Jeśli trafiłeś tutaj po mojej serii o GitHub Copilot CLI albo po cyklu o Agentic Development – witaj w miejscu, gdzie logicznie powinieneś być. Claude Code to kolejny krok w tej samej ewolucji: od autocomplete, przez asystenta w terminalu, do autonomicznego agenta, który rozumie Twój projekt i działa w nim jak developer.
Jeśli trafiłeś tutaj bezpośrednio – też dobrze. Ten artykuł jest zaprojektowany tak, żeby być zrozumiały bez żadnego poprzedniego kontekstu. Zaczniemy od zera: czym jest Claude Code, skąd pochodzi, jak działa i – co ważniejsze – czym różni się od narzędzi, które prawdopodobnie już znasz.
Ta seria ma jeden konkretny cel: po jej przeczytaniu będziesz w stanie zbudować z pomocą Claude Code prawdziwą aplikację – nie tutorialowe demo, ale coś, co wrzucisz na GitHuba z dumą. Projekt, który zrealizujemy, to DevPulse – SaaS-owy dashboard do monitorowania kondycji repozytoriów GitHub, zbudowany w .NET 10 + React z Anthropic API w środku. Ale to na końcu serii. Zacznijmy od fundamentów.
📋 Plan tej serii
#
Temat
Co zrobisz
01
Czym jest Claude Code ← jesteś tutaj
Zrozumiesz filozofię i różnice względem konkurencji
02
Instalacja i pierwsze uruchomienie
Uruchomisz Claude Code w swoim projekcie
03
CLAUDE.md i zarządzanie kontekstem
Nauczysz agenta swojego projektu
04
Codzienne flow pracy
Opanujesz podstawowe komendy i tryby
05–08
Git, IDE, MCP, tryby uprawnień i auto mode
Zintegrujesz Claude Code z resztą swojego środowiska
09–13
Zaawansowane techniki
Zadania cykliczne, subagenci, hooki, skille i pluginy
14–16
Projekt DevPulse od zera
Zbudujesz pełną aplikację .NET + React z AI w środku
Skąd pochodzi Claude Code
Claude Code to narzędzie stworzone przez Anthropic – firmę założoną w 2021 roku przez część byłego zespołu OpenAI, między innymi rodzeństwo Danielę i Dario Amodei. Anthropic od początku skupia się na bezpiecznej i interpretowalnej AI – ich modele z rodziny Claude są bezpośrednią konkurencją dla modeli GPT.
Claude Code pojawił się jako CLI w lutym 2025 roku jako narzędzie w wersji research preview. Szybko okazało się, że podejście agentowe – agent, który czyta cały projekt, planuje, implementuje i weryfikuje – trafia w prawdziwe potrzeby deweloperów lepiej niż klasyczne autocomplete. W maju 2025 roku narzędzie wyszło z preview i jest dziś dostępne jako pełnoprawny produkt – w terminalu, w rozszerzeniach IDE, w aplikacji desktopowej i w przeglądarce pod adresem claude.ai/code.
🔍 Anthropic vs OpenAI – skrócona historia dla kontekstu
Anthropic i OpenAI to dziś dwie największe firmy w wyścigu o modele językowe klasy frontier. OpenAI stoi za rodziną GPT, a modele OpenAI były przez długi czas fundamentem działania GitHub Copilota stworzonego przez GitHub/Microsoft (dziś Copilot pozwala wybierać modele różnych dostawców, w tym Claude). Anthropic stoi za rodziną Claude – i to właśnie modele Claude (domyślnie Opus 5.5, do wyboru także Sonnet 5.5, Haiku 5.5 i Fable 5.1) napędzają Claude Code. Obie firmy mają porównywalne możliwości modeli, różnią się filozofią: Anthropic kładzie większy nacisk na Constitutional AI i bezpieczeństwo systemu. Dla nas jako deweloperów ważna jest konkluzja: Claude Code to ekosystem Anthropica, niezależny od GitHuba i Microsoftu.
Autocomplete, asystent, agent – czym tak naprawdę jest Claude Code
Żeby zrozumieć Claude Code, musimy najpierw rozróżnić trzy generacje narzędzi AI dla deweloperów. To nie jest akademickie rozróżnienie – wprost przekłada się na to, jak ich używasz i czego możesz oczekiwać.
Generacja 1: Autocomplete
Tabnine, wczesny GitHub Copilot, IntelliCode. Narzędzie widzi kilka linii kodu przed kursorem i sugeruje, co wpisać dalej. Kontekst: kilkadziesiąt linii. Interakcja: pasywna, reaguje na pisanie. Wartość: przyspieszenie pisania boilerplate'u.
