Jak przygotować komputer do vibe codingu krok po kroku

Ten artykuł jest pierwszym z serii, w której wyjaśnię, jak zacząć vibe coding od zera.. 

Nie chodzi tylko o to, żeby poprosić sztuczną inteligencję o napisanie kodu i na tym poprzestać, lecz o to, by zrobić to porządnie: z systemem ograniczającym błędy i zapewniającym określoną jakość kodu. Do tego dochodzi dokumentacja, historia zmian i system testowania. Wszystko jak w profesjonalnych zespołach programistycznych, ale bez konieczności bycia programistą.

Pierwszym krokiem jest więc przygotowanie komputera i skonfigurowanie potrzebnych narzędzi.

Po zakończeniu tego pierwszego poradnika będziemy mieli komputer gotowy do vibe codingu i opublikujemy niewielką aplikację testową za pomocą GitHub i Railway.

Dlaczego polecam Linuksa do vibe codingu

Vibe coding można z powodzeniem uprawiać na Windowsie, Linuksie i macOS. Najważniejsze narzędzia AI działają na wszystkich trzech systemach, bezpośrednio lub w zgodnych środowiskach.

Ja będę korzystać z Linuksa, bo wiele rzeczy upraszcza i prawdopodobnie sprawi nam mniej problemów niż Windows. Jeśli koniecznie chcemy używać Windowsa, możemy skorzystać z WSL2, aby mieć środowisko Linuksa w Windows 11. Dodaje to jednak kolejną warstwę konfiguracji, która może utrudnić rozwiązywanie problemów.

Na Linuksie pracujemy bezpośrednio w środowisku, w którym uruchamiamy narzędzia, bez dodatkowego podsystemu.

A macOS? Sam go nie używam, więc nie mogę powiedzieć na pewno, ale patrząc na popularność Mac Mini i wiedząc, że jego terminal oraz środowisko Unix pozwalają pracować podobnie jak na Linuksie, odnoszę wrażenie, że równie dobrze nadaje się do programowania.

Lepiej wybrać drugi komputer lub osobny dysk

Polecam też, aby nie eksperymentować z programowaniem i agentami AI na głównym komputerze służbowym, zwłaszcza gdy dopiero się uczymy.

Nie dlatego, że te narzędzia są niebezpieczne same w sobie, choć to też możliwe, lecz dlatego, że mogą instalować zależności, wykonywać polecenia, modyfikować pliki i robić rzeczy, na które niekoniecznie mamy ochotę.

Wolę więc oddzielić to środowisko od komputera, na którym pracuję na co dzień. Wiesz już, że wolę rozdzielać zastosowania komputera niż potem żałować, że tego nie zrobiłem.

Najlepiej byłoby skorzystać z drugiego komputera, ale nie trzeba kupować kolejnego urządzenia. Jeśli go nie masz, szczególnie podoba mi się rozwiązanie polegające na tym, by zainstalować Linuksa na zewnętrznym dysku SSD i uruchamiać go przez USB na zgodnym komputerze..

Dzięki temu mogę uruchamiać Linuksa, kiedy chcę coś tworzyć, a przez resztę czasu normalnie korzystać z Windowsa. Programy, projekty i ustawienia pozostają na SSD, bez konieczności tworzenia partycji Linuksa na głównym dysku.

Oczywiście nie jest to pełna izolacja: Linux może uzyskać dostęp do innych podłączonych dysków, jeśli je zamontujemy i przyznamy uprawnienia. Nadal trzeba uważać na to, co pozwalamy uruchamiać.

W moim przypadku korzystam z rozwiązania opisanego w artykule: Linux Mint Xfce zainstalowany na dysku SATA SSD w obudowie USB 3.0.

Od tej chwili zakładam, że masz już zainstalowany Linux Mint, który prawidłowo się uruchamia i ma dostęp do internetu.

Jakich narzędzi potrzebujemy do vibe codingu?

