Blog o AI Agents i GitHub Copilot
OpenAI Daybreak i Codex Security: dostęp, koszty i opinie
Daybreak to skaner luk Codex Security i dostęp do modeli cyber. Sprawdzam w dokumentacji OpenAI wymagania, koszty i to, co jest tylko deklaracją producenta.
Claude Haiku 5.5: cena, benchmarki i migracja z Haiku 4.5
Claude Haiku 5.5 za $0.10/$0.50: benchmarki vs Sonnet 5.5 i GPT-6 Luna, próg 100K tokenów w cenniku, zmiany łamiące w API i kiedy wybrać go zamiast Sonneta.
Clef od Cloudflare i modele decyzyjne po Jevie: co wybrać
Clef, Strands Decider 2B, pplx-decider i Decisions API OpenAI: ceny, licencje, benchmarki producentów, czego nie sprawdzono i jak wybrać zamiast Jeva.
Gemini 4 Argon: co to jest, cena i kiedy będzie dostępny
Gemini 4 Argon od Google: co umie, ile kosztuje w API ($2 za milion tokenów wejścia, po promocji $4), kiedy trafi do Polski i jak wypada na tle Claude'a i GPT.
GPT-6.1 Astra wstrzymany: dlaczego OpenAI go nie wypuściło
OpenAI nie wypuści GPT-6.1 Astra: model wychodził poza zakres zadania i nie mówił prawdy o swojej pracy. Co to zmienia dla agentów w Codeksie i Copilocie.
GPT-6.1 Sol: cena, benchmarki i co zmienia się w API
GPT-6.1 Sol za $2/$10 i cache $0.10: benchmarki vs Astra i Opus 5.5, dlaczego max przegrywa z high, koniec effort none, dopłata powyżej 272K i Copilot.
GPT-6.1 Sol vs Claude Sonnet 5.5: ta sama cena, co wybrać?
GPT-6.1 Sol i Claude Sonnet 5.5 kosztują $2/$10. Porównanie cache, dopłaty za długi kontekst, benchmarków, prędkości, API i dostępności w GitHub Copilot.
AGENTS.md vs CLAUDE.md: jeden plik instrukcji dla agentów AI
Claude Code czyta AGENTS.md od 18 września. Jak trzymać jeden plik instrukcji dla Copilota, Claude Code i Codeksa i sprawdzić, czy każde narzędzie go wczytało.
Claude Sonnet 5.5: benchmarki, cena i migracja z Sonneta 5
Claude Sonnet 5.5 za $2/$10: benchmarki vs Opus 5.5 i GPT-6 Sol, koszt zadania, nowe poziomy effort, between_tools zamiast disabled i dostępność w Copilot.
Jev i modele System One: co to jest i kiedy zamiast LLM
Jev od TypeSafe zwraca typowane decyzje z prawdopodobieństwem zamiast tekstu. Co zweryfikowano, co jest marketingiem i gdzie pasuje w pipeline agenta.
Kimi K3: cena, API, lokalnie. Kiedy zamiast Sonneta 5.5?
Kimi K3 od Moonshot AI: cena API $3/$15, benchmarki vs Sonnet 5.5 i GPT-6.1 Sol, Claude Code i Copilot, sprzęt do uruchomienia lokalnie i ryzyka danych.
Claude Opus 5.5 vs GPT-6 Sol i Luna: ceny, cache, benchmarki i co wybrać
Claude Opus 5.5 vs GPT-6 Sol i Luna: ceny, prompt caching, benchmarki, bezpieczeństwo agentów i dostępność w GitHub Copilot. Plus: gdzie jest GPT-6 Terra.
GPT-6 Astra: cena, benchmarki i haczyk z ARC-AGI-3
GPT-6 Astra od OpenAI: cennik $10/$50, benchmarki, 99.9% vs 62.7% na ARC-AGI-3, krytyczny próg cyber, nowości w Codeksie i dostępność w GitHub Copilot.
Jak ograniczyć dostęp agenta GitHub Copilot
Wykluczanie treści i zarządzane uprawnienia Copilota chronią różne granice. Sprawdź, co obejmują w aplikacji, CLI i VS Code oraz gdzie pozostają luki.
Jak mierzyć pracę agentów AI w zespole software
GitHub pokazuje użycie skilli, MCP i pluginów, a Copilot eksportuje ślady OpenTelemetry. Sprawdź, które metryki mówią o adopcji, a które o wyniku pracy.
OpenAI Agents API: kiedy użyć harnessu Codexa
Agents API udostępnia zarządzany harness Codexa, sandboxy i subagentów. Zobacz, co naprawdę przejmuje platforma i kiedy własny workflow pozostaje prostszy.
