Anthropic przekazało Claude Skills fundacji Linux — czas zrobić porządki

O czym jest ten film

Anthropic przekazało Claude Skills fundacji Linux; ostatni raz firma zrobiła coś podobnego z MCP, które w ciągu 10 miesięcy doczekało się jednej istotnej aktualizacji, a większość pozostałych rzeczy usunięto.
Teza autora: roczna kolekcja skillów to najpewniej zapas dokładnie tego, od czego Anthropic sam stopniowo odchodzi — a wiele z tych umiejętności realnie zawadza modelowi.
Skille powstały w październiku 2025 r. jako kule dla modeli, które nie umiały same planować podzadań; modele od Fable po Haiku radzą sobie z tym już bez pomocy.
Mechanizm znany z YouTube: instalujemy skill, używamy kilka razy i zapominamy usunąć. Autor sam nazbierał ich ponad 121, a każda nazwa i opis zaśmiecały okno kontekstowe.
Sto skillów to sto szans na pomyłkę, zwłaszcza gdy się pokrywają: sześć skillów do designu dawało autorowi raz świetne, raz słabe sesje — zamiast lepszych projektów.
Kultowy /grill (blisko 300 tys. gwiazdek na GitHubie) w praktyce sprowadza się do jednego zdania w AGENTS.md — porównane wersje generują pytania o niemal identycznej głębokości.
Zostają trzy typy: powtarzalny kod (np. montaż wideo), prywatna wiedza niedostępna w sieci (Twoje standardy, wymagania klientów) i ściągi do API bez złącza MCP.
Każdy skill warto przepuścić przez trzy pytania kontrolne, a te, które przejdą test — scalać (u autora: 46 umiejętności scaliło się w 6).
Kierunek Anthropic to agent Claude Duet, działający natywnie i sam z siebie — kolejny sygnał, że skille będą coraz mniej potrzebne.
Bonus praktyczny: prompt do audytu tylko do odczytu (raport z mapą cieplną użycia) oraz skille „just in time”, trzymane poza ładowaniem na starcie sesji.

10 najważniejszych takeaways — z kontekstem zastosowania

1.Każdy zbędny skill to kolejna szansa na pomyłkę

Na czym polega: Przy stu zainstalowanych skillach model ma sto okazji, żeby sięgnąć po zły. Co gorsza, wiele umiejętności pokrywa się treścią — autor miał sześć skillów do projektowania, które w gruncie rzeczy mówiły to samo. Efekt: raz sesja zachwyca, raz rozczarowuje, zależnie od tego, którą wersję instrukcji model akurat wylosował.

Jak stosować: Ogranicz kolekcję do umiejętności, których używasz regularnie; resztę usuń albo przenieś do folderu nieładowanego na starcie (patrz wniosek 9).

Na co uważać: Nawet same nazwy i opisy skillów obciążają okno kontekstowe. Pojedynczo to grosze, ale przy ponad stu sztukach zaczynają realnie zanieczyszczać kontekst — tym bardziej że spora część kolekcji często pochodzi z instalowanych wtyczek.

2.Skille projektowano pod słabsze modele — nowe poradzą sobie bez nich

Na czym polega: Skille narodziły się w październiku 2025 r., gdy modele pokroju Opusa 4.1 nie umiały same rozpisać zadania na podzadania — instrukcje były kulami. Dzisiejsze modele wyciągają kolejne kroki same, więc większość dawnych „prowadzeń za rękę” to dziś balast.

Jak stosować: Przy każdej starszej umiejętności zadaj pytanie: czy model nie zrobi tego teraz bez instrukcji? Jeśli tak — skasuj ją albo skróć do jednego zdania w AGENTS.md.

Na co uważać: To nie znaczy „tnij wszystko”. Trzy typy skillów (wnioski 4–6) wciąż mają sens — testuj, zamiast usuwać na ślepo.

3.Większość skillów-instrukcji da się zamienić na jedno zdanie w AGENTS.md

Na czym polega: Nawet kultowy /grill — blisko 300 tys. gwiazdek na GitHubie i ok. 330 słów instrukcji — sprowadza się do zdania: „gdy instrukcje są niepełne, zadaj mi serię pytań”. Test porównawczy obu wersji wykazał niemal identyczną głębokość pytań; różnicę stanowiły emotki i podział na rundy, które dodaje się jednym dopiskiem.

