaną zniżkę po prostu pokaże mi to, co znalazł. Yyy, natomiast w momencie, kiedy mówimy sprzątaj, to on wyłapie wszystkie y sprzeczności, no i usunie rzeczy, które są już
Speaker A
niewłaściwymi informacjami. I zestaw procedur ingest, czyli wciągnij yyy i posprzątaj, robiony przez dłuższy czas generuje wam w plikach bazę wiedzy, która jest na usługach każdego modelu, który na to wpuścicie.
Speaker A
Mało tego, jest na usługach każdego modelu, który ktokolwiek wpuści do tego folderu. Dlatego, że jeśli na przykład chcecie dać pracownikowi AI wytrenowane w taki sposób, żeby mówił waszym głosem, to oczywiście możecie stworzyć swojego dema. Natomiast ten gem raczej będzie
Speaker A
sztywny. Natomiast w momencie, kiedy mamy pliki, no to za każdym razem, kiedy ja wciągam nową informację, to model, który generuje na podstawie tej informacji jest dużo bardziej aktualny.
Speaker A
To jest taki płynny dżem. To jest o wiele, wiele lepsza rzecz. I teraz obiecałem wam, że pokażę wam w jaki [odchrząknięcie] sposób wyglądają połączenia między między plikami.
Speaker A
Narzędzie, które wam w tej chwili pokażę na ekranie nazywa się Obsyian. I teraz obsidian po lewej stronie pokazuje wam dokładnie to samo, co widzieliście wcześniej, czyli pliki z głosem, książki, lejek i tak dalej i tak dalej.
Speaker A
[wciągnięcie powietrza] Natomiast magia dzieje się po prawej stronie, dlatego że po prawej stronie widzicie graf, który pokazuje połączenia pomiędzy różnymi rzeczami. Czyli na przykład zobaczcie, tu jest węzeł, który nazywa się persona. I teraz persona po pierwsze jest linkowana do indeksu, po
Speaker A
drugie persona jest linkowana do insaju konsumenckiego, po trzecie persona jest połączona z metodologią 5W+ H, o której opowiadaliśmy sobie na szkoleniu, ale na przykład persona jest połączona z książką, bo ta książka o niej wspomina, persona jest połączona z poziomami lejka
Speaker A
sprzedaży i tak dalej, i tak dalej. Więc jesteście w stanie tak naprawdę zobaczyć co się z czym łączy i wasz model też w stanie jest coś takiego zobaczyć.
Speaker A
I teraz Obsidian słuchajcie jest cudownym narzędziem dlatego, że on pozwala wam na wygodne czytanie plików MD. Więc pliki razem z formatowaniem i tak dalej. Plus jesteście w stanie zobaczyć, czy ten graf, który budujecie, on rzeczywiście działa. I mając,
Speaker A
słuchajcie, taką strukturę, strukturę w plikach, jesteśmy w stanie posadzić na niej jakiegoś agenta. O agcie jeszcze za chwilę natomiast chciałem wam powiedzieć o jeszcze jednej rzeczy, która gdzieś pewnie pojawia się, miga nam [westchnienie][wciągnięcie powietrza] i to jest coś, co nazywa się serwery
Speaker A
MCP. Serwery NCP to jest sposób w jaki ta biblioteka dostaje dane z zewnątrz. Dlatego, że jeśli na przykład używacie sobie Gemaya to w Geminiu serwerem MCP jest Gmail. Jesteście w stanie powiedzieć: "Hej, zaciągnij mi dzisiejsze maile z Gmaila i wykonaj
Speaker A
procedurę wciągnij". I w tym momencie powstają encje dla klientów i tak dalej, i tak dalej. Jesteście w stanie powiedzieć: "Hej, tu jest folder na dysku Google, w którym są moje artykuły blogowe, czy możesz zaciągnąć je i ogarnąć, co tam
Speaker A
się dzieje i tak dalej, i tak dalej. I teraz jedno słowo jeszcze dotyczące samej procedury pracy z tym. Ja wam dam prompty, zaraz będziemy mówić o promptach i tak dalej. jest bardzo dużo teoretycznej rzeczy. Yyy, natomiast to jest dosyć ważne. Y, zresztą znacie mnie
Speaker A
tak jakby nie ruszę z wami praktyki dopóki nie ogarniemy części teoretycznej, która jest całkowicie niezależna od narzędzi. Możecie używać dowolnego narzędzia.
