16:28
16:28
Prompty z tego odcinka (1)
01
Prompt
Utworzenie zaplanowanego zadania - Przegląd Github
Prompt tworzy codzienny, automatyczny przegląd zmian w repozytoriach GitHub i wyszukuje potencjalne błędy, regresje oraz problemy bezpieczeństwa…
Utwórz mi zaplanowane zadanie uruchamiane codziennie o godzinie 05:00. Nazwa zadania: „Poranny przegląd GitHuba”. Przy każdym uruchomieniu wykonaj następujące zadanie: Przejrzyj wszystkie repozytoria GitHub należące do połączonego użytkownika. Pomiń repozytoria należące do innych osób lub organizacji, do których użytkownik ma tylko dostęp jako współpracownik albo gość. Podstawowy zakres analizy stanowi poprzednia pełna doba kalendarzowa: od godziny 00:00 poprzedniego dnia do godziny 00:00 bieżącego dnia. Dodatkowo uwzględnij commity utworzone bieżącego dnia pomiędzy godziną 00:00 a 02:00. Traktuj je jako przedłużenie poprzedniej sesji pracy i sprawdź je razem z poprzednią dobą. Przed analizą każdego repozytorium sprawdź czas jego najnowszego commita dostępnego na GitHubie. Jeżeli najnowszy commit bieżącego dnia został utworzony: między 00:00 a 02:00 — przeanalizuj repozytorium normalnie i uwzględnij również te commity, po 02:00, a przed uruchomieniem zadania o 05:00 — uznaj repozytorium za nadal aktywnie rozwijane i pomiń je w całości w tym uruchomieniu. W takim przypadku zaznacz w raporcie: „Repozytorium pominięte — aktywna praca po godzinie 02:00”. Nie analizuj części zmian z takiego repozytorium, ponieważ podczas trwającej pracy późniejsze commity mogą modyfikować lub naprawiać wcześniejsze zmiany. Przy następnym uruchomieniu, gdy repozytorium nie będzie już aktywnie rozwijane po godzinie 02:00, przeanalizuj wszystkie wcześniej pominięte i dotąd niesprawdzone commity. Prowadź logiczną ciągłość analizy w taki sposób, aby: żadna zmiana nie została pominięta, żadna zmiana nie została przeanalizowana dwukrotnie, commity z bieżącego dnia z godzin 00:00–02:00, które zostały już sprawdzone wcześniej, nie były ponownie analizowane następnego dnia. Jeśli nie można wiarygodnie ustalić ostatniego sprawdzonego commita lub zakresu wcześniej przeanalizowanych zmian, zaznacz to wyraźnie w raporcie zamiast zgadywać. Analizuj przede wszystkim diffy i bezpośrednio zmienione pliki. Możesz odczytać tylko minimalny, bezpośrednio powiązany fragment kodu potrzebny do potwierdzenia użycia zmienionej funkcji, typu, trasy lub konfiguracji. Nie wykonuj pełnej analizy ani audytu całego repozytorium. Zrób szybki przegląd pod kątem: błędów składni, oczywistych błędów logicznych, odwróconych warunków, kodu nieosiągalnego i brakujących return, błędnych lub brakujących importów, ścieżek, nazw, tras, zmiennych środowiskowych i odwołań, niezdefiniowanych albo niezainicjalizowanych wartości, możliwych null, dzielenia przez zero i wyjścia poza zakres, nieobsłużonych wyjątków, odrzuconych Promise i błędów API, prostych regresji oraz niezgodności zmienionych sygnatur funkcji lub formatów API z ich użyciami widocznymi w zmianach, pozostawionych TODO, FIXME, console.log, var_dump, dd i podobnego kodu debugującego, przypadkowo ujawnionych sekretów, tokenów, haseł, kluczy API lub prywatnych danych, łatwo zauważalnych SQL injection, XSS, command