Jak stosować: Zanim zainstalujesz nowy skill-instrukcję, spróbuj ująć jego sens jednym zdaniem w AGENTS.md i przetestuj na dwóch–trzech sesjach.

Na co uważać: Nie dotyczy to skillów z kodem (typ 1) ani z prywatną wiedzą (typ 2) — tych nie da się sprowadzić do linijki.

4.Zostaje typ 1: umiejętności wykonujące zawsze ten sam kod

Na czym polega: Gdy skill to ponad 22 tys. linii kodu (jak narzędzie montażowe autora: poprawki ujęć, synchronizacja ust, czyszczenie dźwięku, animacje), nawet najlepszy model nie utrzyma powtarzalności między sesjami. O determinizm musi tu dbać kod, nie model.

Jak stosować: Zostawiaj (i twórz) umiejętności, które za każdym razem wykonują identyczną operację na plikach: montaż, konwersje, normalizację, generowanie raportów według sztywnego schematu.

Na co uważać: O wartości decyduje powtarzalność, nie rozmiar. Kilkaset linii porządnego skryptu jest bezcenne, a pięć tysięcy słów ogólnikowych instrukcji — balastem.

5.Zostaje typ 2: prywatna wiedza — ale bez dublowania jej z pamięcią

Na czym polega: Model nie znajdzie w internecie informacji o tym, jak Ty piszesz e-maile ani jak Twoi klienci chcą raportów i briefów. Te umiejętności są warte zachowania — pod warunkiem, że nie pokrywają się z plikiem pamięci, który i tak śledzi Twoje preferencje między sesjami.

Jak stosować: Zrób przegląd: każda preferencja powinna żyć w jednym miejscu — w pamięci albo w skillu. W miarę rozwoju natywnej pamięci w narzędziach AI skracaj te umiejętności, aż zostanie z nich pojedyncze zdanie.

Na co uważać: Te same wytyczne zapisane w dwóch miejscach to przepis na sprzeczne polecenia — zamiast spójności dostaniesz losowość.

6.Zostaje typ 3: ściągi do API, które nie mają MCP

Na czym polega: Gdy usługa nie ma złącza MCP ani natywnego konektora, a jej API stawia przed modelem setki ścieżek, krótka ściąga — których endpointów używać i w jakiej kolejności — realnie poprawia wyniki. Przykład autora: skill oparty na API Calendly, skasowany w dniu, w którym Calendly wydało oficjalny MCP.

Jak stosować: Twórz takie mini-ściągi do narzędzi bez MCP i regularnie sprawdzaj, czy konektor się nie pojawił. Jeśli tak — skill staje się zbędny.

Na co uważać: API z setkami możliwości bez ściąg to dla modelu loteria, ale trzymanie ściąg po pojawieniu się MCP to samo w sobie martwy ciężar.

7.Przepuść kolekcję przez trzy pytania, a potem scalaj

Na czym polega: Pytania kontrolne: Czy skill uruchamia konkretny, powtarzalny kod? Czy wie coś, czego model nie zna z treningu i nie znajdzie w sieci? Czy istnieje już produkt albo serwer MCP, który czyni go zbędnym? Umiejętności, które przejdą ten test, często da się połączyć — autor ze 46 skillów zrobił 6 złożonych.

Jak stosować: Przejdź listę pytanie po pytaniu, oznacz kandydatów do scaleń i łącz te, które obsługują jeden obszar (np. wszystkie designowe w jedną całość).

Na co uważać: Scalanie ma sens tylko wtedy, gdy pozostaje czytelne — sześć spójnych skillów z jasnym podziałem ról działa lepiej niż jeden potwór-instrukcja.

8.Audyt tylko do odczytu, raport w jednym pliku

Na czym polega: Prompt audytu każe agentowi przejrzeć wszystkie ładowane skille i historię sesji, wyłapać pokrycia i zaproponować listę: zostawić / scalić / usunąć. Bez usuwania i przenoszenia czegokolwiek — tryb wyłącznie do odczytu — z końcowym raportem w jednym, samodzielnym pliku do otwarcia w przeglądarce, z mapą cieplną użycia według dat.

Jak stosować: Wklej pełny prompt (autor udostępnia go w opisie filmu), przejrzyj raport: dziesięć najczęściej używanych skillów, daty ostatniego użycia, propozycje scaleń.

