Notatki z rozmowy między Greg Eisenbergiem a jego rozmówcą o rzeczywistej użyteczności najpopularniejszych platform AI. Wszystkie przemyślenia, obserwacje i oceny pochodzą od uczestników podcastu.

TL;DR

Claude Code to przełom – pierwszy prawdziwy agent kodujący z automatycznym testowaniem i planowaniem zadań
N8N jest niedoceniony dla osób technicznych, jednak przereklamowany dla zwykłych użytkowników
MCP stanowi przełom, którego deweloperzy nie rozumieją – myślą „to tylko JSON schema”
Vibe coding tools (Bolt, Lovable) są świetne, jeśli umiesz je promptować
50k miesięcznie z vibe coding to kontrowersyjne, ale możliwe twierdzenie według rozmówców
GitHub branching pozostaje fundamentem poważnego developmentu
Figma Make i podobne to bardziej PR niż rzeczywista funkcjonalność

Kiedy narzędzia AI spotykają się z rzeczywistością

Boom na narzędzia AI sprawił, że praktycznie co tydzień pojawia się nowa „rewolucyjna” platforma. Rozmówcy postanowili przetestować najpopularniejsze z nich, w rezultacie okazało się, że większość jest albo przereklamowana, albo dramatycznie niedoceniona.

Narzędzia, które zasługują na więcej uwagi

Claude Code – prawdziwy przełom w kodowaniu

Claude Code wyróżnia się jako jedyny prawdziwy agent kodujący, jak podkreśla Greg Eisenberg. „To pierwszy raz, kiedy naprawdę czuję, że mam do czynienia z agentem, który robi wszystko za mnie” – zauważa jego rozmówca.

Kluczowe funkcje, które wyróżniają Claude Code:

Automatyczne tworzenie planów zadań i list do wykonania
Pisanie testów bez interwencji użytkownika (czego większość deweloperów nienawidzi)
Integracja z GitHub – automatyczne żądania scalenia z detalami
Wsparcie dla Linear i Slack w zespołach

Narzędzie wydało też SDK, dzięki któremu inne platformy mogą korzystać z ich agenta. Na konferencji Claude Code zespół przyznał szczerze: „Będziemy doradzać innym narzędziom kodującym, żeby używały naszego agenta – bo szczerze mówiąc, przebijemy was”.

Paradoks Claude Code: Jest trudny w użyciu (wymaga terminala, który może być przerażający), jednak nie ma nic podobnego na rynku. Jak pokazuje rozmówca na wykresie – znajduje się w miejscu „wysoka trudność, ale też najwyższa użyteczność”.

String.com – automatyzacja przez prompty

String.com reprezentuje przyszłość automatyzacji – zamiast żmudnego tworzenia procesów pracy w stylu N8N, pozwala na tworzenie automatyzacji na podstawie opisu w języku naturalnym. Greg Eisenberg podkreśla: „Przyszłość automatyzacji to prompt to automation. Ludzie nie chcą spędzać całych dni na tworzeniu workflow’ów”.

Choć narzędzie jest jeszcze w fazie alpha i „części są problematyczne”, już teraz pokazuje potencjał uproszczenia procesów automatyzacji dla nietechnicznych użytkowników.

Lindy AI – szablony zamiast konfiguracji

Lindy AI wyróżnia się podejściem opartym na gotowych szablonach. Ma ponad 100 gotowych procesów pracy – od automatycznego emaila outreach po różne agenty marketingowe. „Uwielbiam szablony, bo dają mi pomysły. Może nie użyję ich do tego konkretnego przypadku, ale do innego – tak” – wyjaśnia rozmówca.

To praktyczne podejście – zamiast budować od zera, kopiujesz szablon i dostosowujesz do swoich potrzeb.

Vapi – niedoceniona potęga voice agentów

Vapi umożliwia tworzenie inteligentnych agentów głosowych połączonych z Twilio. Platform obsłużył już 400 000 połączeń, co pokazuje skalę możliwości. Można uruchomić całe kampanie telefoniczne z AI, które prowadzą naturalne rozmowy z potencjalnymi klientami.