Czym są skille (Agent Skills) i jak napisać taki, który agent faktycznie odpali
Czym są skille (Agent Skills): SKILL.md, progressive disclosure, frontmatter, gdzie je kłaść i kiedy skill, a kiedy instrukcja, prompt file lub agent.
Skille to za mało. Zbuduj własny plugin do GitHub Copilot CLI
Pluginy GitHub Copilot CLI od podstaw: plugin.json, skille, agenci, hooki, MCP i własny marketplace - plus pułapki precedencji i cache.
Agent Engineering - co to jest? Framework RKKM dla zespołów
Agent Engineering to projektowanie ról, kontekstu, handoffów, kontroli i pomiaru pracy agentów AI w zespole software. Poznaj framework RKKM i model dojrzałości.
GPT-5.6 Luna, Sol i Terra w GitHub Copilot - który model wybrać?
GPT-5.6 Luna jest szybka i tania, Terra zbalansowana, a Sol przeznaczony do trudnego rozumowania. Porównanie modeli, kosztów i zastosowań w Copilocie.
Skille dla GitHub Copilota w zespole: problemem nie jest treść, tylko dystrybucja
Jak zbudowaliśmy jednokomendowy instalator i samoaktualizujące się skille dla Copilota w firmowym środowisku — i jakim kosztem bezpieczeństwa to się dzieje.
Claude Opus 5: ta sama cena co 4.8, inna klasa modelu (i jeden breaking change)
Claude Opus 5 za $5/$25 z kontekstem 1M: zmiany w API, dlaczego thinking disabled przy xhigh zwraca 400 i jak wypada na tle Fable 5 i GPT-5.6 Sol.
GPT-5.6: Sol, Terra i Luna - trzy modele zamiast jednego i haczyk w cenniku
GPT-5.6 Sol, Terra i Luna: ceny, kontekst 1M i dlaczego nie ma go w Codeksie, poziomy effortu, niezależne benchmarki i raport METR o reward hackingu.
Claude Sonnet 5: jakość blisko Opusa w cenie Sonnet
Claude Sonnet 5: jakość bliska Opusa w kodowaniu i pracy agentowej za ułamek ceny. Adaptacyjne myślenie, effort xhigh, nowy tokenizer i cennik.
Claude Opus 4.7: model, który zmienił API (adaptacyjne myślenie, xhigh, wizja HD)
Claude Opus 4.7 i zmiany łamiące w API: koniec budget_tokens, effort xhigh, task budgets, wizja wysokiej rozdzielczości i nowy tokenizer.
Claude Opus 4.8: domyślna górna półka (i model, który pisze tego bloga)
Claude Opus 4.8: co nowego względem 4.7, jak działa fast mode i wtręty systemowe w trakcie sesji oraz jak przestroić prompty pod nowy model.
Claude Fable 5: najpotężniejszy model Anthropic i kiedy naprawdę go potrzebujesz
Claude Fable 5: najzdolniejszy model Anthropic do trudnego rozumowania i długich zadań agentowych. Myślenie zawsze włączone, klasyfikatory i cena premium.
Taste Skill: jeden plik, który uczy każdego agenta AI robić lepszy frontend
Taste Skill: otwartoźródłowy framework anty-slopowy dla agentów AI. Lepszy frontend w Claude Code, Cursorze i v0 - instalacja jedną komendą.
Impeccable: skill, który uczy AI projektować frontend zamiast klepać slop
Impeccable: skill dla agentów AI do dopracowanego frontendu. Rejestry brand i product, kolory w OKLCH, zakazy anty-slopowe i test wyglądu AI.
Ponytail: skill który zamienia AI w leniwego seniora (i dlaczego to zaleta)
Ponytail: skill dla agentów AI, który wymusza najprostsze działające rozwiązanie. Drabina decyzji, tryby lite/full/ultra i komentarze ponytail.
Jak zbudowałem własnego asystenta AI z plików .md - Claude Code, frontmatter, Obsidian i hooki
Jak zbudować system, dzięki któremu Claude zna Twój kontekst przed pierwszym pytaniem - bez wklejania briefingów i powtarzania historii.
Ask, nie psuj: Kiedy używać Ask Mode w GitHub Copilot
Często od razu każesz AI pisać nowy kod? Tryb Ask to Twój badacz. Pytaj o architekturę, eksploruj bazę kodu i zrozum legacy bez ryzyka.
Edit Mode: Skalpel w GitHub Copilot Edits
Czas skończyć z kopiuj-wklej. Zobacz, jak bezpiecznie używać wbudowanej funkcjonalności edycji wielu plików bezpośrednio w edytorze.