Na co uważać: Ostateczną decyzję podejmuj sam — audyt sugeruje, a nie rozstrzyga. Nigdy nie pozwalaj agentowi kasować plików w trakcie audytu.

9.Skille sezonowe trzymaj „na żądanie”, nie „zawsze włączone”

Na czym polega: Umiejętności potrzebne tylko w niektórych okresach (np. w sezonie rozliczeń albo kampanii) nie muszą ładować się przy każdej sesji. Można je trzymać w osobnym folderze, którego Claude Code nie wczytuje na starcie, i sięgać po nie dopiero wtedy, gdy są potrzebne.

Jak stosować: Przenieś skille sezonowe do takiego folderu, a w razie potrzeby powiedz: „wejdź do folderu X, przeczytaj tego skilla i zastosuj go do bieżącego zadania”.

Na co uważać: Skille „zawsze włączone” kosztują nie tylko tokeny — zawężają też modelowi pole wyboru. Tryb na żądanie pozwala zostawiać okno kontekstowe możliwie puste.

10.Instalacja trwa 10 sekund — sprzątanie też powinno

Na czym polega: Nikt nie zapomina zainstalować skilla, ale prawie nikt nie wraca, żeby go usunąć — a obie operacje zajmują po dziesięć sekund. Robimy tylko tę przyjemniejszą.

Jak stosować: Wprowadź nawyk kalendarzowy: raz na kwartał przejrzyj warsztat i usuń to, co nie było używane od ostatniego przeglądu. Standaryzacja skills po przekazaniu ich fundacji Linux to dobra okazja na pierwszy taki przegląd.

Na co uważać: Martwe skille to nie tylko bałagan — realnie sprowadzają wyniki modelu poniżej tego, co potrafi. Porządki są tu kwestią jakości pracy, a nie samej higieny.

Redakcyjne tłumaczenie

Darowizna dla fundacji Linux i lekcja z MCP

Anthropic przekazało właśnie Claude Skills fundacji Linux. Ostatni raz firma zrobiła coś podobnego z frameworkiem MCP — i przez następnych dziesięć miesięcy MCP doczekał się tak naprawdę jednej poważnej aktualizacji, a większość pozostałych elementów po prostu usunięto. Jeśli więc ostatni rok spędziłeś na kolekcjonowaniu skillów, jest niemałe ryzyko, że zgromadziłeś dokładnie to, od czego Anthropic stopniowo odchodzi. Bo, szczerze mówiąc, spora część tych umiejętności po prostu zawadza modelowi. W tym materiale: trzy typy skillów, które wciąż warto używać, oraz jeden prompt, którym posprzątasz całą resztę.

(Informacja dodatkowa: „skills” w ekosystemie Claude to pliki z instrukcjami i skryptami, które model ładuje jako dodatkowe umiejętności — od jednozdaniowych ściąg po pakiety z tysiącami linii kodu. MCP, czyli Model Context Protocol, to zaproponowany przez Anthropic standard podłączania zewnętrznych narzędzi do modeli językowych; fundacja Linux (Linux Foundation) to organizacja non-profit opiekująca się m.in. samym Linuksem i wieloma projektami open source.)

Skąd się wzięły skille i czemu kiedyś miały sens

Skille zadebiutowały w październiku 2025 roku — w czasach, gdy modele wymagały jeszcze sporo prowadzenia za rękę. Chciałeś, żeby Claude przesłuchał Cię wywiadem przed dużym projektem? Musiałeś rozpisać wszystkie kroki, upchnąć je w pliku skill.md i dobrać właściwą nazwę oraz opis, tak żeby model sięgał po właściwą umiejętność we właściwym momencie i do właściwego zadania. Wtedy ta robota miała sens. Modele pokroju Opusa 4.1 nie zawsze potrafiły z pojedynczego polecenia wywnioskować, co ma nastąpić dalej. Skille były więc kulami dla modeli, które dobrze przyjmowały i oddawały dane, ale gorzej radziły sobie z rozwinięciem polecenia na podzadania. Dzisiejsze modele — od najmocniejszego Fable po najmniejszego Haiku — potrafią to już same.

