Cztery umiejętności Claude Code, które naprawiają jego największe słabe strony.
Przegląd narzędzi Ponytail, Claude Video, Last30Days i Humanizer – czterech umiejętności z GitHuba, które redukują marnotrawstwo tokenów, wprowadzają zrozumienie wideo, dostarczają nowych badań oraz poprawiają klarowność tekstu.
Claude Code jest dobry, i większość ludzi się z tym zgadza, ale każdy, kto używa go przez jakiś czas, napotyka te same ograniczenia. Nie potrafi odtwarzać filmów, a jego teksty brzmią, jakby napisał je komputer. Jeśli poprosisz go o zaprojektowanie aplikacji, otrzymasz tylko ogólne, bezsensowne treści. Ponadto limit używania wyczerpuje się szybciej, niż by się spodziewało.
GitHub oferuje setki „umiejętności” Claude, które rzekomo eliminują te braki, ale większość z nich nie jest warta instalacji. Cztery z nich faktycznie radzą sobie z większością problemów, z którymi boryka się Claude Code, i to one warto spróbować najpierw.
Ponytail: powstrzymanie nadmiernego rozwoju Claude
Ponytail nosi taką nazwę od klišé z filmów o hakerach: długi kucyk, napój energetyczny i torebka z chipsami na biurku. Ktoś potrzebuje dostępu do zaszyfrowanej bazy danych rządowej – wpatruje się w ekran, nic nie mówi, wpisuje jedną linię kodu i ma dostęp. Ta technika ma na celu wprowadzenie takiego sposobu myślenia do Claude Code, dzięki czemu uzyskujemy zwięzłe i efektywne wyniki oraz mniej zużywanych tokenów.
Problem, który ma rozwiązać, będzie znajomy tym, którzy pracują z kodem. Gdy poprosisz o coś prostego, Claude często tworzy więcej, niż chciałeś. To kosztuje cię dwa razy tyle – każda dodatkowa linia kodu jest nadal zapisywana i naliczana jako tokeny. Z czasem te dodatki się gromadzą, a w miarę rozwoju projektu Claude plącze się we własnym bałaganie, przez co zmiana jednej rzeczy psuje inną.
Oto cała idea: Ponytail zmusza Claude’a do odpowiedzi na kilka pytań przed napisaniem jakiegokolwiek kodu:
- Czy to w ogóle jest konieczne?
- Czy w projekcie już istnieje coś podobnego?
Zyskujesz na obu frontach: mniej zużytych tokenów oraz kod, który pozostaje wystarczająco mały i uporządkowany, by Claude mógł nadal o nim rozmyślać.
Jest jednak jeden haczyk. Ponieważ model jest dostosowany do oszczędzania tokenów, kompresuje również odpowiedzi w czacie, a techniczne wyjaśnienia mogą być tak skompresowane, że potrzebujesz dwóch lub trzech przeczytań, aby je zrozumieć. Rozwiązanie jest proste – gdy chcesz dłuższego wyjaśnienia, poproś Claude’a, aby wyjaśnił je uczniowi z 5 klasy. Kod pozostaje zwięzły, a tylko wyjaśnienie przestaje być skompresowane.
Video Claude’a: pozwól mu oglądać
Podaj Claude’owi link do YouTube, a on będzie miał trudności. Może pobrać transkrypcję, ale nie może zobaczyć tego, co jest na ekranie, a jeśli wizualna część ma znaczenie, same napisy nie wystarczą.
Claude Video zajmuje się tym bezpośrednio. Po zainstalowaniu narzędzie to czyta transkrypcję, ogląda nagranie i tworzy pełny kontekst, włączając elementy wizualne. Jest to przydatne, gdy śledzisz wiele tutoriali i nie możesz oglądać każdej minuty 30-minutowego podcastu. Użycie go przy długich nagraniach pozwala zrozumieć istotę i zobaczyć szczegóły na ekranie, bez konieczności ręcznego przewijania osi czasu. Nie jest ograniczony tylko do YouTube – działa również na Loom, TikToku, X i Instagramie.
Aby go zainstalować, podaj Claude Code repozytorium przez marketplac pluginów (w ten sposób następuje automatyczne aktualizowanie):
Claude Code (recommended — auto-updates via marketplace):/plugin marketplace add bradautomates/claude-video
/plugin install watch@claude-video
Możesz też po prostu poprosić Claude, aby to zrobił na podstawie adresu URL. Wklej to do czatu:
Install this repo: https://github.com/bradautomates/claude-video
Następnie uruchom polecenie /watch, wklej link z YouTube lub Instagramu i pozwól narzędziu pracować.