injection, path traversal, braków walidacji danych wejściowych, błędnego filtrowania danych wyjściowych, problemów z autoryzacją oraz wyłączenia SSL, CSRF lub kontroli uprawnień, podejrzanych albo zbędnych nowych zależności, przypadkowo dodanych dużych plików, archiwów, logów, kopii baz i plików tymczasowych, ryzykownych migracji baz danych mogących usuwać dane, oczywistych problemów wydajnościowych, takich jak zapytania w pętli lub możliwa pętla nieskończona, braku aktualizacji testów, gdy zmiana jednoznacznie modyfikuje istniejące zachowanie. Jeśli jest to możliwe bez szerokiego skanowania projektu, wykonaj wyłącznie lekkie kontrole składni lub testy bezpośrednio odnoszące się do zmienionych plików. Zgłaszaj tylko problemy wynikające z analizowanego zakresu zmian. Nie zgłaszaj istniejących wcześniej problemów i nie twórz listy ogólnych ulepszeń. Ogranicz fałszywe alarmy. Niczego nie zmieniaj w repozytoriach. Przygotuj zwięzły raport po polsku. Dla każdego znaleziska podaj: repozytorium, commit i plik, opis problemu, istotność, krótkie uzasadnienie oraz sugestię poprawki. Każde znalezisko oznacz jednym z poziomów pewności: „błąd pewny” „wysokie ryzyko” „do sprawdzenia” Oddziel fakty od przypuszczeń. Jeśli w analizowanym zakresie nie było zmian albo nie znaleziono problemów, napisz to krótko. Utwórz to jako aktywne zadanie cykliczne, codziennie o 05:00.
Utwórz mi zaplanowane zadanie uruchamiane codziennie o godzinie 05:00. Nazwa zadania: „Poranny przegląd GitHuba”. Przy każdym uruchomieniu wykonaj następujące zadanie: Przejrzyj wszystkie repozytoria GitHub należące do połączonego użytkownika. Pomiń repozytoria należące do innych osób lub organizacji, do których użytkownik ma tylko dostęp jako współpracownik albo gość. Podstawowy zakres analizy stanowi poprzednia pełna doba kalendarzowa: od godziny 00:00 poprzedniego dnia do godziny 00:00 bieżącego dnia. Dodatkowo uwzględnij commity utworzone bieżącego dnia pomiędzy godziną 00:00 a 02:00. Traktuj je jako przedłużenie poprzedniej sesji pracy i sprawdź je razem z poprzednią dobą. Przed analizą każdego repozytorium sprawdź czas jego najnowszego commita dostępnego na GitHubie. Jeżeli najnowszy commit bieżącego dnia został utworzony: między 00:00 a 02:00 — przeanalizuj repozytorium normalnie i uwzględnij również te commity, po 02:00, a przed uruchomieniem zadania o 05:00 — uznaj repozytorium za nadal aktywnie rozwijane i pomiń je w całości w tym uruchomieniu. W takim przypadku zaznacz w raporcie: „Repozytorium pominięte — aktywna praca po godzinie 02:00”. Nie analizuj części zmian z takiego repozytorium, ponieważ podczas trwającej pracy późniejsze commity mogą modyfikować lub naprawiać wcześniejsze zmiany. Przy następnym uruchomieniu, gdy repozytorium nie będzie już aktywnie rozwijane po godzinie 02:00, przeanalizuj wszystkie wcześniej pominięte i dotąd niesprawdzone commity. Prowadź logiczną ciągłość analizy w taki sposób, aby: żadna zmiana nie została pominięta, żadna zmiana nie została przeanalizowana dwukrotnie, commity z bieżącego dnia z godzin 00:00–02:00, które zostały już sprawdzone wcześniej, nie były ponownie analizowane następnego dnia. Jeśli nie można wiarygodnie ustalić ostatniego sprawdzonego