O czym jest ten film
- Autor udostępnił publicznie swoje repozytorium agent skills (ponad 42 gotowe „umiejętności” dla agentów), które szybko stało się popularne na GitHubie i Twitterze.
- Prezentuje osiem swoich ulubionych skilli i tłumaczy, do czego konkretnie ich używa.
- Global agent guardrails — zabezpieczenia (hooki) blokujące niebezpieczne komendy, gdy agent działa w trybie „yolo” (bez potwierdzania).
- Git worktree — izolowanie wielu agentów pracujących równolegle w tym samym repozytorium.
- VPS server management — zarządzanie agentami rozproszonymi po wielu serwerach VPS przy pomocy jednego agenta.
- Goal loop — zamiana krótkiej, mglistej instrukcji w precyzyjny prompt z weryfikowalnym warunkiem końcowym.
- Setup help — prowadzenie użytkownika krok po kroku przez złożoną konfigurację bez gubienia listy pozostałych kroków.
- Decisions / next decision — przegląd kluczowych decyzji agenta zamiast czytania tysięcy linii kodu.
- Anti-sleep — utrzymywanie komputera w stanie czuwania, gdy agenty pracują w tle.
- Deep API skill — pojedynczy klucz API dający agentom scraping, deep research, e-mail i więcej (produkt autora, na razie dostępny tylko na zaproszenie).
Redakcyjne tłumaczenie
Wstęp: dlaczego umiejętności dla agentów mają znaczenie
Nazywam się David Andre. Przez ostatnie trzy lata spędziłem znacznie ponad 2000 godzin, programując z agentami AI. Trzy tygodnie temu postanowiłem udostępnić publicznie moje repozytorium skilli — wszystkich agentowych „umiejętności”, których używam, niezależnie od tego, czy chodzi o Codex, Claude Code, Pi Agent, Hermes, cokolwiek.
Kiedy to zrobiłem, repozytorium eksplodowało i natychmiast stało się moim najpopularniejszym repo na GitHubie. Na Twitterze zebrało ponad pół miliona wyświetleń i reakcje wiarygodnych ludzi ze świata AI — między innymi współzałożyciela Hermes Agent Morgana Lintona, a CTO Boldmetrics nazwał je „prawdopodobnie najlepszym pojedynczym repozytorium agent skills”. CTO OpenSea, Chris Maddern, powiedział, że to jedno z najbardziej użytecznych otwartych repozytoriów tego typu.
W tym filmie pokażę całe repo. Jest w nim ponad 42 różne skille, ale skupię się na ośmiu ulubionych i wyjaśnię, dlaczego są moimi faworytami i jak dokładnie ich używam.
Umiejętność tworzenia i projektowania skutecznych, mocnych agent skills będzie jedną z najbardziej wartościowych kompetencji w latach 2026, 2027 i kolejnych. To nie tylko moje przekonanie — jeśli wpiszesz „agent skills” w Google Trends, zobaczysz szaleńczy wzrost popularności i zapotrzebowania. Repozytoria niestandardowych, przetestowanych, mocnych skilli stają się popularne, bo ludzie rozumieją, że to ci, którzy potrafią kontrolować agenty i najlepiej nimi sterować, wygrają w przyszłości. Liczą się tylko dwie rzeczy: po pierwsze, jak dobrze potrafisz kontrolować agenty, a po drugie, czy stać cię na ich uruchamianie.
(Informacja dodatkowa: „skill” w rozumieniu autora to zewnętrzny plik z instrukcjami — np. skill.md — który agent wczytuje na żądanie, gdy zadanie tego wymaga. Dzięki temu nie trzeba trzymać całej wiedzy w głównym prompcie systemowym.)
Skill 1: Global agent guardrails
Kiedy chcesz używać agenta AI i nie masz ochoty naciskać Enter dziesięć razy, żeby zatwierdzić każdą pojedynczą komendę, musisz uruchomić go w trybie „yolo”. To jedyny sposób, by skutecznie prowadzić systemy wielo-agentowe na dużą skalę. Daje to ogromną prędkość, bo nie zatwierdzasz każdej czynności agenta — ale niesie też ryzyko. Możesz je minimalizować, używając mocnych modeli (jak Kimi K3, Fable 5 czy GPT-5.6 Soul), ale nie da się go usunąć całkowicie. Były niezliczone przypadki, gdy agent wymazał produkcyjną bazę danych i tym podobne.
