Od kiedy dołączyłam do Rocksoft, korzystam z narzędzi AI każdego dnia.
Nauczenie się, jak porządnie używać AI w pracy, trochę mi zajęło, a najszybciej zrozumiałam jedno: jakość tego, co dostajesz od AI, prawie nie zależy od modelu.
Zależy od tego, co mu powiesz, zanim zaczniesz.
Co właśnie zrobiło Google
W zeszłym tygodniu Google opublikowało coś, co nazywa się Open Knowledge Format, w skrócie OKF.
To standard organizowania wiedzy w postaci folderu prostych plików tekstowych, które potrafi odczytać każdy agent AI.
Problem, który próbują rozwiązać, jest prawdziwy. W większości firm informacje potrzebne AI do sensownej pracy są rozrzucone wszędzie. W wiki, w arkuszach, w komentarzach w kodzie, w czyjejś głowie. Kiedy agent AI ma odpowiedzieć na pytanie o twój biznes, musi poskładać odpowiedź z kilkudziesięciu miejsc, które nigdy nie miały ze sobą współpracować.
OKF to odpowiedź Google: prosty, otwarty format, w którym każdy zespół może zapisać to, co wie, tak, żeby przeczytało to dowolne AI. Bez własnościowego systemu, bez SDK, po prostu pliki markdown z odrobiną struktury.
Dla większości founderów to temat bliższy zespołom data w większych firmach niż codziennej pracy. Ale sposób myślenia, który za tym stoi, jest dokładnie tym, który stosuję za każdym razem, gdy zakładam nowy projekt w Claude.
DefinicjaOpen Knowledge Format (OKF)
Otwarty standard opracowany przez Google do organizowania i przechowywania wiedzy w formie ustrukturyzowanych plików tekstowych, które mogą odczytywać i wykorzystywać agenci AI. Pozwala zespołom dokumentować to, co wiedzą o swoich systemach, danych i procesach, w formacie działającym w różnych narzędziach i na różnych platformach AI.
Co zbudowało Anthropic
MCP, czyli Model Context Protocol, to coś innego. Nie chodzi w nim o przechowywanie wiedzy, tylko o podłączenie Claude do narzędzi i systemów, z których już korzystasz.
To dzięki MCP Claude może czytać moje zadania w ClickUp, przeglądać stronę internetową albo pracować z Webflow. To warstwa, która zmienia Claude z okna czatu, z którego kopiujesz i wklejasz, w aktywnego uczestnika twojego workflow.
Jeśli CLAUDE.md i instrukcje projektu to briefing, który dajesz komuś przed spotkaniem, to MCP jest jak dostęp do CRM-a, kalendarza i skrzynki mailowej.
Briefing mówi, co trzeba wiedzieć. Narzędzia pozwalają faktycznie wykonać pracę.
Czym jest AGENTS.md
AGENTS.md to konwencja, która zyskuje popularność w zespołach pracujących z agentami AI. To plik umieszczany w projekcie, który mówi każdemu agentowi AI pracującemu w tym kodzie, co powinien wiedzieć: jak zbudowany jest projekt, jakich zasad przestrzegać, czego unikać.
To ten sam pomysł co CLAUDE.md, tylko bardziej ogólny. Nie jest przypisany do Claude, więc przeczyta go każdy agent.
W Rocksoft używamy takiego pliku, gdy konfigurujemy workflow wspierane przez AI w projektach. To różnica między agentem, który działa w twoim środowisku, a takim, który za każdym razem musi wszystkiego domyślać się od zera.
Jak to wszystko do siebie pasuje
Na pierwszy rzut oka wygląda, jakby Google, Anthropic i OpenAI rozwiązywały ten sam problem. Tak nie jest.
Rozwiązują trzy różne problemy.
CLAUDE.md i AGENTS.md dają agentowi AI kontekst projektu, zanim zacznie pracę. MCP daje mu narzędzia do pracy w czasie rzeczywistym. OKF daje organizacjom standardowy format przechowywania wiedzy instytucjonalnej, z której później może korzystać dowolny agent.
