Główne narzędzie AI — przejście na terminal/agent‑first

Pytanie ze scorecard: Jakie jest Twoje główne narzędzie do pracy z kodem AI? Odpowiedź na maks (3 pkt): Claude Code / Codex CLI / Cursor Agents — terminal/agent‑first.

Dlaczego to ważne w 2026

Zmiana definiująca 2026 rok jest prosta: interfejs narzędzia decyduje o pułapie tego, co AI może dla Ciebie zrobić. Narzędzia terminal- i agent-first (Claude Code, Codex i Cursor Agents) odblokowują subagents, hooks, skills, równoległe git worktrees, serwery MCP i routing modeli. Web chat — nawet wklejony do eleganckiego edytora — ogranicza Cię do krótkich pętli kopiuj-wklej bez trwałego wykonania w repo. W niezależnym snapshocie Artificial Analysis Coding Agent Index v1.1 z 11 lipca GPT-5.6 Sol + Codex osiągnął 80, Fable 5 + Claude Code 77, Grok 4.5 + Grok Build 76, a Composer 2.5 + Cursor CLI 52. Liczby mierzą model razem z harnessem agenta, więc wspierają workflow agent-first, ale nie dowodzą uniwersalnej wyższości samych wag jednego modelu.

Jak naprawdę wygląda maksymalny wynik

Setup na maksymalną odpowiedź Q1 jest konkretny i mierzalny. Twoją główną powierzchnią jest agent świadomy repo (Claude Code, Codex lub Cursor Agents), sesje wykonują pełną pętlę czytaj → edytuj → testuj → review, a repo zawiera trwałe instrukcje takie jak CLAUDE.md lub AGENTS.md. Hooki, skills i izolacja równoległa są użyteczne, gdy uzasadnia je workload. Oceniaj setup przez ukończenie reprezentatywnych zadań, jakość review i rework zamiast niepopartych uniwersalnych mnożników throughput.

Aktualny krajobraz (zweryfikowany przez web search)

Claude Code, Codex CLI i Cursor Agents to trzy istotne opcje agent-first, a OpenCode, Aider, Gemini CLI i GitHub Copilot oferują inne powierzchnie i ekonomikę. Drugie narzędzie może dać fallback albo niezależne review, ale jest to opiniowany wybór workflow, a nie wymóg branżowy. Zacznij od jednego narzędzia głównego, zmierz reprezentatywne zadania i dodaj kolejne tylko wtedy, gdy uzasadnia je konkretna luka.

Claude Code

Agent terminal-first od Anthropic i jedna z najmocniejszych opcji nastawionych na orkiestrację. Default konta zależy od planu: Sonnet 5 na Pro, Team Standard i subskrypcyjnych miejscach Enterprise; Opus 4.8 na Max, Team Premium, Enterprise pay-as-you-go i w sesjach Anthropic API. Polityka organizacji może tę mapę nadpisać, defaulty zarządzanych chmur są inne, a Fable 5 jest dostępny przez /model fable do najbardziej wymagającej pracy. Natywne wsparcie dla subagentów w tle, hooków, skills i serwerów MCP czyni Claude Code szczególnie mocnym w orkiestracji. Aktualne zestawienie modeli: porównanie modeli.

Cursor Agents

Agent IDE-first od Cursor jest wielomodelowy: Auto routuje dynamicznie, Grok 4.5 służy szerszej długiej pracy, a mniejszy Composer 2.5 szybkim pętlom kodowania. Grok nie zastępuje Composer — Cursor mówi, że to różne klasy wag i oba pozostają dostępne. Panel Agents — a nie inline Cmd+K ani tab completion — jest powierzchnią dającą maks pkt na Q1. Mocne strony to płynny UX w edytorze i świetny review wieloplikowych diffów. Benchmarki zależą jednak zarówno od wybranego modelu, jak i harnessu Cursora, więc wybieraj według zadania i sprawdzaj na własnych evalach.