Dlatego ten skill jest niezbędny i dlatego stawiam go na pierwszym miejscu: jeśli uruchamiasz agenty w trybie yolo bez skonfigurowanych guardrails, popełniasz duży błąd.
Skill zawiera hooki (w moim repo, na poziomie głównym — trzy hooki związane właśnie z nim; znajdziesz go w folderze „ops and setup”). Wszystkie te skille są dość długie, bo są pisane z pomocą AI i dla AI. Tego ludzie nie rozumieją: wszystko, co dziś budujemy, nie jest już przeznaczone dla ludzi, tylko dla agentów. Tak, skill powinien być czytelny dla człowieka, ale to nie ty będziesz głównym użytkownikiem oprogramowania w przyszłości. Najlepsze jest to, że możesz użyć mocnego modelu (np. Fable 5 z bardzo wysokim albo maksymalnym poziomem rozumowania), żeby sprawdzić, czy skill jest dobrze napisany pod agenty.
Jeśli uruchamiasz agenta z opcją „dangerously skip permissions” lub w trybie yolo, ten skill ustawi potrzebne hooki. Blokuje niebezpieczne wzorce: rekursywne usuwanie, wymazywanie historii Git, rm wymierzone w katalog główny, cały folder domowy, niszczyciele dysku, usuwanie z uprawnieniami administratora, fork bomby, przekierowywanie zawartości internetu prosto do powłoki, przepisywanie zdalnej historii Git, usuwanie zdalnych gałęzi i tagów, psucie uprawnień i własności całego systemu, niszczenie reflogu (siatki bezpieczeństwa) oraz zabezpieczenia dla GitHub CLI.
Kluczowe: to hook typu „pre-tool-call”, który uruchamia się przed każdym wywołaniem narzędzia. To nie jest wpisanie zasady do promptu systemowego i liczenie, że agent jej posłucha — to nie wystarcza. Blokada działa programistycznie, zanim narzędzie zostanie uruchomione. To prosty skrypt powłoki zawierający przykłady tego, co musi być zablokowane, i tego, co musi być dozwolone. Możesz na przykład rekursywnie usunąć node_modules (bo często się je przeładowuje), ale nie powinieneś rekursywnie usuwać całej maszyny — jeśli jakikolwiek agent to zrobi, możesz pożegnać się z całym komputerem.
Skonfiguruj to, zanim zrobisz cokolwiek innego.
Skill 2: Git worktree
Dla tych, którzy nie znają worktree — to absolutnie kluczowa koncepcja, gdy uruchamiasz wielu agentów równolegle na jednej maszynie. W przeciwnym razie będą walczyć o te same pliki. Na bardzo małym projekcie może to ujść płazem, ale gdy masz więcej niż pięciu agentów działających w tym samym repozytorium, naprawdę musisz zacząć używać Git worktree.
Każde worktree to w zasadzie kopia tego samego folderu w innym miejscu na komputerze, na osobnej gałęzi Git. Agent działa więc w pełnej izolacji od pozostałych, wszyscy pracują nad tym samym repozytorium, a ty osiągasz znacznie więcej i szybciej.
Skill jest krótszy, bo zawiera tylko instrukcje: jak używać worktree, jak je tworzyć i co należy skopiować (podstawy — pliki środowiskowe itp.). Bez tego agent w worktree nie może robić tego samego co w głównym checkoucie. Kiedy uruchamiasz nowego agenta, mówisz po prostu: „zaimplementuj funkcję X i zrób to w nowym Git worktree” — agent wczyta skill i dokładnie będzie wiedział, co zrobić: sklonować całe repo do osobnego katalogu (zwykle na poziomie głównym, w folderze worktrees).