Rok później: stażysta zrobił magisterkę

Z tego, co autor widzi u użytkowników, ludzie jednak dalej pracują na tych samych skillach co rok temu. Trzymają kolekcje ponad pięćdziesięciu sztuk, z których tylko część wraca do użytku choćby regularnie. A spośród tych naprawdę osobistych — takich, których model nie ma szans znać — wiele spokojnie dałoby się sprowadzić do pojedynczych linijek w AGENTS.md. W efekcie karmi się model stosem instrukcji, których nie potrzebuje, a one dokładają się do zamieszania i spuchniętego kontekstu.

Weź prostą perspektywę: rok temu Claude był jak stażysta. Dziś nie jest jeszcze doktorem, ale powiedzmy, że magisterkę ma w kieszeni. A Ty wciąż wręczasz mu tę samą ściągę, z której korzystał na stażu.

(Informacja dodatkowa: AGENTS.md to plik z globalnymi wytycznymi, które agent — np. Claude Code — wczytuje na starcie każdej sesji; proste preferencje można w nim zapisać jednym zdaniem, zamiast tworzyć pod nie osobny skill.)

Cykl z YouTube: zainstaluj, użyj pięć razy, zapomnij

Jeśli regularnie oglądasz treści o AI na YouTube, ten rytm znasz: nowy skill robi furorę, a na miniaturze widnieje wielki napis w stylu „wstaw tu swój temat — montaż wideo, tworzenie skilli — bądź ambitny”. Instalujesz, używasz cztery, pięć razy. Ambitniejszy użytkownik napisze własną wersję albo przerobi kilka fragmentów pod siebie. Ale prawie nikt nie pamięta, żeby cokolwiek usunąć. Autor przyznaje, że sam popełniał ten błąd: w okresie intensywnego nauczania nazbierał ponad 121 skillów, w tym całe mnóstwo umiejętności pokazowych. Każda z nich przy każdej sesji ładowała do okna kontekstowego swoją nazwę i opis. Pojedynczo — grosze; na tej skali kontekst zaczyna się zatruwać.

Pierwszy sygnał: Opus 5

Po raz pierwszy tę zasadniczą różnicę widać było przy okazji Opusa 5. Obok wersji 5.5 to model fatalny — ale nie o tym mowa. Istotne jest co innego: użytkownicy odkryli wtedy, że po usunięciu większości skillów i instrukcji model zaczyna działać wyraźnie lepiej. I był to pierwszy twardy dowód, jak blisko jesteśmy modeli, które do swojej roboty nie potrzebują dodatkowych kul.

Sto skillów to sto szans na pomyłkę

Pomyśl o tym tak: mając sto skillów, dajesz modelowi sto okazji, żeby sięgnął po zły. A wiele z nich nachodzi na siebie. Autor miał kiedyś sześć skillów do projektowania — każde mówiło odrobinę co innego, a w gruncie rzeczy to samo. Czy projekty wychodziły przez to lepiej? Ani trochę. Raz trafiała się sesja, która zachwycała, bo model akurat sięgnął po to lepsze; innym razem po starsze i słabsze — a kończyło się niepotrzebnym strofowaniem Claude’a i spalonymi tokenami.

Przypadek /grill: 300 tysięcy gwiazdek zamknięte w jednym zdaniu

Najczystszy przykład skilla, z którego mogłeś korzystać — albo wciąż korzystasz — to /grill. Autorem jest Matt PCO, wyjątkowo płodny twórca drobnych, przyrostowych umiejętności, które w ostatnich miesiącach pomagają trzymać sesje na właściwym kursie. Ten konkretny skill zebrał na GitHubie blisko 300 tysięcy gwiazdek. Idea jest prosta: zanim pozwolisz AI wznieść wszystko od podstaw, każ mu Cię przepytać — wyciągnąć z Ciebie informacje, które pominąłeś albo nie umiałeś ubrać w słowa podczas planowania. W teorii: znakomicie.

Obecna wersja liczy około 330 słów instrukcji. Na tle potworów po ponad pięć tysięcy słów (razem ze skryptami) to niewiele — ale i tak większość tej treści dałoby się zapisać jednym zdaniem: „Gdy próbuję coś zbudować albo stworzyć nowy zasób, a instrukcje nie są w pełni jasne albo czujesz, że brakuje szczegółów, zadaj mi serię pytań narzędziem AskUserInput”. A i to zdanie — improwizowane na poczekaniu — dałoby się jeszcze skrócić.

