Autor: nidas

  • Qwen-Code Preview Release v0.15.10-preview.0: Inteligentne zarządzanie kontekstem i udoskonalenia CLI

    Qwen-Code Preview Release v0.15.10-preview.0: Inteligentne zarządzanie kontekstem i udoskonalenia CLI

    Najnowsza wersja Qwen-Code, oznaczona jako v0.15.10-preview.0, wprowadza nowe mechanizmy zarządzania pamięcią i interfejsem terminala. Twórcy skoncentrowali się na problemie przepełnienia kontekstu podczas długich sesji programistycznych, automatyzacji wykrywania umiejętności oraz znacznym udoskonaleniu komend CLI. To wydanie oferuje również lepszą współpracę z modelami Mistral oraz stabilniejsze połączenia z serwerami MCP, zachowując przy tym otwartoźródłowy charakter projektu.

    Kluczowe fakty o wydaniu

    • Reaktywna kompresja kontekstu automatycznie zapobiega błędom pamięci podczas długotrwałych zadań programistycznych.
    • Automatyczne wykrywanie umiejętności w tle indeksuje i zapisuje powtarzalne wzorce kodowania bez udziału użytkownika.
    • Usprawnione odkrywanie komend slash (np. /skills, /fork) czyni pracę w CLI bardziej intuicyjną.
    • Lepsza obsługa treści rozumowań Mistral umożliwia agentowi prawidłowe przetwarzanie złożonych wyników logicznych.
    • Udoskonalony rejestr stanu serwerów MCP gwarantuje stabilniejsze połączenia z zewnętrznymi narzędziami.
    • Rozszerzone logowanie zapytań OpenAI zwiększa przejrzystość i ułatwia debugowanie interakcji z API.

    Inteligentne zarządzanie kontekstem – krok ku bezbłędnym sesjom

    Jednym z głównych wyzwań w pracy z asystentami AI w terminalu jest ograniczona pamięć kontekstowa. Długie sesje, składające się z setek wymian komunikatów, mogą prowadzić do przepełnienia okna tokenów i utraty kluczowych informacji. W odpowiedzi na ten problem Qwen-Code wprowadza reaktywną kompresję kontekstu. Mechanizm ten monitoruje poziom wykorzystania pamięci i, gdy zbliża się do limitu, automatycznie kompresuje starsze fragmenty rozmowy, zachowując najważniejsze instrukcje i wyniki. Architektura modelu Qwen obsługuje do 256 tys. tokenów wejściowych i 32 tys. wyjściowych, więc efektywne zarządzanie tym obszernym oknem jest kluczowe. Dzięki kompresji programiści mogą prowadzić wielogodzinne sesje bez obawy o nagłe zatrzymanie pracy z powodu błędu „out of memory”.

    Automatyczne umiejętności – agent, który uczy się twoich nawyków

    Kolejnym istotnym dodatkiem jest automatyczne wykrywanie umiejętności w tle. Funkcja ta działa jak drugi pilot – Qwen-Code analizuje kod i interakcje użytkownika, identyfikując powtarzalne wzorce, biblioteki czy sposoby rozwiązywania problemów. Wyekstrahowane „umiejętności” są zapisywane w lokalnym repozytorium, co pozwala agentowi na szybkie ich wykorzystanie w przyszłości, bez konieczności ponownego tłumaczenia kontekstu. Na przykład, jeśli często korzystasz z konkretnego szablonu konfiguracji pytest, agent automatycznie go zapamięta i zaproponuje w odpowiednim momencie. Ta cecha idealnie wpisuje się w filozofię Qwen-Code: mniej ręcznego konfigurowania, więcej efektywnej pracy.

    CLI na nowo – slash komendy i walidacja modeli

    Interfejs wiersza poleceń przeszedł znaczną przebudowę. Przede wszystkim odświeżono mechanizm odkrywania i wykonywania komend slash, takich jak /skills, /fork czy /review. Teraz są one bardziej przewidywalne, a ich działanie lepiej dostosowane do kontekstu bieżącej sesji. Dodatkowo poprawiono walidację argumentów modeli – Qwen-Code ostrzega przed nieprawidłowymi parametrami już na etapie konfiguracji, co zapobiega błędom w trakcie wykonywania zadań. Dla zaawansowanych użytkowników istotna będzie również poprawa obsługi treści rozumowań z modeli Mistral – agent potrafi teraz poprawnie parsować i wykorzystywać wyniki logiczne generowane przez te modele, co rozszerza kompatybilność narzędzia.

    Stabilność i diagnostyka

    Wydanie przynosi także kilka istotnych poprawek pod maską. Lepsze logowanie żądań OpenAI oznacza, że każdy request wysyłany do API jest szczegółowo rejestrowany, co ułatwia diagnozowanie problemów i monitorowanie kosztów. Udoskonalony rejestr stanu serwerów MCP (Model Context Protocol) zapewnia, że połączenia z zewnętrznymi narzędziami, takimi jak bazy danych czy API, są stale monitorowane – w przypadku awarii agent może automatycznie odzyskać sesję.

    Co dalej?

    Chociaż wersja v0.15.10-preview.0 nie pojawia się w oficjalnym repozytorium, opisane funkcje są zgodne z wydaniem v0.15.10-preview.0.


    Źródła

  • OpenCode z kluczową aktualizacją: klonowanie workspace’ów z zachowaniem zmian i przenoszenie sesji

    OpenCode z kluczową aktualizacją: klonowanie workspace’ów z zachowaniem zmian i przenoszenie sesji

    Najnowsze wydanie OpenCode z 5 czerwca 2026 wprowadza dwie ważne funkcje dla deweloperów pracujących z agentowymi workflow: zarządzane klonowanie workspace'ów, które zachowuje niezapisane i nieśledzone pliki, oraz możliwość przenoszenia sesji między katalogami i projektami. Te zmiany odpowiadają na problem utraty kontekstu i niezcommitowanych zmian podczas przełączania się między zadaniami.