Nie musisz się przy tym martwić, gdzie repo zostanie sklonowane — czy w folderze Dokumenty (zła praktyka), w folderze developerskim, czy na poziomie głównym systemu (dobra praktyka). Skill mówi agentowi, jak zacząć od wykrycia, gdzie się znajduje, krótko wyjaśnia, czym jest worktree, opisuje model pracy, tworzenie i usuwanie worktree, oznaczanie ich jako ukończone, automatyzację konfiguracji i inne rzeczy, które oszczędzają czas, pieniądze i tokeny. Kolejny niezbędny skill, którego używam wiele razy dziennie.
Skill 3: VPS server management
Jeśli prowadzisz wielu agentów, prawdopodobnie powinieneś część z nich odizolować. Wszystkie moje agenty Hermes są na VPS-ach. Mam osobny VPS dla Open Claw, który śledzi moje kalorie, treningi itd. Mój główny agent Hermes jest na jeszcze innym VPS-ie — ten obsługuje zadania, listy priorytetów i tego typu workflow produktywnościowe.
Dając agentowi VPS, dajesz mu pełny komputer. Rozdzielając agenty, nie musisz się martwić, że skasują coś na twoim komputerze ani że będą walczyć między sobą. Możesz je też łączyć — Open Claw i Hermes zasłynęły z konektorów, więc możesz rozmawiać z nimi przez WhatsappA, Telegram, Discord itd.
Problem: gdy masz wiele VPS-ów i wielu agentów na nich, trudno tym zarządzać. Ten skill to rozwiązuje. Zamiast zarządzać wszystkim ręcznie, używasz jednego agenta. Otwierasz nowy terminal i mówisz: „użyj VPS server management, żeby połączyć się z moim VPS-em Open Claw”. Nie ma znaczenia, czy to Pi Agent, czy Codex — dowolnym agentem możesz aktualizować wszystkie swoje VPS-y, przez SSH albo Tailscale, żeby odzyskać agenta po awarii (np. gdy Open Claw się wysypie) albo zaktualizować modele. Gdy wychodzi nowy model, prawdopodobnie chcesz zaktualizować Open Claw czy Hermes do najnowszej wersji. Bez tego skilla musiałbyś robić to ręcznie; z nim po prostu mówisz dowolnemu agentowi (np. Codex CLI napędzanemu przez 5.6 Soul extra high), jak zalogować się przez SSH na VPS, jak nawigować po folderach w konfiguracji Hermes i Open Claw.
Wiem, że skonfigurowanie pierwszego VPS-a i wdrożenie na nim agenta może onieśmielać, ale to ogromny lifehack produktywnościowy — poprawił mi jakość życia w wielu obszarach, nie tylko w programowaniu. Przykład: używam Open Claw na VPS-ie do śledzenia wszystkich kalorii, które jem w ciągu dnia, żeby wiedzieć, czy trafiam w moje 200 g białka. Jak pisałem parę dni temu: jeśli nie dobijasz do 200 g białka i 200 milionów tokenów dziennie, zostajesz w tyle.
Jeśli masz VPS, możesz wdrożyć na nim Open Claw, Hermes i Agent Zero, podłączyć je do ulubionych kanałów wiadomości (Slack, WhatsApp, Telegram) i wykorzystać do poprawy dowolnego obszaru życia lub biznesu.
(Informacja dodatkowa: w tej części autor przechodzi w płatną promocję hostingu Hostinger — poleca plan KVM 2 (8 GB RAM, 100 GB NVMe, 2 vCPU), abonament na 12 lub 24 miesiące dla największego rabatu, kod „David” na dodatkowe 10% zniżki oraz gotowe presety systemowe dla Hermes / Open Claw / Agent Zero. To materiał sponsorowany, nie merytoryczna część o skillach.)
Skill 4: Goal loop
Tu robi się ciekawie. Ten skill dotyczy „goal loop”, które stało się głośne na początku roku, gdy Codex dodał tę funkcję (teraz przemianowaną — RIP Codex). Skill uczy, jak zaprojektować dobry prompt goal loop. Możesz go dać Claude Code albo dowolnemu agentowi, a on zamieni krótką, mglistą instrukcję w konkretny goal loop.
