Tag: oprogramowanie open source

  • Koniec legacy Workbench i eksperymentalnych narzędzi do promptów — Anthropic wyznacza datę na 17 sierpnia 2026

    Koniec legacy Workbench i eksperymentalnych narzędzi do promptów — Anthropic wyznacza datę na 17 sierpnia 2026

    Anthropic ogłosiło, że wycofa starszy interfejs Workbench w Claude Console oraz trzy eksperymentalne endpointy API do pracy z promptami. Termin zamknięcia dostępu wyznaczono na 17 sierpnia 2026 roku. Po tej dacie zarówno interfejs, jak i API przestaną działać, a zapisane dane staną się niedostępne. Zespoły deweloperskie, które oparły swoje przepływy pracy na tych narzędziach, powinny podjąć działania już teraz.

    Najważniejsze informacje

    • Anthropic zamyka legacy Workbench i trzy eksperymentalne API do promptów 17 sierpnia 2026 roku
    • Zapisane prompty, zmienne i ewaluacje nie są przenoszone do nowego Workbencha — trzeba je wyeksportować ręcznie
    • Endpointy /v1/experimental/generate_prompt, /improve_prompt i /templatize_prompt po wycofaniu będą zwracać błędy
    • Nowy Workbench jest bezstanowy — nie przechowuje danych na serwerach Anthropic i nie oferuje zamienników dla wycofywanych funkcji API
    • Zespoły DevOps i web dev muszą przejrzeć skrypty CI/CD i narzędzia wewnętrzne pod kątem wywołań do starych endpointów

    Co dokładnie znika

    Wycofanie obejmuje dwie powiązane części ekosystemu Anthropic. Pierwsza to legacy Workbench, dostępny pod adresem platform.claude.com/workbench, który służył do tworzenia promptów, definiowania zmiennych i uruchamiania ewaluacji. Nowi użytkownicy nie mieli do niego dostępu od pewnego czasu, ale dotychczasowi wciąż mogli z niego korzystać. To się zmieni 17 sierpnia 2026.

    Druga część to trzy eksperymentalne endpointy API, które od początku były oznaczone jako „eksperymentalne”, co oznaczało brak gwarancji długoterminowego wsparcia. Teraz ta etykieta nabiera konkretnego znaczenia:

    • POST /v1/experimental/generate_prompt — generował prompt na podstawie opisu zadania
    • POST /v1/experimental/improve_prompt — poprawiał istniejący prompt z wykorzystaniem technik chain-of-thought
    • POST /v1/experimental/templatize_prompt — przekształcał prompt w szablon z możliwością wielokrotnego użycia ze zmiennymi

    Po dacie wycofania każdy request do tych endpointów zwróci błąd. Nie będzie przekierowania ani okresu przejściowego. Anthropic nie dostarcza też bezpośrednich zamienników API — funkcjonalność po prostu znika.

    Dane, które trzeba uratować

    To najpilniejsza sprawa dla każdego, kto korzystał z legacy Workbencha. Wszystkie zapisane prompty, zmienne i konfiguracje ewaluacji nie przechodzą automatycznie do nowego interfejsu. Gdy stara wersja zostanie wyłączona, dane przepadną.

    Eksport można wykonać na dwa sposoby: przez baner widoczny w starym Workbenchu lub przez Ustawienia organizacyjne w Claude Console. Jest to szczególnie istotne dla zespołów, które zbudowały infrastrukturę testów regresyjnych na zapisanych ewaluacjach — nowy Workbench nie ma odpowiednika tej funkcji, więc trzeba znaleźć inne miejsce na testy.

    Warto również przejrzeć repozytoria kodu, skrypty budowania, narzędzia do automatyzacji promptów i wewnętrzne platformy deweloperskie. Wywołania do trzech eksperymentalnych endpointów mogą być ukryte głęboko w konfiguracjach CI/CD, gdzie łatwo je przeoczyć.

    Nowy Workbench — prostszy, ale uboższy

    Zastępczy interfejs jest celowo odchudzony. Nowy Workbench działa bezstanowo — nic nie jest przechowywane na serwerach Anthropic. Zbudowano go bezpośrednio na publicznym Messages API, co oznacza, że request skonstruowany w interfejsie jest dokładnie tym samym requestem, który można wysłać w kodzie produkcyjnym. Jedno kliknięcie eksportuje go jako snippet w Pythonie lub JavaScripcie.

    Czego nie ma: zapisanych promptów, zmiennych, ewaluacji. Nie ma też żadnego odpowiednika trzech wycofywanych endpointów na poziomie API. Anthropic pozycjonuje nowe narzędzie jako środowisko do testowania i debugowania, a nie platformę do zarządzania promptami.

    Dla zespołów, które używały legacy Workbencha jako lekkiego repozytorium promptów, naturalnym kierunkiem jest przeniesienie ich do Gita. Jeśli potrzebne jest wersjonowanie i zaawansowane ewaluacje, rynek oferuje dedykowane platformy — ale Anthropic samo w tym kierunku nie idzie.

    Co z kodem korzystającym ze starych endpointów

    Zespoły techniczne mają w zasadzie dwie opcje: usunąć wywołania do eksperymentalnych endpointów albo odtworzyć ich działanie za pomocą standardowego Messages API. Funkcjonalność improve_prompt jest nadal dostępna w nowym interfejsie Workbench, ale tylko przez UI — nie przez API.

    Dla zautomatyzowanych pipeline'ów poprawiania promptów jedyną drogą naprzód jest samodzielne zbudowanie warstwy, która wysyła prompt do Messages API z odpowiednim system promptem. To nie jest skomplikowane technicznie, ale wymaga czasu i testów — a terminu nie da się przesunąć.

    Podsumowanie

    17 sierpnia 2026 to ostateczny termin. Anthropic konsoliduje narzędzia wokół Messages API, a legacy Workbench i eksperymentalne endpointy do promptów nie pasują już do tej wizji. Dla deweloperów oznacza to konieczność ręcznego eksportu danych, audytu kodu i ewentualnego przepisania fragmentów automatyzacji. Im szybciej zespoły zaczną ten proces, tym mniejsze ryzyko, że w sierpniu 2026 coś istotnego zostanie utracone.

