[{"data":1,"prerenderedAt":119},["ShallowReactive",2],{"blog-artificial-intelligence-in-programming":3},{"title":4,"description":7,"image":10,"category":11,"featured":12,"isPublished":12,"publishDate":13,"author":14,"links":15,"projects":24,"mainLanguage":25,"viewCount":26,"value":27,"content":28,"tableOfContents":31},{"en":5,"pl":6},"Artificial intelligence in programming","Sztuczna inteligencja w programowaniu",{"en":8,"pl":9},"How agentic AI tools like Claude Code and GitHub Copilot changed software development — matching the tool to the task, and where AI still gets you into trouble.","Jak agentowe narzędzia AI takie jak Claude Code i GitHub Copilot zmieniły tworzenie oprogramowania — dobór narzędzia do zadania i gdzie AI wciąż wpędza w kłopoty.","https://files.jtuta.cloud/public/portfolio/blogs/F9suRl48beNhvxbnqQ9uTch79BYHu0.png","ai-ml",true,"2025-06-11T21:27:45.312Z",null,[16,17,18,19,20,21,22,23],"https://claude.ai/","https://platform.claude.com/docs/en/about-claude/models/overview","https://code.claude.com/docs","https://github.com/features/copilot","https://docs.github.com/en/copilot","https://www.cursor.com/","https://windsurf.com/editor","https://aws.amazon.com/q/developer/",[],"pl",8,"artificial-intelligence-in-programming",{"en":29,"pl":30},"\u003Cblockquote>\n\u003Cp>\u003Cstrong>Note on freshness.\u003C/strong> AI tooling changes faster than almost anything else in this field. This article was first published in June 2025 and last reviewed in \u003Cstrong>July 2026\u003C/strong> — the workflow advice holds up well, but model names, pricing, and feature availability move constantly. Always check the vendor documentation linked at the end before relying on a specific version number.\u003C/p>\n\u003C/blockquote>\n\u003Ch2 id=\"a-new-partner-in-the-world-of-programming\" tabindex=\"-1\">A new partner in the world of programming\u003C/h2>\n\u003Cp>Artificial intelligence \u003Cem>(AI)\u003C/em> is reshaping one industry after another — programming is no exception. AI-powered tools have become a standard part of the modern developer's toolkit. They support us at every stage: writing code, analysing and debugging it, and producing documentation. A few years ago this seemed unattainable; today I find it hard to imagine programming without it.\u003C/p>\n\u003Cp>People with no programming background can now produce working applications \u003Cem>(so-called vibe coding)\u003C/em> — generating code in a chatbot and pasting it into an AI-integrated editor. As programmers, we shouldn't panic about that. Demand for our skills isn't disappearing; the nature of the work is changing. Instead of writing every line by hand, we spend more time designing architecture, reasoning about systems, and reviewing and correcting code produced by AI agents.\u003C/p>\n\u003Cp>The shift since 2025 has a name worth knowing: \u003Cstrong>agentic coding\u003C/strong>. Early tools autocompleted the line you were typing. Current tools take a goal, decide which files need to change, make the edits across all of them, run your tests, read the failures, and iterate until the task is done. That is a genuinely different tool, and it needs a different working style — which is most of what this article is about.\u003C/p>\n\u003Ch2 id=\"claude-the-developers-workhorse\" tabindex=\"-1\">Claude: the developer's workhorse\u003C/h2>\n\u003Cp>One of the most important players in the AI assistant market is \u003Cstrong>Claude\u003C/strong>, built by Anthropic. It has a strong reputation for understanding large codebases, following long and detailed instructions, and generating code that actually compiles.\u003C/p>\n\u003Cp>Claude ships as a family of tiers rather than a single model, and that naming has been stable for years even as the underlying models change:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Haiku\u003C/strong> — the fastest and cheapest, good for simple, high-volume tasks.\u003C/li>\n\u003Cli>\u003Cstrong>Sonnet\u003C/strong> — the balanced default; the tier most people use day to day.\u003C/li>\n\u003Cli>\u003Cstrong>Opus\u003C/strong> — the most capable, for hard problems and long autonomous work.