Generacja 2: Asystent w IDE lub terminalu
Aktualny GitHub Copilot, Cursor, Copilot CLI. Narzędzie widzi otwarty plik lub pliki, rozumie pytania w języku naturalnym, może modyfikować kod i odpowiadać na pytania. Kontekst: pliki, które mu wskażesz. Interakcja: reaktywna, odpowiada na Twoje pytania. Wartość: szybszy code review, debugging, generowanie testów.
Generacja 3: Autonomiczny agent
Claude Code, Devin, niektóre tryby Cursora. Narzędzie samodzielnie eksploruje repozytorium, planuje podejście do zadania, wykonuje wiele kroków (czytanie plików → pisanie kodu → uruchamianie testów → naprawa błędów → commit), wraca do Ciebie z gotowym wynikiem lub pytaniem, gdy napotka niejednoznaczność. Kontekst: cały projekt, który agent przeszukuje na bieżąco, w oknie kontekstu do 1 miliona tokenów. Interakcja: proaktywna, agent sam decyduje, co przeczytać i co zrobić. Wartość: realizacja złożonych zadań bez Twojej ciągłej uwagi.
🌟 Konkretna różnica w praktyce
Powiedzmy, że chcesz dodać paginację do istniejącego API.
Copilot CLI (generacja 2): Wskazujesz mu kontroler, tłumaczysz, jak działa obecna architektura, prosisz o zmiany w konkretnym endpoincie. Wykonujesz zmiany plik po pliku, weryfikujesz każdy krok.
Claude Code (generacja 3): Piszesz Dodaj paginację do wszystkich endpointów listujących zasoby. Użyj cursor-based pagination. Zaktualizuj testy. Claude Code sam przeszuka projekt, znajdzie wszystkie endpointy listujące, zrozumie aktualną strukturę odpowiedzi, wprowadzi zmiany, uruchomi testy, naprawi te, które padły, a na koniec przedstawi Ci diff do zatwierdzenia.
Claude Code vs GitHub Copilot vs Cursor
Zanim przejdziemy dalej, ułóżmy porównanie uczciwie. Każde z tych narzędzi ma swoje mocne strony i żadne nie jest obiektywnie "najlepsze" w każdym scenariuszu. Tabela poniżej pokazuje różnice, które faktycznie mają znaczenie w codziennej pracy (stan na październik 2026 – te narzędzia zmieniają się co kilka tygodni, więc traktuj tabelę jako punkt wyjścia, a nie wyrocznię).
Kryterium
Claude Code
GitHub Copilot
Cursor
Model bazowy
Claude Opus / Sonnet / Haiku / Fable (wyłącznie Anthropic)
Do wyboru: modele OpenAI, Anthropic, Google i inne
Do wyboru: Claude, GPT, Gemini i własne
Interfejs główny
Terminal (CLI-first), do tego IDE, desktop i przeglądarka
IDE + terminal
Fork VS Code (IDE-first)
Okno kontekstu
Do 1M tokenów (domyślnie w aktualnych modelach)
Zależnie od wybranego modelu
Zależnie od wybranego modelu
Autonomia agenta
Wysoka – agent planuje i wykonuje wielokrokowe zadania
Wysoka – agent w IDE i Copilot coding agent w chmurze GitHuba
Wysoka – tryb Agent w IDE
Integracja z Git
Natywna – commity, branche, PR z terminala
Natywna – głęboka integracja z GitHub
Przez Git, bez natywnych PR
MCP / zewnętrzne narzędzia
Tak – Model Context Protocol
Tak – MCP w IDE i w Copilot CLI
Tak – MCP support
Scheduled / cloud tasks
Tak – /loop w sesji, zadania w aplikacji desktop i zadania w chmurze Anthropica (/schedule)
Pośrednio – przez GitHub Actions i coding agenta
Agenci działający w tle w chmurze Cursora
Plik konfiguracyjny projektu
CLAUDE.md (potrafi też czytać AGENTS.md)
.github/copilot-instructions.md, AGENTS.md
.cursor/rules, AGENTS.md
Model cenowy
Subskrypcja Claude Pro / Max / Team / Enterprise lub API pay-per-token
Codzienne IDE workflow; integracja z GitHub Actions
Szybki development w IDE; pair programming z AI
⚠️ Uczciwa uwaga: Claude Code ma też wady
CLI-first oznacza, że w samym terminalu nie masz tak wygodnego podglądu zmian jak w Cursorze (dlatego w artykule 06 pokażę rozszerzenie VS Code). Okno kontekstu 1M tokenów brzmi świetnie, ale więcej tokenów = wyższy koszt i szybsze zużycie limitów subskrypcji. Autonomia agenta wymaga zaufania – agent może zmienić pliki, których się nie spodziewałeś. W kolejnych artykułach pokażę, jak zarządzać tymi aspektami: jak dobrać tryb uprawnień, jak używać plan mode, zanim agent zacznie modyfikować kod, jak CLAUDE.md przekazuje agentowi zasady projektu i jak reguły w settings.json oraz hooki twardo blokują to, czego agent robić nie może.