    Źródła

  • OpenCode zyskał adaptacyjne myślenie dla Kimi i lepszą integrację z Azure

    OpenCode zyskał adaptacyjne myślenie dla Kimi i lepszą integrację z Azure

    Nowa wersja OpenCode v1.18.4, opublikowana 20 lipca 2026 roku, wprowadza kontrolę adaptacyjnego myślenia dla modeli Kimi oraz lepszą integrację z Azure. Aktualizacja przynosi również odświeżony interfejs desktopowy, w tym zsynchronizowane motywy terminala, przepisany system wprowadzania promptów v2 oraz poprawione wyrównanie panelu recenzji.

    Kluczowe fakty

    • Adaptacyjne myślenie dla modeli Kimi działa przez transporty kompatybilne z Anthropic.
    • Lepsza integracja z Azure wraca jako wspierany endpoint po przerwie.
    • Terminal synchronizuje teraz motyw z resztą aplikacji.
    • Prompt input v2 został przepisany dla większej niezawodności poleceń i załączników.
    • Sesje i UI dostały łatki stabilizujące zarządzanie i mniej awarii.

    Modele Kimi myślą adaptacyjnie przez warstwę Anthropic

    Najciekawszą zmianą dla osób pracujących z modelami spoza ekosystemu OpenAI jest adaptacyjne myślenie dla Kimi. OpenCode potrafi teraz rozpoznać modele z rodziny Kimi, gdy są udostępnione przez API kompatybilne z Anthropic — zarówno natywne, jak i przez Google Vertex Anthropic. Kod transformacji providera został tak napisany, że wykrywa te modele automatycznie i włącza dla nich kontrolę wysiłku myślowego bez potrzeby ręcznej konfiguracji.

    To praktyczne rozwiązanie dla zespołów, które używają bram API, hostowanych usług inferencyjnych albo platform chmurowych wystawiających interfejs w stylu Anthropic. OpenCode samodzielnie zarządza, kiedy może dać modelowi więcej czasu na przemyślenie odpowiedzi. Domyślnie rezultat rozumowania jest podsumowywany, co oznacza, że interfejs nie zalewa użytkownika szczegółami wewnętrznego procesu — pozostaje zwięzłe wyjaśnienie, co model zrobił i dlaczego.

    Lepsza integracja z Azure to także istotna zmiana. W środowiskach enterprise i DevOps, gdzie modele działają na Azure, wcześniejsza utrata tego endpointa wymuszała szukanie obejść. Teraz te modele znów działają przez standardowy wzorzec endpointu, bez konieczności stosowania dodatkowych rozwiązań.

    Desktop przestaje przeszkadzać

    Desktop przestaje przeszkadzać

    Zmiany w interfejsie desktopowym koncentrują się na konkretnych problemach. Prompt input v2 — system odpowiedzialny za wpisywanie poleceń, dodawanie kontekstu z plików, uruchamianie shella, załączanie plików i korzystanie z historii promptów — został całkowicie przepisany. Dla osób pracujących w stylu vibe coding to kluczowe: ciągłe przełączanie się między instrukcjami, komendami terminala i przeglądaniem plików to codzienność. Gdy któryś z tych elementów zawodzi, sesja programistyczna może się szybko zakończyć.

    Wyrównanie panelu recenzji również zostało poprawione — to drobiazg, ale w praktyce oznacza mniej wizualnego chaosu podczas przeglądania zmian w kodzie. Dodatkowo wbudowany terminal zyskał synchronizację motywu z resztą OpenCode: jeśli aplikacja pracuje w ciemnym trybie, terminal również działa w tym trybie, bez potrzeby ręcznego dostosowywania ustawień. System motywów wspiera tryby terminal-derived, dark i light, z konfiguracją przez cli.json, co daje użytkownikowi możliwość wyboru.

    Dla kogo ta aktualizacja ma znaczenie

    Deweloperzy webowi, zespoły DevOps oraz użytkownicy narzędzi AI zyskują agenta kodowania lepiej dopasowanego do mieszanych środowisk dostawców. Aktualizacja nie wprowadza nowej funkcji agentowej, lecz poprawia niezawodność i kompatybilność. OpenCode działa przez desktop, terminal UI oraz integrację z Visual Studio Code, więc poprawki dotyczą wszystkich tych obszarów jednocześnie. Sesje rzadziej padają, kod łatwiej się przegląda, a modele Kimi i Azure działają bez konieczności kombinowania z dostawcami.

    Źródła

  • Devin Desktop 3.5.17 przyspiesza sesje agentów i poprawia zarządzanie workspace’ami

    Devin Desktop 3.5.17 przyspiesza sesje agentów i poprawia zarządzanie workspace’ami

    17 lipca 2026 roku wydano aktualizację Devin Desktop 3.5.17, która wprowadza szybsze sesje oparte na worktree, nowy interfejs palety poleceń oraz lepszą obsługę wielu folderów w lokalnym środowisku. Wydanie koncentruje się na skróceniu czasu oczekiwania na interakcję z agentem oraz poprawie stabilności, szczególnie na systemie Windows.

    Kluczowe zmiany w pigułce

    • Sesje worktree uruchamiają się natychmiast — interakcja jest możliwa od razu, podczas gdy git worktree tworzy się w tle.
    • Paleta poleceń w Agent Command Center przeszła wizualny redesign, a pasek statusu jest teraz domyślnie ukryty.
    • Ikony @-wzmianek w Cascade pokazują teraz typ przywoływanego zasobu: plik, folder, narzędzie czy inne.
    • Network policy w chmurze — użytkownicy mogą zatwierdzać lub blokować żądania sieciowe bez opuszczania sesji w chmurze.
    • Stabilność na Windows — naprawiono awarie aktualizatora i błędy powodujące crashe Cascade.

    Szybszy start sesji z worktree

    W poprzednich wersjach uruchomienie nowej sesji opartej na git worktree wymagało oczekiwania na pełne przygotowanie środowiska. W wersji 3.5.17 nowe sesje uruchamiają się natychmiast i pozostają interaktywne, podczas gdy worktree tworzy się asynchronicznie w tle. Deweloper może od razu rozpocząć pracę, zamiast czekać na zakończenie procesu.