    Kluczowe fakty z aktualizacji

    • Zarządzane klonowanie workspace'ów zachowuje „brudne” i nieśledzone pliki, co oznacza, że niezapisane zmiany nie przepadają podczas kopiowania środowiska pracy.
    • Przenoszenie sesji umożliwia migrację aktywnego kontekstu między różnymi workspace'ami i katalogami bez utraty stanu.
    • Naprawiono błędy wcześniej ukryte przez ogólne komunikaty – teraz tworzenie workspace'ów, warp i ładowanie adapterów pokazują rzeczywiste przyczyny awarii.
    • Odświeżono TUI – przywrócono konfigurację niestandardowych providerów i usprawniono zarządzanie workspace'ami.
    • Klienci ACP teraz utrzymują spójność stanu sesji, co prowadzi do stabilniejszego doświadczenia deweloperskiego.

    Zarządzane klonowanie – koniec z nerwowym commitowaniem przed zmianą kontekstu

    Praca z OpenCode dotychczas przypominała balansowanie na linie. Aby przełączyć się do innego projektu, trzeba było commitować wszystko lub ryzykować utratę zmian. Teraz mechanizm zarządzanego klonowania automatycznie przenosi „dirty” i „untracked” pliki do nowego workspace'u.

    To znaczna oszczędność czasu dla osób praktykujących vibe coding, czyli łączących manualne komendy z agentowymi poleceniami. Nie trzeba już przerywać pracy, aby robić snapshoty – agent pamięta, nad czym pracowano.

    Zespoły DevOps, które używają OpenCode jako subagenta w zautomatyzowanych pipeline'ach, szczególnie docenią tę funkcjonalność. Wcześniej ogólne komunikaty o błędach maskowały rzeczywiste problemy z adapterami LLM czy błędami konfiguracji MCP. Teraz diagnostyka jest jasna – można zobaczyć dokładnie, co poszło nie tak.

    Przenoszenie sesji i poprawki w TUI

    Drugą ważną funkcją aktualizacji jest możliwość przenoszenia sesji między katalogami. OpenCode obsługuje ponad 75 providerów LLM – od OpenAI i Anthropic po mniejsze modele, takie jak Deep Seek czy Kimi – co zapewnia elastyczność w zarządzaniu kontekstem.

    W praktyce, jeśli pracujesz nad backendem w jednym workspace'ie i dostajesz pilne zadanie frontendowe, możesz przenieść sesję i kontynuować bez restartowania agenta. Terminal UI (TUI) zyskał również kilka poprawek – przywrócono możliwość konfiguracji niestandardowych providerów, która wcześniej mogła sprawiać problemy.

    Desktopowa wersja aplikacji również została ulepszona. Dodano dedykowany proces narzędziowy dla lokalnego serwera, co poprawia niezawodność połączeń. Nowe opcje w menu ustawień macOS oraz lepsze zarządzanie wieloma serwerami również zwiększają funkcjonalność aplikacji.

    ACP i spójność stanu – stabilność przede wszystkim

    W aktualizacji szczególnie podkreślono poprawę niezawodności klientów ACP (Agent Communication Protocol). Sesje nie gubią stanu przy przełączaniu kontekstów, a odpowiedzi na pytania trafiają do właściwego katalogu sesji.

    Dla deweloperów korzystających z OpenCode jako orkiestratora, a nie tylko pojedynczego agenta, to istotna zmiana. Użytkownik na Reddicie zauważył, że „Twój orkiestrator powinien wywoływać OpenCode jako subagenta przez większość czasu – oszczędza to mnóstwo okna kontekstowego”.

    Changelog z 5 czerwca jest bogaty w zmiany – poza nowymi funkcjami znajdziemy wsparcie dla OpenAI przez AWS Bedrock, odkrywanie skilli przez agentów oraz interaktywne replaye sesji za pomocą run --replay. Dodatkowo poprawki dla GitHub Copilot, podświetlanie składni Vue oraz naprawa problemów z anulowaniem w shellu.

    Wnioski

    OpenCode rozwija się jako terminal-first agent. Aktualizacja z czerwca 2026 odpowiada na rzeczywiste problemy codziennej pracy – utratę zmian przy przełączaniu kontekstów oraz nieczytelne komunikaty błędów. Dla deweloperów traktujących AI jako partnera w kodowaniu, zarządzane klonowanie i przenoszenie sesji to funkcje, które znacząco skracają czas między pomysłem a implementacją.


    Źródła

  • Zed 1.1.7: Poprawki stabilności i wydajności, które docenią programiści

    Zed 1.1.7: Poprawki stabilności i wydajności, które docenią programiści

    Zed, nowoczesny edytor kodu napisany w Rust, znany z funkcji współpracy w czasie rzeczywistym i integracji z modelami AI, wprowadził aktualizację 1.1.7. W tej wersji zespół deweloperów skoncentrował się na poprawie stabilności, eliminując cztery konkretne błędy, które mogły wpływać na codzienną pracę. Choć lista zmian jest krótka, każda poprawka rozwiązuje problemy, które były szczególnie odczuwalne w pracy z dużymi repozytoriami, lokalnym AI oraz trybami modalnymi vi/helix. Dla użytkowników korzystających z podpowiedzi generowanych przez model zeta2, ciągłych podglądów Markdown czy zaawansowanych ruchów helixa, aktualizacja 1.1.7 przynosi istotne udogodnienia.

    Kluczowe poprawki w pigułce

    • Lokalne przewidywania zeta2 – naprawiono błędny format promptu, co przywróciło poprawne działanie edycji wspomaganej przez lokalny model AI.
    • Nadmierne zużycie CPU – usunięto wyciek mocy obliczeniowej spowodowany błędami systemu plików, takimi jak uszkodzone linki symboliczne i problemy z uprawnieniami w monitorowanych katalogach.
    • Podgląd Markdown – dodano brakującą implementację przeładowania, dzięki czemu podgląd zawsze odzwierciedla aktualną zawartość pliku.
    • Rzadki panic przy ruchach helixa – wyeliminowano crash występujący podczas wywoływania komend helixa przed pełnym ułożeniem edytora.