commita lub zakresu wcześniej przeanalizowanych zmian, zaznacz to wyraźnie w raporcie zamiast zgadywać. Analizuj przede wszystkim diffy i bezpośrednio zmienione pliki. Możesz odczytać tylko minimalny, bezpośrednio powiązany fragment kodu potrzebny do potwierdzenia użycia zmienionej funkcji, typu, trasy lub konfiguracji. Nie wykonuj pełnej analizy ani audytu całego repozytorium. Zrób szybki przegląd pod kątem: błędów składni, oczywistych błędów logicznych, odwróconych warunków, kodu nieosiągalnego i brakujących return, błędnych lub brakujących importów, ścieżek, nazw, tras, zmiennych środowiskowych i odwołań, niezdefiniowanych albo niezainicjalizowanych wartości, możliwych null, dzielenia przez zero i wyjścia poza zakres, nieobsłużonych wyjątków, odrzuconych Promise i błędów API, prostych regresji oraz niezgodności zmienionych sygnatur funkcji lub formatów API z ich użyciami widocznymi w zmianach, pozostawionych TODO, FIXME, console.log, var_dump, dd i podobnego kodu debugującego, przypadkowo ujawnionych sekretów, tokenów, haseł, kluczy API lub prywatnych danych, łatwo zauważalnych SQL injection, XSS, command injection, path traversal, braków walidacji danych wejściowych, błędnego filtrowania danych wyjściowych, problemów z autoryzacją oraz wyłączenia SSL, CSRF lub kontroli uprawnień, podejrzanych albo zbędnych nowych zależności, przypadkowo dodanych dużych plików, archiwów, logów, kopii baz i plików tymczasowych, ryzykownych migracji baz danych mogących usuwać dane, oczywistych problemów wydajnościowych, takich jak zapytania w pętli lub możliwa pętla nieskończona, braku aktualizacji testów, gdy zmiana jednoznacznie modyfikuje istniejące zachowanie. Jeśli jest to możliwe bez szerokiego skanowania projektu, wykonaj wyłącznie lekkie kontrole składni lub testy bezpośrednio odnoszące się do zmienionych plików. Zgłaszaj tylko problemy wynikające z analizowanego zakresu zmian. Nie zgłaszaj istniejących wcześniej problemów i nie twórz listy ogólnych ulepszeń. Ogranicz fałszywe alarmy. Niczego nie zmieniaj w repozytoriach. Przygotuj zwięzły raport po polsku. Dla każdego znaleziska podaj: repozytorium, commit i plik, opis problemu, istotność, krótkie uzasadnienie oraz sugestię poprawki. Każde znalezisko oznacz jednym z poziomów pewności: „błąd pewny” „wysokie ryzyko” „do sprawdzenia” Oddziel fakty od przypuszczeń. Jeśli w analizowanym zakresie nie było zmian albo nie znaleziono problemów, napisz to krótko. Utwórz to jako aktywne zadanie cykliczne, codziennie o 05:00.
0 użyć
|
12 wrz 2026
Opis odcinka
📖 OPIS ODCINKA
Zaplanowane zadanie w ChatGPT lub Claude, które co noc samo przegląda moje repozytoria na GitHubie i szuka błędów w commitach z ostatniej doby. Kolejny odcinek z serii zabawy z różnymi AI.
🖥 Co dokładnie stawiamy i na czym?
Żadnego nowego serwera — konfigurujemy zaplanowane zadanie cykliczne w ChatGPT (tryb Work + konektor do GitHuba) i pokazuję, że dokładnie to samo da się zrobić w Claude. Korzystam na co dzień z Claude Max i GPT Plus, więc robię to trochę krzyżowo: GPT ma pilnować, czy Claude niczego nie spaprał w repozytoriach. Codex świadomie pomijam — mocno zjada tokeny i nie ma wypracowanego kontekstu współpracy jak Claude.
🔧 Z czego to składam?