Filozofia CLI-first – dlaczego terminal, nie IDE
Decyzja Anthropica o CLI-first jest nieprzypadkowa i warto ją zrozumieć, bo wpływa na to, jak myślisz o Claude Code.
Terminal jest językiem deweloperów od pięćdziesięciu lat. Git, npm, dotnet CLI, Docker – wszystkie narzędzia, które naprawdę kontrolują projekt, działają z terminala. IDE to nakładka na te narzędzia, wygodna, ale zależna. Agent, który żyje w terminalu, może bezpośrednio uruchamiać komendy, czytać outputy, reagować na błędy kompilacji, uruchamiać testy – bez pośrednika.
🔍 Co to znaczy w praktyce
Gdy prosisz Claude Code o naprawienie failing testu, agent nie tylko edytuje plik. Uruchamia dotnet test, czyta output, identyfikuje, który test i dlaczego pada, edytuje kod, uruchamia testy ponownie, weryfikuje, że teraz przechodzą – i dopiero wtedy melduje, że skończył. Cały ten cykl dzieje się autonomicznie, bo agent ma bezpośredni dostęp do terminala.
To jest fundamentalna różnica względem asystenta w IDE, który sugeruje zmiany, ale nie może ich samodzielnie zweryfikować.
Co ważne: CLI-first nie oznacza CLI-only. Claude Code ma natywne rozszerzenia do VS Code i JetBrains, aplikację desktopową, wersję w przeglądarce pod adresem claude.ai/code, a lokalną sesję możesz kontynuować z telefonu dzięki Remote Control. Terminal jest domem agenta – ale Ty możesz patrzeć na jego pracę, skąd chcesz.
Jak Claude Code widzi Twój projekt
To jest moment, który robi największe wrażenie na osobach przychodzących z Copilota lub Cursora: Claude Code nie czeka, aż mu wskażesz pliki. Sam eksploruje repozytorium.
Gdy uruchamiasz Claude Code w katalogu projektu, do kontekstu od razu trafiają pliki CLAUDE.md i migawka git status. Resztę agent odkrywa sam, dopiero gdy dostanie zadanie: przegląda strukturę katalogów, wyszukuje pliki, czyta plik projektu (.csproj, package.json) i te klasy, które uzna za istotne dla Twojego pytania. Dopiero po tej eksploracji formułuje plan działania.
🔍 1 milion tokenów – co to znaczy dla projektu .NET
Aktualne modele Claude (Opus 5.5, Sonnet 5.5, Haiku 5.5, Fable 5.1) mają domyślnie okno kontekstu około 1 miliona tokenów, co odpowiada mniej więcej 750 000 słowom lub – w praktyce kodowania – dziesiątkom tysięcy linii kodu C#. Przeciętny projekt .NET Web API spokojnie się w tym mieści.
Ważne: Claude Code nie indeksuje i nie ładuje całego projektu na starcie. Duże okno oznacza, że agent może przeczytać wiele plików w jednej sesji i trzymać w głowie relacje między klasami, dziedziczenie, wstrzykiwanie zależności i przepływ danych – ale to, co czyta, wybiera sam na podstawie Twojego zadania (tzw. agentic search). Ile kontekstu już zużyłeś, sprawdzisz komendą /context, a gdy rozmowa się rozrasta, /compact streszcza ją i zwalnia miejsce. Wrócimy do tego w artykułach 03 i 04.
CLAUDE.md – Twoja umowa z agentem
Każde repozytorium, które poważnie pracuje z Claude Code, powinno mieć plik CLAUDE.md w katalogu głównym. To jest plik, który trafia do kontekstu na starcie każdej sesji – zawiera instrukcje specyficzne dla projektu: jak uruchamiać testy, jakich konwencji używa projekt, jakich obszarów agent nie powinien modyfikować bez pytania, jaki stack technologiczny jest używany.
CLAUDE.md to temat na osobny artykuł (nr 03 w serii) – wspominam go tutaj, żebyś wiedział, że istnieje i że to jeden z najważniejszych plików w całej integracji.
