Co to jest Gluon v2?
Gluon v2 to zaawansowane narzędzie łączące Twoje lokalne projekty programistyczne z modelami AI takimi jak Claude, Gemini i AI Studio. W przeciwieństwie do tradycyjnych agentów AI, Gluon daje Ci pełną kontrolę nad kontekstem przekazywanym do modelu - wybierasz dokładnie które pliki, prompty systemowe i instrukcje mają być uwzględnione.
Architektura: Dwa Komponenty
🖥️ Aplikacja Desktopowa (Silnik)
Działa w tle na Windows, zarządza projektami, monitoruje pliki, generuje konteksty i komunikuje się z rozszerzeniem przez WebSocket.
🧩 Rozszerzenie Chrome (Interfejs)
Panel boczny w przeglądarce, umożliwia wybór plików, konfigurację promptów i bezpośrednią interakcję z AI (Claude/Gemini/AI Studio).
Dlaczego Gluon?
- Precyzyjny kontekst: Wybierasz dokładnie które pliki trafiają do AI - żadnego automatycznego "dumpu" całego repozytorium.
- Oszczędność tokenów: Mniejszy kontekst = niższe koszty API i szybsze odpowiedzi.
- Kontrola nad AI: Używasz własnych promptów systemowych i instrukcji - AI zachowuje się dokładnie tak, jak chcesz.
- Multi-projekt: Pracuj z wieloma projektami jednocześnie, bez przełączania kontekstu.
🖥️ Aplikacja Desktopowa
Aplikacja desktopowa to "silnik" Gluon - działa w tle na systemie Windows i zarządza wszystkimi projektami, plikami oraz komunikacją z rozszerzeniem Chrome.
📄 Licencja i Aktualizacje
Gluon v2 to produkt z jednorazowym zakupem - bez subskrypcji. Po zakupie otrzymujesz:
- ✅ Dożywotni dostęp do aplikacji desktopowej i rozszerzenia Chrome
- ✅ Wszystkie przyszłe aktualizacje (bezpłatnie)
- ✅ Wsparcie techniczne poprzez Discord
- ✅ 30-dniową gwarancję zwrotu pieniędzy
💡 Wskazówka: Klucz licencyjny wprowadzasz tylko raz w aplikacji desktopowej. Rozszerzenie Chrome automatycznie weryfikuje status licencji przez połączenie WebSocket.
➕ Dodawanie Projektu
Aby rozpocząć pracę z Gluon, musisz dodać co najmniej jeden projekt w aplikacji desktopowej. Projekt to folder zawierający kod, który chcesz udostępnić dla AI.
Krok po kroku:
- Otwórz aplikację desktopową Gluon v2
- Przejdź do zakładki "Projects"
- Kliknij przycisk "Add Project" lub "+" (jeśli nie masz jeszcze żadnego projektu)
- Wybierz folder główny projektu (np.
C:\Users\YourName\Projects\my-app) - Projekt pojawi się na liście i będzie dostępny w rozszerzeniu Chrome
⚠️ Ważne: Gluon NIE modyfikuje Twoich plików - działa tylko w trybie do odczytu. Możesz bezpiecznie dodać dowolny projekt bez obaw o utratę danych.
⚙️ Ustawienia Projektu
Po dodaniu projektu możesz skonfigurować, które pliki i foldery mają być uwzględniane w kontekście AI. To kluczowa funkcja pozwalająca zredukować "szum" i skupić AI na tym co naprawdę ważne.
🚫 Wykluczenia (Exclusions)
Wykluczenia pozwalają na pominięcie całych folderów podczas skanowania projektu. Typowe wykluczenia to:
node_modules- zależności npm/yarn (zazwyczaj tysiące plików).git- historia repozytorium Gitbuild, dist, target- artefakty budowaniavenv, .venv- wirtualne środowiska Python__pycache__, .pytest_cache- cache Python
📋 Dozwolone Rozszerzenia
Możesz określić whitelist rozszerzeń plików, które mają być widoczne w drzewie plików. Jeśli lista jest pusta, wszystkie pliki (poza wykluczeniami) będą widoczne.