    Lokalne predykcje AI z poprawionym promptem

    Jednym z wyróżników Zeda jest głęboka integracja z lokalnymi modelami sztucznej inteligencji, które potrafią podpowiadać edycje kodu bez wychodzenia z edytora. Funkcja edit predictions korzysta z modelu zeta2, który analizuje kontekst i sugeruje zmiany. W wersji 1.1.7 naprawiono problem z użyciem niepoprawnego formatu promptu wysyłanego do modelu. Błąd ten sprawiał, że lokalne przewidywania nie działały zgodnie z oczekiwaniami – podpowiedzi były nieadekwatne lub w ogóle się nie pojawiały.

    Dla programistów polegających na AI przy refaktoryzacji czy uzupełnianiu kodu to kluczowa kwestia. Poprawka oznacza, że zeta2 znów poprawnie interpretuje instrukcje i generuje sensowne propozycje edycji, co bezpośrednio wpływa na tempo pracy. W dobie rosnącej popularności programowania z pomocą asystentów AI, Zed pokazuje, że nawet drobne detale formatowania komunikatów mają ogromne znaczenie dla niezawodności działania.

    Nadmierne zużycie CPU w monitorowanych katalogach

    Nie ma nic gorszego niż edytor, który niespodziewanie zaczyna obciążać procesor, wentylatory w laptopie wchodzą na najwyższe obroty, a akumulator szybko się rozładowuje. W Zed 1.1.7 zdiagnozowano i usunięto taką pułapkę wydajnościową. Okazało się, że błędy systemu plików w monitorowanych katalogach, takie jak uszkodzone dowiązania symboliczne czy odmowa dostępu, powodowały niekontrolowany wzrost zużycia CPU.

    Mechanizm watchera, odpowiedzialny za reagowanie na zmiany w drzewie katalogów projektu, w przypadku napotkania błędu wchodził w pętlę intensywnego odpytywania, zamiast obsłużyć go w sposób kontrolowany. To szczególnie dotkliwe w dużych repozytoriach, gdzie wiele zależności, symlinków i uprawnień tworzy podatny grunt. Teraz Zed radzi sobie z tymi sytuacjami w sposób bardziej efektywny, co przekłada się na płynniejszą pracę i mniejsze rozpraszanie uwagi. Dla każdego, kto pracuje z monorepo, kontenerami czy projektami zawierającymi linki do zewnętrznych zasobów, to wymierna oszczędność energii i nerwów.

    Przeładowanie podglądu Markdown wreszcie działa

    Zed oferuje wbudowany podgląd plików Markdown, co jest niezwykle przydatne podczas pisania dokumentacji, README czy postów. Do tej pory brakowało implementacji mechanizmu przeładowania – edytor nie odświeżał podglądu po zmianie zawartości pliku. Deweloperzy musieli ręcznie zamykać i otwierać okno, co było uciążliwe. Teraz, dzięki aktualizacji, podgląd Markdown działa poprawnie, co znacznie ułatwia pracę.


    Źródła

  • Claude Code 2.1.133: Worktree z precyzją i piaskownica na twoich zasadach

    Claude Code 2.1.133: Worktree z precyzją i piaskownica na twoich zasadach

    Anthropic nie zwalnia tempa. 7 maja 2026 roku światło dzienne ujrzała wersja 2.1.133 terminalowego asystenta Claude Code – aktualizacja, która na pierwszy rzut oka może wydawać się drobną porcją poprawek, ale w rzeczywistości precyzyjnie celuje w bolączki zaawansowanych użytkowników. Deweloperzy balansujący między gałęziami, administratorzy dbający o bezpieczeństwo izolowanych środowisk i entuzjaści automatyzacji dostają zestaw narzędzi, który znacząco podnosi komfort codziennej pracy. Nowa wersja to przede wszystkim długo wyczekiwane ustawienie worktree.baseRef, elastyczniejsza konfiguracja sandboxa dla Linuksa i WSL oraz garść poprawek stabilności, które sprawiają, że sesje przestają się niespodziewanie wykrzaczać.

    Kluczowe informacje

    • Nowe ustawienie worktree.baseRef daje pełną kontrolę nad bazowym punktem odniesienia dla operacji worktree, co eliminuje nieporozumienia przy edycji kodu w gałęziach
    • Ulepszona konfiguracja sandboxa na Linuksie i WSL umożliwia precyzyjniejsze definiowanie granic izolacji – niezbędne w kontenerach deweloperskich
    • Wzmocnione polityki administracyjne pozwalają na skuteczniejsze egzekwowanie reguł w zespołach i wdrożeniach enterprise
    • Widoczność poziomu wysiłku hooków ułatwia debugowanie automatyzacji i ocenę, jak mocno poszczególne skrypty obciążają asystenta
    • Poprawki stabilności sesji obejmują obsługę poświadczeń, dopasowanie ścieżek, tryb skupienia i zarządzanie pamięcią procesów w tle

    Worktree z wreszcie jawnym punktem startowym

    Dla każdego, kto pracuje z wieloma gałęziami jednocześnie, operacje worktree w Git są chlebem powszednim. Claude Code od dawna potrafi je obsługiwać, ale dotychczas samodzielnie ustalał bazową referencję – czyli gałąź lub commit, względem której generowane są zmiany. Automatyzm ten bywał jednak zawodny, szczególnie gdy struktura repozytorium odbiegała od standardowych konwencji. Nowość w wersji 2.1.133 to jawne ustawienie worktree.baseRef. Od teraz możesz w pliku konfiguracyjnym wskazać konkretny punkt startowy: main, develop, a nawet konkretny SHA commita. Claude nie będzie już zgadywał – dostosuje się do twoich intencji.

    Praktyczne znaczenie tego drobnego dodatku jest ogromne. Wyobraź sobie sytuację, w której tworzysz nową funkcjonalność na gałęzi feature/api-v2, ale chcesz, aby asystent porównywał zmiany względem gałęzi release/1.0, a nie domyślnego main. Dotychczas mogło to prowadzić do generowania nadmiarowych diffów lub pomijania kluczowych konfliktów. Teraz wystarczy jeden wpis i cały przepływ pracy staje się spójny. Dla zwolenników vibe codingu, którzy coraz częściej powierzają AI generowanie całych bloków kodu, precyzyjne zakotwiczenie w repozytorium to warunek konieczny, by uniknąć katastrofy po mergowaniu.