\u003C/li>\n\u003C/ul>\n\u003Cp>As of July 2026 these are the \u003Cstrong>Claude 5\u003C/strong> generation. Do not hardcode a version number from an article — including this one. Check \u003Ca href=\"https://platform.claude.com/docs/en/about-claude/models/overview\" target=\"_blank\" rel=\"noopener noreferrer\">the model overview page\u003C/a> instead; it is updated the same day models ship.\u003C/p>\n\u003Ch3 id=\"getting-started-with-claudeai\" tabindex=\"-1\">Getting started with \u003Ca href=\"http://Claude.ai\" target=\"_blank\" rel=\"noopener noreferrer\">Claude.ai\u003C/a>\u003C/h3>\n\u003Cp>Getting started is simple: go to \u003Cstrong>\u003Ca href=\"http://claude.ai\" target=\"_blank\" rel=\"noopener noreferrer\">claude.ai\u003C/a>\u003C/strong> and create a free account. The interface is a familiar chat where you describe problems, ask for code, or have complex topics explained in plain language.\u003C/p>\n\u003Ch3 id=\"file-uploads-and-artifacts\" tabindex=\"-1\">File uploads and Artifacts\u003C/h3>\n\u003Cp>Claude goes a step beyond a plain chatbot. You can \u003Cstrong>upload files\u003C/strong> — source code, documentation, a schema dump — and the model answers in the context of what you provided.\u003C/p>\n\u003Cp>What really sets it apart is \u003Cstrong>Artifacts\u003C/strong>. When Claude generates code, a web page, or a diagram, it opens a separate interactive panel. You can edit the code there, preview the page live, and copy the finished result. It turns the chat window into something much closer to a small development environment.\u003C/p>\n\u003Ch3 id=\"working-with-ai-in-the-terminal\" tabindex=\"-1\">Working with AI in the terminal\u003C/h3>\n\u003Cp>What if you want to move that interaction out of the browser and give the AI access to your whole project? That is what the terminal tools are for.\u003C/p>\n\u003Cp>\u003Cstrong>Claude Code\u003C/strong> runs a chat loop in your terminal that reads your entire project, creates new files, edits existing ones, and runs commands — no copy-pasting into a browser. Two practical notes if you last tried it in 2025:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Windows no longer needs WSL.\u003C/strong> The native installer drops a single binary and puts it on your PATH; Node.js is not required either. PowerShell on Windows 10/11 is enough.\u003C/li>\n\u003Cli>\u003Cstrong>It isn't only a terminal any more.\u003C/strong> The same agent is available in desktop apps for macOS and Windows, on the web, and as extensions for VS Code and JetBrains IDEs.\u003C/li>\n\u003C/ul>\n\u003Cp>Terminal agents are no longer an Anthropic-only category, either — OpenAI's \u003Cstrong>Codex\u003C/strong> and Google's \u003Cstrong>Gemini CLI\u003C/strong> occupy the same space, with the same basic shape: point the agent at a repository and describe the goal.\u003C/p>\n\u003Ch2 id=\"github-copilot-the-most-widely-used-option\" tabindex=\"-1\">GitHub Copilot: the most widely used option\u003C/h2>\n\u003Cp>\u003Cstrong>GitHub Copilot\u003C/strong> is probably the best-known AI tool for programmers. It works as an extension for editors including VS Code, Visual Studio, and the JetBrains IDEs, and has grown well past its original autocomplete role.\u003C/p>\n\u003Ch3 id=\"inline-suggestions-and-chat\" tabindex=\"-1\">Inline suggestions and chat\u003C/h3>\n\u003Cp>The two features most people use daily:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Live code suggestions\u003C/strong> — as you type, Copilot reads the surrounding context and proposes whole lines or blocks. Press \u003Cem>Tab\u003C/em> to accept. It handles repetitive code, unit tests, and whole functions from a description, and can refactor or translate a selection. \u003Cem>Next edit suggestions\u003C/em> extend this by predicting \u003Cstrong>where\u003C/strong> you're likely to edit next, not just what comes after the cursor.\u003C/li>\n\u003Cli>\u003Cstrong>Chat in the editor\u003C/strong> — an integrated chat panel where you pick a model, add files to the context, and work through a problem without leaving the IDE.\u003C/li>\n\u003C/ol>\n\u003Ch3 id=\"agent-mode-and-the-cloud-agent\" tabindex=\"-1\">Agent mode and the cloud agent\u003C/h3>\n\u003Cp>The bigger change is agentic. \u003Cstrong>Agent mode\u003C/strong> lets Copilot plan and execute a multi-step task on its own: it works out which files to touch, edits across all of them, runs terminal commands such as \u003Ccode>npm install\u003C/code> or \u003Ccode>pytest\u003C/code>, reads the output, and iterates until it's finished or stuck.