Przykładowe konfiguracje:
JavaScript/TypeScript Project
.js, .jsx, .ts, .tsx, .json, .md
Python Project
.py, .pyi, .toml, .yaml, .yml, .txt, .md
Full-Stack Web App
.js, .ts, .jsx, .tsx, .py, .html, .css, .scss, .json, .sql, .md
🌍 Środowiska i Prompty Systemowe
Środowisko (Environment) to predefiniowany zestaw promptów systemowych, który określa "osobowość" i zachowanie AI. Możesz tworzyć różne środowiska dla różnych typów zadań.
Domyślne środowiska:
🎨 Default
Podstawowe ustawienia dla ogólnej pracy z kodem
🏗️ Senior Architect
Skupienie na architekturze, wzorcach projektowych i najlepszych praktykach
💻 Frontend Specialist
Dedykowany dla React, Vue, Angular - UX, accessibility, performance
🔧 Backend Specialist
API, bazy danych, logika biznesowa, bezpieczeństwo
🧩 Rozszerzenie Chrome
Rozszerzenie Chrome to interfejs użytkownika Gluon - panel boczny w przeglądarce umożliwiający interakcję z projektami, wybór plików i bezpośrednią komunikację z AI. Rozszerzenie łączy się z aplikacją desktopową przez WebSocket i działa w serwisach Claude.ai, Gemini oraz AI Studio.
💡 Wskazówka: Rozszerzenie automatycznie wykrywa stronę AI (Claude/Gemini/AI Studio) i dostosowuje swój interfejs. Wszystkie funkcje działają we wszystkich trzech serwisach.
📁 Selektor Projektów
Selektor projektów znajduje się na górze panelu bocznego i umożliwia przełączanie między projektami dodanymi w aplikacji desktopowej.
Jak używać:
- Kliknij dropdown "Select Project"
- Wybierz projekt z listy (wyświetlana jest nazwa folderu)
- Drzewo plików automatycznie załaduje strukturę wybranego projektu
- Wszystkie funkcje (Auto Select, Context Save) będą działać w kontekście tego projektu
⚠️ Połączenie WebSocket: Jeśli lista projektów jest pusta, sprawdź czy aplikacja desktopowa jest uruchomiona i czy rozszerzenie ma połączenie WebSocket (status widoczny na dole panelu).
🌐 Wybór Środowiska
Środowisko definiuje, jak AI będzie się zachowywać - określa prompty systemowe, które będą automatycznie dołączane do każdej konwersacji.
Jak to działa:
- Wybór środowiska: Kliknij dropdown i wybierz środowisko (np. "Frontend Specialist")
- Automatyczne prompty: Wszystkie prompty systemowe z tego środowiska zostaną dołączone na początku konwersacji
- Zmiana środowiska: Możesz zmienić środowisko w każdej chwili - nowe prompty będą użyte w następnej konwersacji
💡 Pro Tip: Twórz dedykowane środowiska dla różnych typów zadań - "Code Review", "Bug Fixing", "Architecture Discussion" - każde z odpowiednimi promptami systemowymi.
⚡ Quick Task
Quick Task to pole tekstowe do szybkiego wprowadzania instrukcji dla AI. To Twój główny sposób komunikacji z modelem - tutaj wpisujesz zadania, pytania i komendy.
Co się dzieje po wysłaniu zadania:
- Tekst z Quick Task jest łączony z wybranymi plikami z drzewa
- Dodawane są prompty systemowe z wybranego środowiska
- Całość jest wklejana do pola input w Claude/Gemini/AI Studio
- Możesz jeszcze edytować wklejony tekst przed wysłaniem do AI
Przykładowe zadania:
- "Dodaj obsługę błędów do funkcji getUserData"
- "Zrefaktoryzuj ten kod używając async/await"
- "Wyjaśnij jak działa ta logika walidacji"
- "Napisz testy jednostkowe dla tego modułu"
🌳 Drzewo Plików
Drzewo plików wyświetla strukturę wybranego projektu i pozwala na precyzyjne wybieranie plików do dołączenia do kontekstu AI. To jedna z najważniejszych funkcji Gluon - decydujesz dokładnie co AI "widzi".