Speaker A
Natomiast co chciałem powiedzieć, praktyka pracy z taką Wiki polega na tym, że my sobie tę strukturę tworzymy z danych. Co to oznacza? Karpaty mówi tak.
Speaker A
Pierwsze 100 wciągnięć, które wykonujecie w waszej Wiki, powinno być wciągnięciami nadzorowanymi. Nadzorowane oznaczają, że ja wpuszczam agenta, mówię mu: "Słuchaj, w folderze RA jest taki i taki plik, weź go przerób. Natomiast zanim cokolwiek zapiszesz do plików, pokaż mi struktury, pokaż mi stworzysz,
Speaker A
czy stworzysz książkę, czy stworzysz coś tam i tak dalej, i tak dalej. Jestem w stanie go korygować." Karpati mówi 100 pierwszych wciągnięć pozwoli wam zmodyfikować te struktury, bo u mnie słuchajcie książki pojawiły się trochę później, tak? Najpierw były techniki
Speaker A
kooperyterskie, potem były lejek sprzedaży, potem był głos i tak dalej, i tak dalej. I w tej strukturze książki pojawiają się dopiero po którymś wciągnięciu. [odchrząknięcie][kaszel] Więc to w ten sposób wygląda. Pierwsze, słuchajcie, 100 wciągnięć to są wciągnięcia nadzorowane, czyli każdy
Speaker A
plik oglądacie z każdej strony, zanim pozwolicie AIowi wpisać go do waszego Wiki. Natomiast po 100 wciągnięciach się okaże, że ta struktura nie jest już specjalnie modyfikowana. Ta struktura folderów, ona się nie zmienia. Tu się już wiele nie dodaje, dlatego że
Speaker A
większość czynności macie powtarzanych. [westchnienie][wciągnięcie powietrza] I w tym momencie jesteście w stanie rzucić w niego cały folder, powiedzieć: "Zobacz, tu jest 100 artykułów blogowych, zrób tak, jak zawsze robiliśmy" i on się uczy waszego głosu i tak dalej, i tak dalej. Nie opłaca się
Speaker A
wszystkiego rzucać w te Wiki. Natomiast rzeczy, które w jakiś sposób są wartościowe dla was, które są reprezentatywne dla tego co robicie, absolutnie się opłaca. Czyli tutaj nie ma wszystkich książek, które przeczytałem. Są te książki, które lubię i na które powołuję się najczęściej.
Speaker A
Więc, więc to w ten sposób wygląda. I teraz słuchajcie, jesteśmy gotowi, żeby usiąść do narzędzia, które nazywa się antigravity.
Speaker A
Znowu słowo ostrzeżenia. Antigravity w wersji 2.0 mam od wczoraj, [śmiech] więc on jeszcze jest trochę narowisty.
Speaker A
Natomiast ponieważ koncepcja narzędzia jest mi znana, spróbujmy zaprząc go do pracy na żywca. Jeszcze tylko w razie czego, gdyby coś nam tutaj nie wychodziło, mam Gemini CLI w odwodzie, żeby dla mnie pracował. I teraz zgodnie z tym, czego dowiedzieliście się na
Speaker A
początku, mamy do dyspozycji nawet Gemini 3,5. Więc użyjmy sobie Gemaja 3,5 flash [odchrząknięcie] i zobaczcie, co tak naprawdę jestem jestem w stanie zrobić.
Speaker A
Jestem w folderze umiejętności jutra, więc tak naprawdę muszą powiedzieć, żeby przeczytał plik Agent MD w folderze Wiki.