/goal działa tylko wtedy, gdy istnieje weryfikowalny wynik końcowy. Jeśli powiesz „zbuduj tę funkcję”, agent to zrobi — może popracuje trochę mocniej niż zwykle — ale nie o to chodzi. Jeśli natomiast powiesz „nie przerywaj, dopóki nie znajdziesz 100 CMO w Idaho” albo „50 największych VC i co najmniej trzy formy kontaktu do każdego”, dajesz jasne liczby i jasny warunek końcowy — agent będzie działał, przenosząc góry, aż go osiągnie.
Kto chce o tym myśleć? Nie ja. Więc oddajemy to agentowi. Mówisz np. do Claude Code: „użyj goal loop, żeby dać mi prosty prompt”, i dodajesz w dwóch zdaniach zwykłym językiem: „znajdź 50 najlepiej zarabiających agentów nieruchomości na Florydzie w 2025 roku i co najmniej dwie formy kontaktu do każdego”. Napisanie tego zajęło mi 20 sekund. Claude Code wczytuje skill goal loop — który zawiera wszystkie definicje, wymagania, kiedy używać, pięcioczęściowy „kontrakt” — i zwraca zoptymalizowany prompt goal loop. Napisanie go ręcznie zajęłoby mi ponad pięć minut.
Potem kopiujesz ten prompt, uruchamiasz dowolny agent, wpisujesz /goal i startujesz. Claude Code napisał szczegółowy opis: jak to zrobić, jaki ma być wynik, jak kontynuować pracę, jak zapisać wynik (np. do methodology.md), że tylko źródła publiczne, jaka ma być struktura pliku CSV itd. Nie musieliśmy poświęcać 5–10 minut na projektowanie tego.
I znów: nie używaj tego tylko do kodowania. Wielu ludzi widzi „Claude Code” albo „Codex” i skoro nazwa sugeruje kodowanie, zatrzymuje się. A powinieneś uruchamiać wiele goal loopów do szukania ludzi, kontaktów marketingowych, nowych pracowników. Bądź kreatywny — niemal każdy problem można rozwiązać szybciej z agentami AI, tylko prawdopodobnie nie wiesz jeszcze, jak ich użyć.
Skill 5: Setup help
Ten skill ma odwrotny charakter. Poprzednie były o delegowaniu, gdzie agent robi wszystko sam. Ten jest na sytuacje, gdy musisz być zaangażowany: może konfigurujesz nową bazę danych i nie chcesz dawać agentowi do niej dostępu (co gorąco odradzam), albo są zmiany w deploymencie front-endu, albo musisz sam wypełnić formularz w aplikacji webowej.
To bardzo prosty skill (jeden z krótszych), który mówi, w jakim formacie agent ma cię prowadzić. Przykład: „użyj setup help, żeby pomóc mi wdrożyć backend w Pythonie na render.com. Nie mam pojęcia, jak to zrobić, nigdy tego nie robiłem, nawet nie wiem, co znaczy deployment”. Możesz być kompletnym początkującym, a skill przeprowadzi cię przez kroki w formacie, który cię nie zagubi.
Kluczowa wartość: skill daje ci kontekst do bieżącego kroku i jednocześnie utrzymuje listę pozostałych kroków. Czasem musisz zadać więcej pytań o jeden krok — i wtedy zwykły agent (bez skilla) gubi wszystkie pozostałe kroki. Z tym skillem to się nie zdarza. Możesz dopytywać o bieżący krok, a przy każdej odpowiedzi wciąż dostajesz listę pozostałych kroków. Agent nie zawęża się do jednej rzeczy i nie traci z oczu całości.
To niezbędne przy każdej bardziej skomplikowanej konfiguracji — nieważne, czy to płacenie podatków, nowy deployment backendu, czy zmiana DNS domeny. Mimo że to jeden z najkrótszych skilli w repo, nie należy go lekceważyć.
Skill 6: Decisions (i next decision)
Ten skill nazywa się „decisions” i muszę oddać kredyt Victorowi Talanowi, który zainspirował mnie do jego stworzenia (jego tweet warto przeczytać). Chodzi o to, że modele — zwłaszcza czołowe, jak Fable czy GPT-5.6 — potrafią praktycznie wszystko, ale musisz sprawdzać ich decyzje. Kod jest niemal perfekcyjny; to lepsi programiści niż 99,9% ludzi na świecie. Ale czasem mają wątpliwy osąd.