    To udogodnienie jest szczególnie przydatne dla osób pracujących równolegle na wielu gałęziach. Nie ma potrzeby przerywania pracy — agent sam domknie konfigurację, podczas gdy użytkownik kontynuuje działania.

    Lepsza czytelność w Cascade i Agent Command Center

    Interfejs przeszedł kilka drobnych, ale zauważalnych poprawek. Pigułki @-wzmianek w Cascade zyskały ikony zależne od typu przywoływanego elementu. Pliki, foldery, narzędzia i inne zasoby są teraz łatwiejsze do rozróżnienia, co zmniejsza ryzyko pomyłek przy przeglądaniu kontekstu sesji.

    Paleta poleceń została zaktualizowana, a pasek statusu w Agent Command Center jest domyślnie ukryty. Użytkownicy, którzy chcą go przywrócić, mogą ustawić "workbench.statusBar.visible": true w konfiguracji. To zmiana, która poprawia estetykę interfejsu, choć nie wprowadza rewolucyjnych rozwiązań.

    Devin Cloud: sieć pod kontrolą

    W chmurze wprowadzono nowe narzędzia do zarządzania polityką sieciową. Użytkownicy mogą konfigurować uprawnienia sieciowe bezpośrednio z poziomu czatu, co pozwala na zatwierdzanie lub odrzucanie żądań dostępu do zewnętrznych zasobów bez konieczności przełączania się do panelu administracyjnego. To znacząca oszczędność czasu, szczególnie dla zespołów DevOps pracujących z rejestrami pakietów, API i zewnętrznymi serwisami.

    Devin Desktop: wiele folderów i nowe narzędzia do hooków

    W lokalnym środowisku wprowadzono zmiany, które poprawiają obsługę złożonych workspace'ów. Dostosowania lokalne oraz licznik umiejętności w panelu bocznym obejmują teraz wszystkie otwarte foldery, co ułatwia pracę z repozytoriami monolitycznymi i projektami wielomodułowymi.

    Dodatkowo wprowadzono narzędzia do zarządzania hookami, co daje użytkownikom większą kontrolę nad tym, jak automatyzacje lokalne reagują na zdarzenia. W połączeniu z Fast Context, który przyspiesza dostęp do kontekstu projektu podczas pracy agenta, lokalne środowisko zyskuje na elastyczności.

    Windows: łatka dla updatera i crashe Cascade

    Użytkownicy Windows, którzy mieli problemy z aktualizacjami, otrzymują poprawkę. Release notes zawierają instrukcje: należy poczekać na pobranie aktualizacji, zamknąć wszystkie procesy devin.exe przez Menedżera zadań, dokończyć instalację i zrestartować aplikację. Choć nie jest to idealne rozwiązanie, przynajmniej użytkownicy wiedzą, jak postępować w przypadku problemów z automatyzacją.

    Dodatkowo naprawiono błędy powodujące crashe Cascade, co powinno poprawić stabilność lokalnego agenta.

    Co to oznacza dla codziennej pracy

    Release 3.5.17 nie wprowadza spektakularnych zmian ani benchmarków wydajności. Skupia się na poprawie komfortu użytkowania: krótszym czasie oczekiwania, lepszej nawigacji w interfejsie i płynniejszej pracy z agentami, zarówno lokalnie, jak i w chmurze.

    Widać także wyraźny podział między Devin Cloud a Devin Desktop. Chmura zyskuje narzędzia do kontroli sieci, podczas gdy aplikacja desktopowa rozwija się w kierunku obsługi wielu folderów i automatyzacji. Dla zespołów pracujących zarówno zdalnie, jak i lokalnie, to sensowny kierunek, który odpowiada na ich potrzeby.

    Źródła

  • Cursor trafia na iPhone’a — aplikacja mobilna już w publicznej becie

    Cursor trafia na iPhone’a — aplikacja mobilna już w publicznej becie

    Cursor udostępnił w publicznej becie natywną aplikację na iPhone’a, która umożliwia programistom zarządzanie agentami kodującymi w chmurze oraz na lokalnych maszynach bezpośrednio z telefonu. Od 29 czerwca 2026 roku użytkownicy płatnych planów mogą uruchamiać, monitorować i zatwierdzać pull requesty z iPhone’a lub iPada bez potrzeby korzystania z laptopa.

    Aplikacja wprowadza funkcję Remote Control, która łączy się z agentami działającymi na komputerze użytkownika. Wystarczy, że maszyna pozostanie włączona, a z telefonu można wydawać polecenia, sprawdzać postępy i przeglądać wygenerowane zmiany. Cursor dodaje również powiadomienia push oraz Live Activities na ekranie blokady, co pozwala użytkownikowi śledzić postępy agenta nawet przy wyłączonym ekranie.

    Kluczowe informacje

    • Aplikacja Cursor na iPhone’a jest dostępna w publicznej becie dla użytkowników płatnych planów — od Start po Enterprise.
    • Remote Control umożliwia zdalne sterowanie agentami uruchomionymi na własnym komputerze, także bez agentów chmurowych.
    • Agenci chmurowi działają na izolowanych maszynach wirtualnych z pełnym środowiskiem deweloperskim, testują zmiany i generują artefakty do weryfikacji.
    • Wymagania systemowe to iOS 16 lub nowszy na iPhonie oraz iPadOS 16 na iPadzie — starsze urządzenia nie są wspierane.

    Jak wygląda praca z poziomu telefonu

    Po otwarciu aplikacji użytkownik wybiera repozytorium i uruchamia agenta — proces ten przypomina doświadczenie z desktopowego Cursora. Agent może zaimplementować funkcję, zbadać błąd, odpowiedzieć na pytania dotyczące kodu lub przygotować zmiany do przeglądu. Użytkownik ma do dyspozycji komendy slash oraz wprowadzanie głosowe, co ułatwia opisanie zadania bez użycia klawiatury.

    Gdy agent działa w chmurze, jego sesja jest całkowicie niezależna od komputera użytkownika. Maszyna wirtualna Cursora testuje kod, tworzy zrzuty ekranu i nagrania demonstracyjne, a programista przegląda efekty na telefonie. Jeśli zmiany wymagają sprawdzenia lokalnie, sesję można przenieść z chmury na własny sprzęt — i odwrotnie. To samo dotyczy agentów lokalnych: za pomocą Remote Control można przejąć nad nimi kontrolę z aplikacji mobilnej, wysyłać dodatkowe instrukcje i śledzić postępy.

