Rozmowy z Claude'em nie zostają w głowie — więc zrobiłam im zewnętrzną pamięć na to co ważne

Jeszcze kilka lat temu większość ważnych wniosków technicznych rodziła się w rozmowie z drugim człowiekiem. Pair programming, code review, wspólne siedzenie nad bugiem, który "nie ma prawa się wydarzać".

To wszystko trwało dłużej, ale miało jedną ogromną zaletę: trzeba było coś wytłumaczyć, obronić, czasem wrócić trzy razy do tego samego miejsca w kodzie.
A skoro mózg musiał się napracować, to wnioski zostawały w głowie.

Dzisiaj asystenci kodujący robią ogromną część tej pracy za nas. Szybciej, sprawniej, często lepiej.
Problem w tym, że my już nie zawsze "przechodzimy" przez ten proces poznawczo — raczej go obserwujemy.
I to zmienia sposób, w jaki zapamiętujemy.

Dlaczego rozmowa z AI nie zapisuje się w głowie jak rozmowa z człowiekiem

Z punktu widzenia psychologii poznawczej:

• rozmowa z człowiekiem wymaga rekonstrukcji wiedzy w czasie rzeczywistym,
• rozmowa z asystentem kodującym często polega na rozpoznawaniu poprawnych odpowiedzi, nie ich konstruowaniu.

Mózg wykonuje inną pracę.

AI produkuje:

• ogromną ilość kontekstu,
• alternatywne rozwiązania,
• wyjaśnienia, które rozumiemy w danym momencie.

Ale bez aktu eksternalizacji wiedzy (zapisania jej własnymi słowami, w swoim systemie) te informacje nie przechodzą do pamięci roboczej zespołu ani osoby.

Dlatego potrzebny jest świadomy "punkt zapisu" po każdej sesji kodowania z AI.

Brain Dump - moja odpowiedź na ten problem

Brain Dump powstał z bardzo prostej potrzeby. Każdy moment typu „aha!”, „to warto zapamiętać”, „okej, to tłumaczy wszystko” nie może zniknąć w odmętach czatów.
Jestem wzrokowcem. Przez ostatnie miesiące miałam mnóstwo sytuacji, w których pamiętałam wizualnie fragment rozmowy: układ akapitów, sposób w jaki Claude coś tłumaczył, moment, w którym "kliknęło".
Ale gdy próbowałam do tego wrócić później, brakowało mi pełnego kontekstu.
Ten obraz nie zapisał się w głowie wystarczająco głęboko, żeby dało się go odtworzyć razem z argumentacją, ograniczeniami i decyzjami, które wtedy zapadły.

Postanowiłam coś z tym zrobić i napisałam mały projekt, bo chciałam temu zapobiec.

Brain Dump jest więc miejscem, do którego trafiają te momenty "aha" — zanim rozpłyną się w pamięci.
To zapis konkretnych odkryć, które wydarzyły się w trakcie sesji z Claude'em:

• dlaczego coś działa tylko w tej wersji a w innej nie,
• czemu rozwiązanie wygląda dobrze, ale ma ukryte koszty,
• jakie założenie okazało się błędne,

To dokładnie ten sam rodzaj wiedzy, który normalnie zostałby w głowie gdyby sama pamięć (nawet fotograficzna czy odnośnie linijki w kodzie) faktycznie wystarczała.

System jest celowo prosty

Ten system nie powstał po to, żeby był sprytny.
Powstał po to, żeby chciało mi się z niego korzystać.

Nie zależało mi na:

• aplikacji,
• UI,
• synchronizacji,
• "idealnej strukturze wiedzy".

Zależało mi na tym, żeby:

• zapis był szybki,
• setup jednorazowy,
• format czytelny za 2 lata,
• a bariera wejścia praktycznie zerowa,
• było wersjonowanie aby mieć kontrole nad notatkami.

Markdown, katalogi, git, jedno polecenie w terminalu.
To był mój wstępny pomysł bo jeśli zapis wiedzy jest choć trochę uciążliwy — przestaje działać.

Krok po kroku: konfiguracja Brain Dump

Krok 1: repozytorium wiedzy

Utworzyłam repozytorium, np.:

~/Documents/repos/brain-dump

To nie jest repo projektu.
To repo mojego myślenia technicznego.

brain-dump/
├── react/               # np. pułapki renderowania
│   └── useeffect-cleanup-race-condition.md
├── architecture/        # decyzje architektoniczne
│   └── build-pipeline.md
├── react-performance/   # odkryte wąskie gardła
│   └── memo-vs-usememo-kiedy-co.md
├── scripts/dump.sh      # skrypt CLI
└── README.md            # automatycznie generowany indeks

Krok 2: skrypt dump.sh

Skrypt pełni trzy funkcje:

• zapisuje wiedzę (z klawiatury lub schowka),
• pozwala ją wyszukiwać,
• automatycznie indeksuje README.