Codex CLI

Agent kodowania OpenAI działa w CLI, IDE, chmurze i desktopowym ChatGPT. GPT-5.6 osiągnął general availability 9 lipca: Sol jest modelem flagowym, Terra zrównoważonym, a Luna tańszym poziomem do pracy masowej; dostęp zależy od planu i powierzchni, nie od jednego uniwersalnego defaultu. W Artificial Analysis v1.1 Sol + Codex osiągnął 80, Terra 77, a Luna 75. Codex dobrze pasuje zespołom potrzebującym sandboxowanego wykonania lokalnego, asynchronicznej pracy w chmurze i wielopowierzchniowego workflow OpenAI.

Wdrożenie krok po kroku

1. Zaudytuj, skąd faktycznie pochodzi Twój kod z tego tygodnia. Otwórz historię shella (history | grep -E 'claude|codex|cursor'), historię command palette edytora oraz paski boczne ChatGPT/Claude. Zlicz uczciwie: jaki ułamek kodu, który commitnąłeś w tym tygodniu, powstał w agencie terminalowym vs. inline-completion vs. kopiuj-wklej z web chatu? Jeśli odpowiedź brzmi “głównie web chat” albo “głównie inline Copilot”, masz na Q1 1–2 pkt i reszta tego przewodnika to fix.
2. Wybierz primary (to, którego będziesz używać codziennie). Domyślna rekomendacja: Claude Code, jeśli Twoja praca to dużo trudnych refaktorów, wielo-plikowych zmian architektonicznych albo chcesz najgłębszego ekosystemu hooks/skills/subagents. Codex CLI, jeśli żyjesz w długich nieprzerwanych sesjach, chcesz async background PR-ów albo zespół już siedzi na OpenAI Enterprise. Cursor Agents, jeśli naprawdę nie chcesz wychodzić z edytora i praca to bardziej feature development niż grube debugowanie. Nie zastanawiaj się za długo — drugie narzędzie i tak dodasz w kroku 6.
3. Zainstaluj i zautoryzuj. Claude Code: uruchom natywny instalator Anthropic (curl -fsSL https://claude.ai/install.sh | bash na macOS/Linux/WSL), potem claude i przejdź auth flow. Codex CLI: npm install -g @openai/codex, potem codex (albo postępuj zgodnie z instrukcją dla platformowo specyficznej binarki). Cursor Agents: zaktualizuj Cursor, otwórz panel Agents (nie Cmd+K), a potem wybierz Auto, Grok 4.5 lub Composer 2.5 według potrzeb routingu, możliwości lub szybkości.
4. Stwórz minimalny plik z kontekstem. W korzeniu repo: CLAUDE.md (Claude Code), AGENTS.md (Codex CLI i Cursor Agents oba go czytają). 15–30 linii pokrywających: czym jest projekt, kluczowe komendy (build/test/lint), 2–3 konwencje, które mają znaczenie, oraz reguły “nie rób tego” (np. “nie odpalaj migracji bez pytania”). Ten jeden plik decyduje o tym, czy masz maks Q1, czy tylko zapłaciłeś za subskrypcję i nigdy jej nie skonfigurowałeś.
5. Odpal realną sesję, nie zabawkową. Wybierz mały, ale prawdziwy ticket (taki z 2–4 plikami zmian). Uruchom swojego primary agenta w repo, opisz zadanie w 2–3 zdaniach i daj mu pracować. Obserwuj pętlę multi-turn: czyta pliki, odpala testy, edytuje, czyta ponownie, edytuje. Nie przerywaj, żeby korygować w trakcie — jeśli pójdzie źle, daj mu się wywalić, a potem promptuj fix. Nawyk, który budujesz, to “deleguj cały task”, a nie “niańcz każdą linię”.
6. Dodaj drugie narzędzie w ciągu dwóch tygodni. Gdy primary zacznie być naturalny, dodaj drugie Tier 1 do pokrycia luk. Częste pary: Claude Code + Codex CLI (jakość + endurance), Claude Code + Cursor Agents (terminal do trudnej roboty, edytor do feature dev), Cursor Agents + Codex CLI (edytor + async background). Odpalaj je w osobnych katalogach git worktree, żeby nie biły się o to samo working tree.
7. Podepnij pierwszy hook i pierwszy skill. Dla Claude Code: dodaj Stop hook w ~/.claude/settings.json, który odpala Twój test suite, oraz stwórz jeden skill (np. code-review) w .claude/skills/. Dla Codex CLI i Cursor Agents: skonfiguruj odpowiedniki post-action commands. To moment, w którym Twój wynik Q1 przeskakuje z “używam agenta terminalowego” (2 pkt w oczach surowego scorera) na “używam go z tymi feature’ami platformy, które dają 3 pkt”.
8. Zabij albo zdegraduj starą powierzchnię. Zamknij karty ChatGPT/Claude web, które kiedyś były Twoim defaultem. Wyłącz inline completion w Copilocie (albo zostaw tylko do boilerplate’u). Cel: gdy sięgasz po pomoc AI, ręka idzie do agenta terminalowego, a nie do przeglądarki. Jeśli łapiesz się na otwieraniu karty web chat, to znak, że Q1 jeszcze nie skończona.

