Cztery etapy·ChatGPT, Claude, Gemini·bez programowania
Jak rozmawiać z ChatGPT, Claude i Gemini, żeby robiły to, co chcesz: od pierwszego promptu, przez własnych asystentów i agentów, po narzędzia, które budujesz bez programowania. Cztery etapy po 40–90 minut, z ćwiczeniami i gotowymi promptami do skopiowania.
Jak model „czyta” prompt i dlaczego zmyśla. Sześć klocków dobrego promptu, konkretność na czterech zadaniach, kontekst, rozmowa zamiast zapytania, format odpowiedzi, siedem błędów początkujących i pierwsze kroki w trzech narzędziach.
Role z kryteriami, przykłady zamiast przymiotników, plan przed wykonaniem i tryb myślenia, formaty do arkusza i JSON, praca na własnych dokumentach, weryfikacja, pętla krytyki, AI jako partner do myślenia i nauczyciel, biblioteka promptów oraz prompty do obrazów i wideo.
Prompt systemowy jako konstytucja asystenta, łańcuchy promptów z bramkami, meta-prompting, długie dokumenty, ekstrakcja danych, testowanie promptów, agenci i jak ich briefować, plik zasad dla agenta, bezpieczeństwo, siedem historii z mojej praktyki. Projekt końcowy.
Narzędzia i automatyzacje bez programowania, sześć projektów od pomysłu do działającego narzędzia: skrypt do plików, kalkulator albo dobierak, automatyzacja z raportem różnic, formuła AI w arkuszu, baza wiedzy i asystent dla innych, zadanie z podagentami. Przy każdym prawdziwa rozmowa z agentem z mojej pracy.
Osoby, które mają wdrożyć AI w firmie lub zespole, dostają osobny moduł dla firm: siedem etapów wdrożenia, od diagnozy po raport dla zarządu, każdy z dokumentem do skopiowania. Moduł jest poza tym kursem i udostępniam go osobno.
Kurs jest uniwersalny: zasady działają tak samo w ChatGPT, Claude i Gemini, a różnice między narzędziami są opisane w krótkich ramkach „W narzędziach” przy konkretnych funkcjach. Etap 2 ma też rozdział o promptach do obrazów i wideo (Midjourney, generatory w ChatGPT i Gemini).
Plany, limity, koszty
Przykłady w kursie są wymyślone: sklep z lampami Lumo, freelancerka Marcelina, kawiarnia, dział marketingu sklepu ogrodniczego. Liczby, nazwy i sytuacje są realistyczne, ale nie opisują prawdziwych firm ani osób.
Dlaczego szlaki. Etapy oznaczyłem jak szlaki w górach: żółty na rozgrzewkę, niebieski w głąb, czerwony na grań, zielony tam, gdzie zostawiasz po sobie ścieżkę, czyli własne narzędzia. Oznaczenie nie mówi nic o trudności, tylko o tym, gdzie jesteś. Moduł dla firm ma kolor czarny, bo prowadzi innych.
Pojęcia, które pojawiają się w kursie
Prompt: wszystko, co wpisujesz do czatu jako polecenie, pytanie lub materiał. Po polsku mówi się też „polecenie”; w kursie zostaje „prompt”, bo tak mówią narzędzia.
Model językowy (LLM): program, który na podstawie dotychczasowej rozmowy przewiduje dalszy ciąg tekstu. ChatGPT, Claude i Gemini to aplikacje zbudowane wokół takich modeli.
Okno kontekstu: ilość tekstu, jaką model widzi naraz: Twoje wiadomości, odpowiedzi, załączniki, instrukcje. Dziś od kilkuset stron w górę, zależnie od narzędzia i planu.
Token: jednostka, w której modele liczą tekst; w polskim mniej więcej pół słowa do słowa. Limity i ceny podaje się w tokenach.
Halucynacja: odpowiedź, która brzmi jak fakt, ale nim nie jest: zmyślona data, cytat, link, przepis. Cecha narzędzia, nie błąd do naprawienia jednym promptem.
Instrukcje stałe (custom instructions): tekst, który model widzi w każdej rozmowie: kim jesteś, jak odpowiadać, czego unikać.
Prompt systemowy (system prompt): zestaw zasad definiujący asystenta do jednego zadania: rola, wiedza, zasady, format, niepewność, przykłady. Wklejany jako instrukcje projektu, GPT-a, Gema lub umiejętności.
Projekt: miejsce w narzędziu, które grupuje czaty wokół jednego tematu i daje im wspólne instrukcje i pliki.
Przykłady w prompcie (few-shot): podanie dwóch, trzech wzorców „tak ma wyglądać dobrze”, do których model się dopasowuje. Zero-shot to prompt bez przykładów.
Model rozumujący, tryb myślenia: tryb, w którym model przed odpowiedzią analizuje zadanie przez kilkanaście sekund do kilku minut. Lepszy do liczb, decyzji i analiz, wolniejszy do tekstów.
Łańcuch promptów: podział dużej pracy na etapy, każdy z własnym promptem i kryteriami, które wynik musi spełnić, zanim trafi do następnego etapu.
Meta-prompting: użycie modelu do napisania, poprawienia lub zdiagnozowania promptu.
Agent AI: model, który nie tylko odpowiada, ale działa: planuje kroki, używa narzędzi (przeglądarka, pliki, aplikacje), ocenia wynik i idzie dalej, aż uzna zadanie za wykonane.
Narzędzia agenta, konektory, MCP: sposoby, w jakie agent łączy się z Twoimi aplikacjami i danymi (poczta, kalendarz, dysk, systemy firmowe). MCP to otwarty standard takich połączeń.
Umiejętność (skill): zapisana procedura z instrukcjami i materiałami, którą model stosuje automatycznie, gdy zadanie do niej pasuje.
Deep Research: tryb, w którym model przez kilka–kilkanaście minut przeszukuje sieć, czyta dziesiątki stron i pisze raport ze źródłami.
Wstrzyknięcie promptu (prompt injection): atak, w którym ktoś ukrywa polecenia dla modelu w treści, którą model czyta: na stronie, w mailu, w pliku.
Kurs powstał na podstawie własnej praktyki i oficjalnych przewodników producentów. Jeśli chcesz pójść dalej, zacznij od nich; są po angielsku, poza przewodnikiem Google.
Funkcje narzędzi opisane w kursie sprawdzono w październiku 2026. Jeśli przycisk nazywa się inaczej albo funkcja zmieniła miejsce, zasada z kursu nadal obowiązuje; zmienia się tylko interfejs.
Marcin Maćko. W sprzedaży internetowej pracuję od ponad ośmiu lat: zaczynałem od obsługi klienta i reklamacji, potem marketing, SEO i analityka, dziś rozwijam sklepy od strony biznesowej i technicznej, włącznie z własnym kodem na produkcji. Narzędzi AI używam codziennie: od pisania treści, przez analizę danych, po agentów, którzy robią za mnie audyty i budują narzędzia. Ten kurs to zapis tego, co działa w praktyce, nie w prezentacjach. Więcej o mnie na LinkedIn.
Kto to napisał
Wdrażasz AI w sklepie albo w zespole i chcesz to przegadać? Napisz do mnie. Odpowiadam na konkretne pytania o konkretne sklepy.