Dlatego po zaimplementowaniu czegoś — zwłaszcza średnich i dużych zmian — musisz zadać jedno pytanie: „Pracując nad tym, które wybory podjąłeś, których nie jesteś pewien? Wypisz wszystkie.”
Ja to dostosowałem, bo przy „wypisz wszystkie” modele przemyśliwują temat i wyliczają masę bezużytecznych rzeczy, których nie trzeba sprawdzać. Moja wersja (w folderze „thinking and docs”, prawdopodobnie drugi najkrótszy skill w repo) brzmi tak:
„Pracując nad tym, które ważne decyzje lub wybory podjąłeś, których nie jesteś pewien? Pomyśl o tym głęboko. Przeanalizuj wszystkie istotne decyzje i zastanów się, czy mają jakieś inne dobre alternatywy, których nie rozważyliśmy. Nie wypisuj wyborów ani decyzji, dla których mamy już najlepsze możliwe rozwiązanie. Wypisz tylko decyzje, co do których nie mamy pewności. Odpowiedz krótko, zwykłym językiem, zwięźle.”
Kiedy zaimplementujesz dużą funkcję, dużą poprawkę błędu albo duży refactor — gdzie zmieniają się dziesiątki plików, plus-minus setki, czasem tysiące linii kodu — naprawdę musisz to zrobić. Mówisz agentowi: „dobra robota, teraz przeczytaj /decisions i odpowiedz krótko, zwykłym językiem”.
Zamiast przeglądać kod, co w trzecim kwartale 2026 naprawdę nie ma już znaczenia, przeglądasz decyzje — wybory, których agent dokonał. Każda duża funkcja lub refactor wiąże się z wieloma decyzjami, jawnymi i ukrytymi. I to jest to, w czym ludzie są lepsi od modelu. Skill pozwala wydobyć te decyzje i sprawdzić je po dużej zmianie. Zamiast panikować, że model zmienił 2000 linii kodu w 30 plikach i to wszystko trafi do produkcyjnej bazy danych, oraz zamiast czytać wszystkie te pliki godzinami, uświadamiasz sobie, że liczą się decyzje.
Model powie ci: „to cztery główne decyzje, trzy uważam za już optymalne, co do ostatniej nie jestem pewien”. Możesz je przejrzeć i powiedzieć: „ok, te trzy w porządku, w ostatniej idź z tą opcją”.
Jako bonus istnieje powiązany skill „next decision”. Osobiście czuję się przytłoczony, gdy agent wypisuje 10 rzeczy naraz, bo nie mogę dać właściwego kontekstu do żadnej z nich. „Next decision” prowadzi jedną decyzję na raz: przedstawia cztery najlepsze opcje dla danej decyzji, pokazuje, którą rekomenduje, a ty mówisz: „nie, wszystkie cztery są słabe, zrobiłbym inaczej”, albo „trzecia jest solidna, idź z nią”, albo najczęściej „ta, którą polecasz, jest najlepsza, działaj”. Najważniejsze, że to przeglądasz.
Pisanie kodu jest łatwe — możesz poprosić Codex albo Claude Code i napiszą 10 000 linii w kilka minut. Nigdy nie było taniej pisać kod. Ale to, co jest drogie, trudne i czasochłonne, to jego przegląd. Zamiast przeglądać bezużyteczne rzeczy, przeglądasz tylko główne, ważne decyzje modelu.
Skill 7: Anti-sleep
To zabawny skill — anti-sleep. Zapobiega przechodzeniu komputera w tryb uśpienia. Może widziałeś ludzi chodzących po San Francisco z na wpół otwartymi laptopami. Ten skill oszczędza ci tego wstydu.
Oczywiście każdy system operacyjny (Windows, macOS, Linux) ma ustawienia, jak długo do uśpienia. Zamiast otwierać ustawienia ręcznie, mogę po prostu poprosić agenta: „otwórz ustawienia macOS, gdzie ustawia się, po jakim czasie ekran się wylogowuje — na zasilaczu i na baterii — i otwórz mi właściwe ustawienia”. Zamiast pięć minut klikać przez ustawienia albo googlować, gdzie jest dana opcja, mówisz agentowi, żeby ją znalazł i otworzył. I gotowe — kilka sekund.