Test porównawczy: oficjalny skill kontra jedna linijka

Autor zestawił ze sobą dwie sesje. W pierwszej kazał sobie zadawać pytania jednoliniową regułką w AGENTS.md, niemal identyczną jak powyższa. W drugiej uruchomił oficjalny skill /grill. Różnica? Formatowanie, emotki, podział na rundy. Gdy jednak przyjrzeć się głębokości pytań, obie wersje są do siebie bardzo zbliżone — a do pełni podobieństwa wystarczy dopisek: „dodaj emotkę przy każdym pytaniu i ułóż je w rundy”. Wniosek praktyczny: takich skillów będziemy potrzebować coraz mniej.

Trzy typy skillów, które wciąż zasługują na miejsce

Które umiejętności więc zostają? Autor dzieli je na trzy kategorie — i dorzuca wskazówkę, jak je wywoływać tak, by okno kontekstowe zostawało możliwie puste.

Pierwszy typ: skill, który za każdym razem uruchamia ten sam kod. Najlepszy przykład to samo narzędzie montażowe, którym powstaje ten film: ponad 22 tysiące linii kodu — poprawki ujęć, synchronizacja ruchu ust, czyszczenie dźwięku, animacje. Nawet najmądrzejsze modele, jak Fable, potrafią rozjechać się między sesjami i nie zawsze potraktują ten sam plik wideo identycznie. Tu o powtarzalność musi dbać kod, nie model.

Drugi typ: skill, który wie coś, czego model nie znajdzie ani w treningu, ani w internecie. To najbardziej osobiste instrukcje: jak piszesz e-maile, jak Twoi klienci chcą raportów i briefów. Te warto zatrzymać — ale tylko pod warunkiem, że nie będą dublować pliku pamięci, który i tak notuje Twoje preferencje między sesjami. Autor typuje, że im lepiej będą działać natywne pamięci w narzędziach AI, tym mniej treści będzie potrzebował taki skill — aż w końcu zostanie z niego jedna linijka w AGENTS.md.

Trzeci typ: skill-ściąga do nawigacji po API usługi, która nie ma MCP ani natywnego konektora. Zwłaszcza gdy API stawia przed modelem setki ścieżek do wyboru, pomocna bywa krótka lista: których endpointów używać i w jakiej kolejności. Przykład: autor trzymał kiedyś skill oparty na API Calendly, bo nie było niczego wygodniejszego. W dniu, w którym Calendly wydało własny MCP, skilla wyrzucił — zrobił się zbędny.

Trzy pytania kontrolne — a potem scalanie

Przy każdym skillu z kolekcji warto zadać trzy pytania: Czy uruchamia konkretny, powtarzalny kod? Czy wie coś, czego model nie zna z treningu i nie znajdzie w sieci? Czy istnieje już produkt, zestaw umiejętności albo serwer MCP, które czynią go zbędnym? Jeśli któreś umiejętności przejdą ten test na papierku lakmusowym, kolejnym krokiem jest sprawdzenie, czy nie da się ich połączyć — tak, żeby razem były szczuplejsze i sprawniejsze niż osobno.

Zakładka: audyt zamiast zgadywania

Tu wypada wstawić zakładkę, bo zaraz pojawi się bardzo mocny prompt, który wygeneruje wizualne zestawienie wszystkich Twoich skillów — z informacją, których faktycznie używałeś w ostatnich miesiącach. Jak wszędzie obowiązuje tu zasada 80/20: garść umiejętności pracuje dzień w dzień, reszta bywa odpalana sporadycznie — a może wcale nie zasługuje na miano skilla.

Droga Anthropic: od modelu do agenta

Zanim dojdziemy do samego audytu, wróćmy na chwilę do tego, że Anthropic rozdaje framework skills. Dzień wcześniej firma pokazała bowiem swojego nowego osobistego agenta, Claude Duet. Jeśli termin Ci umyka: to odpowiednik narzędzi takich jak Rockbot, Muse, OpenClaw czy Hermes — agent, który ma z własnej inicjatywy dawać Ci znać o sprawach wymagających delikatnego ponaglenia.