1. ChatGPT Plus, zakładka Work zamiast Chat
2. Konektor do GitHuba — odczyt repozytoriów i commitów
3. Panel Zaplanowane zadania — harmonogram i logi
4. Zakres: tylko diff z ostatniej doby programistycznej
5. Powiadomienie końcowe na Pushover lub Slacka
⚡ Jak AI samo dopina logikę zadania?
Model najpierw testuje praktycznie własne uprawnienia — sprawdza, czy faktycznie widzi prywatne repozytoria i listę zaplanowanych zadań, i za każdym razem deklaruje, że nic nie zmieni bez polecenia. Prompt zadania budujemy iteracyjnie w rozmowie: dodaję wymaganie oceny pewności każdego zgłoszenia (błąd pewny, wysokie ryzyko, do sprawdzenia), a potem proszę AI o samodzielne zaproponowanie rozwiązania problemu z nocną pracą — i dopiero z kilku wariantów wybieram ten, który mi pasuje.
🔒 Co z bezpieczeństwem takiego dostępu?
Konektor ma pełne uprawnienia odczytu i zapisu do prywatnych repozytoriów, ale zadanie ma wyłącznie czytać commity i pisać raport — zero automatycznych zmian w kodzie. Checker ma też wyłapywać przypadkiem ujawnione klucze i sekrety w commitach, żeby rano było wiadomo, co pilnie rotować. Audyt krzyżowy — GPT ocenia to, co w ciągu dnia robił Claude — traktuję jako dodatkową warstwę kontroli, a nie zaufanie w ciemno.
📱 Jak to wygląda w codziennym użyciu?
Całą konfigurację robię z telefonu, w zakładce Work zamiast zwykłego Chata — tak samo trzeba przełączyć tryb w aplikacji mobilnej, żeby mieć dostęp do konektorów. Harmonogram i historia uruchomień siedzą w panelu Zaplanowane, gdzie można podejrzeć pełny prompt i logi każdego przebiegu. Telefon mam wyciszony między 20 a 8 rano, więc powiadomienie z raportem czeka na Pushoverze albo Slacku, zamiast mnie budzić w środku nocy.
⏱ ROZDZIAŁY
00:00 Wprowadzenie — po co zaplanowane zadania AI
01:18 Plan Claude Max vs GPT Plus, dlaczego nie Codex
02:22 Tryb Work i telefon z dostępem do konektorów
02:45 Test: czy AI ma dostęp do GitHuba i zaplanowanych zadań
04:27 Zlecenie zadania: nocny przegląd repo o 4 rano
06:35 Pomysł na powiadomienia przez Pushover i Slack
07:42 Co ma wyłapywać checker: TODO, klucze, XSS, injection
08:14 Zasada ograniczonego zakresu — tylko wczorajsze zmiany
09:19 Problem: praca do późna a godzina uruchomienia
10:51 Rozwiązanie: warunek bezczynności repo
12:42 Finalny kompromis — godzina 5 i próg 3 w nocy
15:00 Panel zaplanowanych zadań w GPT i Claude
❓ FAQ
Czy trzeba mieć Codexa? Nie, w tym zadaniu wystarczy zwykły ChatGPT Plus lub Claude.
Co jeśli pracuję do trzeciej w nocy? Checker pomija takie repo i sprawdza go później.
Czy AI poprawia kod samo? Nie, tylko czyta commity i pisze raport, zero zmian.
Gdzie widać historię uruchomień? W panelu Zaplanowane — logi i pełny prompt.
🚀 W kolejnym odcinku pokażę, jak od zera skonfigurować Pushover i Slacka do komunikacji z botami. Subskrybuj 🔔 i napisz w komentarzu, do czego Wy używacie zaplanowanych zadań AI.
#ChatGPT #Claude #Anthropic #OpenAI #GitHub #Codex #AI #Automatyzacja #CodeReview #Pushover #Slack #Programowanie #DevTools #Produktywność #SztucznaInteligencja
Sąsiednie odcinki
10:21
12:21
Pushover + MCP: powiadomienia z dźwiękiem alarmu dla botów AI
2 prompty w odcinku