O czym jest ten film
- Andrej Karpathy — współzałożyciel OpenAI, były szef AI w Tesli, autor pojęcia „vibe coding”, dziś pracownik Anthropic — i to, jak on sam na co dzień pracuje z agentami AI.
- Korzysta wyłącznie z aplikacji Claude Code na Maca z modelem Opus 5.5, zawsze na średnim poziomie wysiłku rozumowania — maksymalnego nie używa wcale.
- Nie czyta kodu, nie pisze go i nie uruchamia poleceń w terminalu; jedyny sposób pracy to rozmowa z Claude, który robi wszystko „za kulisami”.
- Każe modelom wyjaśniać sobie rzeczy w ASD — skrajnie uproszczonym angielskim wzorowanym na lotniczych instrukcjach naprawczych.
- Jego prompty stają się coraz krótsze i prostsze: dokładanie wymagań często pogarsza wynik, bo nasze kolejne prośby bywają sprzeczne z wcześniejszymi.
- Bezpieczeństwo i wdrożenie projektu zamawia jednym zdaniem — resztę rozbierają na czynniki pierwsze subagenty Claude.
- Zamiast czytać — ogląda: prosi o diagramy, strony HTML, a nawet krótkie filmy wyjaśniające.
- Nie ufa publicznym benchmarkom; na Hacker News odesłał czytelników do Epoch ECI, a o inteligencji modeli sądzi po codziennej interakcji z nimi.
- Testuje modele po swojemu — np. pytając o współrzędne „ląd czy woda”, aż z odpowiedzi złożyła się mapa świata.
- Gdy coś go irytuje, od razu buduje narzędzie (tak powstał Hacker Tube); drogi model u niego dyryguje, a tańsze subagenty Sonnet wykonują pracę, a zamiast aplikacji publikuje źródło danych i prompt.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Średni wysiłek zamiast maksymalnego
Na czym polega: Karpathy używa Opusa 5.5 w Claude Code wyłącznie na średnim poziomie wysiłku (ang. medium effort) — mimo że wyższy tryb jest dostępny, nie sięga po niego.
Jak stosować: Jeśli większość pracy prowadzisz z jednym mocnym modelem, ustaw średni poziom jako domyślny i podnoś go tylko przy zadaniach, które faktycznie wymagają głębszego rozumowania.
Na co uważać: Oszczędność na trybie nie zawsze jest darmowa — przy naprawdę złożonym problemie porównaj jakość wyniku na obu poziomach, zanim wprowadzisz średni tryb na stałe.
2.Ręce z dala od kodu
Na czym polega: Karpathy nie czyta kodu, nie pisze go i nie uruchamia poleceń terminalowych. Jedyny interfejs pracy to rozmowa z agentem — całą „czarną robotę” wykonuje model.
Jak stosować: Ustal sobie żelazną regułę: edytor i konsola zostają zamknięte, komunikacja wyłącznie przez prompt. To zmusza do precyzyjnego opisywania intencji i pozwala agentowi utrzymać spójność całego projektu.
Na co uważać: Pełne oddelegowanie wymaga sposobu sprawdzania efektów — jeśli nie masz jak zweryfikować działania aplikacji, ciche błędy mogą długo przejść niezauważone.
3.Wyjaśnienia w zdyscyplinowanym, prostym języku
Na czym polega: Model ma tłumaczyć mu rzeczy w ASD — stylu angielskiego wzorowanym na lotniczych podręcznikach naprawczych: minimum słów, ściśle kontrolowane słownictwo.
Jak stosować: Do promptu dodaj polecenie w rodzaju „wyjaśnij najprostszym, technicznym językiem, bez zbędnych słów” — zwłaszcza gdy wchodzisz w nową dziedzinę i chcesz zrozumieć istotę, nie ozdobniki.
Na co uważać: Skrajne uproszczenie potrafi skleić pojęcia, które w istocie się różnią — tam, gdzie liczy się precyzja terminologiczna, poproś model o rozróżnienie wariantów.
4.Im krótszy prompt, tym lepiej
Na czym polega: Prompty Karpathy’ego są coraz krótsze i — jak sam przyznaje — „coraz głupsze”. Dodatkowe wymagania często pogarszają efekt, bo kolejne ludzkie prośby bywają zaprzeczeniem wcześniejszych.
Jak stosować: Zanim dopiszesz kolejny warunek, przejrzyj prompt i sprawdź, czy nowe polecenie nie przeczy czemuś, co napisałeś wyżej. Często lepiej podać cel niż listę żądań.