Gdzie Claude Code ma sens, a gdzie nie
Żaden artykuł wprowadzający nie byłby uczciwy bez odpowiedzi na pytanie: kiedy nie używać Claude Code? Kilka obserwacji z praktyki:
Świetny do: implementacji features z jasno zdefiniowanymi wymaganiami, refactoringu istniejącego kodu, pisania testów, debugowania złożonych błędów rozsianych po wielu plikach, generowania boilerplate'u (DTOs, mappery, migracje EF Core), przeglądania kodu przed mergem.
Wymaga uwagi przy: zadaniach z niejasną specyfikacją (agent zrobi coś, ale może nie to, co chciałeś), modyfikacjach architektury, które wymagają decyzji biznesowej, kodzie produkcyjnym bez testów (agent nie może zweryfikować, czy nie zepsuł czegoś).
Słaby przy: bardzo krótkich, jednolinijkowych zmianach (tu zwykłe autocomplete jest szybsze), zadaniach, które wymagają zrozumienia kontekstu biznesowego, którego nie ma w kodzie.
🌟 Zasada, którą warto zapamiętać
Claude Code jest jak bardzo dobry developer-kontrahent: daj mu jasne zadanie z kontekstem technicznym, a wykona je sprawnie i szybko. Daj mu niejasne wymagania, a dostaniesz coś, co technicznie działa, ale może nie być tym, czego chciałeś. Inwestycja w dobre CLAUDE.md i precyzyjne opisy zadań zwraca się wielokrotnie – i to jest jeden z głównych tematów tej serii.
Projekt DevPulse – co zbudujemy
Przez całą serię towarzyszy nam jedna aplikacja: DevPulse – SaaS-owy dashboard do monitorowania kondycji repozytoriów GitHub.
Idea jest prosta: jako developer masz kilka repozytoriów i codziennie tracisz czas na sprawdzanie stanu każdego z nich w osobnych zakładkach – otwarte PR-y tu, failing CI tam, narastające issue gdzieś indziej. DevPulse agreguje to wszystko w jednym miejscu i każdego ranka wysyła Ci digest z tym, co naprawdę wymaga uwagi.
Seria ma dwa etapy. W artykułach 01–13 uczysz się narzędzia: DevPulse jest wspólnym przykładem, a ćwiczysz w piaskownicy devpulse-lab (założymy ją w artykule 03) albo we własnym projekcie – w miejscu, które możesz bez stresu psuć. Od artykułu 14 zaczynamy od nowa: puste repozytorium devpulse i budowa aplikacji od planu do wdrożenia, z całą wiedzą zdobytą po drodze.
Warstwa
Technologia
Dlaczego
Backend API
.NET 10 Web API
REST API, JWT auth, integracja z GitHub API przez Octokit
Baza danych
PostgreSQL + EF Core
Produkcyjny setup, migracje, relacje
Frontend
React + TypeScript
Dashboard z kartami per-repo, wykresy trendów, Tailwind
AI w środku
Anthropic API (Claude)
Analiza issue i PR-ów, generowanie priorytetów
Background jobs
Hangfire
Cykliczny sync z GitHub, poranny digest
To, co będzie wyjątkowe w tym projekcie na GitHubie, to nie tylko kod, ale dokumentacja procesu. Folder claude-sessions/ w repozytorium będzie zawierał zaakceptowane plany i logi kluczowych sesji z Claude Code: jak agent planował architekturę, gdzie go korygowałem i jak równoległe sesje dzieliły się pracą. Repozytorium, które pokazuje jak powstało, nie tylko co w nim jest.
Podsumowanie
Zanim przejdziemy do instalacji w następnym artykule, kilka rzeczy, które warto mieć z tyłu głowy:
Claude Code to agent, nie asystent – różnica nie jest marketingowa, jest fundamentalna dla sposobu pracy
CLI-first jest siłą, nie ograniczeniem – agent może uruchamiać komendy, czytać outputy, iterować bez Twojego udziału
Kontekst 1M tokenów – agent sam przeszukuje repozytorium i może trzymać w kontekście bardzo dużo kodu naraz, więc rozumie projekt jako całość
CLAUDE.md – plik, który nauczysz się pisać w artykule 03 i którego nie będziesz chciał potem pominąć
Jakość zadania = jakość wyniku – zasada, która jest prawdziwa dla wszystkich narzędzi AI, ale dla agentów jest szczególnie ważna
W następnym artykule przejdziemy do praktyki: instalacja Claude Code na Windows, Mac i Linux, logowanie, pierwsze uruchomienie w projekcie i – co ważne – co się wtedy dzieje pod spodem.