Mentionsy Mentionsy
KajoData - Analiza danych dla każdego
KajoData - Analiza danych dla każdego

Jak pracować z GPT Astra - przewodnik. Fundamenty: Github, herdr, Linear.

08.09.2026 ·20 min 54 s · 11 rozdziałów · 1 sponsor

🟨 ZOSTAŃ ANALITYKIEM 📈 🟦 Kursy: Excel, SQL, PowerBI, Python🟥 NEWSLETTER = DARMOWE BONUSY📈 W tym odcinku pokazuję, jak naprawdę pracować z GPT Astra i dlaczego sam model to dopiero początek. Opowiadam o tym, jak zmienił się mój sposób korzystania z AI i dlaczego największą przewagę dały mi nie kolejne modele, ale połączenie ich z GitHubem, Herdr, Linearem i Notion.📈 Pokazuję też, jak zbudować własny setup, w którym AI zna kontekst mojej pracy, ma dostęp do uporządkowanej wiedzy i może działać na konkretnych zadaniach. Tłumaczę, dlaczego repozytorium na GitHubie, dobrze opisany kontekst i system zarządzania zadaniami są moim zdaniem fundamentem profesjonalnej pracy z Astrą.📈 Jednocześnie mówię o pułapkach. Nie chcę oddawać AI każdej najprostszej czynności i tracić własnych kompetencji analitycznych. Astra daje ogromne możliwości, ale największą przewagę widzę wtedy, kiedy potrafię połączyć jej możliwości z własnym rozumieniem danych, biznesu i problemu, który naprawdę próbuję rozwiązać.

2:00 · Opis korzystania z herdr 1

I teraz, żeby cała ta zabawa działała, muszę mieć dostęp do narzędzi. Największym przełomem, który u mnie się wydarzył, korzystając z sztucznej inteligencji, nie były kolejne modele, tylko były kolejne integracje. To znaczy, to Użycie osobistego repozytorium w Githubie, użycie Linear, które się integruje ze wszystkimi moimi modelami i zarządza zadaniami, które są do wykonania i użycie Notion, które nie tyle jest dobrym narzędziem do notatek, co po prostu bardzo dobrze się w CIA integruje. Połączenie tych trzech rzeczy i samych modeli i takiego wielowątkowego, wielomodelowego zarządzania daje mi prawdziwy przełom. I teraz mam wrażenie, że analitycy często

8:00 · Repozytorium i opis pracy na Githubie 2

Tworzysz sobie repozytorium na Githubie. Nawet jeżeli nie robisz tego w firmie, bo nie możesz zrobić tego w firmie, to stworzysz sobie to w domu. Tworzysz sobie repozytorium na Githubie. Na tym repozytorium opisujesz co robisz i kim jesteś. Na tyle na ile możesz. Repozytorium jest oczywiście prywatne. Dajesz dostęp swojemu modelowi AI do tego repozytorium. I już w tym momencie każda rozmowa wygląda inaczej, ponieważ AI ma dostęp do wiedzy o Tobie i nie jest to wiedza, którą musisz za każdym razem załączać w jakimś pliku. Bo ktoś może powiedzieć, hej, ja to mam spisane w Wordzie, ja mu wrzucam tego Worda. To nie jest dobry system pracy. Lepszy system pracy to jest plik, który jest Bardzo dobrze czytelny dla człowieka, ale również rewelacyjnie czytelny dla AI, czyli plik typu Markdown.

Masz repozytorium na Githubie, tam masz pliki Markdown, w którym masz opisane co robisz, gdzie robisz, jak robisz, co chcesz robić. Z czym się zmagasz? I to są osobne dokumenty. AI ci wtedy bardzo pomoże. Co więcej, setupujesz sobie git, uczysz się jak z gita korzystać po to, żeby to wersjonować. Dlaczego? Dlatego, że wtedy AI widzi również jak się sytuacja zmienia. Ty możesz sobie to sprawdzić również. Możesz sprawdzić co robiłeś rok temu, co robisz teraz, jak poprawiłeś te dokumenty, jak to się ewoluuje, ale dla AI historia jest dodatkowym kontekstem, którego bez tego Nie ma. Kolejna istotna rzecz. Jak przychodzisz do firmy, I pracujesz jako analityk, robisz kolejne raporty, bierzesz kolejne etikety, to niestety bardzo często praca sprowadza się do brania kolejnych tasków, do kolejnych tygodni, do kolejnych sprintów.

Pokazano wszystkie 3 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.