Przed rozpoczęciem warto wiedzieć, co będziemy instalować i po co.

Narzędzie	Funkcja
Linux Mint Xfce	System operacyjny
Terminal	Uruchamianie poleceń i agentów
Git	Kontrola wersji kodu
Node.js	Uruchamianie narzędzi i aplikacji JavaScript
npm	Instalowanie pakietów JavaScript
Codex	Agent AI do programowania
Antigravity	Drugi agent pełniący funkcję audytora
Claude Code	Alternatywa dla Codex lub drugi płatny agent
GitHub	Repozytoria kodu
Railway	Publikowanie aplikacji w internecie
Linear	Zarządzanie projektami i zadaniami
Notion	Dokumentacja i wymagania, opcjonalnie
LocalWP	Lokalne tworzenie stron WordPress, opcjonalnie

Większość tych narzędzi jest darmowa lub ma darmowy wariant. Możesz zacząć od Codex w darmowym planie ChatGPT, w ramach limitów użycia. Płatna subskrypcja może się przydać, jeśli potrzebujesz większych limitów.

Mój system: jedna AI programuje, druga przeprowadza audyt

Moglibyśmy zrobić wszystko jedną AI, ale wolę pracować z dwoma agentami pełniącymi różne funkcje:

• Analityk-programista: interpretuje wymagania, proponuje rozwiązania, pisze kod i naprawia błędy.
• Audytor: przegląda zmiany, szuka problemów i sprawdza, czy to, co powstało, spełnia wymagania.

Chodzi o to, żeby pracę sprawdzała inna AI niż ta, która ją wykonała. Niezależny i dobrze przeprowadzony audyt może wykryć błędy przeoczone przez pierwszego agenta.

W jednym z kolejnych artykułów dokładnie wyjaśnię system pętli.

Jaką kombinację sztucznych inteligencji wybrać?

Widzę trzy ciekawe opcje.

Płatne subskrypcje	Analityk-programista	Audytor
Płatny ChatGPT	Codex	Antigravity
Płatny Claude	Claude Code	Antigravity
Płatne ChatGPT + Claude	Claude Code	Codex

W tym poradniku skorzystam z pierwszej: Codex jako analityk-programista, a Antigravity jako audytor.

Jeśli twój abonament ChatGPT kosztuje 18 € miesięcznie, możesz skorzystać z darmowego dostępu do Antigravity do przeglądu kodu i uniknąć drugiej subskrypcji. W ten sposób:

• Nie płacisz za dwie usługi AI.
• Korzystasz z Codex w ramach limitów swojego planu ChatGPT.
• Kod może sprawdzić model z innej rodziny.

Antigravity oferuje darmowy dostęp zgodnie z obowiązującymi warunkami i limitami, które mogą się zmienić, uwaga. 

Jeśli płacisz tylko za Claude, możesz zastąpić Codex przez Claude Code i zachować Antigravity jako audytora.

Jeśli opłacasz zarówno ChatGPT, jak i Claude, proponuję Claude Code jako analityka-programistę, a Codex jako audytora. Tę kombinację wybrałbym, gdybym już płacił za obie usługi, ale trzeba płacić za dwa narzędzia.

No dobrze, omówiliśmy już narzędzia, więc przejdźmy do samego poradnika.

Krok 1. Aktualizacja Linux Mint

Otwieramy terminal w Linux Mint.

W Xfce znajdziemy go w menu aplikacji lub otworzymy skrótem Ctrl + Alt + T.

Najpierw aktualizujemy informacje o repozytoriach i instalujemy dostępne aktualizacje:

sudo apt update && sudo apt upgrade -y

Linux poprosi nas o hasło użytkownika.

Jeśli aktualizacja zainstaluje ważne składniki systemu lub nową wersję jądra, warto uruchomić komputer ponownie przed kontynuowaniem.