    Kiedy praca jest gotowa, aplikacja prezentuje różnice w zmianach oraz wygenerowany pull request. Użytkownik może przejrzeć kod, zostawić uwagi dla agenta i scalić PR — wszystko bez powrotu do komputera.

    Dla kogo to ma znaczenie

    Dla kogo to ma znaczenie
    Źródło: cursor.com

    Aplikacja nie zastępuje edytora kodu. Jest to raczej warstwa kontrolna i decyzyjna dla zespołów, które potrzebują szybkiej reakcji, nawet poza biurkiem. Przydaje się w sytuacjach awaryjnych — gdy ktoś otrzymuje alert podczas lunchu, może uruchomić agenta do analizy błędu i po powrocie mieć gotowy PR z propozycją poprawki.

    Aplikacja sprawdza się również przy zgłoszeniach klientów: jeśli awaria wymaga natychmiastowego działania, agent uruchomiony z telefonu odtwarza problem i pracuje nad rozwiązaniem. Zespół Cursora korzysta z aplikacji także do zbierania wizualnego feedbacku — zrzut ekranu z adnotacjami wysłany do agenta staje się kontekstem do zmian w interfejsie.

    Współpraca z chmurą oznacza, że długotrwałe zadania nie blokują lokalnego środowiska. Agent chmurowy działa asynchronicznie, ma własne narzędzia i zasoby, dzięki czemu może dłużej iterować, zbliżając się do kodu gotowego do scalenia.

    Ograniczenia i stan rozwoju

    Aplikacja jest w fazie beta — działanie niektórych funkcji może się zmieniać, a część mechanizmów jest wciąż rozwijana. Remote Control wymaga, aby komputer pozostał włączony i online; w ustawieniach Cursora na desktopie można włączyć opcję „Keep this computer awake”, która zapobiega uśpieniu maszyny. Funkcja nie działa przy zamkniętej pokrywie laptopa.

    Wymóg iOS 16 wyklucza starsze modele iPhone’ów i iPadów, co ogranicza bazę użytkowników. Należy również pamiętać, że aplikacja służy do kontroli agentów i przeglądu zmian — nie jest pełnoprawnym środowiskiem programistycznym.

    Mimo tych ograniczeń Cursor na iPhone’a wyznacza konkretny kierunek: chodzi o przeniesienie decyzyjności i nadzoru nad agentami tam, gdzie akurat znajduje się programista. Niezależnie od tego, czy to codzienna praca zdalna, czy szybka reakcja na awarię — telefon staje się narzędziem do zarządzania kodem.

    Źródła

  • OpenCode dostaje bat na subagenty – teraz to ty decydujesz, jak głęboko sięgają

    OpenCode dostaje bat na subagenty – teraz to ty decydujesz, jak głęboko sięgają

    OpenCode wprowadza zmiany dotyczące subagentów – w wersjach v1.18.2 i v1.18.3 dodano konfigurowalny limit głębokości subagentów oraz poprawki stabilności na pulpicie. Najważniejszą nowością jest domyślne blokowanie zagnieżdżonych subagentów, co uniemożliwia niekontrolowane tworzenie sesji potomnych, chyba że limit zostanie zwiększony w konfiguracji.

    Co konkretnie się zmieniło

    • Limit subagent_depth – domyślnie ustawiony na 1, co oznacza, że subagent nie może uruchomić kolejnego subagenta bez zwiększenia tego parametru.
    • Skrót klawiszowy – strzałka w górę zamyka teraz picker subagentów, co przyspiesza nawigację w interfejsie terminalowym.
    • Poprawki dla desktopu – naprawiono przewijanie strony głównej, lepkie nagłówki sesji oraz widoczność selektora niestandardowych agentów.
    • Lepsza integracja z WSL – serwer OpenCode lepiej działa w środowiskach Windows Subsystem for Linux, co zmniejsza liczbę błędów połączeń przy uruchamianiu.

    Dlaczego limit głębokości ma znaczenie

    Subagenty w OpenCode działają jako osobne sesje potomne, w których główny agent deleguje zadania, takie jak eksploracja kodu, przegląd czy implementacja fragmentów. Problem pojawia się, gdy subagent zaczyna uruchamiać kolejne subagenty. Bez limitu łatwo o pętlę, co prowadzi do nadmiernego zużycia kontekstu modelu, zwiększenia liczby tokenów oraz wydłużenia czasu wykonania, co podnosi koszty korzystania z API.

    Domyślne ustawienie subagent_depth: 1 wprowadza prosty model: jeden główny agent i jeden poziom dzieci. W przypadku potrzeby głębszej delegacji, na przykład przy złożonym kodowaniu, wystarczy zwiększyć wartość w konfiguracji. Nieudana próba zagnieżdżenia teraz zwraca czytelny komunikat, wskazujący, który klucz konfiguracyjny należy zmienić.

    To zmiana, która może nie przyciąga uwagi, ale znacząco ogranicza frustrację. Każdy, kto doświadczył problemów z agentem, który wykorzystuje cały limit tokenów na niekontrolowane zadania, zrozumie, o co chodzi.

    Co nowego na pulpicie

    Co nowego na pulpicie

    Wersja v1.18.3 wprowadza kilka poprawek, które docenią użytkownicy desktopu. Przewijanie strony głównej działa teraz płynnie, co wcześniej stanowiło problem przy większej liczbie projektów. Dodano lepkie nagłówki sesji, co ułatwia nawigację w długich listach zadań.

    Wyszukiwanie sesji w palecie poleceń obejmuje teraz również otwarte sesje. To istotna zmiana, zwłaszcza przy pracy nad dużymi repozytoriami, gdzie użytkownicy mogą mieć osobne sesje do developmentu, debugowania i infrastruktury. Szybkie przełączanie między nimi staje się teraz znacznie łatwiejsze.

    Poprawki dla WSL są szczególnie ważne dla deweloperów na Windowsie, którzy korzystają z narzędzi linuksowych, kontenerów i menedżerów pakietów. Serwer OpenCode lepiej radzi sobie z uruchamianiem w tych środowiskach, co zmniejsza liczbę błędów połączenia przy otwieraniu klienta.