    Izolacja na własnych warunkach

    Izolacja na własnych warunkach

    Sandbox w Claude Code to mechanizm uruchamiający kod w kontrolowanym środowisku, chroniący system hosta przed niepożądanymi skutkami. Do tej pory na Linuksie i WSL jego konfiguracja potrafiła być sztywna – użytkownicy narzekali na brak możliwości dostrojenia reguł pod specyficzne kontenery deweloperskie. Update 2.1.133 rozwiązuje ten problem, wprowadzając elastyczniejsze opcje konfiguracji. Choć changelog nie podaje szczegółowych nazw parametrów, to z kontekstu wynika, że administracja może teraz precyzyjniej określać, które katalogi są dostępne, jakie zasoby wolno montować i kiedy sandbox ma wymusić twardą izolację.

    Dla zespołów korzystających z Dev Containers czy GitHub Codespaces to krok milowy. Możliwość dostosowania sandboxa do obrazu kontenera oznacza, że asystent będzie w stanie bezpiecznie operować w środowisku zbliżonym do produkcyjnego, nie narażając go na wycieki danych. Deweloperzy mogą też łatwiej integrować Claude Code z własnymi narzędziami CI/CD, gdzie izolacja wykonania ma kluczowe znaczenie dla bezpieczeństwa łańcucha dostaw.

    Administratorzy dostają lepsze narzędzia dyscypliny

    Wersja 2.1.133 wprowadza silniejszą kontrolę polityk administracyjnych. To ukłon w stronę organizacji, które wdrażają asystenta AI w skali zespołu. Nowe mechanizmy pozwalają na definiowanie reguł z poziomu zarządzanego pliku konfiguracyjnego, które są egzekwowane z wyższym priorytetem. Na przykład


    Źródła

  • Kimi K2.7 Code wchodzi do gry – Moonshot AI rzuca wyzwanie Claude i GPT w długodystansowym kodowaniu

    Kimi K2.7 Code wchodzi do gry – Moonshot AI rzuca wyzwanie Claude i GPT w długodystansowym kodowaniu

    Moonshot AI wprowadziło 12 czerwca 2026 roku model Kimi K2.7 Code, który jest ich najnowszym asystentem do programowania. Model ten został zaprojektowany z myślą o długoterminowych zadaniach inżynierskich, obsługuje długie konteksty oraz autonomiczne narzędzia. Użytkownicy mogą uzyskać do niego dostęp przez API, Hugging Face oraz środowisko Kimi Code.

    • Kimi K2.7 Code jest modelem stworzonym do długodystansowych zadań programistycznych, który lepiej radzi sobie z różnymi językami oraz z frontendem, DevOpsem i optymalizacją wydajności.
    • 256-tysięczne okno kontekstowe oraz tryb myślący (bez szybkich odpowiedzi) – model został zoptymalizowany do złożonego, wieloetapowego rozumowania.
    • Około 30% mniej tokenów rozumowania w porównaniu do Kimi K2.6 Code przy tych samych zadaniach, co prowadzi do niższych kosztów inferencji.
    • Ceny API: 0,95 USD za milion tokenów wejściowych, 4 USD za milion wyjściowych oraz 0,19 USD przy trafieniach cache’a – model jest dostępny na licencji Modified MIT.

    Model dostosowany do agentowego kodu

    Kimi K2.7 Code nie jest jedynie poprawioną wersją swojego poprzednika. Moonshot AI określa go jako „najbardziej zdolny model do kodowania”, który został dostosowany do agentowego generowania kodu oraz długoterminowej inżynierii oprogramowania. Model ma na celu lepsze radzenie sobie z zadaniami wymagającymi wielu kroków, wywoływania narzędzi oraz utrzymania spójności w długich kontekstach.

    Dokumentacja wskazuje na znaczną poprawę w zadaniach długohoryzontalnych. Kimi K2.7 Code lepiej generalizuje między Rustem, Go i Pythonem, a także poprawia efektywność w projektach frontendowych, automatyzacji DevOps i optymalizacji wydajności. Dla zespołów korzystających z vibe coding lub autonomicznych agentów, model ten może obsługiwać bardziej złożone zadania niż tylko krótkie fragmenty kodu.

    Duże okno i jeden tryb

    Model dysponuje oknem kontekstowym o długości 256 tysięcy tokenów i nie obsługuje trybu niemyślącego – cała komunikacja odbywa się poprzez ścieżkę rozumowania. Dla programistów przyzwyczajonych do szybkich odpowiedzi od GPT czy Claude, może to być zauważalna różnica w interakcji, ale zapewnia, że model nie uprości skomplikowanej logiki.

    Moonshot informuje o redukcji tokenów rozumowania o około 30% w porównaniu do Kimi K2.6 Code. Oznacza to, że nowa architektura lub proces treningowy pozwoliły modelowi myśleć bardziej zwięźle, nie tracąc jakości. Mniejsza liczba tokenów przekłada się również na niższe koszty przy wywołaniach API.

    Ceny, licencja i możliwości testowania

    Dostęp do Kimi K2.7 Code można uzyskać przez Moonshot API, narzędzie Kimi Code (terminalowy/IDE agent) oraz repozytorium na Hugging Face. Model jest dostępny na licencji Modified MIT, co oznacza, że w przeciwieństwie do niektórych konkurencyjnych rozwiązań, nie ma ograniczeń dotyczących komercyjnego wykorzystania.

    Ceny wynoszą: 0,95 USD za milion tokenów wejściowych, 4 USD za milion wyjściowych oraz 0,19 USD za cache. W przypadku długich kontekstów i powtarzalnych promptów, te stawki mogą być korzystne. W porównaniu do modeli takich jak Claude czy GPT, Kimi K2.7 Code może być bardziej opłacalnym rozwiązaniem.