Narzędzia profesjonalne – Devin i Code Rabbit

Te narzędzia stanowią oddzielną kategorię – prawdziwych asystentów developera, nie zabawek.

Devin oferuje:

Deep Wiki – automatyczną dokumentację całej bazy kodu, która analizuje cały kod i tworzy zrozumiałą dokumentację z diagramami („nie potrafię wyjaśnić jak cenne to jest dla każdego, kto buduje coś poważnego”)
Integrację z GitHub, Linear i Slack
Możliwość zlecania zadań przez PM poprzez Linear tickets
$20 jednorazowo, potem pay-as-you-go

Przykład z życia: Devin automatycznie znalazł i naprawił bug usuwając jedną linię kodu, na której rozmówca spędził godziny. W rezultacie stworzył szczegółowe żądanie scalenia z opisem, przeglądem i wdrożeniem na Vercel.

Code Rabbit to przegląd kodu na sterydach. Code with Antonio, czołowy deweloper i youtuber (który „zdecydował za wszystkich dev YouTuberów, że nikt nie będzie robić 4-5 godzinnych tutoriali, bo on jest w tym najlepszy”), podzielił się statystykami: w 90 dni Code Rabbit przejrzał 77 żądań scalenia, zostawił 42 komentarze i znalazł 66 problemów. „Czy w ogóle mogę powiedzieć, że rozwijam solo?” – pyta po trzech miesiącach współpracy.

Code Rabbit nie tylko identyfikuje problemy, ale też daje gotowe instrukcje do naprawiania błędów – kontekst, kod źródłowy i wszystko co potrzebne do naprawy.

Narzędzia z mieszaną oceną

N8N – zależy od doświadczenia technicznego

N8N to klasyczny przykład narzędzia, które może być jednocześnie niedocenione i przereklamowane, w zależności od profilu użytkownika.

Dla kogo N8N jest niedoceniony:

Osoby techniczne z doświadczeniem w automatyzacji
Aktywni użytkownicy Google Drive, Slack, systemów CRM
Ci, którzy wcześniej używali Zapier
Ludzie z „technical organizations” – niekoniecznie programiści, ale rozumiejący techniczne koncepcje

Dla kogo jest przereklamowany:

Osoby bez doświadczenia technicznego
Ci, którzy kopiują procesy pracy bez zrozumienia
Użytkownicy oczekujący rozwiązań „jednego kliknięcia”

Problem w tym, że N8N stał się „nowym handlem bez magazynu” – wszyscy o nim mówią na Twitterze, jednak niewielu rzeczywiście potrafi z niego korzystać skutecznie. „Jeśli N8N jakoś doda program partnerski, to będzie po wszystkim. Będą zarabiać masę pieniędzy” – przewidują rozmówcy, widząc podobieństwo do boomu na Shopify.

Bolt i Lovable – kwestia umiejętności promptowania

„Jeśli nie potrafisz promptować, to są przereklamowane. Jeśli potrafisz – to niedocenione” – wyjaśnia Greg Eisenberg tę prostą zasadę.

Kiedy Bolt/Lovable są niedocenione:

Potrafisz napisać szczegółowy prompt
Rozumiesz ograniczenia narzędzi
Używasz ich do prototypowania, nie końcowego produktu
Masz doświadczenie w debugowaniu

Kiedy są przereklamowane:

Oczekujesz „magic button” rozwiązań
Nie rozumiesz podstaw web developmentu
Chcesz zbudować kompleksową aplikację jednym promptem
Nie potrafisz iterować i poprawiać kodu

Oba narzędzia do vibe coding mają podobną funkcjonalność – różnica leży w umiejętnościach użytkownika. Lovable podobno pozyskuje fundusze przy wycenie 2 miliardów dolarów, co pokazuje skalę zainteresowania rynku.