    Subagent picker pod palcami

    Subagent picker pod palcami

    Drobna, ale praktyczna zmiana: strzałka w górę zamyka teraz picker subagentów. Wcześniej użytkownicy musieli korzystać z kombinacji klawiszy lub myszy, co mogło zakłócać pracę w terminalu. Teraz dostępny jest jeden szybki skrót, który działa intuicyjnie.

    Poprawiono także widoczność selektora niestandardowych agentów. Dla tych, którzy tworzą własne subagenty do konkretnych zadań, takich jak testy czy dokumentacja, teraz łatwiej je znaleźć i wybrać.

    Podsumowanie

    Te aktualizacje nie wprowadzają nowych modeli ani spektakularnych funkcji. Zamiast tego poprawiają podstawowe funkcje: bezpieczniejsza delegacja zadań, stabilniejsze połączenia z WSL oraz płynniejsza nawigacja po sesjach. OpenCode staje się bardziej przewidywalny, co jest istotne w kontekście agentowego kodowania.

    Źródła

  • Google Antigravity 2.3.1 ignoruje uszkodzone pliki konfiguracyjne i startuje bez przeszkód

    Google Antigravity 2.3.1 ignoruje uszkodzone pliki konfiguracyjne i startuje bez przeszkód

    Google wypuściło 16 lipca 2026 roku wersję 2.3.1 narzędzia Google Antigravity, która rozwiązuje problem z uruchamianiem aplikacji. Główna zmiana dotyczy obsługi lokalnych plików konfiguracyjnych. Dotychczas pusty lub źle sformatowany plik config.json w katalogu ~/.gemini/config/ mógł całkowicie zablokować start programu.

    Co się zmieniło — najważniejsze fakty

    • Startup Google Antigravity nie załamuje się już przy napotkaniu pustego lub uszkodzonego pliku config.json.
    • Wersja 2.3.1 trafiła do użytkowników 16 lipca 2026 jako część szerszej aktualizacji serwisowej.
    • Poprawka obejmuje również karty podglądu, timeouty MCP, załączniki plików i wydajność.
    • Problem dotyczył konfiguracji przechowywanych lokalnie w katalogu .gemini, kluczowych dla instalacji bazujących na ustawieniach użytkownika.
    • Zespół Google kontynuował prace nad obsługą konfiguracji, naprawiając też podobny błąd w CLI związany z settings.json.

    Dlaczego ta łatka ma znaczenie dla deweloperów

    Pliki konfiguracyjne są odczytywane na bardzo wczesnym etapie uruchamiania każdej aplikacji. Jeśli parser napotyka błąd składni i uznaje go za krytyczny, użytkownik zostaje odcięty od interfejsu, który umożliwiłby naprawę problemu. Taka sytuacja uniemożliwia poprawienie pliku, który blokuje dostęp do programu.

    Dla osób używających Google Antigravity z lokalnymi agentami, integracjami MCP czy zautomatyzowanymi zadaniami deweloperskimi taka awaria może przerwać sesję kodowania w najmniej oczekiwanym momencie, zmuszając programistę do ręcznego przeszukiwania katalogów konfiguracyjnych.

    Jest to jeden z tych błędów, które trudno zdiagnozować — aplikacja po prostu nie wstaje, a komunikat błędu bywa mało pomocny.

    Co dokładnie poprawiono

    Co dokładnie poprawiono

    Oficjalny changelog opisuje poprawkę następująco:

    „Naprawiono błąd, w którym pusty lub nieprawidłowo sformatowany plik konfiguracyjny config.json w katalogu ~/.gemini/config/ uniemożliwiał załadowanie AGY podczas uruchamiania.”

    W praktyce oznacza to, że Google Antigravity 2.3.1 potrafi teraz zignorować uszkodzoną konfigurację lokalną i wystartować z domyślnymi ustawieniami. Użytkownik nie musi już ręcznie kasować pliku, aby odzyskać dostęp do narzędzia.

    Szerszy kontekst — niezawodność narzędzi AI w codziennej pracy

    Wersja 2.3.1 pokazuje, że Google zwraca uwagę na stabilność na poziomie infrastruktury, a nie tylko na nowe funkcje AI. Oprócz poprawki konfiguracyjnej wprowadzono także usprawnienia dotyczące timeoutów MCP i obsługi załączników. To sugeruje, że firma zbierała opinie od użytkowników borykających się z praktycznymi problemami w codziennym użyciu.

    Warto również zauważyć, że późniejsze wydania Google Antigravity kontynuowały ten kierunek — w CLI naprawiono analogiczny mechanizm dla pliku settings.json, gdzie przy błędzie składni narzędzie nadpisywało i odrzucało nierozpoznaną zawartość.

    Dla zespołów devopsowych i web developerów korzystających z Google Antigravity w środowiskach lokalnych ta aktualizacja przynosi realne korzyści. Mniej przerw w pracy, mniej frustracji przy konfiguracji i większa pewność, że drobny błąd w pliku ustawień nie wpłynie na cały workflow.

    Źródła

  • Factory wzmacnia kontrolę nad umiejętnościami agentów w wersji v0.173.0

    Factory wzmacnia kontrolę nad umiejętnościami agentów w wersji v0.173.0

    Nowa aktualizacja platformy Factory wprowadza szczegółowe sterowanie umiejętnościami oraz poprawia niezawodność agentów. Wersja v0.173.0, opublikowana 15 lipca 2026 roku, koncentruje się na problemach, które często irytują programistów, takich jak zapętlone wywołania narzędzi i zdublowane efekty uboczne.

