Godzina konsultacji: z zamkniętego PDF-a do e-booka, który poprawisz sam

Jacek przyszedł na konsultację z jednym problemem: miał e-booka, którego nie dało się poprawić. Po godzinie miał plik źródłowy, cztery zdjęcia rozmieszczone przez agenta i gotowego PDF-a, którego wygeneruje ponownie za pół roku jednym poleceniem.

Nagrywaliśmy tę rozmowę. Nie po to, żeby zrobić z niej kurs, tylko żeby zobaczyć, ile realnie da się zrobić w godzinę, gdy ktoś przychodzi z konkretnym problemem, a nie z pytaniem „od czego zacząć z AI".

Z tego artykułu dowiesz się:

• co da się zrobić w godzinę, jeśli zamiast uczyć się narzędzia rozwiązujesz konkretny problem,
• dlaczego opisywanie zdjęć ręcznie jest robotą za agenta, a nie z agentem,
• jak pracuję, gdy sam nie znam odpowiedzi - i dlaczego to nie przeszkadza.

Sytuacja wyjściowa

Jacek prowadzi firmę i przy okazji pisze o swoim hobby. Zrobił e-booka o wędkarstwie, składając go wcześniej w Gemini. Dostał dwa pliki: PDF do wysłania i drugi, który nazwał „markdownem", bo tak mu się wydawało.

Otworzyliśmy ten drugi plik. To nie był Markdown, tylko LaTeX - język do składu tekstu, którego Jacek nigdy w życiu nie widział i którego nie miał jak sensownie edytować.

Problem był prosty do nazwania. Żeby poprawić jedno zdanie w e-booku, Jacek musiałby wrzucić całość z powrotem do czata, poprosić o zmianę, pobrać nową wersję i mieć nadzieję, że nic po drodze nie zginęło. Przy każdej poprawce od nowa.

Cel postawiliśmy na starcie: plik, który sam edytuje, i jedno polecenie robiące z niego PDF-a. Także za pół roku.

Co zrobiliśmy przez tę godzinę

Pracowaliśmy w Antigravity - to środowisko od Google, w którym agent AI ma dostęp do plików na twoim dysku. Jacek ma pakiet Google Workspace, więc korzystał z limitów, które i tak opłaca.

Kolejność była taka:

1. Otworzyliśmy katalog z plikami e-booka. Agent widzi wszystko, co w nim leży - nie trzeba niczego wgrywać ani kopiować.
2. Kazaliśmy wyciągnąć strukturę e-booka z pliku LaTeX i zapisać do Markdowna. Jedno zdanie polecenia. Struktura się zgadzała, więc dorzuciliśmy drugie: przekopiuj też całą treść.
3. Przeciągnęliśmy cztery zdjęcia do okna czata. O tym za chwilę osobno, bo to najciekawszy moment całej rozmowy.
4. Poprosiliśmy o wygenerowanie PDF-a. Tu zaczęła się improwizacja, o której też napiszę niżej.
5. Zapisaliśmy wytyczne stylu do osobnego pliku - kolory, czcionki, układ. Bez tego każdy kolejny PDF wyglądałby inaczej.
6. Usunęliśmy z nagłówka ścieżkę pliku i datę, bo psuły efekt przy wysyłce do kogoś.

Efekt po niecałej godzinie: plik ebook.md, który Jacek otwiera i poprawia jak zwykły tekst, plik z wytycznymi wyglądu i PDF wygenerowany na ich podstawie.

Sześć kroków, każdy klikany osobno, każdy z wyjaśnieniem po drodze. Da się szybciej.

Wrócę do tego na końcu, bo to jest dla mnie ważniejsze niż sam e-book.

Zdjęcia, czyli robota za agenta zamiast z agentem

Ten fragment powtórzę w każdej konsultacji, bo pokazuje wzorzec, w który wpada prawie każdy.

Doszliśmy do miejsca, gdzie trzeba było wstawić cztery zdjęcia w odpowiednie rozdziały. Jacek od razu zaczął dyktować: to jest zdjęcie ryby, to sprzętu, to prowadzenia przynęty, a to nakłuwania. Chciał opisać każde z nich i wskazać miejsce.

Przerwałem mu i kazałem napisać jedno zdanie:

umieść prawidłowo zdjęcia w e-booku

Agent otworzył zdjęcia, zobaczył, co jest na każdym z nich, przeczytał treść rozdziałów i wstawił wszystkie cztery we właściwych miejscach. Jacek przewinął dokument i sprawdzał po kolei: pierwsze zgadza się, drugie zgadza się, trzecie i czwarte też.

Powiedziałem mu wtedy: zrobił tę robotę za ciebie, a ty chciałeś ją wykonać sam.

I to jest sedno. Ludzie płacą za narzędzie, które potrafi patrzeć na obrazek i rozumieć tekst, a potem ręcznie tłumaczą mu rzeczy, które sam widzi. Nie z lenistwa ani z niewiedzy technicznej - po prostu z przyzwyczajenia, że komputerowi trzeba wszystko podać na tacy.

Zanim zaczniesz coś opisywać agentowi, zadaj sobie pytanie: czy on tego przypadkiem nie widzi sam?