Teraz instalujemy podstawowe narzędzia:

sudo apt install -y curl git ca-certificates

Dzięki temu otrzymamy:

• curl do pobierania zasobów z internetu.
• git do zarządzania repozytoriami.
• ca-certificates do sprawdzania certyfikatów połączeń HTTPS.

Sprawdzamy, czy Git działa:

git –version

Powinien wyświetlić numer wersji.

Kilka słów o terminalu i jego pamięci podręcznej

Podczas instalacji może się zdarzyć, że narzędzie zostało poprawnie zainstalowane, ale terminal twierdzi, że polecenie nie istnieje.

Często wynika to z tego, że instalator dodał nowy katalog do zmiennej środowiskowej PATH, a nasz terminal nie wczytał jeszcze tej zmiany.

Dlatego po zainstalowaniu narzędzi modyfikujących środowisko zalecam całkowicie zamknąć terminal (nie tylko kartę) i otworzyć nowy.

Uruchamiamy nową sesję terminala, aby wczytać zaktualizowaną konfigurację.

Krok 2. Instalacja Node.js i npm

Node.js pozwala uruchamiać JavaScript poza przeglądarką.

Użyjemy go do projektów internetowych, automatyzacji i narzędzi programistycznych. npm to menedżer pakietów ułatwiający instalację zależności.

Aby uprościć poradnik, użyjemy wersji LTS Node.js przez NodeSource.

Najpierw pobieramy skrypt konfiguracyjny:

curl -fsSL https://deb.nodesource.com/setup_lts.x -o nodesource_setup.sh

Uruchamiamy go:

sudo -E bash nodesource_setup.sh

Następnie instalujemy Node.js:

sudo apt install -y nodejs

Teraz sprawdzamy oba programy:

node –version

npm –version

Jeśli zwracają swoje numery wersji, możemy kontynuować.

Możemy też usunąć pobrany skrypt:

rm nodesource_setup.sh

Node.js nie jest konieczny do uruchamiania niezależnych wersji Codex lub Claude Code, ale przyda się do projektów internetowych i innych narzędzi.

Krok 3. Instalacja Codex, naszego analityka-programisty

Codex to agent programistyczny OpenAI. Może przeglądać pliki, modyfikować kod, uruchamiać polecenia, analizować błędy i pomagać nam pracować nad całymi projektami z poziomu terminala.

Do instalacji używamy oficjalnego instalatora:

curl -fsSL https://chatgpt.com/codex/install.sh | sh

Lub przez npm:

npm install -g @openai/codex

Nie musimy uruchamiać obu poleceń. W tym poradniku użyjemy niezależnego instalatora.

Następnie sprawdzamy:

codex –version

Jeśli terminal nie rozpoznaje polecenia, całkowicie go zamykamy i otwieramy nowy.

Połączenie Codex z ChatGPT

Aby uruchomić Codex, wpisujemy:

codex

Za pierwszym razem zobaczymy dostępne metody uwierzytelniania.

Wybieramy logowanie za pomocą ChatGPT, otwieramy przeglądarkę, gdy zostaniemy o to poproszeni, i zezwalamy na połączenie.

Po zalogowaniu możemy sprawdzić polecenia.

Na przykład, aby wybrać spośród dostępnych modeli i poziomów rozumowania:

/model

Aby sprawdzić stan sesji:

/status

Aby przejrzeć uprawnienia przyznawane agentowi:

/permissions

Dostępne modele zależą od naszego konta i wersji Codex.

Ważne: nie polecam od razu przyznawać agentowi nieograniczonych uprawnień. Nawet jeśli przygotowaliśmy do tego osobny dysk, lepiej ręcznie zatwierdzać operacje dotyczące ważnych plików, zewnętrznych poleceń czy podłączonych usług.

Alternatywa: instalacja Claude Code

Jeśli wybrałeś Claude Code jako analityka-programistę, procedura jest podobna.