    Co nowego w skrócie

    • Szczegółowe sterowanie umiejętnościami – użytkownicy mogą wyłączać pojedyncze skille zamiast zarządzać nimi zbiorczo
    • Widoczność zakresów konfiguracji – aplikacja pokazuje, z którego poziomu pochodzi aktywne ustawienie (projekt, użytkownik, organizacja)
    • Zatrzymywanie zapętlonych wywołań – agent przerywa działanie, gdy powtarza identyczne żądanie narzędzia
    • Pojedyncze wykonanie hooków – każdy hook uruchamia się dokładnie raz na zdarzenie, eliminując duplikację walidacji czy formatowania
    • Poprawki interfejsu – naprawiono odświeżanie czatu po zamknięciu Mission Control i wyrównanie przycisku w pasku bocznym

    Koniec z grupowym sterowaniem umiejętnościami

    Zarządzanie umiejętnościami do tej pory przypominało jazdę bez sprzęgła – wszystko albo nic. Teraz Factory pozwala selektywnie dezaktywować konkretne umiejętności. Jeśli projekt nie potrzebuje określonego frameworka czy workflow testowego, można go po prostu wyłączyć. Bez obejść i kompromisów.

    Wprowadzono również wizualizację rozstrzygania konfliktów między zakresami. Ustawienia mogą nachodzić na siebie z poziomu projektu, użytkownika i organizacji. Użytkownicy teraz widzą dokładnie, która wartość wygrywa i dlaczego, co oszczędza czas zespołom dzielącym wspólne umiejętności między repozytoriami.

    Agent, który wie, kiedy przestać

    Osoby, które spędziły wieczór na debugowaniu sesji vibe codingu, znają ten scenariusz: agent w kółko wysyła to samo żądanie, zamiast posunąć się naprzód lub poprosić o pomoc. W tej aktualizacji wprowadzono mechanizm, który kończy turę, gdy agent powtarza identyczne wywołanie narzędzia.

    Nie ma spektakularnych statystyk poprawy – release notes nie podają częstotliwości występowania pętli przed i po. Jednak fakt, że agent przestaje kręcić się w miejscu, ma znaczenie w długich, autonomicznych sesjach programistycznych.

    Hooki bez ech

    Duplikacja efektów ubocznych to problem w automatyzacji. Hook uruchomiony dwukrotnie może sformatować kod dwa razy, zapisać zdublowany wpis w logach lub uruchomić skanowanie sekretów w nieskończoność. Teraz każdy hook wykonuje się dokładnie raz.

    Dla DevOps to szczególnie istotne – formatowanie przed commitem, sprawdzanie polityk bezpieczeństwa czy przygotowanie wdrożenia powinny działać na zasadzie „jeden strzał, jeden efekt”.

    Drobiazgi, które drażnią

    Aktualizacja rozwiązuje także kilka irytujących defektów interfejsu. Czat poprawnie odświeża się po zamknięciu Mission Control, a przycisk aktualizacji w pasku bocznym wreszcie znajduje się tam, gdzie powinien. Drobne poprawki mają znaczenie, szczególnie przy ośmiu godzinach dziennie przed monitorem.

    Dodatkowo poprawiono ładowanie wtyczek – działają teraz we wszystkich zakresach instalacji, a równoległe zapisy ustawień przestały się wzajemnie nadpisywać nieaktualnymi danymi z cache.

    Czego nie wiemy

    Release notes nie ujawniają wszystkich szczegółów. Nie dowiemy się, ilu użytkowników dotknęły poprawione błędy ani o ile wzrosła skuteczność agentów. Brakuje również informacji o zmianach wydajnościowych, liczbie testowanych pluginów czy potencjalnych incydentach bezpieczeństwa.

    Można traktować tę aktualizację jako solidną paczkę poprawek i funkcji – nie jako raport z laboratorium. To konkretne i użyteczne zmiany, które nie są obciążone marketingowym szumem.

    Źródła

  • Claude zyskał komunikaty systemowe w środku rozmowy – większa kontrola nad agentami AI

    Claude zyskał komunikaty systemowe w środku rozmowy – większa kontrola nad agentami AI

    Anthropic wprowadził nową funkcję, która umożliwia deweloperom wstrzykiwanie komunikatów systemowych w trakcie rozmowy z modelami Claude. Ta opcja jest już dostępna przez API Claude’a oraz na platformach Amazon Bedrock i Google Cloud, obejmując modele Claude, Claude i Claude.

    Ta zmiana upraszcza kontrolowanie zachowania asystentów kodujących i długodziałających agentów AI, eliminując potrzebę przerywania cache’a promptów oraz przepisywania całej historii rozmowy.

    • Komunikaty systemowe można teraz umieszczać w dowolnym momencie rozmowy, a nie tylko na jej początku.
    • Późniejsze instrukcje mają pierwszeństwo przed wcześniejszymi, w tym nadpisują główne pole system.
    • Cache promptów pozostaje nienaruszony, co pozwala na dynamiczne zmiany kontekstu bez utraty wydajności.
    • Tymczasowe instrukcje na jedną turę są dostępne przez opcję clear_at: "next_user_message".
    • Enterprise Admin API pojawia się w dokumentacji jako mechanizm do zarządzania użytkownikami, rolami i grupami, chociaż szczegóły wdrożenia są nadal niejasne.

    Jak to działa technicznie

    Mechanizm jest prosty. Deweloper dodaje do tablicy messages nowy wpis z "role": "system" w miejscu, gdzie nowa instrukcja staje się istotna. Nie ma potrzeby edytowania głównego pola system na początku żądania.

    Przykład z dokumentacji wygląda następująco:

    {
  "role": "system",
  "content": "W tej turze użyj narzędzia do przeszukiwania repozytorium, zanim zaproponujesz zmianę w kodzie."
}

    Istnieją jednak ograniczenia. Komunikat systemowy nie może być pierwszą wiadomością w konwersacji – musi pojawić się po turze użytkownika. Główne pole system jest przeznaczone do instrukcji obowiązujących od początku, podczas gdy komunikaty w trakcie rozmowy dotyczą tych, które nabierają znaczenia później.

    Nowe instrukcje nie unieważniają zapisanego cache’a promptów, co jest korzystne dla agentów działających przez dłuższy czas. Mogą one zmieniać tryb pracy, na przykład z planowania na implementację, bez konieczności przeliczania całego prefiksu.

    Tymczasowe instrukcje na jedną turę

    Tymczasowe instrukcje na jedną turę

    Opcja clear_at wprowadza dodatkowe możliwości. Ustawienie clear_at: "next_user_message" sprawia, że instrukcja działa tylko w bieżącej turze, a po następnej wiadomości użytkownika przestaje być aktywna. Zostaje w historii rozmowy, ale nie zużywa tokenów wejściowych.