Możesz używać agentów do znacznie więcej niż kodowania: konwertowania plików, kopiowania (np. przy migracji SQL, gdy musisz uruchomić ją sam — „skopiuj SQL do schowka macOS”), albo otwierania konkretnego pliku w Finderze („otwórz skill anti-sleep w Finderze”).
Sam anti-sleep idzie o krok dalej. Jeśli masz agenty działające na MacBooku i chcesz iść spać, a chcesz, żeby przez noc dalej pracowały — może masz ładny setup Herder wewnątrz Ghosty — ten skill istnieje właśnie do tego. Opiera się na komendzie caffeinate (dla macOS), która zapobiega uśpieniu. Skill opisuje główne parametry i dostarcza gotowy skrypt powłoki: mówi agentowi, jak go użyć i jak zweryfikować, że działa, i sprawdza, czy poprzedni skrypt już nie działa. Nie musi generować tego od nowa tokenami za każdym razem — po prostu wykonuje skrypt, co oszczędza pieniądze i czas.
Domyślnie to 3 godziny (możesz ustawić 5), z najmocniejszymi ustawieniami, tak by ani ekran, ani procesy nie zasnęły. Używam tego wiele razy dziennie — gdy mam wielu agentów w toku, a muszę wyjść na siłownię, uruchamiam to na dwie godziny.
Skill 8: Deep API
Ostatni skill zbudowałem sam — a właściwie większość zbudowałem sam, ale ten opiera się na oprogramowaniu, które tworzę, o nazwie Deep API. To pojedynczy klucz API dający agentom wszystko, czego potrzebują: światowej klasy scraping, deep research i wyszukiwanie w sieci, ale też wysyłanie e-maili i wiele innych rzeczy. Zamiast dawać nowemu agentowi pięć czy dziesięć różnych kluczy API, dajesz jeden klucz Deep API i agent może zrobić wszystko.
Skill znajdziesz w sekcji „research and web”. Instruuje agentów, jak z niego korzystać, jakie są endpointy, jak poprawnie robić deep research i scraping. Agent nie musi tego sam rozgryzać ani obciążać okna kontekstu — korzyść ze skilli polega na tym, że nie trzeba wszystkiego wpisywać do głównego promptu systemowego. Skill wczytuje się tylko wtedy, gdy agent robi coś istotnego. Jeśli chce połączyć deep research, potem scraping konkretnych firm lub osób, a następnie wysłać do nich e-mail, normalnie musiałby przeszukiwać internet w poszukiwaniu dokumentacji — a większość API nie ma dobrych agent skills, bo nie są budowane pod agenty. Deep API to rozwiązuje.
Zbudowałem to, bo za każdym razem, gdy konfigurowałem nowego agenta (na świeżym VPS-ie, na komputerze znajomego), agent zaczynał z niczym. Claude Code i Codex mają podstawowe wyszukiwanie w sieci, ale nie mają naprawdę dobrego deep research ani scrapingu. Co więcej, większość stron i mediów społecznościowych całkowicie blokuje agenty.
Żeby być w pełni transparentnym: Deep API nie jest jeszcze publicznie dostępne — na razie tylko na zaproszenie. Jeśli chcesz być jednym z pierwszych, wejdź na deepapi.co (nie .com) i wypełnij formularz. Przez najbliższe tygodnie chcę mieć wysokiej jakości testerów, z którymi ściśle współpracuję, by zbudować dobry produkt.
To ósmy skill, którego używam codziennie — a to niedopowiedzenie. Moje agenty używają go setki razy dziennie. Gdy zaczniesz korzystać z Deep API, zobaczysz, jak prymitywne są inne rozwiązania. Benchmarkowałem nasz endpoint deep research przeciwko Perplexity i ChatGPT — jest nie tylko szybszy, ale też tańszy i daje wyniki wyższej jakości. A to tylko jeden endpoint: mamy też generowanie obrazów, wyszukiwanie w sieci, transkrypcje audio, zapisywanie pamięci, e-mail. Z Deep API agent dostaje własną skrzynkę odbiorczą — może wysyłać i odbierać maile bez żadnej autentykacji z twojej strony (nie musisz konfigurować Gmaila ani Outlooka) — i może scrapować praktycznie wszystko dostępne w internecie.