Speaker A
Wejdź do folderu Wiki i prze czytaj plik agent MD. To daje mi tak naprawdę kon do rozmowy.
Speaker A
Proszę bardzo. LM Wiki wokół wiedzy Pawła Tkaczyka jest już całkiem zorientowany. I teraz słuchajcie, jeśli wydam mu polecenie jakieś krótkie, na przykład napisz posta LinkedIna zachęcający do szkolenia, to nie muszę się silić na jakieś, nie wiem, techniki copyrierskie i tak dalej,
Speaker A
dlatego że wszystkie te rzeczy są już zawarte wewnątrz tego wiki. Więc spróbujmy, słuchajcie, w jaki sposób model 3,5, który też jest wczorajszy i może być narrowisty, poradzi sobie z naszym zadaniem. Napisz mi post linked in, w którym lekko zajawiam, że mam szkolenie z AI
Speaker A
kopy w retingu, ale ogól zobaczcie jak ja teraz te prompty robię. [śmiech] Wy dźwięk powinien być edukacyjny.
Speaker A
Użyj technik kopy w riterskich. Mamy to. [westchnienie] No i w tym momencie agent sobie generuje i no czekajcie, no przełączyłem się, a tak naprawdę zobaczcie w jaki sposób on łazi po plikach. Przeanalizował indeks MD, przeanalizował zasady redakcyjne, to
Speaker A
jest plik, który zaraz wam pokażę. e, przeanalizował słownik antymakaronizmów, dlatego że mam coś takiego, dlatego że modele notorycznie wpychają anglojęzyczne terminy a ja nie lubię.
Speaker A
Czekajcie, bo jeszcze jedziemy. Co on tam przeanalizował? Gdzie to było? No zgubił się. E, zgubiłem to, co on tam analizował. A czy tutaj?
Speaker A
A no i mamy. Przygotowałem projekt posta na LinkedIn. Zbudowałem go ściśle według zasad twojego Brand Voice, zachowując specyficzny rytm zdań, bezpośredni ton, brak zbędnych makaronizmów oraz wykluczając niedowolone niedozwolne znaki użyłem wyłącznie półpauz.
Speaker A
Więc jeśli pojawia się w waszym życiu ktoś, kto mówi, że ej, Paweł, tekst napisany przez AI da się rozpoznać dlatego, że używa długich kresek, no to kurczę blade nie. Dlatego, że mój długich kresek nie używa, bo ma dokładnie takie wytyczne, ale używa
Speaker A
prawidłowych polskich cudzysłowów i tego się absolutnie nie pozbędziemy. I teraz tekst, słuchajcie, brzmi tak.
Speaker A
Wyobraź sobie taką sytuację. Chcesz napisać post na LinkedIn albo ofertę dla klienta. Otwierasz Gemini, wpisujesz krótki prompt, napisz post o pie pie i dostajesz zestaw banałów, od których więdną uszy. Brzmi znajomo? Tu większość ludzi rusza z odruchowym rozwiązaniem.
Speaker A
Zaczynają narzekać, że sztuczna inteligencja pisze jak bezduszny robot i nadaje się co najwyżej do generowania spamu. Zgoda. Generyczne teksty zaaj bywają fatalne, ale to nie jest wina maszyny. Dlaczego? Bo traktujesz model językowy jak wyszukiwarkę. Zamiast rozmawiać, po prostu do niego szczekasz.
Speaker A
I teraz rzucam wam wyzwanie. Znajdźcie mi model językowy, [odchrząknięcie] który zachęcając do napisania szkolenia z copywritingu na LinkedIn użyję słowa szczekasz.