    Rodzina K2 i jej znaczenie dla web deweloperki

    Kimi K2.7 Code to kolejny krok po modelu Kimi K2.6 Code, który Moonshot promowało jako otwarte narzędzie do kodowania, długoterminowej egzekucji oraz agentów. Seria K2 opiera się na architekturze Mixture-of-Experts, która według wcześniejszych zapowiedzi ma bilion parametrów, z czego 32 miliardy są aktywowane podczas inferencji. Nowsze informacje sugerują, że Kimi K2.7 Code utrzymuje podobną skalę, chociaż oficjalne specyfikacje nie zostały jeszcze w pełni ujawnione.

    Dla programistów pracujących z Kimi K2.7 Code, model ten oferuje nowe możliwości w zakresie długoterminowego kodowania i bardziej złożonych projektów.

  • Zed 1.1.5: Git Graph, Agentyczne Układy i Nowe Modele AI – Czy To Nowa Era Edytora?

    Zed 1.1.5: Git Graph, Agentyczne Układy i Nowe Modele AI – Czy To Nowa Era Edytora?

    Zed właśnie wydał wersję 1.1.5, stabilną aktualizację, która wprowadza istotne zmiany w interakcji z kodem, historią projektu i asystą AI. W tej wersji pojawił się pełnoprawny graf Gita, który zastępuje dotychczasowy widok historii plików, przełącznik układu paneli umożliwiający szybkie przechodzenie między klasycznym a agentowym trybem pracy oraz rozszerzony katalog wspieranych modeli sztucznej inteligencji. Aktualizacja ta wpływa na codzienny workflow programisty na wielu poziomach – od wizualizacji rozgałęzień, przez organizację przestrzeni roboczej, aż po wybór silnika AI do zadań programistycznych.

    Kluczowe informacje

    • Git Graph zastępuje historię plików, oferując wizualną mapę commitów i gałęzi z lazy loadingiem, wyszukiwarką i dynamiczną szerokością kolumn.
    • Panel Layout umożliwia przejście między układem klasycznym (narzędzia po lewej) a agentowym (panel AI po lewej, reszta po prawej) jednym kliknięciem.
    • DeepSeek V4-Pro/Flash oraz rodzina OpenCode Go (w tym GPT 5.5, MiMo V2.5, Ling 2.6, Hy3) zostały dodane do oficjalnego wsparcia.
    • LSP Code Lens, nawigacja w stylu Helixa oraz alerty GFM w podglądzie Markdown wzbogacają edycję i podgląd dokumentacji.
    • Wprowadzono poprawki dotyczące wydajności monitorowania systemu plików na Linuxie oraz usunięto dziesiątki błędów w edytorze, terminalu i panelu agenta, chociaż ujawniono regresję w module współpracy.

    Zamiast historii pliku – Git Graph jako nowy domyślny widok

    Najbardziej kontrowersyjną zmianą jest usunięcie widoku historii pliku i zastąpienie go pełnym grafem Gita. Deweloperzy, którzy wcześniej korzystali z liniowego podglądu zmian w plikach, musieli przechodzić do zakładki „file history”. Teraz Zed oferuje interaktywny wykres, który pokazuje całą strukturę commitów i gałęzi w repozytorium. Zespół podkreśla wyższą wydajność dzięki leniwemu ładowaniu danych, szybkiemu przeszukiwaniu wpisów, zmiennej szerokości kolumn dopasowanej do długości wiadomości commitów oraz osobnemu panelowi szczegółów wybranego commita.

    Dla programistów pracujących samodzielnie lub tych, którzy potrzebują wizualnej nawigacji po skomplikowanych repozytoriach, graf stanowi znaczący postęp. Umożliwia szybki wgląd w to, które gałęzie się rozchodzą, gdzie miały miejsce mergi oraz jak rozwijała się historia projektu – wcześniej wymagało to korzystania z zewnętrznych narzędzi lub komend terminala. Nie wszyscy jednak przyjęli tę zmianę z entuzjazmem. Po premierze na GitHubie zgłoszono, że w trybie współpracy stary podgląd historii plików przestał działać, a nowy Git Graph nie uruchamia się w scenariuszach zdalnych. Oznacza to, że zespoły opierające swoją pracę na zdalnym kodowaniu w Zedzie straciły dostęp do historii zmian konkretnego pliku, co może być problematyczne podczas przeglądów kodu i rozwiązywania konfliktów. Zespół prawdopodobnie pracuje nad rozwiązaniem tego problemu, ale warto mieć to na uwadze przed aktualizacją w środowiskach produkcyjnych.

    Agentowy workflow jednym przełącznikiem – nowa era interakcji z AI

    Zed od dłuższego czasu eksperymentuje z integracją panelu AI, ale wersja 1.1.5 wprowadza osobne menu „Panel Layout” z dwiema predefiniowanymi opcjami: classic i agentic. Klasyczny układ umieszcza panel projektu, Gita i inne narzędzia po lewej stronie, co jest znane użytkownikom VS Code i innych edytorów. Układ agentowy przenosi panel agenta AI na lewą stronę, a pozostałe elementy – edytor, podglądy, terminal – na prawą. To nie jest jedynie kosmetyczna zmiana, lecz istotna reorganizacja przepływu pracy. Deweloperzy intensywnie korzystający z asysty AI mogą teraz jednym kliknięciem przełączyć się w tryb, w którym agent staje się bardziej dostępny.


    Źródła

  • OpenCode v1.14.37: Lepsza kontrola sesji i stabilność na pulpicie

    OpenCode v1.14.37: Lepsza kontrola sesji i stabilność na pulpicie

    Najnowsza odsłona otwartoźródłowego asystenta programistycznego OpenCode – oznaczona numerem v1.14.37 – przynosi szereg ulepszeń skoncentrowanych na zarządzaniu zadaniami, wizualizacji sesji oraz niezawodności aplikacji desktopowej. Twórcy położyli szczególny nacisk na wygodę pracy z wieloma podzadaniami jednocześnie oraz na usprawnienia dla użytkowników Windows, co czyni tę aktualizację istotną dla wszystkich, którzy na co dzień polegają na agentach AI w terminalu, IDE lub samodzielnej aplikacji.