Spójrz na tę drogę: najpierw Anthropic skupiało się na tym, jak w ogóle zrobić dobry model. Potem — jak zrobić dobry model z zestawem narzędzi, z których potrafi korzystać. Następnie, jak podpiąć do tego samego zestawu narzędzia zewnętrznych dostawców, żeby zyskać elastyczność wobec różnych usług. Potem przyszły ściągi, ochrzczone mianem „skills”. A dziś firma wypuszcza agenta, który robi to wszystko natywnie — bez konieczności trzymania Cię za kierownicą.

Z tych drobnych sygnałów płynie wniosek, który autor mówi wprost: skille pozostaną na razie użyteczne, zwłaszcza trzy typy opisane wyżej, ale w świecie modeli najnowszej generacji będą coraz mniej potrzebne i coraz mniej istotne.

Audyt w praktyce: 374 skille na jednym Macu mini

Główny komputer autora jest pod tym względem w miarę uporządkowany, więc raport testował na Macu mini, gdzie zostały echa z czasów OpenClaw. Wyniki? 374 skille — z czego połowa pochodzi z wtyczek. Jeśli też doinstalowywałeś pluginy, to odziedziczyłeś umiejętności, które niepotrzebnie obciążają cały system. Audyt podpowiedział ponadto, że 46 skillów da się scalić w sześć złożonych, 70 nadaje się do skasowania (do samodzielnej weryfikacji), a 25 zostało oznaczonych jako niepewne. Raport pokazuje też dziesięć najczęściej używanych umiejętności w formie siatki, a ci, którzy myślą obrazami, dostają pełną mapę cieplną według dat: kiedy który skill był w użyciu. W ten sposób w sekundę widać różnicę między tym, co się ściągnęło, bo ktoś na YouTube krzyczał, że „to jest szalone, zmieni Ci życie i rozwiąże głód na świecie”, a tym, czego używa się dzień w dzień.

Prompt, który odtwarza raport

Chcesz taki raport u siebie? Wysyłasz prompt w tym stylu — autor czyta pierwszą część, a resztę zostawia w drugim linku pod filmem:

Przeprowadź audyt wszystkich skillów, które moje narzędzia AI potrafią załadować; ustal, których faktycznie używam, i pokaż, co zostawić, scalić i usunąć. Nie usuwaj, nie przenoś i nie edytuj niczego — to audyt wyłącznie do odczytu. Na koniec zwróć jeden samodzielny plik raportu, bez plików pomocniczych, który otworzę w przeglądarce.

Dalsze sekcje promptu rozpisują kolejne etapy: znajdź każdy skill, zastosuj kryteria oceny, przejrzyj dotychczasowe sesje i sprawdź, gdzie oraz kiedy dana umiejętność była używana; wyłap pokrycia; rozsortuj wszystko trzema pytaniami; zaproponuj scalecia i zbuduj finalny raport.

Umiejętności na żądanie, nie na stałe

I jeszcze jedna praktyczna perła. Nie każdy skill musi ładować się przy każdej nowej sesji. Bywa, że któregoś używało się intensywnie — bo akurat trwał gorący okres — a jest on istotny tylko dla konkretnego wycinka roku. Zamiast trzymać go włączonym na stałe, zrób osobny folder na skille, których Claude Code nie wczytuje na starcie. A gdy przyjdzie potrzeba, po prostu każ Claude’owi: wejdź do tamtego folderu, przeczytaj tego skilla, przejrzyj dokumentację, uruchom skrypty. Bo skill to w gruncie rzeczy zwykła ściąga w eleganckim opakowaniu. W ten sposób korzysta się z umiejętności „just in time” — takich, które nie wiszą na stałe w oknie kontekstowym.

Dziesięć sekund na instalację — i dziesięć na sprzątanie

Zainstalowanie skilla zajmuje dziesięć sekund. Nikt jednak nie poświęca kolejnych dziesięciu, żeby usunąć te niepotrzebne. To, że skills stają się standardem, to dobra wiadomość dla samego formatu — ale też wyraźny sygnał, żeby posprzątać we własnym domu. Przejdź się po całym warsztacie i zobacz, gdzie trzymasz martwy balast: nieżywe skille, zdublowane instrukcje i wszystko to, co nie pozwala modelowi pokazać pełni możliwości. Pełny prompt czeka w drugim linku w opisie. A jeśli chcesz pociągnąć temat dalej — z osobistą pomocą autora, jego zespołu i całej społeczności — zajrzyj do pierwszego linku. Film się spodobał? Łapka i komentarz mile widziane. Do zobaczenia w następnym.