Speaker A
Jeśli widzieliście moje lekcje, wiecie skąd to się wzięło. Tak, ja mówię dosyć często o tym, że Google nauczył nas szczekania do wyszukiwarki. Natomiast to jest dokładnie mój głos i to jest dokładnie to, co my jesteśmy w stanie jesteśmy w stanie zrobić. Więc tak
Speaker A
naprawdę kiedy rozmawiamy o pracy właśnie z antigravity to rozmawiamy o pracy opartej na plikach. Opartej na plikach. Czyli ja tak naprawdę jestem w stanie po pierwsze kazać mu czytać określony zestaw plików, żeby one tworzyły kontekst właśnie brand voice i
Speaker A
tak dalej i tak dalej. A po drugie jestem w stanie kazać mu zapisywać informacje do plików. Nie wiem czy pamiętacie, zaczęliśmy naszą rozmowę od pokazania wam sekwencji maili. W tym folderze były trzy maile. Mam inną sekwencję, która wygenerowała mi sześć
Speaker A
maili. Więc tak naprawdę nie ma żadnego problemu, żeby jednym poleceniem kazać mu wykonywać większą liczbę prac. Tak więc tak naprawdę zróbmy to. To jest kolejna część tej demówki, którą chciałbym wam pokazać. Jesteśmy w stanie nie tylko tworzyć wpisy tak jak tutaj, bo to się
Speaker A
niczym specjalnie nie różni od czatu. Ja sczytuję sobie po prostu z czatu, ale [odchrząknięcie] mogę mu powiedzieć: "Hej, napisz mi sekwencje postów na LinkedInie, które idą wzdłuż lejka sprzedaży." Trzy posty na LinkedIn, które idą wzdłuż lejka sprzedaży, które prowadzą do tego
Speaker A
szkolenia, o którym, o którym rozmawiamy. I to jest dokładnie, słuchajcie, coś, co możemy zrobić.
Speaker A
Zobaczcie, czyli ja sobie potuptam teraz z powrotem tam on [odchrząknięcie] się jeszcze wyspowiadał z technik copyrighterskich, tak? Czy mówi hook sytuacyjny, przejście z tradycyjnego warsztatu do AI i tak dalej i tak dalej. Więc, więc to podsumowanie prac, przeanalizowałem plik
Speaker A
konfiguracyjny, zbadałem pliki określące twój unikalny brand voice i tak dalej, i tak dalej. Więc ja mówię doskonale, napisz mi trzy yyy wpisy na LinkedIn, które yyy zachęcają potencjalnego odbiorcę.
Speaker A
Czekajcie, coś mi się wcisnęło. Odbiorcę niech będą ułożone wzdłuż. Lejka sprzedaży. Efekt. Zapisz do pliku linkedin.
Speaker A
MD, bo czemu nie. I to jest dokładnie to, co w tej chwili mój modeli. Czyli zobaczcie, on teraz poszedł sobie do wiki lejek, dlatego że pojawiło się słowo kluczowe. wcześniej tego nie sprawdzał, potem potuptał na etapy lejka sprzedaży, zainteresowanie,
Speaker A
pożądanie, działanie. To są tak naprawdę te rzeczy, które on sobie z kontekstu wybrał i prawdopodobnie jeśli stworzy mi trzy wpisy, to [odchrząknięcie] będzie mi tak naprawdę to pokazywał. I różnica między czatem GPT, Geminiem i czymkolwiek innym a tym narzędziem
Speaker A
właśnie polega na tym, że zobaczcie na samym końcu dosyć szybko, dlatego że 3,5 naprawdę zamiata pod względem szybkości, e [odchrząknięcie] dostaję pliczek, który mogę sobie tak naprawdę wyświetlić. No i teraz właśnie byłem przyzwyczajony tak do tego, że mi
Speaker A
się po prawej stronie wyświetla. E, więc trzy wpisy na LinkedIn wzdłuż lejka sprzedaży. Wpis pierwszy, zainteresowanie. Yyy, wyobraź sobie taką sytuację. Kupujesz wiertarkę. Dlaczego to robisz? Większość ludzi odpowie odruchowo, bo potrzebuje wiertarki, ale to błąd. Klasyk marketingu, na którego
Speaker A
cytatach się wychowałem, to jest mój osobisty styl. Yyy, powiedziałby krótko, klient nie chce kupić wiertarki. Klient chce wywiercić dziurę w ścianie. Ale idźmy o krok dalej. Po co mu ta dziura?