Na co uważać: Krótko nie znaczy niejasno — jeśli model źle zgaduje intencję, przyczyną bywa brak kontekstu, a nie nadmiar słów.
5.Duże zadania jednym poleceniem
Na czym polega: Wzmocnienie bezpieczeństwa projektu zamówił zdaniem „check recent cyber stuff” („sprawdź najnowsze materiały o cyberbezpieczeństwie”), a wdrożenie — podając adres IP serwera i słowa „update, deploy, secure, harden, optimize”. Resztę rozbili na czynniki pierwsze subagenty Claude.
Jak stosować: Formułuj zadania jako intencje i słowa-klucze zamiast szczegółowych checklist — nowoczesny agent sam podzieli to na kroki i uruchomi pomocnicze modele.
Na co uważać: Takie jednozdaniowe polecenia działają tylko, gdy model zna kontekst projektu i ma dostęp do potrzebnych zasobów (np. serwera) — bez tego samo hasło nie wystarczy.
6.Obraz zamiast tysiąca słów
Na czym polega: Gdy czegoś nie rozumie, Karpathy nie sięga po lekturę, tylko o wizualizację: prosi o diagram, stronę HTML, a nawet dedykowany krótki film wyjaśniający.
Jak stosować: Zamiast czytać wygenerowany opis, poproś model o schemat, interaktywną stronę czy animację problemu. Mocny model przygotuje taką pomoc często szybciej, niż zajmie przeczytanie tekstowego odpowiednika.
Na co uważać: Wizualizacja to zawsze uproszczenie — krytyczne szczegóły sprawdź u źródła, zanim podejmiesz na jej podstawie decyzję.
7.Nie ufaj publicznym benchmarkom
Na czym polega: Karpathy publicznie podważył wiarygodność popularnych benchmarków i na Hacker News odesłał zainteresowanych do Epoch ECI — agregatowi, który rygorystycznie ocenia, czy dany benchmark w ogóle zasługuje na uwagę. O inteligencji modeli wnioskuje raczej z codziennej współpracy.
Jak stosować: Wybierając model, kieruj się własnymi zadaniami testowymi z realnej pracy, a rankingi traktuj co najwyżej jako pierwszy odsiew.
Na co uważać: Ani benchmarki, ani wrażenia z rozmowy nie powiedą niezawodnie, jak model poradzi sobie w długim, autonomicznym zadaniu — sprawdź to w praktyce.
8.Testuj modele własnymi metodami
Na czym polega: Karpathy zadawał modelowi jedno pytanie — „ląd czy woda?” — podając współrzędne geograficzne, a odpowiedzi zaznaczone czarnym i białym punktem złożyły się w mapę świata. W ten sposób pokazał, że wiedza o świecie jest dziś „zapisana w neuronach” modeli.
Jak stosować: Wymyślaj proste, powtarzalne próby na własne potrzeby — np. serię pytań z twojej dziedziny z znanymi ci odpowiedziami — i porównuj na nich kolejne wersje modeli.
Na co uważać: Jeden efektowny test pokazuje zdolności wybiórczo; sensowne wnioski wymagają powtórzeń na różnych typach zadań.
9.Irytacja to sygnał do zbudowania narzędzia
Na czym polega: Gdy nachalne miniatur na YouTube zirytowały Karpathy’ego, nie narzekał — w kilka chwil postawił Hacker Tube, własny „YouTube” złożony z materiałów od lat polecanych na Hacker News, i od razu udostępnił stronę w sieci.
Jak stosować: Prowadź w głowie listę drobnych irytacji z narzędzi, których używasz. Każda z nich to gotowy pomysł na małą aplikację, którą agent zbuduje dla ciebie w godzinę.
Na co uważać: Prywatne narzędzie „na już” rzadko nadaje się do udostępnienia innym — nie każda taka poprawka to produkt.
10.Dziel się danymi i promptem, nie aplikacją
Na czym polega: Karpathy nie publikuje kodu swoich aplikacji — uważa konkretną implementację za zwykłe opakowanie. Przekazuje za to źródło danych i prompt, a każdy może w Claude wygenerować własny, dopasowany wariant.
Jak stosować: Gdy chcesz się podzielić projektem, przekaż zbiór danych i prompt zamiast gotowej aplikacji — odbiorca dostanie wersję skrojoną pod siebie, a ty nie wspierasz cudzych instalacji.