Częste pułapki

• “Używam Cursor, więc jest OK.” Używanie edytora Cursor to nie to samo, co używanie Cursor Agents. Inline Cmd+K i tab-complete to wciąż przepływy jeden-turn i dają najwyżej 2 pkt. Maks wymaga panelu Agents z Composerem 2.5 (lub odpowiednikiem) jako główną powierzchnią pracy.
• Traktowanie agenta jak chatbota. Ludzie dostają 1 pkt zamiast 3, bo wklejają jedno pytanie na raz, czekają na odpowiedź, wklejają następne. Cały sens narzędzi terminal/agent-first to to, że agent działa multi-turn z dostępem do plików i tool use. Jeśli wszystkie Twoje sesje to 1-wiadomość-1-odpowiedź, nie używasz narzędzia, tylko je marnujesz.
• Brak pliku z kontekstem. Odpalanie Claude Code czy Codex CLI w repo bez CLAUDE.md / AGENTS.md to jak zatrudnienie seniora i odmowa powiedzenia mu, czym zajmuje się firma. Agent spala turn za turnem, odkrywając te same konwencje w każdej sesji. Ten jeden brakujący plik jest najczęstszym powodem, dla którego “agent jest tylko OK” zamiast “agent jest niesamowity”.
• Wybór na podstawie benchmarków zamiast dopasowania. Wynik agenta kodowania łączy model, harness, ustawienia i narzędzia, a nawet koszyk benchmarków zmienia się w czasie. Wybieraj pod workflow, a potem waliduj na reprezentatywnych zadaniach tą samą metodologią.
• Dodawanie drugiego narzędzia bez powodu. Fallback albo niezależny reviewer może być użyteczny, bo narzędzia mają różne limity i powierzchnie. Dokłada też koszt subskrypcji, polityki i szkoleń. Dodaj je, gdy własne dane z zadań pokazują korzyść.

Jak sprawdzić, czy już tam jesteś

• Twoja główna edycja dzieje się w agencie CLI albo dedykowanym panelu Agents — nie w popupie inline-completion, nie w karcie przeglądarki.
• Uruchamiasz świeżą sesję agenta (claude, codex albo Cursor Agents) co najmniej 5 razy w normalny dzień roboczy.
• Typowa sesja wykonuje pełną pętlę czytaj → edytuj → testuj → review, z subagentami gdy są użyteczne.
• Masz CLAUDE.md albo AGENTS.md w korzeniu każdego aktywnego repo.
• Masz skonfigurowany co najmniej jeden hook (Stop hook odpalający testy albo PostToolUse odpalający linter) i co najmniej jeden własny skill lub slash command.
• Regularnie odpalasz dwóch agentów równolegle przez git worktree albo dwa otwarte panele agentów.
• Gdy sięgasz po pomoc AI, Twoja ręka idzie do panelu terminal/agents — nie do karty przeglądarki.

Dalsza lektura

Q2 · Dopasowanie planu subskrypcji Dobierz plan pod równoległych agentów i długie sesje.

Q3 · Routing modeli Miksuj Fable 5 / Opus / Sonnet / Haiku per task.

Claude Code quick start Praktyczny walkthrough setupu Claude Code.

Wypełnij Developer Scorecard Sprawdź, gdzie stoisz na wszystkich 25 pytaniach.