Instalujemy jego oficjalnego klienta:

curl -fsSL https://claude.ai/install.sh | bash

Sprawdzamy:

claude –version

Uruchamiamy diagnostykę:

claude doctor

Aby uruchomić agenta:

claude

Postępujemy zgodnie z procesem uwierzytelniania.

W dalszej części poradnika skorzystam z Codex, ale instrukcje programowania można dostosować do Claude Code.

Krok 4. Instalacja Antigravity jako audytora

Teraz zainstalujemy drugiego agenta.

Antigravity ma aplikację graficzną, ale interesuje nas wersja CLI, którą można uruchamiać bezpośrednio z terminala.

Oficjalny instalator dla Linuksa:

curl -fsSL https://antigravity.google/cli/install.sh | bash

Domyślna lokalizacja pliku wykonywalnego:

~/.local/bin/agy

Sprawdzamy:

~/.local/bin/agy –version

Jeśli polecenie agy działa bezpośrednio, nic więcej nie musimy robić.

W przeciwnym razie możemy dodać jego katalog do PATH:

echo 'export PATH="$HOME/.local/bin:$PATH"' >> ~/.bashrc

Całkowicie zamykamy terminal i otwieramy nowy.

Sprawdzamy:

agy –version

Logowanie do Antigravity

Otwieramy:

agy

Przy pierwszym uruchomieniu korzystamy z kreatora konfiguracji.

Możemy wybrać ustawienia wyświetlania i zakończyć uwierzytelnianie metodami dostępnymi na naszym koncie.

Musimy też potwierdzić, że ufamy folderowi projektu, zanim pozwolimy agentowi na dostęp do plików.

Na razie nie musimy konfigurować automatycznego audytu. Zrobimy to przy pierwszym projekcie.

Ważne: agenci mogą korzystać z tego samego repozytorium, ale nie powinni jednocześnie modyfikować tych samych plików. Dlatego jeden będzie programować, a drugi sprawdzać.

Krok 5. Instalacja GitHub CLI

Mamy już Git, ale musimy jeszcze połączyć komputer z GitHub.

Git służy do lokalnej kontroli wersji. GitHub umożliwia przechowywanie zdalnych repozytoriów, współpracę i zachowanie kodu poza komputerem.

Instalujemy GitHub CLI:

sudo apt install -y gh

Sprawdzamy:

gh –version

Konfiguracja tożsamości w Git

Przed tworzeniem commitów podajemy nazwę i adres e-mail, które chcemy powiązać ze zmianami:

git config –global user.name "Tu Nombre"

git config –global user.email "tu-correo@example.com"

Zastępujemy przykładowe wartości własnymi danymi.

Możemy sprawdzić konfigurację:

git config –global –list

Uwierzytelnianie w GitHub

Uruchamiamy:

gh auth login

Wybieramy GitHub.com i postępujemy zgodnie z instrukcjami.

Jeśli wybierzemy uwierzytelnianie przez przeglądarkę, GitHub CLI wyświetli tymczasowy kod i adres, pod którym należy go wprowadzić.

Po zatwierdzeniu dostępu:

gh auth status

W ten sposób sprawdzimy, czy GitHub CLI rozpoznaje nasze konto.

W projektach profesjonalnych będziemy korzystać z prywatnych repozytoriów i unikać umieszczania haseł oraz kluczy API w kodzie..

Krok 6. Instalacja Railway

Railway to platforma do publikowania aplikacji bez konieczności samodzielnego konfigurowania i administrowania serwerem.

W tym poradniku wykorzystamy ją najpierw do publikacji małej strony HTML i sprawdzenia, czy cały proces działa.

Nie trzeba korzystać z Railway do vibe codingu. Możemy wybrać innych dostawców, takich jak Vercel, ale Railway pozwoli nam sprawdzić, czy kod z lokalnego repozytorium może stać się aplikacją dostępną w internecie.