Speaker A
Żeby wbić kołek. Po co kołek? Żeby powiesić ramkę ze zdjęciem ze wspólnych rodzinnych wakacji? To nie jest tak, jak pisze AI. I to co nie będę wam czytał całych tych wpisów tak jakby bez żadnego problemu jesteśmy w stanie sobie to
Speaker A
ogarnąć. Natomiast to jest coś co pokazuje wam że jesteście w stanie właśnie coś takiego zrobić. I teraz ostatnie dwa właściwie pytania, na które chciałbym, żebyśmy sobie odpowiedzieli.
Speaker A
Pierwsze to jest jak zacząć i to co wam dam po skończeniu tego webinaru, dam wam plik MD, w którym będzie sześć promptów, pięć albo sześć.
Speaker A
I pierwszym promptem będzie prompt tak naprawdę, który zaprasza was do wywiadu, bo na pytanie jak rozpocząć odpowiedź brzmi najczęściej rozpocząłbym właśnie interaktywnym promptem z wywiadem, w którym model zapyta was po co w ogóle tworzycie taką wiki? Co chcecie za jej
Speaker A
pomocą osiągnąć, co będziecie tworzyć, jakie treści będziecie tworzyć, bo to nie musi być do tworzenia treści. Tak jak wam powiedziałem, mam wiki dokładnie według tej samej metodologii, dedykowaną do tego, żeby zastąpiła mi CRM. Czyli w momencie kiedy klient do mnie dzwoni, no
Speaker A
to ja sobie wpisuję nazwę tego klienta i system wypluwa mi wszystkie informacje, które o nim miałem. Możecie to zrobić w ten sposób, tak? Możecie pisać scenariusze do rolek czy do czegokolwiek innego. Możecie robić naprawdę mnóstwo innych rzeczy.
Speaker A
Natomiast wywiad, ten prom z wywiadem sprawia, że model dostanie wystarczająco dużo kontekstu, żeby stworzyć dla was ten regulamin, czyli plik agents MD.
Speaker A
Potem robota wasza to jest w folderze RA wrzucić rzeczy, które potrzebujecie wciągnąć pod nadzorem. Kilka, kilkanaście.
Speaker A
Ja szczerze mówiąc puściłem a propos serwerów MCP, o których rozmawialiśmy, puściłem model dzisiaj, jak się przygotowałem do tego webinaru, do narzędzia, które nazywa się Bear. I to narzędzie, słuchajcie, ono jest moim magazynem na artykuły. Czyli tak naprawdę ja używam Bera do tego, żeby
Speaker A
napisać artykuły. I rzeczy, które on wyciągnął dotyczące stylu pisania, one tak naprawdę pochodzą właśnie stąd, czyli z artykułu marka pracodawcy pierwszy dzień w pracy czy co to jest blue Sky Social. To są artykuły, które jakiś czas temu ukazały się na moim
Speaker A
blogu [odchrząknięcie] i on z tego uczy się mojego stylu. Czyli to nie jest tak, że jakby te teksty są syntetyczne. AI będzie pisać dobrze w momencie, kiedy tak naprawdę dacie mu porządny materiał, a z którego on jest w
Speaker A
stanie się uczyć i b, na którym jest w stanie wielokrotnie pracować. Bo zwróćcie uwagę, że on raz sczytał te artykuły i nigdy więcej nie zajrzał do folderu RAW, żeby czytać moje artykuły, dlatego że to jest już praca przerobiona
Speaker A