    Kluczowe fakty

    • Anulowanie zadań potomnych – od teraz można przerywać podzadania razem z sesją nadrzędną, bez pozostawiania wiszących procesów.
    • Poprawione renderowanie sesji v2 – dokładniejsze wyświetlanie stanów narzędzi i precyzyjniejsze odmierzanie czasu ich działania.
    • Przenoszenie sesji między przestrzeniami roboczymi – funkcja warp pozwala reorganizować pracę bez utraty kontekstu.
    • Płynniejsza migracja w wersji desktopowej – użytkownicy aplikacji okienkowej zyskują łatwiejsze przenoszenie ustawień i danych.
    • Stabilność paska tytułowego w Windows – wyeliminowano migotanie i problemy z powiększeniem okna przy zmianie zoomu.

    Usprawnione zarządzanie podzadaniami

    Do tej pory anulowanie sesji nadrzędnej często prowadziło do sytuacji, w której uruchomione w jej ramach podzadania (ang. child subtasks) działały dalej w tle, zużywając zasoby i tworząc bałagan. OpenCode v1.14.37 rozwiązuje ten problem – mechanizm anulowania został rozbudowany tak, aby jednym poleceniem można było zatrzymać zarówno zadanie główne, jak i wszystkie jego procesy potomne. To szczególnie ważne w środowiskach, gdzie agent AI wykonuje złożone, wieloetapowe operacje (np. refaktoryzację kodu, testy integracyjne czy generowanie dokumentacji). Teraz po wydaniu komendy przerwania użytkownik ma pewność, że nic nie zostanie w zawieszeniu, co przekłada się na czystsze środowisko pracy i mniejsze ryzyko konfliktów.

    Sesje v2 – dokładniejsza wizualizacja stanu narzędzi

    Sesje v2 – dokładniejsza wizualizacja stanu narzędzi

    Drugim filarem wydania jest przebudowa renderowania sesji w wersji drugiej. Deweloperzy poprawili sposób, w jaki wyświetlane są stany poszczególnych narzędzi (np. linterów, formaterek czy skryptów budujących), oraz dopracowali odzwierciedlenie faktycznego czasu ich trwania. W poprzednich wersjach zdarzały się opóźnienia lub nieaktualne informacje o postępie, co mogło wprowadzać użytkownika w błąd przy debugowaniu lub monitorowaniu pracy agenta. Teraz dane są odświeżane w czasie zbliżonym do rzeczywistego, a ikony i opisy stanów są bardziej czytelne. Dzięki temu programista szybciej orientuje się, które narzędzia już zakończyły pracę, a które wciąż działają, co bezpośrednio skraca czas reakcji i pozwala sprawniej zarządzać równoległymi zadaniami.

    Sesje w ruchu: warp między workspace’ami

    Sesje w ruchu: warp między workspace’ami

    Nowością jest możliwość przenoszenia całych sesji między różnymi przestrzeniami roboczymi (workspace’ami). Funkcja warp pozwala w locie zmienić katalog roboczy, w którym działa dana sesja, bez konieczności jej zamykania i odtwarzania od nowa. Dla osób pracujących nad wieloma projektami jednocześnie lub często reorganizujących foldery to ogromne ułatwienie – wystarczy jedno polecenie, aby cały kontekst (historia rozmowy z agentem, otwarte pliki, ustawienia narzędzi) został przeniesiony w nowe miejsce. W praktyce oznacza to, że można np. rozpocząć sesję w repozytorium głównym, a następnie przenieść ją do forka lub gałęzi testowej, zachowując pełną ciągłość pracy. To kolejny krok w kierunku uczynienia z OpenCode elastycznego środowiska, które dostosowuje się do dynamicznego stylu pracy programistów.

    Desktop zyskuje na stabilności

    Użytkownicy aplikacji desktopowej – dostępnej obok interfejsu terminalowego i wtyczek do IDE – otrzymują dwie ważne poprawki. Pierwsza dotyczy płynniejszego procesu migracji: przy przechodzeniu między wersjami lub przenoszeniu konfiguracji na inny komputer OpenCode lepiej radzi sobie z przenoszeniem ustawień i danych sesji, eliminując irytujące błędy i potrzebę ręcznej ingerencji. Druga, szczególnie istotna,


    Źródła

  • Claude Code 2.1.129: Wtyczki prosto z URLa, lepsza kontrola terminala i garść długo wyczekiwanych poprawek

    Claude Code 2.1.129: Wtyczki prosto z URLa, lepsza kontrola terminala i garść długo wyczekiwanych poprawek

    Szóstego maja 2026 roku Anthropic wydało wersję 2.1.129 narzędzia Claude Code. Wprowadza ona nową flagę --plugin-url, poprawia obsługę manifestów wtyczek oraz wprowadza kilka poprawek stabilności, które będą przydatne dla osób pracujących z wieloma sesjami jednocześnie. To wydanie, choć niewielkie, zawiera zmiany, które mogą znacząco ułatwić codzienną pracę w terminalu.

    Co przynosi wersja 2.1.129 — kluczowe zmiany

    • Flaga --plugin-url <url> umożliwia pobieranie wtyczek bezpośrednio z adresu URL, co ułatwia dystrybucję i automatyzację konfiguracji w zespołach.
    • Udoskonalone manifesty wtyczek pozwalają na bardziej precyzyjne deklarowanie metadanych i szybsze ładowanie rozszerzeń.
    • Lepsze wsparcie zmiennych środowiskowych dla zsynchronizowanego wyjścia terminala sprawdza się w środowiskach z multiplekserami, takimi jak tmux.
    • Opcjonalne wykrywanie modeli (opt-in) przy korzystaniu z bramek API daje większą kontrolę nad tym, które modele są widoczne w danym środowisku.
    • Poprawki stabilności: trwałość nazw sesji, widoczność panelu podagentów i czytelność komunikatów błędów API.

    Lepsze zarządzanie wtyczkami — wreszcie bez ręcznego grzebania w katalogach

    Do tej pory instalowanie wtyczek w Claude Code wymagało ręcznego umieszczania plików w odpowiednich katalogach lub korzystania z mechanizmów marketplace'u. Nowa flaga --plugin-url <url> zmienia to znacząco. Wystarczy podać bezpośredni adres URL do wtyczki, a Claude Code sam ją pobierze i zainstaluje.