    To przydatne w scenariuszach, takich jak tymczasowe przełączenie agenta kodującego w tryb przeglądu – „tylko recenzuj, nie modyfikuj plików” – lub wymuszenie odpowiedzi w formacie JSON na pojedyncze zapytanie, bez potrzeby edytowania głównych ustawień.

    Co to oznacza dla zespołów DevOps i enterprise

    Nowe komunikaty systemowe rozwiązują konkretny problem: jak zmieniać kontekst działania agenta bez utraty cache’a i produkowania długich, powtarzalnych promptów. Dla zespołów zarządzających złożonymi workflowami z wieloma narzędziami to oszczędność czasu i mniej kodu do zarządzania stanem.

    Dokumentacja Anthropica wspomina o endpointach Enterprise Admin API do zarządzania użytkownikami, rolami i grupami. Materiały sugerują, że takie endpointy istnieją, ale wymagają klucza administratora i nie są jeszcze dostępne w oficjalnych SDK – tylko przez surowe żądania HTTP.

    To rozróżnienie jest istotne. Komunikaty systemowe w trakcie rozmowy kontrolują zachowanie modelu w czasie rzeczywistym, natomiast Admin API, jeśli zostało szeroko udostępnione, kontroluje dostęp organizacyjny i uprawnienia. Te dwie warstwy razem tworzą dojrzałe wdrożenie AI w firmie.

    Możliwość dynamicznego przełączania kontekstu agenta to krok, na który wielu deweloperów czekało. Działanie tej funkcji bez utraty cache’a czyni ją naprawdę użyteczną w praktyce.

    Źródła

  • Kimi Code CLI 1.49.0 wprowadza inteligentne zarządzanie oknem kontekstowym

    Kimi Code CLI 1.49.0 wprowadza inteligentne zarządzanie oknem kontekstowym

    16 lipca 2026 roku wydano wersję 1.49.0 terminalowego agenta Kimi Code CLI, która zmienia sposób, w jaki narzędzie zarządza tokenami dla odpowiedzi modelu i obsługuje zapytania thinkujące. Ta aktualizacja jest istotna dla zespołów, które często borykają się z błędami przepełnienia kontekstu podczas długich sesji programistycznych.

    Co nowego w pigułce

    • Dynamiczne budżetowanie tokenów – CLI szacuje dostępne miejsce w oknie kontekstowym zamiast stosować sztywny limit 32 000 tokenów.
    • Nowa zmienna środowiskowa KIMI_MODEL_MAX_COMPLETION_TOKENS pozwala na ręczne ograniczenie długości generowanych odpowiedzi.
    • Ujednolicona obsługa modeli thinkujących przez parametr thinking.type, eliminując potrzebę automatycznego dodawania starszego reasoning_effort.
    • Poprawka historii konwersacji zapobiega gubieniu pustych wpisów rozumowania z historii sesji.

    Dlaczego stały limit tokenów był problemem

    W poprzednich wersjach Kimi Code CLI każde zapytanie do API miało ustawiony limit max_tokens=32000. To mogło wydawać się rozsądne, ale podczas długich sesji agent gromadził wiele plików źródłowych, logów testów, wyników narzędzi i historii poprawek. W rezultacie okno kontekstowe stawało się zbyt małe, a stały limit odpowiedzi nie mógł się zmieścić w dostępnej przestrzeni, co prowadziło do błędów invalid-request i przerywania pracy.

    Wersja 1.49.0 rozwiązuje ten problem poprzez dynamiczne szacowanie pozostałego miejsca w oknie kontekstowym przed każdym zapytaniem. max_completion_tokens jest automatycznie dostosowywane, aby zmieścić się w dostępnej przestrzeni. Dla zespołów DevOps i web-developerów oznacza to mniej awarii w pipeline'ach CI, na hostingu i w środowiskach kontenerowych.

    Kontrola nad limitem – zmienna środowiskowa w akcji

    Nowa wersja wprowadza również KIMI_MODEL_MAX_COMPLETION_TOKENS jako maksymalny limit dla generowanych tokenów. Jest to szczególnie przydatne w konfiguracjach współdzielonych, takich jak kontenery Dockera, zadania CI i środowiska deweloperskie. Stara zmienna KIMI_MODEL_MAX_TOKENS nadal działa jako alias kompatybilności, więc istniejące konfiguracje nie wymagają natychmiastowych poprawek.

    Ustawienie którejkolwiek z tych zmiennych na 0 lub wartość ujemną całkowicie wyłącza mechanizm przycinania, a CLI działa wtedy zgodnie ze standardowym zachowaniem API.

    Thinking models: porządek zamiast chaosu

    Obsługa modeli thinkujących również została zaktualizowana. Wersja 1.49.0 standaryzuje konfigurację wokół parametru thinking.type i przestaje automatycznie dodawać starszy reasoning_effort przy korzystaniu z natywnej konfiguracji Kimi.

    To jest istotne, ponieważ integracje korzystające z dostawcy Kosong i starszych endpointów kompatybilnych z Kimi mogą wymagać aktualizacji. Jeśli backend wciąż oczekuje reasoning_effort, należy go jawnie przekazać przez opcje generowania. Standaryzacja jednego parametru zmniejsza niejasności w kontrakcie między CLI, adapterem dostawcy a endpointem modelu, ale starsze serwery proxy i backendy API mogą wymagać ręcznej migracji.

    Dodatkowo poprawiono błąd, przez który puste wpisy rozumowania były usuwane z historii konwersacji. Zachowanie struktury wiadomości z polem reasoningowym, nawet jeśli jest ono puste, utrzymuje spójną historię tur dla modeli thinkujących. To jest zgodne z szerszym zachowaniem Kimi: rozumowanie z poprzednich tur jest domyślnie zachowywane, chyba że użytkownik jawnie je wyłączy przez [thinking] keep = "off".

    Co to znaczy dla codziennej pracy

    Praktyczne konsekwencje dla programistów są znaczące. Dłuższe sesje autonomicznego kodowania, takie jak vibe coding, refaktoryzacja czy debugowanie, przestaną kończyć się błędami po kilkudziesięciu minutach. Agent może pracować z dużym kontekstem repozytorium, wynikami testów i historią zmian bez potrzeby ręcznego czyszczenia sesji.

