Nota historyczna: ten wpis odtworzyliśmy z zachowanego archiwum aktywności Gemini. Źródło zawiera trzy kolejne wiadomości z 30 maja 2025, wysłane o 19:43, 19:45 i 19:48 czasu polskiego.
Pierwsze pytanie: co to vibe coding?
Rozmowa zaczęła się od bardzo krótkiego pytania: co to vibe coding? Chodziło o nowy sposób tworzenia programów. Zamiast samemu pisać każdą linię kodu, opisujesz normalnym językiem, czego potrzebujesz, a AI przygotowuje kod.
To było ważne, bo punktem wyjścia nie było klasyczne programowanie. Znane były Excel, rozbudowane formuły i trochę VBA tworzonego przy pomocy AI. Zbudowanie całego programu w Pythonie było czymś zupełnie nowym.
Dwie minuty później: czy możesz mnie tego nauczyć?
Kolejne pytanie było jeszcze prostsze: czy możesz mnie tego nauczyć? Gemini zaproponowało praktyczną drogę. Poznać tyle podstaw programowania, żeby rozumieć, co się dzieje, ale AI wykorzystać jako głównego pomocnika do tworzenia, testowania i poprawiania kodu.
Naturalnym wyborem stał się Python. Nie dlatego, że był magiczny, tylko dlatego, że jest czytelny, popularny i ma ogromną liczbę bibliotek do danych, automatyzacji i późniejszej analizy rynku.
Najważniejszy nie był kod. Najważniejsze były instrukcje.
O 19:48 rozmowa przeszła do rzeczy, która później wracała setki razy: promptowania. Zasada była prosta. Dokładnie opisz zadanie. Podaj język i środowisko. Duży problem podziel na mniejsze części. Pokaż przykład. Gdy chcesz zmienić istniejący kod, wklej go. Gdy coś się wywali, wklej błąd i zapytaj, co poprawić.
W praktyce powstała pętla:
Opisz, czego chcesz. Niech AI wygeneruje kod. Uruchom go. Pokaż błąd. Popraw. Powtórz.
Później ten schemat widać w setkach rozmów projektu. Komendy trafiały na serwer, kod był uruchamiany, wracał błąd i AI dostawało kolejne zadanie. Czasem działało to zaskakująco szybko. Czasem kończyło się kompletnym bałaganem.
W tym pomyśle była też pułapka
Vibe coding sprawił, że budowanie programów nagle wyglądało na dostępne dla zwykłego człowieka. Jednocześnie łatwo było uwierzyć, że skoro AI pisze kod, to techniczne zrozumienie nie jest aż tak potrzebne.
Dalsza historia projektu brutalnie sprawdzała to założenie. Złe biblioteki, popsute środowiska, błędy składni, problemy z API i kod, który wyglądał dobrze, ale robił coś innego, niż powinien, stały się częścią nauki.
To nie znaczy, że pierwotny pomysł był zły. Wniosek jest lepszy: AI naprawdę może mocno obniżyć próg wejścia do programowania, ale ktoś nadal musi sprawdzać rzeczywistość.
Dlaczego to jest część historii AUR
Pięć dni później w rozmowach pojawi się już konkretny pomysł samouczącego się bota do kryptowalut. Bez wcześniejszego eksperymentu z programowaniem przez AI ten skok byłby dużo trudniejszy. Projekt nie zaczynał się z zespołem programistów. Zaczynał się od człowieka uczącego się, jak zamienić zwykłe zdania w działający program.
Ten mechanizm nadal jest częścią AUR, ale dziś ma dodatkową zasadę: AI może proponować, budować i analizować, ale o tym, co jest prawdą, muszą decydować dane i uczciwy test.
AUR pozostaje projektem badawczym. Wpisy historyczne dokumentują jego rozwój. Nie są poradą inwestycyjną ani obietnicą zysku.