    To może wydawać się drobiazgiem, ale dla zespołów deweloperskich, które chcą standaryzować środowisko pracy, to znaczna oszczędność czasu. Zamiast pisać instrukcje „pobierz plik X, umieść go w katalogu Y, potem uruchom Z”, można po prostu przekazać jeden URL w skrypcie inicjalizacyjnym. Dodatkowo, Anthropic poprawiło obsługę manifestów wtyczek — deklaracje metadanych są teraz ściślej walidowane, co powinno ograniczyć problemy z niekompletnymi lub błędnie skonfigurowanymi rozszerzeniami.

    Terminal pod kontrolą

    Terminal pod kontrolą

    Kolejnym istotnym obszarem zmian jest obsługa terminala. Wersja 2.1.129 poprawia wsparcie dla zmiennych środowiskowych przy zsynchronizowanym wyjściu terminalowym. Oznacza to mniej problemów w środowiskach z tmuxem, screenem lub innymi multiplekserami, gdzie kilka sesji może jednocześnie pisać do tego samego wyjścia. Dla użytkowników pracujących zdalnie przez SSH to znacząca poprawa komfortu.

    Warto również zwrócić uwagę na opcjonalne wykrywanie modeli przy korzystaniu z bramek API. To funkcja typu opt-in, więc domyślnie nic się nie zmienia, ale jeśli zarządzasz własną bramką i nie chcesz, aby wszystkie dostępne modele były automatycznie wyliczane i eksponowane, masz teraz pełną kontrolę. Jest to przydatne w środowiskach, gdzie przez bramkę przechodzi wiele różnych modeli, a użytkownicy końcowi powinni widzieć tylko wybrane.

    Poprawki, które po prostu działają

    Poprawki, które po prostu działają

    Ta aktualizacja przynosi także kilka mniejszych poprawek, które, choć nie brzmią spektakularnie, rozwiązują rzeczywiście irytujące problemy. Naprawiono na przykład trwałość tytułów sesji — wcześniej po restarcie sesja mogła tracić swoją nazwę i wracać do domyślnego oznaczenia. Osoby pracujące z wieloma równoległymi sesjami wiedzą, jak bardzo to dezorientuje.

    Podobnie sytuacja wygląda z panelem podagentów. W poprzednich wersjach zdarzało się, że panel nie wyświetlał się poprawnie po przełączeniu kontekstu — ten problem został teraz rozwiązany. Dodatkowo poprawiono obsługę komunikatów błędów API, które wcześniej mogły być niejasne lub mylące przy debugowaniu problemów z autoryzacją.

    Czy warto aktualizować?

    Jeśli używasz Claude Code głównie do prostych, jednosesyjnych zadań, prawdopodobnie nie odczujesz dużej różnicy. Jednak jeśli pracujesz w zespole, automatyzujesz konfigurację środowisk deweloperskich lub spędzasz dużo czasu w terminalu z wieloma równoległymi sesjami, ta aktualizacja zdecydowanie ułatwi ci życie. Flaga --plugin-url może znacząco skrócić czas onboardingu nowych osób w projekcie, a także pozwala na pozbycie się kilku drobnych, ale uporczywych błędów.

    Aktualizacja jest dostępna standardowo przez npm (npm update -g claude-code) oraz inne kanały dystrybucji. Po instalacji warto zrestartować aktywne sesje, aby wszystkie zmiany zostały poprawnie załadowane.


    Źródła

  • Cursor daje firmom pełną kontrolę nad AI – nowe organizacje, limity i analityka w edytorze

    Cursor daje firmom pełną kontrolę nad AI – nowe organizacje, limity i analityka w edytorze

    Cursor wprowadził nowy zestaw narzędzi, które zmieniają sposób zarządzania sztuczną inteligencją w dużych zespołach deweloperskich. Nowe funkcje administracyjne w płatnych planach zespołowych umożliwiają firmom centralizację kontroli nad dostępem do modeli, ograniczenie wydatków oraz śledzenie zużycia tokenów na niespotykaną dotąd skalę. Programiści nadal mają dostęp do zaawansowanych funkcji asystenta AI.

    Co nowego w Cursor dla firm?

    • Centralny dashboard – jeden widok do zarządzania wieloma zespołami, budżetami i politykami dostępu.
    • Grupy – zbiory użytkowników z własnymi limitami wydatków i uprawnieniami do zaawansowanych modeli.
    • Szczegółowa kontrola modeli – administratorzy mogą decydować, które grupy programistów korzystają z zaawansowanych modeli AI, a które z tańszych wariantów.
    • Elastyczne limity wydatków – konfigurowalne progi kosztów z automatycznymi alertami na poziomie konta organizacji, zespołu i grupy.
    • Scentralizowana analityka – dashboardy zużycia tokenów i kosztów, umożliwiające przypisanie wydatków do konkretnych zespołów i inicjatyw.

    Zarządzanie wieloma zespołami – nowa elastyczność

    Dotychczas firmy korzystające z Cursor musiały zarządzać każdym zespołem oddzielnie. Teraz możliwe jest połączenie zespołów w ramach jednego konta organizacji z centralnym zarządzaniem dostępem i budżetami. Administrator może z jednego miejsca nadzorować wszystkie zespoły, nawet te rozproszone po różnych działach czy regionach, i nadawać im osobne reguły bezpieczeństwa oraz zakres dozwolonych funkcji.

    Nowością są Grupy – kolekcje użytkowników, które można formować niezależnie od struktury zespołów. Dzięki nim architekci i senior developerzy mogą mieć dostęp do zaawansowanych modeli, podczas gdy stażyści czy testerzy korzystają tylko z podstawowych możliwości. Użytkownik może należeć do kilku zespołów i grup, a uprawnienia są łączone według konfiguracji administratora.

    Kontrola nad modelami i agentami

    Kontrola nad modelami i agentami
    Źródło: cursor.com

    Nowe narzędzia umożliwiają granularne sterowanie tym, jakie modele AI mogą uruchamiać konkretni programiści. Zespół platformowy testujący eksperymentalne wersje agentów może działać bez ograniczeń, podczas gdy dział aplikacji webowych, pracujący z wrażliwym kodem produkcyjnym, może być ograniczony do sprawdzonych modeli.