\u003C/p>\n\u003Cp>There is also an \u003Cstrong>asynchronous cloud agent\u003C/strong>. You assign a GitHub issue to Copilot, and it runs in a sandboxed GitHub Actions environment, pushes commits to a draft pull request, runs your test suite, and requests your review when done. It is the closest thing yet to handing a small task to a junior colleague and coming back later.\u003C/p>\n\u003Ch3 id=\"model-choice-and-mcp\" tabindex=\"-1\">Model choice and MCP\u003C/h3>\n\u003Cp>Two things worth knowing about how Copilot is put together now:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>It is multi-model.\u003C/strong> A model picker in the chat panel lets you switch between models from several vendors — OpenAI, Anthropic, Google, and others — for the same conversation. Different models genuinely suit different tasks, so it's worth experimenting rather than leaving the default.\u003C/li>\n\u003Cli>\u003Cstrong>Extensions are now MCP.\u003C/strong> GitHub deprecated its proprietary Copilot Extensions in late 2025 and replaced them with the \u003Cstrong>Model Context Protocol\u003C/strong>. Any MCP server now works as a Copilot integration, and MCP support is generally available in VS Code, JetBrains, Eclipse, and Xcode. If you want to understand what that unlocks, I wrote a separate guide on \u003Ca href=\"/blog/mcp-servers-how-to-extend-llms-capabilities-with-real-tools\">how MCP servers extend LLM capabilities with real tools\u003C/a>.\u003C/li>\n\u003C/ul>\n\u003Ch2 id=\"how-to-optimise-your-workflow\" tabindex=\"-1\">How to optimise your workflow\u003C/h2>\n\u003Cp>Matching the tool to the size of the task matters more than which vendor you pick:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Chat (\u003Ca href=\"http://claude.ai\" target=\"_blank\" rel=\"noopener noreferrer\">claude.ai\u003C/a>, ChatGPT, Gemini)\u003C/strong> — best for starting a project, conceptual work, and debugging something you don't understand yet. Describe the problem precisely and attach a few files for context.\u003C/li>\n\u003Cli>\u003Cstrong>Editor chat (Copilot, Cursor)\u003C/strong> — best for individual, well-scoped tasks: a specific question, a contained change. Keep it to one problem at a time.\u003C/li>\n\u003Cli>\u003Cstrong>Inline chat\u003C/strong> — good for editing a single function or a few lines. Avoid selecting whole files here; this mode has the least context to work with.\u003C/li>\n\u003Cli>\u003Cstrong>Agents (Claude Code, Copilot agent mode, Codex)\u003C/strong> — best for tasks that touch several files or need a test-run-fix loop. These are the ones where the up-front specification matters most: state the goal, the constraints, and what "done" looks like, all at once, rather than dripping it out over five follow-up messages.\u003C/li>\n\u003C/ol>\n\u003Cp>One more habit that pays off: keep a project instructions file (\u003Ccode>CLAUDE.md\u003C/code>, \u003Ccode>.github/copilot-instructions.md\u003C/code>, \u003Ccode>.cursorrules\u003C/code> — every tool has its own name for it) describing your conventions, stack, and things the agent should never do. It removes the need to repeat the same context in every session.\u003C/p>\n\u003Ch2 id=\"other-notable-ai-tools\" tabindex=\"-1\">Other notable AI tools\u003C/h2>\n\u003Cp>Hundreds of AI developer tools have appeared in the last few years. A few worth knowing:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Cursor\u003C/strong> — a code editor designed around AI integration from the start. No extra extensions needed.\u003C/li>\n\u003Cli>\u003Cstrong>Windsurf\u003C/strong> — another AI-first editor with agentic features built in.\u003C/li>\n\u003Cli>\u003Cstrong>Amazon Q Developer\u003C/strong> — an alternative aimed at teams on AWS, with real-time suggestions plus security scanning of your code.\u003C/li>\n\u003Cli>\u003Cstrong>Aider\u003C/strong> — an open-source terminal agent that works directly with Git, useful if you prefer something you can inspect and self-host.\u003C/li>\n\u003C/ol>\n\u003Ch2 id=\"where-ai-still-gets-you-into-trouble\" tabindex=\"-1\">Where AI still gets you into trouble\u003C/h2>\n\u003Cp>This is the part most tool announcements skip, and it matters more as agents get more autonomous:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Verification is your job, not the model's.