i cudowność tej tej Wiki właśnie polega na tym, że że to jest już praca przerobiona. Natomiast jest jeszcze jedna rzecz, którą jesteście w stanie zrobić pracując z narzędziami plikowymi, takimi narzędziami właśnie jak antygravity. Yyy i to jest coś, co
Speaker A
nazywa się skills, czyli mówiliśmy sobie o serwerach MCP, narzędzia, które pozwalają nam wam na połączenie się z yy zewnętrznym źródłem danych. Natomiast jest jeszcze i to jest też coś, co wam dam na końcu tego y webinaru, jest jeszcze coś takiego, co nazywa się
Speaker A
skille. Skille. Słuchajcie, jak sobie wejdziecie do, mam folder, który nazywa się skille i tam jest skill, który nazywa się copywriting pt. Copywriting Paweł Tkaczyk. dlatego, że mam kilka skili, które nazywają się copywriting w zależności od tego, czy piszę dla mojej
Speaker A
firmy, czy piszę dla moich klientów i tak dalej, i tak dalej. I tutaj jest pliczek, który nazywa się Skill MD. To jest oczywiście plik MD i ten plik ma bardzo konkretną strukturę. No bo teraz słuchajcie, czym jest skill? Skill jest
Speaker A
niczym innym jak regulaminem bardzo podobnym do pliku Agents MD, ale z jednym bardzo ważnym wyjątkiem. Plik Skill MD jest ładowany dynamicznie do kontekstu w momencie kiedy wydacie polecenie, które zawiera bardzo konkretne słowa. I teraz jak spojrzycie sobie na strukturę tego pliku, którą
Speaker A
tutaj wam wyświetlam, to po pierwsze tutaj jest nazwa, tak? Copyriting, znaczy copywriting pt. Description, pisanie tekstów copyritterskich głosem Pawła Tchaczyka. Używaj zawsze kiedy potrzebujesz napisać newsletter, post social mediach, opis produktu, reklamę, testimonial case study. To są przykłady wywołań. Czyli tak naprawdę w momencie
Speaker A
kiedy model dostaje takie polecenie, napisz mi newsletter, sekwencję newsletterową czy cokolwiek innego, on ładuje sobie ten plik do kontekstu i w tym pliku są wszystkie rzeczy, które po pierwsze opisują co ten skill robi, a po drugie kiedy się odpala. Paweł prosi o
Speaker A
napisanie tekstu marketingowego dla ciebie i tak dalej, i tak dalej. bardzo konkretne wyzwalacze. Napisz newsletter, napisz sekwencje maili, post na LinkedIn i tak dalej, i tak dalej. Nie odpalaj, jeśli Paweł prosi o treści dla klientów MIDEA, dlatego że do tego jest inny
Speaker A
skill. Paweł prosi o szkolenie program, tam jest jeszcze inny skill i tak dalej, i tak dalej. I teraz on mówi, jak wygląda workflow krok po kroku.
Speaker A
Przeczytaj indeks, przeczytaj agents, przeczytaj głos, przeczytaj i tak dalej i tak dalej. Odczytaj techniki, odczytaj kontekst.
Speaker A
To co wam w tej chwili dzisiaj pokazywałem to było pisanie nawet bez załadowanego tego skilla, czyli korzystaliśmy tylko i wyłącznie z agents MD. Natomiast w momencie kiedy dodacie sobie taki skill to za każdym razem kiedy piszecie post na Facebooka,
Speaker A
newsletter czy cokolwiek innego, on będzie się starał nadać mu miejsce w lejku sprzedaży i mnóstwo innych właśnie rzeczy.