Briefing. Zestaw narzędzi. Baza wiedzy. Trzy warstwy, trzy różne problemy i wszystko działa razem.
Jak to wygląda w praktyce w Rocksoft
Oto jeden przykład. Edwin z naszej marki marketingowej Diligently zbudował landing page'e dla jednego z naszych klientów w jedno popołudnie. Wyeksportował istniejącą stronę z Webflow, wrzucił ją na GitHub, napisał brief z kontekstem projektu i treścią czterech stron miejskich, a resztę zostawił Claude Code.
Claude nie tylko trzymał się briefu. Dodał rzeczy, o które nikt nie prosił: tabelę porównawczą i podział według wielkości firmy, bo kontekst był na tyle bogaty, że zrozumiał, do czego te strony naprawdę mają służyć.
Tak działa dobry kontekst. Nie odpowiada tylko na zadane pytanie. Odpowiada na to, które warto było zadać.
Według tej samej zasady zbudowałam też własne narzędzie. Content Radar to skill w Claude, który monitoruje rozmowy w zespole, wyłapuje momenty warte podzielenia się i wysyła mi sugestię w ClickUp. Cały zespół pracuje normalnie. Jeśli wydarzy się coś wartego contentu, samo do mnie trafia.
Konfiguracja zajęła jedno popołudnie. Działa, bo dałam Claude wystarczająco dużo kontekstu, żeby wiedział, czego szukać i co z tym zrobić.
Co mam na myśli, mówiąc o kontekście
Kiedy zakładam w Claude nowy projekt dla klienta, nie otwieram po prostu czatu i nie zaczynam zadawać pytań. Najpierw piszę instrukcję projektu. Kim jest klient, czym się zajmuje, do kogo mówi, jakiego tonu używamy, jakich słów unikamy, co już zostało zrobione.
Skąd mam pewność, że dobrze to uję?
Bo każdy projekt zaczynamy od Discovery Workshop. Daje nam solidne fundamenty i jest świetnym sposobem na zbudowanie bazy wiedzy o tym konkretnym kliencie i tym konkretnym projekcie.
Gdy to już jest, każda rozmowa w tym projekcie zaczyna się od tego, że Claude już to wszystko wie. Nie muszę za każdym razem tłumaczyć. Po prostu pracuję.
Różnica jest ogromna. Ten sam prompt w projekcie z dobrym kontekstem i w pustym czacie daje zupełnie inne wyniki. Nie dlatego, że Claude jest inny. Dlatego, że inny jest kontekst.
Cała branża AI właśnie to teraz odkrywa. A trzech wielkich graczy, Google, Anthropic i OpenAI, rozwiązuje po kawałku tej układanki. Na różne sposoby. Z różnych powodów.
To, czego większość ludzi wciąż nie widzi
Większość ludzi używa AI jak wyszukiwarki. Zadajesz pytanie, dostajesz odpowiedź, zamykasz kartę.
Zespoły, które teraz wyciągają z AI najwięcej, traktują kontekst jak infrastrukturę. Coś, co budujesz raz, utrzymujesz w czasie i co sprawia, że każda kolejna interakcja jest szybsza i bardziej użyteczna.
Google formalizujące OKF, Anthropic budujące MCP, zespoły na całym świecie piszące pliki AGENTS.md to wszystko ten sam wniosek, do którego dochodzi się z różnych stron. Model przestał być wąskim gardłem. Wąskim gardłem jest kontekst.
Jeśli używasz narzędzi AI i masz wrażenie, że wyniki są niespójne albo płytkie, zwykle właśnie dlatego. Nie dlatego, że AI jest słabe. Dlatego, że wie za mało o twojej konkretnej sytuacji, żeby zrobić coś naprawdę użytecznego.
Dobra wiadomość jest taka, że naprawienie tego nie wymaga technicznego zaplecza. Wymaga tego samego, co każda dobra współpraca: poświęcenia czasu, żeby wyjaśnić, czego naprawdę potrzebujesz.
Jeśli chcesz używać AI w swojej firmie we właściwy sposób - zobacz, jak pracujemy.