Instalujemy Railway CLI:

bash <(curl -fsSL https://railway.com/install.sh)

Można także zainstalować go za pomocą npm:

npm install -g @railway/cli

Wybieramy tylko jedną z tych dwóch metod.

Sprawdzamy:

railway –version

Łączenie z Railway

Najpierw zakładamy konto na:

https://railway.com

Następnie w terminalu:

railway login

Otworzy się przeglądarka, aby zatwierdzić dostęp.

Możemy sprawdzić, które konto jest połączone:

railway whoami

Railway oferuje warianty z ograniczonymi kredytami i płatne plany. Zanim opublikujemy usługi, które mają działać stale, warto sprawdzić warunki oraz limity zużycia.

Krok 7. Utworzenie konta w Linear i opcjonalnie Notion

Nie będziemy instalować aplikacji desktopowych do tych dwóch narzędzi.

Linear będzie naszym menedżerem projektów. Tutaj będziemy organizować funkcje, błędy, zadania i wersje.

Konto można założyć na:

https://linear.app

Później skonfigurujemy projekt i określimy sposób jego połączenia z naszym procesem programowania.

Notion jest opcjonalny. Możemy wykorzystać go do pisania dokumentacji wymagań, czyli PRD (Product Requirements Document).).

W prostych projektach możemy też zapisywać wymagania w pliku Markdown bezpośrednio w repozytorium Git. Dokumentacja jest przydatna, kiedy pomaga podejmować decyzje i wyjaśnia, co należy zbudować. Nie trzeba tworzyć obszernych dokumentów do każdej drobnej zmiany.

Na razie wystarczy założyć konta i sprawdzić, czy mamy do nich dostęp.

Krok 8. Sprawdzenie prywatności narzędzi AI

Zanim zaczniemy używać agentów z prawdziwym kodem klientów, warto przejrzeć ustawienia prywatności.

W ChatGPT możemy przejść do Ustawienia > Kontrola danych i wyłączyć wykorzystywanie naszych rozmów do ulepszania modeli. Trzeba także sprawdzić specjalne ustawienia dotyczące Codex.

W Claude i Antigravity sprawdzamy odpowiednie opcje dotyczące używania danych do ulepszania produktów, retencji, telemetrii i komunikacji handlowej. Każda usługa ma własne warunki.

Jedna rzecz musi być jasna: wyłączenie treningu nie oznacza, że kod przestanie być przesyłany do dostawcy AI. Modele działające w chmurze muszą otrzymać informacje potrzebne do wykonania swojej pracy.

Dlatego będziemy przestrzegać kilku podstawowych zasad: 

• Nie udostępniaj prywatnych kluczy, haseł ani tokenów.
• Nie przechowuj danych logowania na GitHub.
• Ograniczaj uprawnienia każdego narzędzia do niezbędnego minimum.

Krok 9. Sprawdzenie wszystkiego przed rozpoczęciem

Teraz całkowicie zamykamy terminal i otwieramy go ponownie.

Sprawdzamy narzędzia programistyczne:

git –version

node –version

npm –version

GitHub i Railway:

gh –version

railway –version

Oraz nasze narzędzia AI:

codex –version

agy –version

Jeśli używamy Claude Code:

claude –version

claude doctor

Sprawdzamy również, czy nadal jesteśmy uwierzytelnieni:

gh auth status

railway whoami

Polecenia sprawdzające wersje pokazują, że programy są zainstalowane. Sprawdzanie uwierzytelnienia informuje nas, czy mamy dostęp do kont.

Musimy jednak jeszcze wykonać kompletny test działania.

Krok 10. Tworzenie pierwszego folderu projektu

Zbudujemy małą stronę internetową, aby upewnić się, że wszystko działa.

W Linux Mint możemy utworzyć folder na pulpicie i otworzyć w nim terminal.