Tę umiejętność łatwo wypróbować na dowolnym filmiku, który zwykle przeglądasz pobieżnie. Ostrzeżenie przed instalowaniem czegokolwiek z GitHuba: repozytoria mogą ukrywać próby wstrzykiwania kodu. Jeśli nie jesteś pewien źródła, poproś Claude’a, aby najpierw przeanalizował repozytorium i pobrał tylko to, czego potrzebuje. W ten sposób nic szkodliwego tam ukrytego nigdy nie dotrze do twojego systemu.
Last30Days: badania z tego miesiąca
Last30Days to najpopularniejsza umiejętność na tej liście, mająca około 50 tysięcy gwiazdek na GitHubie. Rozwiązuje problem, z którym prawdopodobnie mierzyłeś się już wiele razy. Załóżmy, że planujesz aplikację randkową dla osób rozwiedzionych i poproś Claude’a o informacje na temat konkurentów lub luk rynkowych. Otrzymane odpowiedzi pochodzą z popularnych artykułów na Google, z których wiele ma już miesiące lub lata, co nie jest pomocne, gdy nowe technologie sprawiają, że rozwiązania stają się przestarzałe w ciągu tygodnia.
Ta umiejętność kieruje Claude’a tam, gdzie ludzie faktycznie rozmawiają o twoim pomysle, a nie do zindeksowanych wpisów na blogach:
To, co naprawdę odróżnia ten narzędzie, to możliwość czytania komentarzy. Zwykłe wyszukiwanie w Claude znajduje post na Reddit i identyfikuje ogólny temat, ale nigdy nie otwiera sekcji komentarzy, a właśnie tam znajdują się najważniejsze informacje. Last30Days pozwala na to.
Narzędzie to także sprawdza informacje w sposób wielokrotny. Jeśli jakaś skarga pojawi się na Reddit, potem na X i następnie w komentarzu na YouTube, system rozpoznaje ten wzorzec i ocenia jego wagę. Jeden zły komentarz zostanie zignorowany, natomiast trzy niezależne skargi z trzech różnych platform zostaną zaznaczone.
W praktyce to zmienia grupę osób, których opinie bierzesz pod uwagę. Twoje badania nie opierają się na artykułach często sponsorowanych lub napisanych przez kogoś z określonym interesem. Pochodzą one od osób najprawdopodobniej skłonnych do zakupu tego, co tworzysz.
Zastosuj to z /last30days i tematem. Kilka przykładów:
- Zauważ trend przed jego szczytem:
/last30days what's exploding in AI - Pobierz aktualne wiadomości na dowolny temat:
/last30days Kendrick Lamar - Porównaj narzędzia:
/last30days OpenClaw vs Hermes vs Paperclip - Sledź wydarzenia na świecie:
/last30days Iran vs USA - Nauč się tematu szybko:
/last30days Nano Banana Pro prompting
Humanizer: usuwanie cech charakterystycznych AI
Humanizer eliminuje oznaki tekstu stworzonego przez AI. Znasz już typowe cechy charakterystyczne:
- Em-dashy
- Budowa „nie to, a tamto”
- Zdania wprowadzające typu „Oto to, co naprawdę ma znaczenie”
- Słowa modowe takie jak cicho, smak, sygnał i gwałtowny wzrost
Zazwyczaj musisz wielokrotnie prosić Claude’a, aby brzmiał bardziej swobodnie i mniej jak maszyna. Humanizer oszczędza ci tę powtarzalność. Opiera się on na oznakach zidentyfikowanych przez redaktorów Wikipedii do rozpoznawania tekstu napisanego przez maszynę i przepuszcza twój tekst przez 33 oddzielne wzorce, wykrywając i usuwając każdą z nich.
Skutecznym sposobem działania jest podanie Claude’owi kilku przykładów twojego własnego stylu pisania, aby mógł na jego podstawie sformułować tekst w tym tonie, a następnie przesłanie wyniku przez Humanizer w celu usunięcia wszystkiego, co nadal brzmi jak tekst generowany przez maszynę.
Pamiętaj, że to narzędzie do poprawy tekstu, a nie do pisania. Nie może podać pomysłu, opowiedzieć historii ani przekształcić nudnego tekstu w coś angażującego. Jeśli szkic jest słaby, takim pozostanie. Jego jedyną funkcją jest usunięcie typowych dla AI słów i wyrażeń, które mogłyby zostać zauważone.
Które najpierw?