Na co uważać: Ten model współdzielenia wymaga, by dane dało się opublikować (licencje, prywatność) i by odbiorcy mieli dostęp do porównywalnego modelu — bez tego „zbuduj sobie sam” nie zadziała.
Redakcyjne tłumaczenie
„Wujek Andrej”, czyli dlaczego warto słuchać
Andrej Karpathy — którego autor kanału pieszczotliwie nazywa „Wujkiem Andrejem” — należy do najwybitniejszych inżynierów na świecie. Współtworzył OpenAI, potem kierował zespołem AI w Tesli, ukuł termin „vibe coding”, a dziś pracuje w Anthropic. Skoro więc Karpathy opowiada, jak korzysta z agentów AI, autor przyznaje bez matactwa: słucha uważnie. I przez ostatnie dwa tygodnie dokładnie przyglądał się temu, co robi. Oto zebrane obserwacje.
(Informacja dodatkowa: „vibe coding” to ukuta przez Karpathy’ego nazwa stylu programowania, w którym człowiek opisuje jedynie intencje, a kod pisze model — bez wnikania w jego szczegóły.)
Jedna aplikacja, jeden model, średni tryb
Punktem wyjścia jest konfiguracja: Karpathy pracuje wyłącznie w Claude Code, aplikacji desktopowej na Maca, z modelem Opus 5.5 — i zawsze na średnim poziomie wysiłku rozumowania. To jego domyślne ustawienie. Maksymalnego trybu nie używa wcale.
Ręce z dala od kodu
Druga żelazna zasada dotyczy samego kodu: nie dotyka go. Nie czyta go, nie pisze i nie uruchamia poleceń w terminalu. Cała komunikacja to rozmowa z Claude — i to model wykonuje za kulisami całą resztę.
Angielski z instrukcji naprawy samolotów
Skoro nie zagląda do kodu, musi rozumieć inaczej. Dlatego każe modelom wyjaśniać mu rzeczy w ASD — odmianie angielskiego wzorowanej na lotniczych podręcznikach naprawczych, która wycina zdecydowaną większość zbędnych słów i trzyma słownictwo w bardzo wąskich ryzach.
(Informacja dodatkowa: ASD-STE100, czyli Simplified Technical English, to sformalizowany, sztucznie uproszczony angielski opracowany dla przemysłu lotniczego — krótkie zdania, jedno pojęcie przypisane do jednego słowa.)
Coraz krótsze — i „coraz głupsze” — prompty
Prompty Karpathy’ego są dziś bardzo krótkie i bardzo proste. Tłumaczy to wprost: dokładanie wymagań do promptu często pogarsza pracę modelu, bo my, marni śmiertelnicy, nie dostrzegamy, że nasze prośby bywają wzajemnie sprzeczne — późniejsze polecenia odwracają sens wcześniejszych.
Wystarczy przyjrzać się, jak wzmocnił bezpieczeństwo jednego z ostatnich projektów. Wystukał po prostu: „sprawdź najnowsze materiały o cyberbezpieczeństwie” („check recent cyber stuff”). Claude wysłał kilka subagentów, żeby to odrobił, a potem utwardził projekt.
Podobnie wyglądało wdrożenie. Zapytany, jak je przeprowadził, Karpathy odpowiedział: podał Claude adres IP serwera i wypowiedział słowa „update, deploy, secure, harden, optimize” — zaktualizuj, wdróż, zabezpiecz, utwardź, zoptymalizuj. I maszyna ruszyła.
Najpierw pokaż, potem tłumacz
Ponieważ obraz chłonie się szybciej niż tekst się czyta, Karpathy gdy czegoś nie rozumie, prosi o diagram, stronę HTML, a czasem wręcz o dedykowany krótki film wyjaśniający. Logika jest prosta: skoro obraz jest wart tysiąca słów, po co czytać tych tysiąc słów, jeśli Opus 5.5 — albo model o podobnych możliwościach — przygotuje ten obraz szybciej, niż zajmie lektura?
Benchmarkom publicznym — nie
Karpathy nie ufa publicznym benchmarkom. Jeszcze kilka dni wcześniej zostawił na Hacker News komentarz, w którym odesłał zainteresowanych do Epoch ECI.
(Informacja dodatkowa: Epoch AI to niezależny instytut badawczy śledzący rozwój sztucznej inteligencji; jego ECI działa jak „benchmark benchmarków” — ocenia metodologiczną wiarygodność poszczególnych testów i to, czy w ogóle warto na nie patrzeć.)