Nie znałem odpowiedzi i powiedziałem to na głos

Doszliśmy do generowania PDF-a i tu się zatrzymałem. Jacek pracuje na Windowsie. Ja od lat pracuję na Macu i po prostu nie wiem, czym się na Windowsie robi PDF-y z plików tekstowych.

Powiedziałem mu to wprost: nie wiem, jak to u ciebie ogarnąć, więc pytamy czata.

I dodałem coś, co jest dla mnie ważniejsze od samej odpowiedzi: improwizujemy tak, jak ty byś to robił sam. Bo nawet gdybym znał gotowe rozwiązanie, nie podałbym ci go od razu.

Agent sprawdził, czy na komputerze Jacka jest zainstalowany Python. Nie było. Poszukał innych narzędzi na dysku. Też nic sensownego. W końcu wybrał obejście: zamienił Markdown na stronę HTML, a tę wydrukował do PDF-a przez przeglądarkę. Zadziałało.

W wyobrażeniu wygląda to jak taśma produkcyjna. W praktyce jest to dwadzieścia minut szukania czegoś, co w ogóle zadziała na cudzym komputerze - i dopiero potem taśma rusza.

To nie jest docelowe rozwiązanie i powiedziałem to Jackowi wprost - z porządnym narzędziem wyglądałoby lepiej. Ale on potrzebował PDF-a dzisiaj, żeby wysłać go współautorowi do uwag. Dostał go w dwadzieścia minut.

Dlatego konsultacje wyglądają tak, a nie inaczej

Nie jestem ekspertem od wszystkiego. Nie znam każdego narzędzia, nie pracuję na każdym systemie i nie mam gotowej odpowiedzi na każde pytanie klienta.

Umiem za to coś innego: rozłożyć problem na części i zadać właściwe pytania - najpierw sobie, potem sztucznej inteligencji. To wystarcza, żeby w godzinę doprowadzić cudzy problem do końca, nawet w obszarze, w którym sam nie siedzę na co dzień.

Konsultacja u mnie nie polega na tym, że pokazuję ci dwadzieścia funkcji programu. Przychodzisz z konkretną rzeczą do zrobienia i wychodzisz z nią zrobioną, plus rozumiesz, jak powtórzyć to samodzielnie. Jacek dostał e-booka, ale mógłby przyjść z ofertą przetargową, importem produktów albo raportem, który co miesiąc składa ręcznie.

Nagranie robimy po to, żebyś mógł wrócić do każdego kroku. Bo w trakcie i tak wszystkiego nie zapamiętasz - Jacek przez godzinę kilka razy poprosił, żeby zwolnić.

To dało się zrobić lepiej i wcale mi to nie przeszkadza

Wracam do tego, co napisałem wyżej. Ktoś, kto siedzi w temacie, wskaże w tym opisie kilka miejsc, gdzie poszliśmy naokoło - i będzie miał rację.

Kolejność ma jednak znaczenie. Skill dla Jacka ma sens dopiero wtedy, gdy Jacek wie, co ten skill za niego robi. Inaczej dostaje czarne pudełko, które działa do pierwszej awarii, a potem znowu musi do mnie dzwonić. Godzina klikania krok po kroku kupuje mu samodzielność, której trzy minuty nie kupią.

To samo dotyczy kursów, które nagrywam. Kuszące jest pokazywanie od razu rzeczy zaawansowanych, bo robią wrażenie. Tylko że człowiek, który przyszedł z konkretnym problemem, nie potrzebuje wrażenia. Potrzebuje wyjść z tym problemem załatwionym.

Zaawansowane rozwiązania są następnym krokiem, nie pierwszym. Przychodzą wtedy, gdy zaczyna cię uwierać powtarzalność - a to poznasz sam, bez niczyjej podpowiedzi.

Podsumowanie

• zamknięty PDF zamieniliśmy na plik źródłowy, który klient poprawia sam,
• cztery zdjęcia agent rozmieścił po jednym zdaniu polecenia, bez opisywania ich ręcznie,
• wytyczne wyglądu zapisaliśmy do osobnego pliku, więc każdy kolejny PDF wyjdzie tak samo,
• całość zajęła niecałą godzinę na narzędziu, które klient i tak już opłacał w pakiecie Google.

Nie rozumiesz połowy z tego, co przeczytałeś? To jest dokładnie powód, dla którego takie konsultacje mają sens. Nie musisz wiedzieć, co to Markdown ani czym jest agent - musisz mieć problem, który cię uwiera. Resztę rozłożymy na części w trakcie rozmowy.

Napisz do mnie, z czym się męczysz co miesiąc. Jeśli da się to zrobić szybciej, powiem ci to od razu. Jeśli się nie da, też to usłyszysz - i nie stracisz godziny.

P.S. Najzabawniejsze w tej konsultacji było to, że najtrudniejszy okazał się nie e-book, tylko wydrukowanie go do PDF-a na Windowsie. Rzeczy, które wyglądają na trywialne, zjadają najwięcej czasu - i to jest chyba jedyna reguła, która nie zmieniła się przez dwadzieścia lat.

Damian Ślimak. Twój Nawigator w chaosie AI.