Możemy też zrobić to za pomocą poleceń:

mkdir -p ~/Proyectos/mi-primera-app

cd ~/Proyectos/mi-primera-app

Ważne, aby uruchamiać Codex z folderu projektu. Dzięki temu agent może pracować na potrzebnych plikach bez przeszukiwania całego komputera.

Krok 11. Poproszenie Codex o napisanie aplikacji

Uruchamiamy:

codex

Teraz prosimy o stworzenie prostej aplikacji:

Chcę aplikację HTML, CSS i JavaScript, w której można tworzyć listę zadań, oznaczać je jako wykonane i usuwać. Zapisuj zadania w lokalnej pamięci przeglądarki, aby nie znikały po odświeżeniu strony. Interfejs ma być responsywny i działać na telefonie oraz komputerze. Użyj osobnych plików i unikaj niepotrzebnych frameworków i zależności. Przygotuj też README z instrukcją uruchomienia.

Codex przeanalizuje wymagania i utworzy odpowiednie pliki.

Po zakończeniu sprawdzamy, co powstało. W takim projekcie struktura może wyglądać równie prosto:

mi-primera-app/

├── index.html

├── style.css

├── script.js

└── README.md

Jeśli nie ma zależności ani etapu kompilacji, możemy otworzyć plik HTML bezpośrednio w przeglądarce.

Aby przetestować aplikację w warunkach bardziej przypominających prawdziwy serwer, możemy też użyć Pythona, który zwykle jest dostępny w Linux Mint:

python3 -m http.server 8000

Następnie otwieramy:

http://localhost:8000

Sprawdzamy, czy zadania można dodawać, oznaczać jako wykonane i usuwać oraz czy pozostają po odświeżeniu strony.

Aby zatrzymać serwer, wciskamy Ctrl + C w jego terminalu.

Krok 12. Utworzenie repozytorium na GitHub

Kiedy aplikacja działa lokalnie, zapiszemy jej pierwszą wersję.

Możemy poprosić Codex o przygotowanie Git i pliku .gitignore, ale utworzenie repozytorium powinno wymagać naszej zgody.

Możemy też zrobić to ręcznie:

Z folderu projektu:

git init

Dodajemy pliki:

git add .

Tworzymy pierwszy commit:

git commit -m "Primera version funcional"

I tworzymy prywatne repozytorium na GitHub:

gh repo create mi-primera-app –private –source=. –remote=origin –push

To polecenie tworzy zdalne repozytorium, łączy nasz folder i przesyła pierwszą wersję.

Od tej chwili GitHub będzie przechowywać historię publikowanych zmian.

Zanim wyślemy prawdziwy kod, zawsze sprawdzamy, czy .gitignore wyklucza wrażliwe pliki, dane logowania i katalogi, których nie należy dodawać do kontroli wersji.

Krok 13. Publikowanie projektu na Railway

Teraz sprawdzimy, czy GitHub może być źródłem naszego wdrażanego kodu.

Sami otwieramy panel Railway i tworzymy nowy projekt.

Wybieramy Deploy from GitHub Repo, zezwalamy na dostęp do GitHub, jeśli jeszcze tego nie zrobiliśmy, i wybieramy repozytorium.

Railway korzysta z systemu budowania Railpack, który rozpoznaje statyczne projekty HTML.

Dlatego nie musimy prosić Codex o stworzenie serwera Node.js ani pliku package.json tylko po to, żeby opublikować naszą małą aplikację..

Railway przeanalizuje repozytorium i przygotuje wdrożenie.

Jeśli proces się nie powiedzie, sprawdzimy logi i strukturę plików, zanim cokolwiek zmienimy.

Po wdrożeniu przechodzimy do ustawień sieciowych usługi i generujemy publiczną domenę.

Otwieramy adres w przeglądarce.

Jeśli lista zadań działa w internecie, zakończyliśmy pierwsze wdrożenie.

Krok 14. Sprawdzenie połączenia GitHub i Railway

Pozostał jeszcze ważny test.