    Wersja 1.49.0 to wydanie maintenance'owe w ramach linii CLI, która, jak wskazuje dokumentacja projektu, przechodzi na nowszy produkt Kimi Code. Starsze repozytorium Python CLI zostało już zarchiwizowane, a to wydanie należy traktować jako ważną łatkę stabilizacyjną przed szerszą migracją.

    Podsumowanie

    Kimi Code CLI 1.49.0 to przede wszystkim wydanie poprawiające niezawodność: dynamiczne budżetowanie tokenów rozwiązuje problem przepełnienia kontekstu, zmienna środowiskowa daje zespołom kontrolę nad limitami, a standaryzacja parametrów thinkujących porządkuje kontrakt API. Przy aktualizacji warto sprawdzić kompatybilność endpointów – jeśli integracja opiera się na reasoning_effort, należy to jawnie skonfigurować. Pozostałe funkcje działają od razu i są bardziej stabilne.

    Źródła

  • Kimi Code CLI 1.49.0 wprowadza dynamiczne zarządzanie tokenami i ujednolica obsługę modeli myślących

    Kimi Code CLI 1.49.0 wprowadza dynamiczne zarządzanie tokenami i ujednolica obsługę modeli myślących

    Narzędzie Kimi Code CLI otrzymało aktualizację 1.49.0, która została udostępniona użytkownikom 16 lipca 2026 roku. W tej wersji skupiono się na rozwiązaniu problemu przepełniania okna kontekstowego podczas długich sesji programistycznych. CLI wprowadza mechanizm dynamicznego budżetowania tokenów, który dostosowuje limity do dostępnego miejsca w kontekście modelu. Dodatkowo, zaktualizowano sposób komunikacji z modelami myślącymi oraz wprowadzono nową zmienną środowiskową, dając zespołom większą kontrolę nad limitami wyjściowymi.

    Kluczowe zmiany w skrócie

    • Dynamiczny budżet tokenów – CLI oblicza dostępny limit wyjściowy na podstawie pozostałego okna kontekstowego, zamiast wysyłać stałą wartość, która może przekroczyć pojemność modelu.
    • Nowa zmienna KIMI_MODEL_MAX_COMPLETION_TOKENS – pozwala ustalić twardy limit generowanych tokenów, który jest dynamicznie przycinany do bezpiecznego poziomu.
    • Ujednolicenie parametrów modeli myślących – zmiana z przestarzałego reasoning_effort na thinking.type, bez automatycznego dodawania starego parametru.
    • Zachowanie pustej treści rozumowania – puste reasoning_content jest teraz przechowywane w historii wiadomości, co ma znaczenie dla wieloetapowych konwersacji.

    Dlaczego przepełnienie kontekstu to realny problem

    Podczas pracy z Kimi Code CLI nad większym projektem, kontekst rozmowy szybko się powiększa. Pliki źródłowe, wyniki testów, komunikaty z shella i wcześniejsze odpowiedzi modelu zajmują miejsce w oknie kontekstowym. Modele Kimi mają swoje limity: K3 obsługuje do 1 048 576 tokenów, natomiast K2.7 Code i K2.6 zatrzymują się na 262 144 tokenach.

    Stały limit wyjściowy, który działał na początku sesji, po kilkudziesięciu interakcjach może stać się nierealny. CLI wysyłało go w żądaniu, API odrzucało, a sesja się kończyła błędem. Dynamiczny budżet rozwiązuje ten problem – przed każdym zapytaniem narzędzie sprawdza, ile miejsca zostało i odpowiednio przycina maksymalną liczbę tokenów do wygenerowania.

    Jak skonfigurować nową zmienną środowiskową

    Jak skonfigurować nową zmienną środowiskową

    Zmienna KIMI_MODEL_MAX_COMPLETION_TOKENS pozwala na ograniczenie długości odpowiedzi. Wartość taka jak 4096 sprawdza się w przypadku krótkich edycji kodu, diagnostyki czy wyjaśniania poleceń.

    Nawet gdy ustawisz tę zmienną, CLI nie wyśle wartości wyższej niż różnica między maksymalnym rozmiarem okna a tokenami już zajętymi przez wejście. To zabezpieczenie przed przypadkowym przekroczeniem limitu.

    Dotychczasowa zmienna KIMI_MODEL_MAX_TOKENS nadal działa, ale nowa ma pierwszeństwo, gdy obie są zdefiniowane. Jeśli chcesz całkowicie wyłączyć przycinanie, ustaw którąkolwiek z nich na 0 lub na wartość ujemną.

    Modele myślące bez starego balastu

    Modele myślące bez starego balastu

    Kolejna istotna zmiana dotyczy modeli myślących. Wcześniej Kimi Code CLI automatycznie dodawał do żądań parametr reasoning_effort, gdy tryb myślenia był aktywny. Teraz używa thinking.type, zgodnie z aktualnym standardem API Kimi.

    To oznacza, że starsze endpointy kompatybilne z Kimi mogą wymagać jawnego przekazania reasoning_effort przez opcje generowania. Jeśli integrujesz CLI z proxy lub własnym endpointem, warto to sprawdzić przed aktualizacją.

    Zmienił się również sposób przechowywania konfiguracji myślenia – stan domyślny trafia teraz do ~/.kimi/config.toml jako default_thinking, a wcześniejszy plik ~/.kimi/kimi.json nie jest już automatycznie odczytywany.

    Operacyjny charakter wydania

    Wersja 1.49.0 nie wprowadza nowego modelu ani spektakularnych funkcji. To aktualizacja, która poprawia niezawodność narzędzia, co sprawia, że mniej przeszkadza podczas pracy. Długie sesje DevOps, debugowanie rozległych baz kodu czy wieloetapowe refaktoryzacje rzadziej kończą się błędem przepełnienia kontekstu.

    Deweloperzy mogą teraz decydować o maksymalnej długości odpowiedzi, co pozwala na lepsze zarządzanie kosztami, opóźnieniami i bezpieczeństwem kontekstu. Zespoły korzystające z modeli myślących zyskują czystszy interfejs konfiguracji, bez problemów związanych z przestarzałymi parametrami.

    Źródła