    Administratorzy mogą również konfigurować integrację z dostawcami tożsamości i synchronizację katalogów (SCIM) w ramach konta organizacji. Członkostwami można zarządzać przez dashboard lub API, a uprawnienia są nadawane automatycznie przy dołączaniu do grupy.

    Zarządzanie kosztami i analityka

    Zarządzanie kosztami i analityka
    Źródło: cursor.com

    Cursor nie podaje konkretnych kwot domyślnych limitów, ale firmy otrzymują mechanizm miękkich progów wydatków z powiadomieniami. Gdy rachunek za API zbliża się do ustalonego pułapu, administrator dostaje alert, co pozwala uniknąć nagłego odcięcia dostępu do narzędzi. To rozwiązanie pozwala na pilnowanie budżetu, nie blokując pracy w trakcie ważnych zadań.

    Drugim filarem jest analityka użycia. Nowy dashboard pokazuje zużycie tokenów i koszty z podziałem na zespoły i główne grupy użytkowników. Dla firm stosujących wewnętrzne modele rozliczeń (chargeback) to duże ułatwienie, umożliwiające precyzyjne przypisanie wydatków do konkretnych inicjatyw.

    Co to oznacza dla zespołów webowych i DevOps

    Dla firm zajmujących się rozwojem aplikacji internetowych i infrastrukturą oznacza to koniec chaosu związanego z niekontrolowanym użyciem AI. Szefowie działów IT mogą ustawić reguły raz i monitorować trendy, eliminując obawy o niezamierzone generowanie wysokich rachunków.

    Cursor, używany przez wiele czołowych firm, przesuwa się z pozycji prostego edytora kodu z AI w stronę platformy programistycznej z pełnym nadzorem korporacyjnym. Dla organizacji, które chcą zwiększyć wykorzystanie narzędzi AI do kodowania, zachowując kontrolę kosztów i bezpieczeństwa, nowe funkcje administracyjne Cursor mogą być kluczowym argumentem za wdrożeniem płatnych planów zespołowych.

    Cursor nie tylko ułatwia kodowanie, ale także pozwala menedżerom spokojniej spać, wiedząc, że rachunek za API nie wymknie się spod kontroli.


    Źródła

  • Perplexity rewolucjonizuje wyszukiwanie agentowe: architektura Search as Code

    Perplexity rewolucjonizuje wyszukiwanie agentowe: architektura Search as Code

    Perplexity ogłosiła nową architekturę wyszukiwania – Search as Code (SaC) – która rezygnuje z sztywnych interfejsów API na rzecz programowalnych komponentów. Modele AI nie tylko wysyłają zapytania do czarnej skrzynki; teraz same budują potok wyszukiwania za pomocą generowanego kodu Pythona, co daje im większą kontrolę nad każdym etapem przetwarzania informacji. To zmiana, która pozwala agentom AI na przeprowadzanie setek, a nawet tysięcy operacji wyszukiwania w ramach jednego przebiegu wnioskowania.

    Kluczowe informacje o Search as Code

    • Perplexity wprowadza Search as Code w ramach Agent API oraz w produkcie Computer, zastępując wcześniejsze interfejsy typu function calling i MCP.
    • Modele AI generują kod Pythona, który orkiestruje wyszukiwanie – od pobierania danych, przez ranking, filtrowanie, aż po fan-outy – i wykonują go w izolowanym środowisku.
    • Agent uzyskuje dostęp do stanów pośrednich, takich jak listy kandydatów czy sygnały rankingowe, co pozwala na dynamiczną optymalizację strategii podczas realizacji zadania.
    • Architektura SaC wprowadza nowy standard wydajności kosztowej w benchmarkach wyszukiwania agentowego, znacznie poprawiając precyzję i redukując zbędne obciążenie kontekstu modelu.

    Czym jest Search as Code?

    Termin „Search as Code” może budzić skojarzenia z narzędziami do przeszukiwania repozytoriów (jak Google Code Search czy Sourcegraph), jednak w kontekście ogłoszenia Perplexity oznacza coś innego. SaC to architektura, w której wyszukiwanie nie jest wywoływane jako gotowy serwis przez funkcję API czy protokół MCP, lecz składane na żądanie przez model AI z atomowych prymitywów udostępnionych w SDK. Model, korzystając z generowania kodu, decyduje, jak skonfigurować retrieval, jakie filtry zastosować, czy uruchomić wiele równoległych zapytań i jak połączyć wyniki. Cały proces odbywa się w bezpiecznym środowisku, bez udziału zewnętrznych interfejsów komunikacyjnych.

    Tradycyjne systemy wyszukiwania były projektowane dla ludzi: użytkownik wpisywał zapytanie, a silnik zwracał stronę wyników (SERP). Gdy modele AI zaczęły korzystać z tych systemów, dziedziczyły ten sam kontrakt – podaj zapytanie, otrzymaj przetworzoną listę dokumentów. Dla prostych zadań to wystarczało, ale dla złożonych, wieloetapowych zadań agentowych stało się to wąskim gardłem.

    Dlaczego tradycyjne API przestało wystarczać?

    Monolityczne API narzuca modelowi sztywną logikę potoku wyszukiwania, co prowadzi do trzech powtarzających się problemów:

    1. Zbyt gruby kontekst – gdy agent potrzebuje jednej precyzyjnej informacji, a pipeline nastawiony jest na wysoką kompletność, do kontekstu trafia wiele nieistotnych danych, co zwiększa koszty i szum.
    2. Niewykorzystana wiedza dziedzinowa – model może rozpoznać, że dla danego zadania lepiej połączyć sygnały leksykalne z semantycznymi, nadać priorytet konkretnym źródłom lub agregować wyniki po określonym kluczu, ale nie ma możliwości przekazania tych wskazówek do API.
    3. Nieefektywna kontrola przepływu – agent nie może dostosować logiki potoku do specyfiki zadania, co prowadzi do nieoptymalnych wyników.

    Źródła