To, że aplikacja pojawia się na Railway, potwierdza wdrożenie jednej wersji, ale chcemy też upewnić się, że późniejsze zmiany wysyłane do GitHub również są prawidłowo publikowane..

Wracamy do projektu i otwieramy Codex:

codex

Prosimy:

Dodaj do aplikacji przycisk usuwający wszystkie wykonane zadania. Zachowaj obecny wygląd, sprawdź, czy funkcja działa, i nie wdrażaj niczego. Chcę przejrzeć zmiany przed zapisaniem ich w Git.

Testujemy nową funkcję lokalnie.

Kiedy sprawdzimy, że działa, zapisujemy zmiany:

git add .

git commit -m "Añadir limpieza de tareas completadas"

git push

Jeśli mamy włączone automatyczne wdrażanie z tej gałęzi w Railway, system wykryje nowy commit i utworzy kolejną wersję.

Czekamy na prawidłowe zakończenie wdrożenia i ponownie otwieramy publiczną aplikację.

Jeśli nowy przycisk się pojawia i działa, sprawdziliśmy cały proces: Linux > Codex > Git > GitHub > Railway.

To znacznie pewniejszy test niż po prostu podanie Codex publicznego adresu URL i pytanie, czy wszystko jest połączone.

Krok 15. Zlecenie audytu Antigravity

Mamy już stworzoną i opublikowaną aplikację.

Teraz do testu wkracza nasz drugi agent. Robimy to w ten sposób, żeby przetestować cały proces, ale już teraz uprzedzam: przy prawdziwym oprogramowaniu, a nie tylko testach, audyt przeprowadza się PRZED rozpoczęciem prac i przed wysłaniem czegokolwiek na produkcję.

Otwieramy terminal w folderze projektu i uruchamiamy:

agy

Dajemy mu konkretne instrukcje:

Działaj jako niezależny audytor techniczny. Przejrzyj tę aplikację i sprawdź, czy spełnia wymagania funkcjonalne. Szukaj błędów JavaScript, problemów z bezpieczeństwem, dostępnością i responsywnością oraz możliwych usterek lokalnego przechowywania danych. Sprawdź również strukturę repozytorium i to, czy jest prawidłowo przygotowane do Railway. Nie modyfikuj żadnego pliku. Przygotuj raport uporządkowany według wagi problemów, podając sposób odtworzenia każdego z nich i proponowane rozwiązanie.

Audytor powinien sprawdzić kod i, jeśli to możliwe, uruchomić testy. Nie chcemy, żeby po prostu powiedział, że wszystko jest w porządku.

Jeśli wykryje błędy, wrócimy do Codex, przekażemy raport i poprosimy o odpowiednie poprawki.

Następnie ponowimy testy i audyt.

W małych projektach jedna kontrola może wystarczyć. W ważniejszych potrzebujemy testów automatycznych i dodatkowych zabezpieczeń.

To właśnie nazywamy metodą Loop..

Jeśli korzystamy z Claude Code i Codex

Zasada jest taka sama: Claude Code rozwija projekt, a Codex przegląda zmiany.

Możemy uruchomić Codex i skorzystać z jego interaktywnej funkcji przeglądu:

/review

Konkretne narzędzie nie jest najważniejsze. Najważniejsze jest rozdzielenie odpowiedzialności i upewnienie się, że wykryte problemy są rzeczywiste.

Mamy więc już komputer gotowy do tworzenia aplikacji internetowych z frameworkami takimi jak Astro lub nawet całkowicie od zera. 

Na przykład w tym artykule wyjaśniam, jak stworzyć stronę internetową swojej firmy za pomocą tego systemu. Albo nawet cały kanał cyfrowy za niewielkie pieniądze..

Jak widzisz, te strony nie korzystają z żadnej bazy danych, dlatego nie instalowaliśmy jej w tym poradniku. Jeśli będzie potrzebna, możemy skorzystać z Convex lub Supabase. To zostawię na inny artykuł.