Funkcje drzewa plików:
- Multi-select: Zaznacz wiele plików jednocześnie (Ctrl+Click, Shift+Click)
- Expand/collapse: Rozwijaj i zwijaj foldery klikając strzałkę
- Ikony typów plików: Różne ikony dla .js, .py, .json, etc.
- Licznik: Na dole widoczna liczba zaznaczonych plików
- Clear selection: Przycisk do odznaczenia wszystkich plików
💾 Zapisane Konteksty (Context Saves)
Context Save to zapisany "snapshot" zaznaczonych plików i konfiguracji. Możesz szybko wczytać wcześniej zapisany kontekst zamiast ponownie zaznaczać te same pliki.
Kiedy używać Context Saves:
- Powtarzające się zadania: "Frontend Forms", "API Endpoints", "Authentication Flow"
- Code review: Zapisz zestaw plików do review przed każdym merge'm
- Onboarding: Przygotuj context saves dla nowych członków zespołu - "Project Overview", "Core Architecture"
- Debugging: "Payment System Bug" z wszystkimi powiązanymi plikami
Jak utworzyć Context Save:
- Zaznacz pliki w drzewie plików
- Kliknij "Save Context" w sekcji funkcji
- Podaj nazwę (np. "User Profile Module")
- Context Save pojawi się w sekcji "Saved Contexts"
- Kliknij nazwę aby wczytać - pliki zostaną automatycznie zaznaczone
💡 Organizacja: Context Saves są specyficzne dla projektu - każdy projekt ma swoją listę zapisów. Możesz mieć "Frontend" w projekcie A i "Frontend" w projekcie B - to osobne konteksty.
⭐ Funkcje Kluczowe
Gluon oferuje trzy zaawansowane funkcje, które automatyzują i usprawniają pracę z AI. Każda z nich rozwiązuje konkretny problem w workflow programistycznym.
🎯 Auto Select
Czym jest Auto Select?
Auto Select to funkcja automatycznego wyboru plików na podstawie Twojego zadania. Wpisujesz zadanie (np. "napraw błąd w loginie"), a AI analizuje wszystkie pliki w projekcie i automatycznie zaznacza te, które są najbardziej istotne dla tego konkretnego zadania.
Dlaczego używać Auto Select?
⏱️ Oszczędność czasu
Nie musisz ręcznie przeszukiwać drzewa plików - AI znajduje relevantne pliki w sekundach.
🔍 Odkrywanie zależności
Auto Select często znajdzie pliki, o których nie pomyślałeś - utils, helpers, typy, które są powiązane z zadaniem.
🎓 Uczenie się projektu
Obserwując jakie pliki AI wybiera dla różnych zadań, uczysz się struktury i zależności w projekcie.
Jak używać Auto Select?
- Upewnij się, że masz wybrany projekt
- W sekcji "Features" kliknij "Auto Select"
- W oknie dialogowym wpisz opis zadania - bądź jak najbardziej konkretny
- Kliknij "Analyze" - AI przeanalizuje wszystkie pliki w projekcie
- Po chwili zobaczysz automatycznie zaznaczone pliki w drzewie
- Możesz ręcznie dodać lub usunąć pliki przed wysłaniem do AI
Przykład
Scenariusz: Refaktoryzacja systemu autentykacji
Zadanie wpisane w Auto Select:
"Zrefaktoryzuj system logowania - zamień localStorage na cookies, dodaj refresh token"
Pliki automatycznie wybrane przez AI:
src/auth/login.js- główna logika logowaniasrc/auth/authService.js- serwis autentykacjisrc/utils/storage.js- helpers do localStorage (wymaga zmiany)src/utils/cookies.js- helpers do cookies (nowe API)src/types/auth.ts- typy TypeScript dla authsrc/api/authEndpoints.js- endpointy API refresh token
AI znalazło nie tylko oczywiste pliki (login.js), ale też zależności (storage.js, cookies.js) i powiązane API (authEndpoints.js).
💡 Pro Tip: Czym bardziej szczegółowy opis zadania, tym lepsze wyniki. Zamiast "napraw bug" napisz "napraw bug w walidacji email w formularzu rejestracji".
📋 Context Save (Funkcja)
Czym jest Context Save?