Jak się okazuje, spora część benchmarków jest wadliwa. Z tej podejrzliwości wynika prostszy wniosek: o inteligencji modeli Karpathy sądzi raczej po tym, jak sprawdzają się w codziennej interakcji, niż po wynikach w jakichś dziwacznych rankingach.
Test „ląd czy woda” i mapa świata z niczego
A skoro mowa o interakcji — Karpathy przeprowadza z modelami mnóstwo dziwnych prób. W jednej z nich zadawał modelowi banalne pytanie: „ląd czy woda?”, podając parę współrzędnych — szerokość i długość geograficzną. Każdą odpowiedź nanosił na wykres: ląd jako czarny punkt, woda jako biały. Z tak zebranych odpowiedzi złożyła się kompletna mapa świata. Celem pokazu było wykazanie, że większość ludzkiej wiedzy o świecie jest dziś „zakodowana w neuronach” modeli takich jak Opus 5.5 — i że Karpathy nie boi się takich eksperymentów, którymi potrafi zarówno potwierdzać, jak i obalać to, co deklarują benchmarki.
Irytuje się? Buduje. Tak powstał Hacker Tube
U Karpathy’ego poprawki powstają w momencie irytacji. Przeglądając przed kilkoma dniami YouTube i widząc — jak żartuje autor, być może mnóstwo miniatur samego autora tego kanału — nachalne miniatury, miał wykrzyknąć: „no co za zalew szrotu”. Efekt? Postanowił zbudować nowego YouTube’a, nazwanego Hacker Tube: narzędzie zebrało najlepsze materiały z Hacker News, ułożyło z nich archiwum wartościowych, ponadczasowych treści — i tak powstała własna platforma wideo Karpathy’ego. Gotową stronę od razu wrzucił do sieci.
Dane przefiltruj, resztę oddaj tańszemu modelowi
W projektach opartych na danych postępuje według stałego schematu. Najpierw każe Claude zbudować filtry, które odsiewają śmieci — adresy URL, wzorce, spam. To, co zostanie — nawet jeśli nie jest特别 ładnie sformatowane — trafia do Sonnet, przede wszystkim przez Claude Code workflows. Dzięki temu całość mieści się w ramach jego subskrypcji, a jednocześnie pracą orkiestruje tańszy model.
I szerzej: bardzo podoba mu się taka struktura delegowania, w której Opus 5.5 na średnim trybie rozdziela zadania między całą gromadkę subagentów Sonnet.
Nie udostępnia aplikacji — udostępnia dane i prompt
Karpathy wyraźnie wykracza poza dzielenie się kodem aplikacji, bo uważa go za czystą abstrakcję. Gdy ktoś chce coś, co zbudował, on nie wysyła aplikacji. Przekazuje źródło danych i prompt — a odbiorca ma sobie w Claude wygenerować własny wariant. Tak każdy dostaje build skrojony na miarę własnych potrzeb, a autor nie musi nikomu udostępniać gotowca.
Autor kanału widzi w tym głębszą prawdę: większość konkretnych implementacji to jedynie opakowania wokół rdzenia, którym są dane. Skoro model jest w stanie owinąć wokół danych dowolny interfejs czy aplikację, efekt jest ten sam — a bywa, że lepszy.
„Dzień dobry, Claude”
Na koniec detal, który wiele mówi. Karpathy jest wobec Claude uprzejmy. Budując wspomniany Hacker Tube zaczął sesję słowami: „Cześć, Claude, dzień dobry. Jak leci? U mnie świetnie, dzięki. Zbuduj mi stronę w stylu YouTube, ale ograniczoną do filmów, które przez lata były wielokrotnie polecane na Hacker News. I proszę, nie rób błędów”. Jak bardzo „naukowa” jest prośba o nienarobienie błędów — tego autor ocenić nie potrafi. Wniosek ma jednak prosty: wszyscy powinniśmy odzywać się do Claude grzecznie. Ten system budować nam będzie niezliczone ilości infrastruktury — i, sądząc po tonie, w jakim zwraca się do niego Karpathy, on najwyraźniej podziela to przeświadczenie.
Zakończenie
Autor zaprasza do zostawienia reakcji pod filmem — takie analizy pracy znanych profesjonalistów z AI sprawiają mu frajdę, a wszyscy, jak sądzi, mogą się z nich czegoś nauczyć. Zachęca też do subskrypcji kanału i umawia się na kolejne odcinki.