\u003C/strong> An agent that runs its own tests can still write code that passes tests while doing the wrong thing. Read the diff.\u003C/li>\n\u003Cli>\u003Cstrong>Confident wrong answers are the failure mode.\u003C/strong> Hallucinated APIs, plausible-looking library functions that don't exist, and subtly incorrect logic all arrive in the same confident tone as correct output.\u003C/li>\n\u003Cli>\u003Cstrong>Outdated training data is a real problem for libraries.\u003C/strong> Models frequently write against last year's API. If you're using a fast-moving framework, give the agent the current documentation rather than trusting its memory — this is exactly what MCP documentation servers are for.\u003C/li>\n\u003Cli>\u003Cstrong>Never let an agent run commands you wouldn't run yourself.\u003C/strong> Review shell commands before approving them, keep destructive operations behind confirmation, and don't hand a coding agent credentials it doesn't need.\u003C/li>\n\u003Cli>\u003Cstrong>Watch scope creep.\u003C/strong> Left unattended, agents add abstractions, helpers, and error handling you never asked for. If you want a minimal change, say so explicitly.\u003C/li>\n\u003C/ul>\n\u003Cp>None of this argues against using these tools. It argues for reading what they produce.\u003C/p>\n\u003Ch2 id=\"summary\" tabindex=\"-1\">Summary\u003C/h2>\n\u003Cp>The hammer didn't replace builders — and AI won't replace programmers. The point is learning to use it well. Being able to write a few lines of code is no longer enough on its own; the market is shifting and we have to shift with it.\u003C/p>\n\u003Cp>Key takeaways:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Model tiers outlast model versions.\u003C/strong> "Fast and cheap / balanced / most capable" is the stable shape. Look up the current version rather than trusting any article's number, including this one.\u003C/li>\n\u003Cli>\u003Cstrong>Agentic coding is the real change.\u003C/strong> Multi-file edits with a test-run-fix loop is a different tool from autocomplete, and it rewards writing a clear, complete specification up front.\u003C/li>\n\u003Cli>\u003Cstrong>MCP is now how tools plug in.\u003C/strong> Copilot dropped its proprietary extension system for it, which makes it a genuinely cross-vendor standard rather than one company's idea.\u003C/li>\n\u003Cli>\u003Cstrong>Automation and speed.\u003C/strong> AI handles repetitive work and boilerplate extremely well — that has been true since the beginning and hasn't changed.\u003C/li>\n\u003Cli>\u003Cstrong>Support and learning.\u003C/strong> These tools are excellent at debugging, explaining unfamiliar code, and suggesting better practices.\u003C/li>\n\u003Cli>\u003Cstrong>Working at a higher level of abstraction.\u003C/strong> You spend your attention on behaviour and design rather than individual lines.\u003C/li>\n\u003Cli>\u003Cstrong>Verification is fundamental.\u003C/strong> AI still makes mistakes, and more autonomy means more surface area for them. Your role as reviewer — and as the person accountable for the code that ships — is the part that hasn't been automated.\u003C/li>\n\u003C/ol>\n","\u003Cblockquote>\n\u003Cp>\u003Cstrong>Uwaga o aktualności.\u003C/strong> Narzędzia AI zmieniają się szybciej niż niemal cokolwiek innego w tej branży. Ten artykuł powstał w czerwcu 2025, a ostatni przegląd miał miejsce w \u003Cstrong>lipcu 2026\u003C/strong> — porady dotyczące sposobu pracy trzymają się dobrze, ale nazwy modeli, ceny i dostępność funkcji zmieniają się bez przerwy. Zanim oprzesz się na konkretnym numerze wersji, sprawdź dokumentację producenta z linków na końcu artykułu.\u003C/p>\n\u003C/blockquote>\n\u003Ch2 id=\"nowy-partner-w-swiecie-programowania\" tabindex=\"-1\">Nowy partner w świecie programowania\u003C/h2>\n\u003Cp>Sztuczna inteligencja \u003Cem>(SI)\u003C/em> przebudowuje kolejne branże — programowanie nie jest wyjątkiem. Narzędzia oparte na SI stały się standardowym elementem warsztatu nowoczesnego dewelopera. Wspierają nas na każdym etapie: pisania kodu, jego analizy i debugowania, aż po tworzenie dokumentacji. Jeszcze kilka lat temu wydawało się to nieosiągalne, a dziś trudno mi wyobrazić sobie programowanie bez tego.