Zakończenie
To osiem skilli z mojego repozytorium, które kilka tygodni temu stało się głośne na Twitterze. W sumie jest ich 42. Jeśli chcesz, żebym zrobił część drugą i omówił więcej skilli, napisz w komentarzu.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Przy trybie „yolo” najpierw ustaw twarde guardraile
Na czym polega: Aby agenty działały szybko, uruchamiasz je bez potwierdzania każdej komendy — ale to naraża system na katastrofalne polecenia (rekursywne usuwanie, wymazanie bazy). Skill instaluje hooki blokujące niebezpieczne wzorce zanim komenda się wykona.
Jak stosować: Zanim zaczniesz pracę wielo-agentową, skonfiguruj hook typu „pre-tool-call”, który sprawdza każde wywołanie narzędzia względem listy zakazanych wzorców i twardo je blokuje.
Na co uważać: Wpisanie zakazu do promptu systemowego nie wystarczy — model może go zignorować. Musi to być programistyczny hook, nie sama instrukcja. Utrzymuj też listę wyjątków (np. rm -rf node_modules jest OK), by nie blokować legalnej pracy.
2.Git worktree do równoległej pracy wielu agentów
Na czym polega: Każde worktree to kopia repo w osobnym katalogu na osobnej gałęzi Git, więc agenty nie walczą o te same pliki.
Jak stosować: Przy więcej niż ~5 agentach w jednym repo mów agentowi „zrób to w nowym Git worktree”. Zadbaj, by skill kopiował potrzebne pliki środowiskowe (np. .env), bo bez nich worktree nie zadziała jak główny checkout.
Na co uważać: Na malutkich projektach to nadmiar — koszt zarządzania gałęziami przewyższa korzyść. Trzymaj worktree na poziomie głównym systemu, a nie w folderze Dokumenty.
3.Jeden agent do zarządzania flotą VPS-ów
Na czym polega: Izolowanie agentów na osobnych VPS-ach chroni twój komputer i pozwala łączyć je z komunikatorami; skill pozwala jednym agentem aktualizować i naprawiać wszystkie serwery przez SSH/Tailscale.
Jak stosować: Trzymaj długodziałające agenty (Hermes, Open Claw, Agent Zero) na osobnych VPS-ach i zarządzaj nimi z lokalnego terminala poleceniem w stylu „połącz się z VPS-em X i zaktualizuj model”.
Na co uważać: Konfiguracja pierwszego VPS-a onieśmiela i wiąże się z kosztem miesięcznym. Fragment o konkretnym hostingu i kodzie rabatowym w tym filmie to materiał sponsorowany — traktuj go osobno od merytorycznej wartości skilla.
4.Goal loop wymaga weryfikowalnego warunku końcowego
Na czym polega: /goal działa tylko wtedy, gdy istnieje mierzalny wynik („znajdź 50 X i dwa kontakty do każdego”), a nie mgliste „zbuduj funkcję”. Skill zamienia luźną instrukcję w precyzyjny prompt z kontraktem.
Jak stosować: Napisz cel w dwóch zdaniach, każ agentowi (np. Claude Code) wygenerować przez skill dopracowany prompt goal loop, potem uruchom go /goal. Podawaj konkretne liczby i format wyniku (np. struktura CSV, tylko źródła publiczne).
Na co uważać: Bez jasnego warunku końcowego agent nie wie, kiedy skończyć. Nie ograniczaj się do kodowania — to samo działa do generowania leadów, rekrutacji, researchu.
5.Setup help — prowadzenie krok po kroku bez gubienia listy
Na czym polega: Do zadań, które musisz wykonać sam (konfiguracja bazy, DNS, deployment), skill prowadzi cię krokami i przy każdej odpowiedzi utrzymuje listę pozostałych kroków.
Jak stosować: Uruchom, gdy jesteś początkujący w danym temacie i chcesz dopytywać o pojedyncze kroki bez utraty kontekstu całości. Działa dla dowolnej złożonej procedury, nie tylko technicznej.