Context Save to zaawansowana funkcja współpracy z AI w trybie wieloetapowym. Pozwala AI "zapamiętać" kontekst poprzedniej odpowiedzi i przekazać go automatycznie do następnego promptu - eliminując konieczność kopiowania długich fragmentów kodu między konwersacjami.
Dlaczego używać Context Save?
🔗 Kontynuacja pracy
Pracujesz nad kodem w etapach - AI najpierw generuje kod, potem Ty go testujesz, potem prosisz o poprawki. Context Save przekazuje wcześniejszy kod automatycznie.
💾 Zapis stanu
Zapisujesz wynik pracy AI jako Context Save i możesz wrócić do niego później - nawet w nowej przeglądarce czy po restarcie.
🎯 Precyzyjna iteracja
Zamiast kopiować długi kod do promptu (marnując tokeny), używasz Context Save - AI dostaje tylko referencję.
Jak używać Context Save?
- W Quick Task zaznacz checkbox "Context Save"
- Wyślij zadanie do AI normalnie (np. "napisz funkcję do parsowania JSON")
- AI w odpowiedzi dołączy specjalny znacznik
@gluon:responsez kodem - Gluon automatycznie zapisze tę odpowiedź jako Context Save
- W następnym zadaniu napisz: "dodaj error handling do poprzedniej funkcji"
- Gluon automatycznie dołączy zapisany kontekst - AI będzie wiedziało o której funkcji mówisz
Przykład przepływu pracy
Etap 1: Generowanie początkowego kodu
Ty (z Context Save włączonym):
"Napisz klasę UserManager z metodami: createUser, deleteUser, updateUser. Użyj TypeScript."
AI odpowiada:
→ Gluon zapisuje ten kod jako Context Save automatycznie
Etap 2: Iteracja i ulepszenie
Ty:
"Dodaj walidację email w metodzie createUser i obsługę błędów we wszystkich metodach"
→ Gluon automatycznie dołącza poprzedni Context Save do promptu
→ AI widzi poprzednią wersję UserManager i modyfikuje ją
Etap 3: Testy
Ty:
"Napisz testy jednostkowe dla UserManager używając Jest"
→ AI ma pełny kontekst UserManager z poprzednich etapów
→ Generuje testy dokładnie dopasowane do implementacji
💡 Kluczowa zasada: Context Save działa najlepiej przy iteracyjnej pracy - generuj, testuj, poprawiaj, rozszerzaj. Każdy etap buduje na poprzednim.
✍️ Prompt Generator
Czym jest Prompt Generator?
Prompt Generator to najbardziej zaawansowana funkcja Gluon - pozwala AI wygenerować strukturyzowaną odpowiedź w formacie JSON, która zawiera nie tylko kod, ale też pliki do aktualizacji, reasoning (wyjaśnienie myślenia AI) i opcjonalny "handoff" (przekazanie kontekstu do następnego zadania).
Dlaczego używać Prompt Generator?
📦 Strukturyzowane odpowiedzi
AI zwraca JSON z jasno rozdzielonymi sekcjami: kod, pliki do modyfikacji, wyjaśnienia. Łatwe do parsowania i automatyzacji.
🗺️ Reasoning - zrozumienie decyzji AI
AI wyjaśnia DLACZEGO podjęło konkretne decyzje implementacyjne. Uczysz się best practices i architektury.
🔄 Handoff - łańcuch zadań
AI może "przekazać pałeczkę" - wygenerować kontekst dla następnego zadania (np. po wygenerowaniu komponentu sugeruje napisanie testów).
Jak używać Prompt Generator?
- W Quick Task zaznacz checkbox "Prompt Generator"
- Wybierz typ szablonu (auto_select, context_handoff, lub prompt_handoff)
- Wyślij zadanie - Gluon dołączy specjalny prompt instruujący AI jak formatować odpowiedź
- AI wygeneruje odpowiedź w formacie JSON ze znacznikami
@gluon:* - Gluon automatycznie wyświetli strukturyzowaną odpowiedź w czytelnej formie
- Możesz skopiować kod, zobaczyć reasoning, lub kontynuować z handoff
Przykład odpowiedzi Prompt Generator
Zadanie: "Utwórz komponent React do wyświetlania listy użytkowników z paginacją"
Odpowiedź AI w formacie JSON:
Co się stało w powyższym przykładzie:
- @gluon:reasoning: AI wyjaśniło dlaczego użyło Hooks i client-side pagination
- @gluon:files: Lista plików które trzeba utworzyć/zmodyfikować
- @gluon:response: Pełny kod komponentu
- @gluon:handoff: Sugestie co zrobić dalej (sorting, testy, filtrowanie)
💡 Workflow Tip: Użyj Prompt Generator z handoff do budowania kompleksowych feature'ów krok po kroku - AI "prowadzi Cię za rękę" sugerując kolejne etapy.