\u003C/p>\n\u003Cp>Osoby bez zaplecza programistycznego potrafią dziś stworzyć działającą aplikację \u003Cem>(tzw. vibe coding)\u003C/em> — generując kod w czatbocie i wklejając go do edytora zintegrowanego z SI. Jako programiści nie powinniśmy wpadać w panikę. Zapotrzebowanie na nasze umiejętności nie znika; zmienia się charakter pracy. Zamiast pisać każdą linię ręcznie, więcej czasu poświęcamy na projektowanie architektury, myślenie o systemach oraz weryfikację i poprawianie kodu tworzonego przez agentów SI.\u003C/p>\n\u003Cp>Zmiana, która nastąpiła od 2025 roku, ma swoją nazwę i warto ją znać: \u003Cstrong>agentic coding\u003C/strong>. Wczesne narzędzia uzupełniały linię, którą właśnie pisałeś. Obecne przyjmują cel, ustalają które pliki trzeba zmienić, nanoszą zmiany we wszystkich, uruchamiają twoje testy, czytają błędy i iterują aż zadanie będzie zrobione. To naprawdę inne narzędzie i wymaga innego stylu pracy — o czym w dużej mierze jest ten artykuł.\u003C/p>\n\u003Ch2 id=\"claude-kon-roboczy-programisty\" tabindex=\"-1\">Claude: koń roboczy programisty\u003C/h2>\n\u003Cp>Jednym z najważniejszych graczy na rynku asystentów SI jest \u003Cstrong>Claude\u003C/strong>, tworzony przez Anthropic. Ma mocną reputację w rozumieniu dużych baz kodu, wykonywaniu długich i szczegółowych instrukcji oraz generowaniu kodu, który faktycznie się kompiluje.\u003C/p>\n\u003Cp>Claude jest wypuszczany jako rodzina poziomów, a nie pojedynczy model, i to nazewnictwo jest stabilne od lat, mimo że modele pod nim się zmieniają:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Haiku\u003C/strong> — najszybszy i najtańszy, dobry do prostych zadań o dużej objętości.\u003C/li>\n\u003Cli>\u003Cstrong>Sonnet\u003C/strong> — zbalansowany domyślny wybór; poziom, z którego większość osób korzysta codziennie.\u003C/li>\n\u003Cli>\u003Cstrong>Opus\u003C/strong> — najmocniejszy, do trudnych problemów i długiej pracy autonomicznej.\u003C/li>\n\u003C/ul>\n\u003Cp>W lipcu 2026 to generacja \u003Cstrong>Claude 5\u003C/strong>. Nie wpisuj na sztywno numeru wersji z artykułu — również z tego. Zamiast tego sprawdź \u003Ca href=\"https://platform.claude.com/docs/en/about-claude/models/overview\" target=\"_blank\" rel=\"noopener noreferrer\">stronę z przeglądem modeli\u003C/a>; jest aktualizowana tego samego dnia, w którym modele trafiają na rynek.\u003C/p>\n\u003Ch3 id=\"jak-zaczac-z-claudeai\" tabindex=\"-1\">Jak zacząć z \u003Ca href=\"http://Claude.ai\" target=\"_blank\" rel=\"noopener noreferrer\">Claude.ai\u003C/a>\u003C/h3>\n\u003Cp>Start jest prosty: wejdź na \u003Cstrong>\u003Ca href=\"http://claude.ai\" target=\"_blank\" rel=\"noopener noreferrer\">claude.ai\u003C/a>\u003C/strong> i załóż darmowe konto. Interfejs to znajomy czat, w którym opisujesz problemy, prosisz o kod albo o wytłumaczenie złożonych zagadnień prostym językiem.\u003C/p>\n\u003Ch3 id=\"przesyanie-plikow-i-artifacts\" tabindex=\"-1\">Przesyłanie plików i Artifacts\u003C/h3>\n\u003Cp>Claude idzie o krok dalej niż zwykły czatbot. Możesz \u003Cstrong>przesyłać pliki\u003C/strong> — kod źródłowy, dokumentację, zrzut schematu bazy — a model odpowiada w kontekście tego, co dostarczyłeś.\u003C/p>\n\u003Cp>Tym, co naprawdę go wyróżnia, jest funkcja \u003Cstrong>Artifacts\u003C/strong>. Kiedy Claude generuje kod, stronę internetową czy diagram, otwiera osobny, interaktywny panel. Możesz w nim edytować kod, na żywo podglądać stronę i skopiować gotowy rezultat. Zamienia to okno czatu w coś znacznie bliższego małemu środowisku deweloperskiemu.\u003C/p>\n\u003Ch3 id=\"praca-z-ai-w-terminalu\" tabindex=\"-1\">Praca z AI w terminalu\u003C/h3>\n\u003Cp>A co, jeśli chcesz przenieść tę interakcję z przeglądarki i dać SI dostęp do całego projektu? Do tego służą narzędzia terminalowe.\u003C/p>\n\u003Cp>\u003Cstrong>Claude Code\u003C/strong> uruchamia w terminalu pętlę czatu, która czyta cały twój projekt, tworzy nowe pliki, edytuje istniejące i uruchamia komendy — bez kopiowania czegokolwiek do przeglądarki. Dwie praktyczne uwagi, jeśli ostatnio próbowałeś tego w 2025:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Windows nie potrzebuje już WSL.\u003C/strong> Natywny instalator kładzie jeden plik binarny i dodaje go do PATH; Node.js również nie jest wymagany. PowerShell na Windows 10/11 wystarcza.\u003C/li>\n\u003Cli>\u003Cstrong>To już nie tylko terminal.