Greg Eisenberg przewiduje: „Następna wielka fala biznesów to firmy infrastrukturalne. Supabase zabija, Convex – te backend-as-a-service firmy, które obsługują wszystkie techniczne szczegóły i łatwo łączą się z vibe coding tools. To duże możliwości biznesowe”.

Madness – niedoceniony teraz, zagrożony w przyszłości

Madness otrzymał status „niedoceniony” za możliwości web browsing, jednak z poważnym zastrzeżeniem. Greg Eisenberg przewiduje: „Za sześć miesięcy będziemy się zastanawiać, dlaczego w ogóle o nim mówiliśmy”.

Powód? Sam Altman powiedział to w najbardziej gangsterski sposób: „Upewnijcie się, że wasz wzrost jest zgodny z naszym, bo inaczej was zmiażdżymy”. OpenAI z Operatorem i Deep Research prawdopodobnie zdominuje przestrzeń web browsing agentów.

Dodatkowy problem: Madness wymaga dostępu do wrażliwych danych. „Prosiło mnie o dostęp do Instagrama. Nie sądzę. Chinese government, no thank you” – komentuje rozmówca ostrzegawczo.

Praktyczna wskazówka: Rozmówca sugeruje, że wszystkie aplikacje powinny używać „Sign up with Google” – daje bezpieczeństwo i wygodę. Na jego własnej platformie ideabrowser.com większość użytkowników wybiera Google zamiast tradycyjnego email/hasło.

Narzędzia przereklamowane

Figma Make, Hostinger, Airtable – PR nad funkcjonalnością

Te narzędzia otrzymały jednoznacznie negatywną ocenę. „Nie sądzę, żeby musieli to robić” – komentuje rozmówca rozwój Figma Make.

Prawdopodobnie to ruchy PR przed IPO – podobnie jak WeWork, które kupowało mobile app companies, żeby być postrzegane jako tech company przed wejściem na giełdę. „Przed IPO bardzo ważne jest, żeby być na trendy. To dodaje do wyceny i excitement” – wyjaśnia Greg Eisenberg, który jest akcjonariuszem Figma.

Kontrowersja 50k miesięcznie

Najbardziej kontrowersyjną część stanowi dyskusja o tweecie Greg Eisenberga, który zdobył 2,5 miliona wyświetleń. Tweet sugerował, że dzięki vibe coding można osiągnąć 50k miesięcznych przychodów.

Burza w społeczności deweloperów

Krytycy argumentowali:

„Oversimplification” – Theo i inni deweloperzy
„Średni SaaS potrzebuje 2-3 lat na rentowność”
„Ignorowanie trudnych aspektów developmentu”
„Wprowadzanie w błąd początkujących”

Obrońcy odpowiadali:

„Nigdy nie było lepszego momentu na start”
Przykład Alex – używał template’u Greg Eisenberga, osiągnął 300k miesięcznie bez umiejętności programowania
Przykład Jack Fritz – 19k miesięcznie w wieku 19 lat, mówił mamie że chce 30k (myślała że to szaleństwo)
„Paradigmat się zmienił dzięki AI”

Greg Eisenberg broni swojego stanowiska używając analogii z wyścigami koni: „Koń z naocznikami, który wyobraża sobie siebie na mecie, ma większe szanse wygrać, nawet jeśli nie jest największy i najmocniejszy”. Kluczem jest koncentracja na celu, a nie na trudnościach.

Rozmówca dodaje insight o dynamice zespołowej: „Potrzebujesz dwóch typów ludzi – jednego z 'rizz’ (charyzmą) i jednego z ’tism’ (technicznym myśleniem). Pesymiści często mają rację, ale optymiści zarabiają pieniądze„.

MCP – nierozumiany przez deweloperów

Model Context Protocol (MCP) to jeden z najbardziej niedocenionych protokołów według rozmówców. Greg Eisenberg tweetował: „Gdy zrozumiesz MCP, nigdy nie postrzegasz internetu tak samo”.