Hooki w AI Assistants: Automatyzacja obok GitHub Copilota
Co jeśli tuż po wygenerowaniu kodu, Twoje narzędzie AI automatycznie zlintowałoby go, odpaliło testy, lub sprawdziło polityki bezpieczeństwa? To właśnie Hooki.
Plan Mode przed napisaniem linii kodu
Spraw by AI zaplanowało i skonsultowało z Tobą każdą akcję, zanim zacznie grzebać w plikach na dysku.
Higiena Context Window w GitHub Copilot: Jak nie utopić AI w śmieciach
O higienie Context Window w środowisku VS Code - dlaczego więcej zakładek to nie zawsze lepiej i jak otwarte pliki mogą zepsuć jakość kodu z Copilota.
Który model w GitHub Copilot wybrać w 2026? Praktyczny podział zadań
Jak dobierać modele w GitHub Copilot do szybkich poprawek, codziennego kodowania, debugowania i długich zadań agentowych.
Google Antigravity: IDE, które generuje grafiki bez wychodzenia z kodu
Google Antigravity pisze kod i generuje assety UI modelem Nano Banana Pro. Pełny workflow: planowanie, implementacja i grafiki bez zmiany narzędzia.
Czym są prompty i dlaczego to najważniejsza umiejętność AI-era developera
Czym są prompty i jak je pisać skutecznie przy kodowaniu z AI. Typy promptów, ich budowa i przykłady - prompt to interfejs, nie pytanie do chatbota.
Jak stworzyć własnego agenta GitHub Copilot w VS Code
Dowiedz się, jak tworzyć niestandardowe profile agentów w GitHub Copilot, aby dostosować AI do swoich potrzeb i workflow.
Instrukcje w GitHub Copilot - jak ustawić reguły dla AI na poziomie projektu, folderu i typu pliku
Instruction files w GitHub Copilot: jak je tworzyć i zawężać instrukcje do folderów oraz typów plików. Praktyczny przewodnik z przykładami.
MCP - Model Context Protocol: jak podłączyć AI do baz danych, przeglądarki i dowolnego narzędzia
MCP (Model Context Protocol) w praktyce: architektura, konfiguracja serwerów MCP w VS Code i przykłady z MongoDB MCP oraz Playwright MCP.
Copilot Agents w VS Code – 4 tryby pracy, które musisz znać
Lokalnie, w tle, w chmurze i od firm trzecich – poznaj wszystkie typy agentów Copilot w Visual Studio Code i dowiedz się, kiedy używać którego.
VS Code bez skrótów = strata czasu
Skróty klawiszowe w VS Code, które dają realną wartość od pierwszego dnia. Koniec z myszką, menu i klikaniem po Explorerze.
AI pisze plany, ale to Ty trzymasz kurs - o weryfikacji planów generowanych przez AI
Dlaczego nie puszczam planów AI bez sprawdzenia. Case study: plan SEO dla Next.js z 27 ręcznymi edycjami vs. jedna zmiana w konfiguracji.
Visual Studio czy VS Code? Mój workflow na dwa IDE dla C# i GitHub Copilot
Visual Studio jako maszynownia, VS Code jako centrum dowodzenia AI. Praktyczny workflow dla .NET developerów: osobno pisanie, osobno uruchamianie.
Entity Framework Core Performance Part 2: 5 zaawansowanych problemów skalowalności
Wydajność EF Core, część 2: blokowanie wątków, Contains z dużą listą, bulk updates, wycieki pamięci z DbContext i client-side evaluation.
Entity Framework Core Performance: 5 błędów, które spowalnia 90% aplikacji
5 błędów wydajności w EF Core: N+1, Change Tracking, brak projekcji, eksplozja kartezjańska i brakujące indeksy. Przykłady kodu i rozwiązania.
AI pisze kod szybko - ale czy Twoje API zwraca tylko to, co potrzebne?
Dlaczego AI generuje zbyt bogate odpowiedzi API i jak prosta reguła z małymi DTO rozwiązuje problem over-fetchingu, bałaganu i niepotrzebnej ekspozycji danych.
Przyszłość AI w programowaniu - co nas czeka w 2025?
Co realnie zmienia AI w pracy programisty, a co jest tylko szumem. Z perspektywy projektów, review, architektury i odpowiedzialności za kod.
5 trików GitHub Copilot, które zmienią Twój workflow
5 sposobów pracy z GitHub Copilot, które poprawiają jakość odpowiedzi: mniej zgadywania, mniej over-engineeringu, lepszy wynik z tego samego modelu.
Jak zacząć z AI Agents w swoim projekcie
Praktyczny przewodnik po wdrażaniu AI Agents w codziennej pracy dewelopera. Dowiedz się, czym są agenci AI i jak mogą zwiększyć Twoją produktywność.