📝 Szablony (Templates)
Szablony to predefiniowane struktury promptów, które instruują AI jak sformatować odpowiedź. Gdy używasz funkcji Prompt Generator, Gluon automatycznie dołącza odpowiedni szablon do Twojego zadania, dzięki czemu AI wie jakich znaczników używać.
🏗️ Struktura Szablonu
Każdy szablon definiuje jakie znaczniki (tags) AI powinno użyć w odpowiedzi. Znaczniki zaczynają się od @gluon:
i określają różne sekcje odpowiedzi - kod, pliki, reasoning, handoff.
📋 Trzy typy szablonów używają różnych znaczników @gluon:*
Trzy główne typy szablonów:
🎯 auto_select
Cel: Automatyczny wybór plików przez AI
Znaczniki: @gluon:files (lista plików)
Kiedy używać: Gdy nie wiesz które pliki zaznacz dla zadania
💾 context_handoff
Cel: Pełna iteracyjna praca z AI - kod + kontekst + następne kroki
Znaczniki: @gluon:response, @gluon:files, @gluon:reasoning, @gluon:handoff
Kiedy używać: Dla złożonych, wieloetapowych zadań
✍️ prompt_handoff
Cel: Lekki handoff - tylko sugestie następnych kroków
Znaczniki: @gluon:response, @gluon:handoff
Kiedy używać: Dla prostszych zadań, gdzie nie potrzebujesz pełnego kontekstu
🔧 Pola JSON (Znaczniki @gluon:*)
👆 Kliknij pole aby zobaczyć szczegóły.
Przeznaczenie: Zawiera właściwą odpowiedź AI - może to być kod, tekst, konfiguracja, dokumentacja, etc.
Format: Dowolny - kod, markdown, plain text. Zazwyczaj to pełny working code.
Przykład:
💡 Wskazówka: To pole może zawierać bardzo długi kod - nawet kilka komponentów czy modułów w jednej odpowiedzi.
Przeznaczenie: AI informuje które pliki w projekcie trzeba utworzyć lub zmodyfikować aby zaimplementować rozwiązanie.
Format: Lista nazw/ścieżek plików oddzielonych przecinkami.
Przykład:
💡 Wskazówka: To pole jest szczególnie przydatne przy generowaniu nowych feature'ów - od razu wiesz jakie pliki musisz utworzyć.
Przeznaczenie: AI wyjaśnia swoje rozumowanie - dlaczego użyło konkretnych wzorców, bibliotek, podejść.
Format: Tekst opisowy w języku naturalnym.
Przykład:
💡 Wskazówka: To pole jest świetne do nauki - czytając reasoning uczysz się best practices i architektury od AI.
Przeznaczenie: AI "przekazuje pałeczkę" - sugeruje kolejne zadania do wykonania, możliwe rozszerzenia, testy, etc.
Format: Lista kroków lub opis kontekstu dla następnego zadania.
Przykład:
💡 Wskazówka: Handoff działa jak roadmap - AI prowadzi Cię przez cały proces implementacji feature'a krok po kroku.
💡 Kliknij pole aby zobaczyć szczegóły.
🔍 Pola Wewnętrzne @gluon:handoff
Pole @gluon:handoff zawiera strukturę JSON z dodatkowymi polami, które różnią się w zależności od typu szablonu. Poniżej szczegółowy opis każdego pola.
📌 Ważne: Każdy szablon zawiera również pole Role / Behavior Definition, które definiuje jak AI powinno się zachować. To pole jest automatycznie dołączane do promptu systemowego przez Gluon.
📋 Pola dla Context Save:
Przeznaczenie: AI opisuje całą historię wątku w porządku chronologicznym - co zostało zrobione, jakie decyzje podjęto, dlaczego wybrano dane podejście.