Dlaczego deweloperzy tego nie rozumieją

Typowe reakcje devs:

„Relax dude, to tylko JSON schema” – Theo
„To w zasadzie API”
„Nic nowego pod słońcem”
„Larperzy na Twitterze”

Dlaczego się mylą:

Myślą tylko o stronie technicznej
Nie widzą potencjału dla non-devs
Ignorują łatwość integracji
Skupiają się na implementacji, nie na rezultatach

„Dla osoby nietechnicznej, która nagle może zintegrować zewnętrzne usługi z Claude Desktop przy minimalnej konfiguracji – to przełom” – wyjaśnia rozmówca. MCP pozwala podłączyć do AI zewnętrzne dane (np. e-maile, kalendarz, dysk), czyniąc go inteligentnym asystentem.

Realny potencjał MCP:

Dostęp do Gmail, Calendar, Drive w LLM
Integracja z CRM i narzędziami biznesowymi
Automatyzacja bez kodowania
Personalizacja AI asystentów

Strategie komunikacji z AI

Rozmówcy podkreślają, że zamiast szukać magicznych, pojedynczych poleceń, należy skupić się na strategicznym dostarczaniu AI odpowiedniego kontekstu. Na podstawie ich doświadczeń wynikają cztery kluczowe podejścia:

Polecenia z kontekstem dokumentu (PRD)

Strategia: Zamiast prosić AI o stworzenie czegoś od zera, najpierw należy dostarczyć mu szczegółowy dokument z wymaganiami (np. PRD – Product Requirements Document).

Kiedy stosować: Przy rozpoczynaniu nowego, skomplikowanego projektu w narzędziu takim jak Claude Code, aby dać AI solidne ramy do metodycznej pracy.

Polecenia przez integrację

Strategia: Polega na zlecaniu zadań AI poprzez narzędzia do zarządzania projektami. Tworzy się szczegółowe zadanie w systemie takim jak Linear, a następnie deleguje je do AI.

Kiedy stosować: W pracy zespołowej z narzędziem Devin, gdzie osoba nietechniczna może opisać nową funkcję, a AI samodzielnie ją zbuduje.

Polecenie naprowadzające (generowane przez inne AI)

Strategia: Jedno narzędzie AI (analizujące kod) znajduje problem, a następnie generuje gotową instrukcję, którą można przekazać innemu AI (generującemu kod) w celu naprawy.

Kiedy stosować: Przy weryfikacji i poprawianiu kodu. Code Rabbit może znaleźć błąd i dostarczyć idealnie sformułowaną instrukcję do użycia w Claude Code.

Polecenie jako opis procesu

Strategia: Zamiast budować wizualne schematy automatyzacji, cały proces opisuje się w języku naturalnym.

Kiedy stosować: Przy tworzeniu automatyzacji w narzędziach nowej generacji, takich jak String.com.

GitHub dla początkujących – dlaczego rozgałęzianie ma znaczenie

Rozmówcy zakończyli mini-poradnikiem GitHub, jednak podkreślając znaczenie właściwego procesu pracy dla poważnych projektów.

Podstawy bezpiecznego developmentu

Kluczowe elementy:

Main branch – zawsze stabilny, połączony z Vercel/Netlify
Feature branches – oddzielne gałęzie dla każdej funkcji
Pull requests – proces przeglądu przed połączeniem

Proces pracy krok po kroku:

Stwórz nowy branch (np. „adam/payment-integration”)
Testuj zmiany w oddzielnej gałęzi
Stwórz żądanie scalenia z opisem
Prześlij do przeglądu lub użyj Code Rabbit
Scalaj dopiero po zatwierdzeniu

Dlaczego to ma znaczenie:

Zabezpieczenie przed bugami w produkcji
Możliwość cofnięcia zmian
Współpraca zespołowa bez konfliktów
Utrzymanie stabilności aplikacji

Lista kontrolna procesu GitHub:

Stwórz nowy branch dla każdej funkcji
Użyj opisowej nazwy (np. „adam/payment-integration”)
Testuj zmiany lokalnie przed wysłaniem
Napisz czytelny opis w żądaniu scalenia
Poproś o przegląd lub użyj Code Rabbit
Scalaj dopiero po zatwierdzeniu
Usuń branch po pomyślnym scaleniu

„Jeśli wysyłasz bezpośrednio do main branch w aplikacji, która generuje przychody, to jesteś szalony” – ostrzega rozmówca.