Najważniejsze decyzje projektowe:

• zapis do Markdown,
• automatyczny commit,
• kategorie jako katalogi,
• tytuł jako pierwszy nagłówek (łatwy grep).

To oznacza, że koszt zapisu wiedzy jest minimalny — a to kluczowe.

Każdy wpis to plik Markdown z nagłówkiem:

# Tytuł wpisu

**Date:** 2026-02-11
**Source:** claude-conversation
**Tags:** kategoria

---

## Context
Dlaczego to jest ważne.

## Problem
Co poszło nie tak lub co było niejasne.

## Solution
Co działa i dlaczego.

## Key Gotchas
- Rzeczy, które łatwo przeoczyć.

Krok 3: globalna dostępność w każdym repo

Aby skrypt był dostępny do wywołania z każdego innego repo. Dodałam do ~/.zshrc lub ~/.bashrc:

export BRAIN_DUMP="$HOME/Documents/repos/brain-dump"

dump() {
  "$BRAIN_DUMP/scripts/dump.sh" "$@"
}

Efekt:

dump react "useEffect cleanup race condition"
pbpaste | dump architecture "Build pipeline overview"

Nie zmieniam kontekstu pracy.
Nie wychodzę z terminala.
Nie "robię dokumentacji".

Po prostu zapisuję myśl.

Krok 4: włączam Claude'a w system pamięci

Plik CLAUDE.md w każdym repo roboczym pełni rolę instrukcji poznawczej dla asystenta:

• informuje, że istnieje zewnętrzna pamięć,
• sugeruje sprawdzanie jej przed decyzjami,
• zachęca do zapisu nowych odkryć.

## Developer Knowledge Base
This developer maintains a personal knowledge base
at ~/brain-dump/ with architectural decisions,
platform limitations, and solutions discovered
during development.

When making architectural decisions or debugging
platform-specific issues, check relevant entries
there first.

To bardzo ważne:
AI przestaje być tylko generatorem odpowiedzi, a zaczyna być współpracownikiem w systemie wiedzy.

Krok 5: automatyzacja "save / retrieve"

Skill (globalny, instalowany raz) — zestaw instrukcji, który mówi Claude'owi, kiedy zapisywać, kiedy szukać i jak formatować wpisy.

Nagłówek skilla wygląda tak:

---
name: brain-dump
description: >
  Save and retrieve knowledge from a persistent
  markdown knowledge base.

  SAVE triggers: "dump this", "remember this",
  "save this for later", or when a conversation
  produces reusable insight about platform limitations,
  architecture decisions, debugging discoveries.

  RETRIEVE triggers: "what do we know about",
  "check brain-dump", "remind me about",
  or any question where past discoveries
  from previous sessions would help.
---

Dzięki temu:

• Claude wie, kiedy zapisać odkrycie,
• wie, kiedy sięgnąć do przeszłych wniosków,
• a Ty nie musisz pamiętać, że coś już kiedyś było.

Wiedza jest w rozmowie, ale znika po jej zakończeniu.
Skill rozwiązuje ten problem — automatyzuje "punkt zapisu".

Co ja zyskałam dzięki Brain Dump

Największa zmiana nie jest techniczna, tylko mentalna. Przestałam mieć poczucie, że: "wiem, że już to kiedyś ogarniałam, ale nie pamiętam szczegółów".

Każda sesja z Claude'em dokłada cegiełkę, która nie znika następnego dnia.

Jak korzystam z Brain Dump na co dzień

W praktyce wygląda to bardzo prosto. Podczas sesji debugowania albo zaraz po niej:

• jeśli coś mnie zaskoczyło,
• jeśli zmieniłam zdanie,
• jeśli odkryłam ograniczenie, które "wróci" za pół roku,

— zrzucam to do Brain Dump.

Tak dokładnie, to nie ja robie zrzut a Claude na moje polecenie. Ja zatwierdzam zmiany

Z czasem zauważyłam coś jeszcze ciekawszego: Claude, mając dostęp do tej bazy, sam zaczyna sięgać po wcześniejsze wpisy, dopytywać o kontekst i budować odpowiedzi na bazie tego, co już odkryliśmy wcześniej.

To moment, w którym asystent przestaje być "jednorazowym rozmówcą", a zaczyna działać jak ktoś, kto ma dostęp do szerszej historii projektu i mojego myślenia.

Podsumowanie

Asystenci kodujący nie zabierają nam wiedzy.
Zabierają nam naturalny mechanizm jej utrwalania.

Jeśli nie zbuduję własnej warstwy pamięci — jestem szybka, ale krótkowzroczna.

Brain Dump to nie narzędzie produktywności.
To system kontroli nad własnym doświadczeniem technicznym.

Wiedza, której nie możesz odzyskać, jest w praktyce wiedzą straconą.

Obraz: Jorge Franganillo z Pixabay