Na co uważać: Bez tego mechanizmu agent po serii pytań o jeden krok „zapomina” pozostałe. Świadomie nie dawaj agentowi dostępu do wrażliwych zasobów (baza produkcyjna) — od tego jest tryb prowadzenia, nie delegacja.
6.Recenzuj decyzje agenta, nie kod
Na czym polega: Modele piszą niemal perfekcyjny kod, ale mają czasem wątpliwy osąd. Po dużej zmianie prosisz model, by wypisał tylko te decyzje, których nie jest pewien i które mają realne alternatywy.
Jak stosować: Po dużej funkcji/refaktorze/poprawce uruchom skill decisions: „wypisz tylko decyzje, co do których nie ma pewności, zwięźle, zwykłym językiem”. Przejrzyj je i zatwierdź lub zmień kierunek.
Na co uważać: Sformułowanie „wypisz wszystkie” powoduje przemyśliwanie i zalew nieistotnych punktów — jawnie każ pominąć decyzje już optymalne. Do faktycznego przeglądu kodu i tak użyj innego modelu jako recenzenta.
7.Podejmuj decyzje pojedynczo, nie hurtem
Na czym polega: Skill „next decision” prezentuje jedną decyzję na raz z czterema opcjami i rekomendacją, zamiast zrzucać 10 wyborów naraz.
Jak stosować: Używaj, gdy agent potrzebuje od ciebie wielu rozstrzygnięć — przechodź je pojedynczo, dając za każdym razem właściwy kontekst.
Na co uważać: Przy liście 10 decyzji naraz nie jesteś w stanie porządnie ocenić żadnej. Najczęściej rekomendacja modelu jest trafna, ale kluczowe jest to, że świadomie ją zatwierdzasz.
8.Automatyzuj drobne czynności systemowe przez agenta
Na czym polega: Zamiast klikać przez ustawienia czy szukać plików, każ agentowi otworzyć właściwy panel, skopiować coś do schowka albo pokazać plik w Finderze.
Jak stosować: Traktuj agenta jak asystenta systemowego: „otwórz ustawienia uśpienia ekranu”, „skopiuj ten SQL do schowka”, „pokaż ten plik w Finderze”. Oszczędza minuty przy każdej drobnej czynności.
Na co uważać: To wygoda, nie rewolucja — nie przeceniaj oszczędności na pojedynczej akcji. Wartość rośnie z liczby powtórzeń.
9.Anti-sleep — utrzymuj maszynę w czuwaniu przez skrypt, nie tokeny
Na czym polega: Skill opiera się na caffeinate (macOS) i dostarcza gotowy skrypt powłoki, który blokuje uśpienie ekranu i procesów, gdy agenty pracują w tle.
Jak stosować: Przed nocnym lub długim uruchomieniem (np. duży goal loop albo wyjście na siłownię) włącz skill na zadany czas (domyślnie 3 h). Skrypt sprawdza, czy poprzedni proces już nie działa.
Na co uważać: Dostarczenie gotowego skryptu (zamiast generowania go tokenami za każdym razem) oszczędza czas i pieniądze oraz jest przewidywalne — to ogólna zasada: częste, powtarzalne operacje pakuj w skrypt, nie w prompt. Skill jest specyficzny dla macOS.
10.Skille wczytywane na żądanie odchudzają kontekst — i to jest ich sedno
Na czym polega: Kluczowa korzyść ze skilli to trzymanie wiedzy poza głównym promptem systemowym; skill wczytuje się dopiero, gdy zadanie tego wymaga (jak w rozbudowanym skillu Deep API, integrującym scraping, research i e-mail pod jednym kluczem).
Jak stosować: Zamiast wpychać całą dokumentację do promptu, opisz ją w osobnym pliku skilla wywoływanym warunkowo. Buduj skille pisane pod agenty (mogą być długie) i weryfikuj ich jakość mocnym modelem z wysokim poziomem rozumowania.
Na co uważać: Deep API to produkt autora, na razie dostępny tylko na zaproszenie (deepapi.co) — benchmarki „szybsze/tańsze/lepsze od Perplexity i ChatGPT” pochodzą od twórcy i nie są niezależnie zweryfikowane. Sama zasada „skille na żądanie” jest jednak uniwersalna i niezależna od tego konkretnego narzędzia.