🚨😱Wyciekł kod źródłowy Claude Code i szczerze, najciekawsze nie jest to, co tam zbudowali, tylko czego ten kod nas uczy o agentach AI.
Przeczytałem analizę wycieku Claude Code i szczerze, najciekawsze nie było dla mnie to, że mają nowe funcje
Najciekawsze było to, co ten kod pokazuje między wierszami.
Bo on dobrze odsłania, z czym dzisiaj naprawdę męczą się agenty AI. I nie, nie chodzi tylko o to, żeby model był mądrzejszy.
Dla mnie z tego wycieku wychodzi 8 naprawdę ciekawych rzeczy 👇
1️⃣ Największy problem to nie sam model, tylko ogarnięcie rozmowy i pamięci
Po ludzku: agent może być bardzo dobry, ale jeśli po dłuższej rozmowie gubi ważne rzeczy, miesza stare informacje z nowymi albo nie wie, co jeszcze jest ważne, to zaczyna się chaos.
To trochę jak rozmowa z kimś, kto dużo wie, ale co chwilę zapomina, o czym przed chwilą była mowa 🤖
2️⃣ Pamięć AI musi być sprzątana, inaczej robi się bałagan
To był dla mnie jeden z najlepszych fragmentów.
Ten system nie tylko “zapamiętuje”, ale też później czyści, łączy podobne informacje, poprawia stare rzeczy i wyrzuca to, co już nie ma sensu.
Czyli dokładnie tak, jak człowiek porządkuje notatki.
Bo pamięć bez sprzątania po czasie nie pomaga. Ona zaczyna przeszkadzać 🧠
3️⃣ Stare informacje potrafią bardziej szkodzić niż brak informacji
To jest bardzo ważne.
Jeśli agent pamięta coś, co kiedyś było prawdą, ale już nią nie jest, to zaczyna prowadzić cię w złą stronę.
Czyli problem nie brzmi tylko: “czy AI pamięta?”
Prawdziwe pytanie brzmi: “czy AI pamięta aktualnie i sensownie?” 📌
4️⃣ AI coraz częściej ma działać zanim jeszcze coś klikniesz
Ten kierunek jest bardzo ciekawy.
System próbuje przewidzieć, co user zrobi za chwilę, i przygotować część pracy wcześniej.
Nie na zasadzie magii, tylko praktycznie: skrócić czekanie, przygotować następny krok, nie startować od zera.
To już nie wygląda jak zwykły chatbot. To bardziej wygląda jak ktoś, kto rozumie twój workflow i chce cię odciążyć ⚙️
5️⃣ Granice bezpieczeństwa będą ważniejsze niż pełna autonomia
Nie chodzi o to, żeby agent robił wszystko bez pytania.
Chodzi o to, żeby wiedział, co może zrobić sam, a gdzie powinien się zatrzymać.
Czyli nie pełna wolność i nie totalna blokada.
Tylko zdrowy środek.
W praktyce właśnie to zdecyduje, czy agent będzie użyteczny w realnej pracy 🔐
6️⃣ Najważniejsze rzeczy dzieją się w tle, a nie na ekranie
Dużo osób patrzy na AI przez pryzmat ładnego okna czatu.
A ten wyciek pokazuje coś odwrotnego.
Najważniejsze rzeczy dzieją się pod spodem: pamięć, cache, porządkowanie danych, procesy w tle, przewidywanie kolejnych kroków.
Czyli prawdziwa przewaga nie będzie wynikała tylko z tego, co widzisz, ale z tego, jak dobrze działa całe zaplecze 🛠️
7️⃣ Szybkość i koszt zależą dziś od architektury, nie tylko od modelu
To już mniej “efektowne”, ale bardzo ważne.
Jeśli system potrafi mądrze korzystać z tego, co już wie, nie liczy wszystkiego od nowa i dobrze dzieli pracę między procesy, to nagle robi się szybszy i tańszy.
I to właśnie odróżnia ciekawy demo-projekt od czegoś, co da się naprawdę używać na co dzień 💸
8️⃣ Agenty zaczynają przypominać mały zespół, a nie jedno narzędzie
To chyba mój główny wniosek po całości.
Coraz mniej wygląda to jak “jeden model, który odpowiada na pytania”.
Coraz bardziej wygląda to jak kilka procesów, które razem ogarniają robotę, jeden pilnuje pamięci, drugi coś przewiduje, trzeci działa w tle, czwarty sprawdza bezpieczeństwo.
I szczerze, właśnie to wydaje mi się najciekawsze 👀
Po tej analizie jeszcze mocniej widać, że AI dojrzewa nie przez to, że “lepiej gada”, tylko przez to, że zaczyna być lepiej zorganizowane. Mam wrażenie, że właśnie tam zacznie się prawdziwa przewaga.
Nie w samym modelu, tylko w całym systemie i strukturze projektu. Antrophic idzie w naprawdę fajnym kierunku.
Nowy potężny model Claude Mythos bedzie mial premiere w kwietniu.
Chcesz sam zerknąć na ten kod co wyciekł?
Link w komentarzu 👇