Przyszłość vibe coding

Wszystkie poważne narzędzia do vibe coding będą musiały zaimplementować właściwy proces pracy z rozgałęzieniami, dlatego „jeśli naprawdę chcemy, żeby ludzie budowali poważne aplikacje, te procesy nadchodzą”.

Lista kontrolna: Jak ocenić narzędzie AI

Rozmówcy wskazali kilka kryteriów oceny narzędzi AI na podstawie ich doświadczeń:

Przed wyborem sprawdź:

Czy masz potrzebne umiejętności techniczne?
Czy narzędzie rozwiązuje konkretny problem?
Czy big tech nie zbuduje tego za rok?
Czy potrafisz napisać dobry prompt? (dla vibe coding)

Wybór między konkurującymi narzędziami:

Cursor vs Windsurf – wybierz jedno i trzymaj się go
Bolt vs Lovable – funkcjonalność podobna, ważny jest prompt
N8N vs String.com – pierwszy dla devs, drugi dla biznesu
Claude Code vs inne – na razie brak realnej konkurencji

Sygnały ostrzegawcze:

Wszyscy influencerzy promują to samo
Obietnice „bez kodowania” dla złożonych projektów
Brak jasnej dokumentacji lub cennika

Wnioski

Rewolucja AI w narzędziach deweloperskich dopiero się zaczyna. Claude Code wyróżnia się jako jedyny prawdziwy agent, podczas gdy większość popularnych narzędzi to albo marketing, albo rozwiązania dla bardzo specyficznych przypadków użycia.

Kluczowe pytanie na przyszłość: czy narzędzia AI faktycznie demokratyzują programowanie, czy tylko tworzą nowe bariery wejścia dla tych, którzy nie potrafią ich właściwie używać?

Jedna rzecz jest pewna: „Nietechniczne osoby jak ja zaczynają teraz budować produkty. Zobaczymy, kto naprawdę jest na to gotowy” – kończy Greg Eisenberg, sugerując, że prawdziwy test dla wszystkich tych narzędzi dopiero nadchodzi.

Kluczowy insight

Mentalność ponad technologię

Standardowo myślimy: Aby zbudować wartościowy produkt, musimy skupić się na doskonałości technicznej, rozbudowie zespołu inżynierów i pozyskaniu kapitału na rozwój.

W praktyce okazuje się, że: Dzięki nowoczesnym narzędziom AI, wąskim gardłem nie jest już technologia, lecz ograniczające przekonania. Osoba nietechniczna z odważnym celem biznesowym może osiągnąć więcej niż genialny programista bez wiary w sukces.

Dlaczego to jest istotne: Taka perspektywa przenosi punkt ciężkości z pytania „Jak to zbudować?” na „Co chcę osiągnąć i dlaczego?”, w rezultacie przestajemy być zakładnikami własnych umiejętności technicznych.

Test na jutro: Następnym razem gdy będziesz planować nowy projekt, zamiast zaczynać od analizy ograniczeń technicznych, spróbuj zdefiniować cel, który wydaje się o 10x zbyt ambitny. Dopiero potem zadaj pytanie: „Jakie narzędzie AI doprowadzi mnie tam najszybciej?” i sprawdź, jak to zmienia twoje podejście do wyboru narzędzi i pierwszych kroków.

Ten wpis jest częścią kolekcji notatek z ciekawych podcastów, webinarów i innych treści wartościowych do ponownego przeczytania. Oryginalne źródło znajduje się w załączonym transkrypcie.

Tag: Narzedzia Ai Do Programowania

Test wszystkich popularnych narzędzi AI – oto te, które naprawdę warto używać #EN224