Format: Tekst narracyjny z wyraźnym podziałem na etapy.
Przykład:
💡 Wskazówka: Im bardziej szczegółowa chronologia, tym łatwiej nowej instancji AI przejąć kontekst bez pytań.
Przeznaczenie: Dokumentuje każdy napotkany i rozwiązany problem - co było nie tak, jak to naprawiono, które pliki zmodyfikowano.
Format: Array stringów, każdy w formacie: Problem | Solution | Files | Rationale
Przykład:
💡 Wskazówka: Dla każdego problemu zawsze podawaj WHY - uzasadnienie dlaczego wybrano to rozwiązanie.
Przeznaczenie: Bardzo szczegółowy opis obecnego etapu - co jest robione W TEJ CHWILI, jaki jest progress, jakie konkretne wyzwania się pojawiły.
Format: Tekst narracyjny z akcentem na CURRENT STATE.
Przykład:
💡 Wskazówka: Zawsze zaznacz co jest DONE vs IN PROGRESS vs BLOCKED - nowa instancja od razu wie co robić dalej.
Przeznaczenie: Zapisuje wszystkie istotne odkrycia techniczne, decyzje architektoniczne, znane ograniczenia systemu, specyfikę projektu, przyjęte konwencje.
Format: Punktowana lista lub tekst z wyraźnymi kategoriami.
Przykład:
💡 Wskazówka: To pole jest jak "institutional knowledge" - zapisz wszystko co zaoszczędzi czas następnej osobie.
✍️ Pola dla Prompt Generator:
Przeznaczenie: Opisuje dokładnie CO trzeba zrobić i DLACZEGO - zarówno z perspektywy biznesowej jak i technicznej.
Format: Tekst opisowy z wyraźnym podziałem: What + Why + Business Goal + Technical Goal.
Przykład:
💡 Wskazówka: Zawsze uwzględnij biznesowy "why" - AI lepiej dobiera rozwiązania gdy rozumie cel.
Przeznaczenie: Rozbija zadanie na małe, wykonalne kroki. Każdy krok powinien być jasny, atomowy, odnoszący się do konkretnego pliku/komponentu.
Format: Array stringów - każdy string = jeden krok implementacji.
Przykład:
💡 Wskazówka: Każdy krok powinien zaczynać się od czasownika akcji: "Utwórz", "Dodaj", "Zmodyfikuj", "Zintegruj".
Przeznaczenie: Wymienia wszystkie technologie, które MUSZĄ zostać użyte - zgodne z istniejącym stackiem projektu.
Format: Lista technologii z wersjami i uzasadnieniem wyboru.
Przykład:
💡 Wskazówka: Zawsze sprawdź package.json projektu - używaj bibliotek które już są w dependencies.
Przeznaczenie: Opisuje JAK nowe komponenty będą współpracować z istniejącym kodem - data flow, function calls, business logic, error handling.
Format: Tekst z diagramami flow (ASCII art ok), opisy warstw, interakcji między komponentami.
Przykład:
💡 Wskazówka: Używaj ASCII diagramów flow - AI świetnie je rozumie i pomagają wizualizować architekturę.
Przeznaczenie: Dla elementów kodu które będą używane ale NIE SĄ załączone jako pliki - podaj path, nazwę, sygnaturę, opis. Cel: AI nie musi szukać w innych plikach.
Format: Lista elementów z pełnym opisem API/interfejsów których będziesz używać.
Przykład:
💡 Wskazówka: To pole oszczędza MNÓSTWO czasu - AI od razu wie jakie funkcje/typy są dostępne bez czytania całej codebase.
💡 Jak używać: Pola wewnętrzne @gluon:handoff są automatycznie wypełniane przez AI gdy używasz odpowiedniego szablonu. Ty podajesz tylko zadanie - AI generuje strukturę JSON zgodnie z instrukcjami w szablonie.
💡 Przykłady Użycia Szablonów
Poniżej przedstawiamy praktyczne przykłady użycia różnych szablonów w rzeczywistych scenariuszach.
Scenariusz 1: Nie wiem które pliki zaznacz
Problem: Chcesz naprawić bug w systemie płatności, ale nie wiesz które pliki są zaangażowane.