Speaker A
I skill, słuchajcie, jest niczym innym jak pliczkiem, który żyje sobie właśnie albo wewnątrz całej aplikacji, albo wewnątrz konkretnego folderu. Więc to do czego was bardzo, bardzo zachęcam [parsknięcie] to w momencie kiedy zaczniecie pracować z a troszeczkę bardziej na poważnie albo na przykład
Speaker A
jesteście no copyriighterami, którzy pracują dla różnych klientów i tak dalej, mieliście do tej pory w Geminaju albo osobne rozmowy, albo osobne demy [odchrząknięcie] dla poszczególnych klientów. To do czego was bardzo namawiam, to nie twórzcie, słuchajcie, statycznych dżemów. Możecie,
Speaker A
ale jest wyższa szkoła jazdy. Stwórzcie foldery dla każdego klienta. W każdym folderze jest wiki zarządzane regułami, które wam w tej chwili powiedziałem i w promptach, które dostaniecie ode mnie, będzie sposób na tworzenie tych wiki. W każdej jest plik
Speaker A
agents który zarządza tą wiki i tak naprawdę pokazuje w jaki sposób z nią pracować. I jest plik skills MD, który ładuje się tylko i wyłącznie dla tego konkretnego klienta, dla tego konkretnego kontekstu, dla tego konkretnego produktu i jesteście w stanie wciągając nowe
Speaker A
rzeczy do y waszych produktów y budować coraz bardziej zaawansowane rzeczy. I szczerze mówiąc, nie wiem czy widzieliście, zbudowanie tej wiki, którą wam dzisiaj pokazuję, zajęło mi pół godziny. Oczywiście, że byłem przygotowany w sensie takim, że wiedziałem gdzie są moje artykuły
Speaker A
blogowe, wiedziałem dlaczego to robię, w sensie robimy to dla promocji szkolenia i tak dalej i tak dalej.
Speaker A
Nie wciągnąłem tam strasznie dużo, ale mam na przykład firmowe wigi, które nad którymi pracuję już no ładnych kilka miesięcy. One są niesamowite w sensie takim, że są w stanie robić mi mnóstwo [odchrząknięcie] rzeczy, których standardowy AI, choćbym nie wiem jak tak
Speaker A
naprawdę cyzelował prompty i tak dalej, nie jest w stanie robić. A do tego nie zużywają strasznie dużo tokenów. Więc mam nadzieję, że nauczyłem was dzisiaj w jaki sposób pracować z narzędziami plikowymi takimi jak gravity.
Speaker A
To jest bardzo wygodne narzędzie, możecie zupełnie spokojnie z niego korzystać, jest bezpieczne. Jest dużo bardziej przyjazne niż poprzednia wersja antygravity, więc więc bardzo, bardzo serdecznie wam polecam. Natomiast z mojej strony to jest wszystko.
Speaker A
Halo wóz, czy mnie słyszycie? Halo, halo. Paweł, słyszymy cię bardzo dobrze i dziękujemy za wprowadzenie nas właśnie w ten nowy wymiar generowania treści z AI, narzędzie antigravity rzeczywiście, którym warto się zainteresować nawet z perspektywy tego, co czeka nas w przyszłości, jak ten
Speaker A
produkt będzie rozwijany, bo myślę, że wielokrotnie jeszcze o nim usłyszymy. Nawet jeżeli nie w tej edycji programu, to na pewno będziemy z tymi updatami do was wracać. No ale też Paweł, dzięki za podzielenie się tym, jak ty pracujesz z
Speaker A
AI na co dzień. To jest super mieć taki wgląd właśnie w w tą praktykę, ale z twojej yyy perspektywy. Bardzo to doceniamy i dziękujemy. No a wam, drodzy uczestnicy i uczestniczki, dziękujemy za to, że byliście z nami podczas tego
Speaker A
webinaru. Mam nadzieję, że zmieściliśmy się y w czasie. Y pamiętajcie też, że ten materiał jest nagrywany i tu odpowiadając na część pytań na czacie, on będzie dla was dostępny również później. No ale jeśli macie dodatkowe pytania to wpadajcie właśnie na naszą
Speaker A
społeczność na Discordzie, tak jak wspomniał Paweł. No my też tam będziemy dzielić się tymi materiałami, o których Paweł wspomniał i dodatkowymi informacjami również po Ajo, o którym rozmawialiśmy na początku dzisiejszego spotkania. No życzymy wam dobrego wieczoru i do zobaczenia w przyszłym
Speaker A
tygodniu na kolejnym webinarze na żywo i powodzenia. Trzymamy za was kciuki w realizacji kolejnych części naszych materiałów na platformie szkoleniowej.
Speaker A
Dzięki i do zobaczenia. Я
Topics:AI 3.0Gemini 3,5Gemini OmniAntigravityGoogle IOwebinarautomatyzacja AImodele językowetokeny AIUmiejętności Jutra