Możesz też chcieć używać tego systemu do tworzenia projektów w WordPress, tak jak ja. Czytaj więc dalej.

Krok 16 (opcjonalnie). Instalacja LocalWP i przygotowanie WordPress

Na koniec zainstalujemy LocalWP.

To narzędzie pozwoli nam uruchamiać WordPress na komputerze, z serwerem WWW, PHP i bazą danych, bez konieczności publikowania zmian w prawdziwej witrynie.

Pobieramy oficjalny instalator dla Linuksa z:

Releases

Wybieramy wersję .deb zgodną z Ubuntu, Debianem i Linux Mint.

Po pobraniu możemy otworzyć ją graficznym instalatorem lub wykonać w folderze pobierania:

sudo apt install ./nombre-del-archivo.deb

Zastępujemy przykładową nazwę rzeczywistą nazwą pobranego pliku.

Następnie uruchamiamy LocalWP z menu aplikacji i sprawdzamy, czy otwiera się prawidłowo.

A dalej w tym artykule wyjaśniam, Jak sklonować stronę WordPress za pomocą Local WP a tutaj jak zoptymalizować go w Windowsie..

W kolejnym artykule poświęconym vibe codingowi dla WordPress omówię system i sposób pracy, których sam używam:

• Jak definiuję funkcjonalności.
• Jak decyduję, czy utworzyć wtyczkę, czy umieścić wszystko w plikach motywu potomnego.
• Które pliki obejmuję kontrolą wersji.
• Co pozostaje poza kontrolą GitHub.
• Jak testuję.
• Jak wysyłam projekt na hosting, który nie jest Railway (w moim przypadku Webempresa).

Jak widzisz, tematów jest sporo.

Zanim skończymy, wspomnę o jeszcze jednym narzędziu, które czasami może się przydać.

Opcjonalnie: dyktowanie głosowe poleceń

Jedną z zalet pracy z agentami AI jest możliwość opisywania funkcjonalności naturalnym językiem. Dlatego warto rozważyć narzędzia do dyktowania.

Osobiście używam ich, kiedy funkcjonalność jest rozbudowana i łatwiej wyjaśnić ją głosem, aby transkrypcja pojawiła się od razu w terminalu.

Whisper i narzędzia, które uruchamiają go lokalnie, umożliwiają takie dyktowanie. Na Linuksie można użyć na przykład OpenWhispr lub Handy..

To nie jest niezbędne narzędzie. Możesz dodać je później, jeśli uznasz za przydatne.

Podsumowanie: komputer gotowy do vibe codingu

W ten sposób zakończyliśmy pierwszą część procesu.

Mamy działający Linux Mint, zainstalowane Git i Node.js, dwóch dostępnych agentów AI, połączony GitHub i Railway gotowy do publikowania aplikacji.

I co najważniejsze, wykonaliśmy pełny test: stworzyliśmy kod z AI, sprawdziliśmy go, wysłaliśmy do GitHub, opublikowaliśmy w Railway i poddaliśmy wynik kontroli drugiego agenta.

To podstawa systemu, którego chcę używać.

Nie próbuję zastąpić tradycyjnego programowania serią improwizowanych instrukcji. Chodzi o wykorzystanie sztucznej inteligencji do szybszego tworzenia oprogramowania przy zachowaniu kontroli nad wymaganiami, wersjami i wynikami.

W kolejnym artykule przejdziemy do najciekawszej części: jak organizować projekt vibe codingowy w Linear, określać wymagania, dzielić zadania między analityka-programistę i audytora oraz ustalić metodę programowania, którą można powtarzać..

Potem zastosujemy ten sam system do WordPress z LocalWP, GitHub i Webempresa.

I wtedy zaczniemy sprawdzać, jak daleko możemy zajść w tworzeniu oprogramowania z AI, nie pisząc osobiście każdej linijki kodu.