Szablon: auto_select
Zadanie:
Odpowiedź AI:
{
"@gluon:response": "auto_select",
"@gluon:reasoning": "Analizując zadanie zidentyfikowałem 4 kluczowe pliki:
PaymentProcessor obsługuje logikę płatności, AmountValidator waliduje kwoty,
paymentGateway integruje z zewnętrznym API, paymentLimits zawiera
konfigurację limitów.",
"@gluon:files": {
"@gluon:payment_system": [
"src/payment/PaymentProcessor.js",
"src/validation/AmountValidator.js",
"src/api/paymentGateway.js",
"src/config/paymentLimits.js"
]
}
}
→ Gluon automatycznie zaznacza te 4 pliki w drzewie
Scenariusz 2: Buduję kompletny feature krok po kroku
Problem: Chcesz zbudować system notyfikacji - począwszy od UI, przez API, aż po real-time updates.
Szablon: context_handoff
Etap 1 - Zadanie:
AI odpowiada z pełnym szablonem:
{
"@gluon:response": "context_handoff",
"@gluon:handoff": {
"summary": "Zaimplementowano UI layer systemu notyfikacji.
NotificationCenter + NotificationItem działają z mock data.",
"solved_problems": [
"Problem: Jak zarządzać stanem wielu notyfikacji | Solution: useReducer
z actions (add, markRead, delete) | Files: useNotifications.js |
Rationale: Reducer pattern dla złożonego state"
],
"current_problem": "UI gotowe, ale brak integracji z backend.
Następny krok: API endpoints.",
"key_insights": "Component używa compound pattern. Wszystkie mutations
przez reducer. CSS modules dla izolacji stylów."
},
"@gluon:reasoning": "Używam compound component pattern - NotificationCenter
jako kontener, NotificationItem jako element listy. State management przez
useReducer dla złożonej logiki (mark as read, delete, filter).",
"@gluon:files": {
"@gluon:notification_project": [
"src/components/NotificationCenter.jsx",
"src/components/NotificationItem.jsx",
"src/components/NotificationCenter.module.css",
"src/hooks/useNotifications.js",
"src/types/Notification.ts"
]
}
}
Etap 2 - następne zadanie bazuje na handoff:
→ AI ma kontekst z poprzedniego etapu dzięki Context Save
→ Generuje API kompatybilne z UI
→ Znów przekazuje handoff z kolejnymi krokami
Scenariusz 3: Proste zadanie z sugestią co dalej
Problem: Potrzebujesz prostej funkcji utility, ale chcesz aby AI zasugerowało co jeszcze można dodać.
Szablon: prompt_handoff
Zadanie:
AI odpowiada (Prompt Generator - specyfikacja do implementacji):
{
"@gluon:response": "prompt_handoff",
"@gluon:handoff": {
"task_description": "Funkcja utility formatCurrency do formatowania
kwot w PLN z separatorami tysięcy dla lepszej czytelności w UI.",
"implementation_steps": [
"Krok 1: Utwórz plik src/utils/currency.js",
"Krok 2: Zaimplementuj formatCurrency używając Intl.NumberFormat",
"Krok 3: Dodaj unit testy w src/utils/__tests__/currency.test.js"
],
"technologies": "Intl.NumberFormat (native JS API) - zero dependencies",
"architecture": "Pure function, brak side effects. Input: number,
Output: string. Używa native Intl API dla i18n support.",
"code_context": "Function będzie używana w komponentach: ProductCard,
OrderSummary, InvoiceView"
},
"@gluon:reasoning": "Używam Intl.NumberFormat bo jest native, zero
dependencies, automatyczne formatowanie dla różnych locales.",
"@gluon:files": {
"@gluon:app": [
"src/utils/currency.js"
]
}
}
→ Otrzymujesz kompletną specyfikację techniczną
→ Wszystkie kroki implementacji jasno określone
→ AI-coder dostaje gotowy plan do wykonania
💡 Podsumowanie:
- Auto Select: Nie wiem które pliki wybrać
- Context Save: Buduję duży feature etapami
- Prompt Generator: Szybkie zadanie + chcę wiedzieć co dalej