\u003C/strong> Ten sam agent jest dostępny w aplikacjach desktopowych na macOS i Windows, w przeglądarce oraz jako rozszerzenia do VS Code i IDE JetBrains.\u003C/li>\n\u003C/ul>\n\u003Cp>Agenci terminalowi przestali też być kategorią zarezerwowaną dla Anthropic — \u003Cstrong>Codex\u003C/strong> od OpenAI i \u003Cstrong>Gemini CLI\u003C/strong> od Google zajmują tę samą przestrzeń, z tym samym podstawowym schematem: wskaż agentowi repozytorium i opisz cel.\u003C/p>\n\u003Ch2 id=\"github-copilot-najszerzej-uzywana-opcja\" tabindex=\"-1\">GitHub Copilot: najszerzej używana opcja\u003C/h2>\n\u003Cp>\u003Cstrong>GitHub Copilot\u003C/strong> to prawdopodobnie najbardziej znane narzędzie SI dla programistów. Działa jako rozszerzenie do edytorów, w tym VS Code, Visual Studio i IDE JetBrains, i wyrosło daleko poza swoją pierwotną rolę autouzupełniania.\u003C/p>\n\u003Ch3 id=\"podpowiedzi-inline-i-czat\" tabindex=\"-1\">Podpowiedzi inline i czat\u003C/h3>\n\u003Cp>Dwie funkcje, z których większość osób korzysta codziennie:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Podpowiedzi kodu na żywo\u003C/strong> — podczas pisania Copilot czyta okoliczny kontekst i proponuje całe linie lub bloki. Naciśnij \u003Cem>Tab\u003C/em>, aby zaakceptować. Radzi sobie z powtarzalnym kodem, testami jednostkowymi i całymi funkcjami na podstawie opisu, a także refaktoryzuje i tłumaczy zaznaczony fragment. \u003Cem>Next edit suggestions\u003C/em> rozszerzają to, przewidując \u003Cstrong>gdzie\u003C/strong> prawdopodobnie zaczniesz edytować dalej, a nie tylko co następuje po kursorze.\u003C/li>\n\u003Cli>\u003Cstrong>Czat w edytorze\u003C/strong> — zintegrowany panel czatu, w którym wybierasz model, dodajesz pliki do kontekstu i przechodzisz przez problem bez opuszczania IDE.\u003C/li>\n\u003C/ol>\n\u003Ch3 id=\"tryb-agenta-i-agent-w-chmurze\" tabindex=\"-1\">Tryb agenta i agent w chmurze\u003C/h3>\n\u003Cp>Większa zmiana jest agentowa. \u003Cstrong>Tryb agenta\u003C/strong> pozwala Copilotowi samodzielnie zaplanować i wykonać zadanie wielokrokowe: ustala które pliki tknąć, nanosi zmiany we wszystkich, uruchamia komendy terminalowe takie jak \u003Ccode>npm install\u003C/code> czy \u003Ccode>pytest\u003C/code>, czyta wyjście i iteruje aż skończy albo się zablokuje.\u003C/p>\n\u003Cp>Istnieje też \u003Cstrong>asynchroniczny agent w chmurze\u003C/strong>. Przypisujesz Copilotowi issue na GitHubie, a on działa w piaskownicowanym środowisku GitHub Actions, wypycha commity do szkicu pull requesta, uruchamia twoje testy i prosi o review, gdy skończy. To najbliższa rzecz do przekazania małego zadania młodszemu koledze i wrócenia po jakimś czasie.\u003C/p>\n\u003Ch3 id=\"wybor-modelu-i-mcp\" tabindex=\"-1\">Wybór modelu i MCP\u003C/h3>\n\u003Cp>Dwie rzeczy warte wiedzenia o tym, jak Copilot jest dziś zbudowany:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Jest wielomodelowy.\u003C/strong> Selektor modelu w panelu czatu pozwala przełączać się między modelami kilku producentów — OpenAI, Anthropic, Google i innych — w ramach tej samej rozmowy. Różne modele naprawdę pasują do różnych zadań, więc warto eksperymentować, a nie zostawać przy domyślnym.\u003C/li>\n\u003Cli>\u003Cstrong>Rozszerzenia to teraz MCP.\u003C/strong> GitHub wycofał swoje własnościowe Copilot Extensions pod koniec 2025 i zastąpił je \u003Cstrong>Model Context Protocol\u003C/strong>. Każdy serwer MCP działa dziś jako integracja z Copilotem, a wsparcie MCP jest ogólnie dostępne w VS Code, JetBrains, Eclipse i Xcode. Jeśli chcesz zrozumieć, co to otwiera, napisałem osobny przewodnik o tym, \u003Ca href=\"/blog/mcp-servers-how-to-extend-llms-capabilities-with-real-tools\">jak serwery MCP rozszerzają możliwości LLM-ów o prawdziwe narzędzia\u003C/a>.\u003C/li>\n\u003C/ul>\n\u003Ch2 id=\"jak-zoptymalizowac-swoja-prace\" tabindex=\"-1\">Jak zoptymalizować swoją pracę\u003C/h2>\n\u003Cp>Dopasowanie narzędzia do rozmiaru zadania ma większe znaczenie niż wybór producenta:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Czat (\u003Ca href=\"http://claude.ai\" target=\"_blank\" rel=\"noopener noreferrer\">claude.ai\u003C/a>, ChatGPT, Gemini)\u003C/strong> — najlepszy do rozpoczęcia projektu, pracy koncepcyjnej i debugowania czegoś, czego jeszcze nie rozumiesz. Opisz problem precyzyjnie i dołącz kilka plików dla kontekstu.\u003C/li>\n\u003Cli>\u003Cstrong>Czat w edytorze (Copilot, Cursor)\u003C/strong> — najlepszy do pojedynczych, dobrze ograniczonych zadań: konkretne pytanie, zamknięta zmiana. Trzymaj się jednego problemu naraz.\u003C/li>\n\u003Cli>\u003Cstrong>Inline chat\u003C/strong> — dobry do edycji jednej funkcji lub kilku linii. Unikaj tu zaznaczania całych plików; ten tryb ma najmniej kontekstu do pracy.\u003C/li>\n\u003Cli>\u003Cstrong>Agenci (Claude Code, tryb agenta Copilota, Codex)\u003C/strong> — najlepsi do zadań dotykających kilku plików albo wymagających pętli test-uruchom-popraw. To przy nich najbardziej liczy się specyfikacja podana z góry: podaj cel, ograniczenia i to, jak wygląda „skończone", wszystko naraz, a nie sącząc to przez pięć kolejnych wiadomości.\u003C/li>\n\u003C/ol>\n\u003Cp>Jeszcze jeden nawyk, który się opłaca: trzymaj w projekcie plik z instrukcjami (\u003Ccode>CLAUDE.md\u003C/code>, \u003Ccode>.github/copilot-instructions.md\u003C/code>, \u003Ccode>.cursorrules\u003C/code> — każde narzędzie ma na to własną nazwę) opisujący twoje konwencje, stack i rzeczy, których agent nigdy nie powinien robić. Znosi to potrzebę powtarzania tego samego kontekstu w każdej sesji.\u003C/p>\n\u003Ch2 id=\"inne-warte-uwagi-narzedzia-si\" tabindex=\"-1\">Inne warte uwagi narzędzia SI\u003C/h2>\n\u003Cp>W ostatnich latach pojawiły się setki narzędzi deweloperskich opartych na SI. Kilka wartych poznania:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Cursor\u003C/strong> — edytor kodu zaprojektowany od początku wokół integracji z SI. Nie wymaga dodatkowych rozszerzeń.\u003C/li>\n\u003Cli>\u003Cstrong>Windsurf\u003C/strong> — kolejny edytor „AI-first" z wbudowanymi funkcjami agentowymi.\u003C/li>\n\u003Cli>\u003Cstrong>Amazon Q Developer\u003C/strong> — alternatywa skierowana do zespołów na AWS, z podpowiedziami w czasie rzeczywistym i skanowaniem kodu pod kątem bezpieczeństwa.\u003C/li>\n\u003Cli>\u003Cstrong>Aider\u003C/strong> — otwartoźródłowy agent terminalowy działający bezpośrednio z Gitem, przydatny jeśli wolisz coś, co możesz przejrzeć i hostować samodzielnie.\u003C/li>\n\u003C/ol>\n\u003Ch2 id=\"gdzie-ai-nadal-wpedza-w-kopoty\" tabindex=\"-1\">Gdzie AI nadal wpędza w kłopoty\u003C/h2>\n\u003Cp>To fragment, który zapowiedzi narzędzi zwykle pomijają, a ma coraz większe znaczenie w miarę wzrostu autonomii agentów:\u003C/p>\n\u003Cul>\n\u003Cli>\u003Cstrong>Weryfikacja to twoje zadanie, nie modelu.\u003C/strong> Agent, który sam uruchamia testy, wciąż potrafi napisać kod przechodzący testy i robiący przy tym coś złego. Czytaj diff.\u003C/li>\n\u003Cli>\u003Cstrong>Pewne siebie błędne odpowiedzi to główny tryb awarii.\u003C/strong> Halucynowane API, przekonująco wyglądające funkcje bibliotek, które nie istnieją, i subtelnie błędna logika przychodzą tym samym pewnym tonem co poprawne wyjście.\u003C/li>\n\u003Cli>\u003Cstrong>Przedawnione dane treningowe to realny problem przy bibliotekach.\u003C/strong> Modele często piszą pod zeszłoroczne API. Jeśli używasz szybko zmieniającego się frameworka, podaj agentowi aktualną dokumentację, a nie licz na jego pamięć — dokładnie do tego służą serwery MCP z dokumentacją.\u003C/li>\n\u003Cli>\u003Cstrong>Nigdy nie pozwalaj agentowi uruchamiać komend, których sam byś nie uruchomił.\u003C/strong> Przeglądaj komendy shellowe przed zatwierdzeniem, trzymaj operacje destrukcyjne za potwierdzeniem i nie dawaj agentowi kodującemu poświadczeń, których nie potrzebuje.\u003C/li>\n\u003Cli>\u003Cstrong>Pilnuj rozjeżdżania się zakresu.\u003C/strong> Zostawieni bez nadzoru agenci dodają abstrakcje, helpery i obsługę błędów, o które nikt nie prosił. Jeśli chcesz minimalną zmianę, powiedz to wprost.\u003C/li>\n\u003C/ul>\n\u003Cp>Nic z tego nie jest argumentem przeciw używaniu tych narzędzi. To argument za czytaniem tego, co produkują.\u003C/p>\n\u003Ch2 id=\"podsumowanie\" tabindex=\"-1\">Podsumowanie\u003C/h2>\n\u003Cp>Młotek nie zastąpił budowniczych — i SI nie zastąpi programistów. Chodzi o to, by nauczyć się jej mądrze używać. Umiejętność napisania kilku linijek kodu sama w sobie już nie wystarcza; rynek się przesuwa i musimy przesunąć się razem z nim.\u003C/p>\n\u003Cp>Najważniejsze wnioski:\u003C/p>\n\u003Col>\n\u003Cli>\u003Cstrong>Poziomy modeli przetrwają wersje modeli.\u003C/strong> „Szybki i tani / zbalansowany / najmocniejszy" to stabilny kształt. Sprawdź aktualną wersję, zamiast wierzyć numerowi z jakiegokolwiek artykułu, również tego.\u003C/li>\n\u003Cli>\u003Cstrong>Agentic coding to prawdziwa zmiana.\u003C/strong> Edycje w wielu plikach z pętlą test-uruchom-popraw to inne narzędzie niż autouzupełnianie i wynagradza napisanie jasnej, kompletnej specyfikacji z góry.\u003C/li>\n\u003Cli>\u003Cstrong>MCP to dziś sposób podłączania narzędzi.\u003C/strong> Copilot porzucił dla niego własny system rozszerzeń, co czyni go naprawdę międzyproducenckim standardem, a nie pomysłem jednej firmy.\u003C/li>\n\u003Cli>\u003Cstrong>Automatyzacja i szybkość.\u003C/strong> SI świetnie radzi sobie z powtarzalną pracą i boilerplate'em — to prawda od początku i nie zmieniła się.\u003C/li>\n\u003Cli>\u003Cstrong>Wsparcie i nauka.\u003C/strong> Te narzędzia są doskonałe w debugowaniu, wyjaśnianiu nieznanego kodu i sugerowaniu lepszych praktyk.\u003C/li>\n\u003Cli>\u003Cstrong>Praca na wyższym poziomie abstrakcji.\u003C/strong> Uwagę poświęcasz zachowaniu i projektowi, a nie pojedynczym liniom.\u003C/li>\n\u003Cli>\u003Cstrong>Weryfikacja to podstawa.\u003C/strong> SI nadal popełnia błędy, a większa autonomia to większa powierzchnia na nie. Twoja rola jako recenzenta — i osoby odpowiedzialnej za kod, który trafia na produkcję — to część, której nie zautomatyzowano.\u003C/li>\n\u003C/ol>\n",{"en":32,"pl":79},[33,37,41,44,47,51,54,57,60,63,67,71,75],{"id":34,"title":35,"mainLevel":36,"subLevel":14},"a-new-partner-in-the-world-of-programming","A new partner in the world of programming",1,{"id":38,"title":39,"mainLevel":40,"subLevel":14},"claude-the-developers-workhorse","Claude: the developer's workhorse",2,{"id":42,"title":43,"mainLevel":40,"subLevel":36},"getting-started-with-claudeai","Getting started with Claude.ai",{"id":45,"title":46,"mainLevel":40,"subLevel":40},"file-uploads-and-artifacts","File uploads and Artifacts",{"id":48,"title":49,"mainLevel":40,"subLevel":50},"working-with-ai-in-the-terminal","Working with AI in the terminal",3,{"id":52,"title":53,"mainLevel":50,"subLevel":14},"github-copilot-the-most-widely-used-option","GitHub Copilot: the most widely used option",{"id":55,"title":56,"mainLevel":50,"subLevel":36},"inline-suggestions-and-chat","Inline suggestions and chat",{"id":58,"title":59,"mainLevel":50,"subLevel":40},"agent-mode-and-the-cloud-agent","Agent mode and the cloud agent",{"id":61,"title":62,"mainLevel":50,"subLevel":50},"model-choice-and-mcp","Model choice and MCP",{"id":64,"title":65,"mainLevel":66,"subLevel":14},"how-to-optimise-your-workflow","How to optimise your workflow",4,{"id":68,"title":69,"mainLevel":70,"subLevel":14},"other-notable-ai-tools","Other notable AI tools",5,{"id":72,"title":73,"mainLevel":74,"subLevel":14},"where-ai-still-gets-you-into-trouble","Where AI still gets you into trouble",6,{"id":76,"title":77,"mainLevel":78,"subLevel":14},"summary","Summary",7,[80,83,86,89,92,95,98,101,104,107,110,113,116],{"id":81,"title":82,"mainLevel":36,"subLevel":14},"nowy-partner-w-swiecie-programowania","Nowy partner w świecie programowania",{"id":84,"title":85,"mainLevel":40,"subLevel":14},"claude-kon-roboczy-programisty","Claude: koń roboczy programisty",{"id":87,"title":88,"mainLevel":40,"subLevel":36},"jak-zaczac-z-claudeai","Jak zacząć z Claude.ai",{"id":90,"title":91,"mainLevel":40,"subLevel":40},"przesyanie-plikow-i-artifacts","Przesyłanie plików i Artifacts",{"id":93,"title":94,"mainLevel":40,"subLevel":50},"praca-z-ai-w-terminalu","Praca z AI w terminalu",{"id":96,"title":97,"mainLevel":50,"subLevel":14},"github-copilot-najszerzej-uzywana-opcja","GitHub Copilot: najszerzej używana opcja",{"id":99,"title":100,"mainLevel":50,"subLevel":36},"podpowiedzi-inline-i-czat","Podpowiedzi inline i czat",{"id":102,"title":103,"mainLevel":50,"subLevel":40},"tryb-agenta-i-agent-w-chmurze","Tryb agenta i agent w chmurze",{"id":105,"title":106,"mainLevel":50,"subLevel":50},"wybor-modelu-i-mcp","Wybór modelu i MCP",{"id":108,"title":109,"mainLevel":66,"subLevel":14},"jak-zoptymalizowac-swoja-prace","Jak zoptymalizować swoją pracę",{"id":111,"title":112,"mainLevel":70,"subLevel":14},"inne-warte-uwagi-narzedzia-si","Inne warte uwagi narzędzia SI",{"id":114,"title":115,"mainLevel":74,"subLevel":14},"gdzie-ai-nadal-wpedza-w-kopoty","Gdzie AI nadal wpędza w kłopoty",{"id":117,"title":118,"mainLevel":78,"subLevel":14},"podsumowanie","Podsumowanie",1785696281920]