Od zera do systemu AI w kwartał. Część 2: Markdown.

W poprzednim artykule napisałem, że cały mój system AI opiera się na zwykłych plikach tekstowych. Że to brzmi prymitywnie, ale jest w tym logika.

Czas na tę logikę.

Dziś opowiem o formacie, w którym te pliki są zapisane. O Markdown. O tym dlaczego wybrałem właśnie ten format, a nie Word, Google Docs czy inne narzędzie typu Notion. I dlaczego uważam, że to jedna z najważniejszych decyzji, jaką podjąłem budując swój system.

Zastrzeżenie: to co opisuję w tym cyklu bazuje na moim stacku technologicznym, czyli macOS i Claude jako główny model językowy. Zasady i podejście działają na każdym systemie operacyjnym i z każdym modelem AI, ale konkretne kroki i skróty klawiszowe opisuję pod Maca. Jeśli pracujesz na Windows lub Linux, większość rzeczy zrobisz tak samo, ale powyższe systemy mogą się różnić detalami, które musisz dostosować.

Format ma znaczenie

Zanim zaczniemy, pewna historia.

Przez lata składowałem pliki na Google Drive. Dokumenty, notatki, arkusze, PDF-y. Setki plików w dziesiątkach folderów. Na początku wydawało się to logiczne. Folder “Klienci”, folder “Projekty”, folder “Oferty”. Proste.

Problem pojawił się, gdy tych plików zrobiło się naprawdę dużo. Szukałem notatki ze spotkania sprzed trzech miesięcy i nie mogłem jej znaleźć. Była w “Klienci” czy w “Spotkania”? A może w “2025”? Informacje o jednym projekcie leżały w pięciu różnych miejscach. Żeby złożyć pełny obraz, musiałem otworzyć kilka dokumentów, kilka arkuszy, przeszukać maile. Za każdym razem traciłem czas na szukanie zamiast na pracę.

I najgorsze: nie mogłem tego wszystkiego łatwo połączyć w całość. Każdy plik żył osobno. Nie było połączeń między nimi, nie było jednego miejsca, gdzie widzę wszystko naraz.

Korzystałem też z Notion i Evernote. Ładne interfejsy, ale ten sam problem. Wiedza zamknięta w formacie jednej firmy. Notion podnosi ceny, zmienia limity, a eksport daje setki plików z nieaktywnymi linkami. Evernote przeszedł przez przejęcie i kilka zmian modelu biznesowego.

Wzorzec jest zawsze ten sam. Zaczynasz używać narzędzia, wkładasz w nie swoją wiedzę i czas, a potem albo nie możesz jej sprawnie wyszukać, albo firma zmienia zasady gry. I zostajesz z bałaganem, z którego trudno cokolwiek wyciągnąć.

Dlatego gdy zaczynałem budować system AI, pierwszą decyzją było: format musi być “mój”. Niezależny od żadnej firmy. Czytelny za 20 lat. Łatwy do przeszukiwania. I natywny dla modeli AI.

Tym formatem jest Markdown.

Czym jest Markdown?

Markdown to sposób formatowania tekstu za pomocą prostych symboli. Nic więcej. Stworzył go John Gruber w 2004 roku, z pomocą Aarona Swartza. Idea była prosta: pisz tekst, który jest czytelny sam w sobie, ale który można też przetworzyć na HTML, PDF czy cokolwiek innego.

Wygląda to tak:

# To jest nagłówek

To jest zwykły tekst. **To jest pogrubienie.** *To jest kursywa.*

## Mniejszy nagłówek

Lista rzeczy do zrobienia:
- Punkt pierwszy
- Punkt drugi
- Punkt trzeci

1. Lista numerowana
2. Druga pozycja
3. Trzecia pozycja

> To jest cytat. Ktoś mądry to powiedział.

[To jest link](https://example.com)

I to w zasadzie tyle. Kilka symboli: # dla nagłówków, ** dla pogrubienia, - dla list, > dla cytatów. Plik z rozszerzeniem .md. Otworzysz go w dowolnym programie: Notatnik na Windows, TextEdit na Macu, vi na Linuxie. Nawet w przeglądarce.

Nie potrzebujesz specjalnego oprogramowania. Nie potrzebujesz licencji. Nie potrzebujesz internetu.

Nagłówki, czyli hierarchia informacji

Najważniejszy element Markdown to nagłówki. Znak # przed tekstem. Im więcej kratek, tym niższy poziom nagłówka.

# Nagłówek główny (H1)

Jeden na plik. To jest temat dokumentu. Jak tytuł książki.

## Nagłówek drugiego poziomu (H2)

Główne sekcje. Jak rozdziały. Odpowiada na pytanie: "Z jakich dużych części składa się ten dokument?"

### Nagłówek trzeciego poziomu (H3)

Podsekcje. Jak podrozdziały. Odpowiada na pytanie: "Z czego składa się ta sekcja?"

Dlaczego to ważne? Bo nagłówki tworzą strukturę, którą model AI czyta jak spis treści. H1 to temat. H2 to sekcje. H3 to szczegóły w sekcji. Model od razu wie, co jest ważne, a co jest detalem.

Praktyczny przykład. Opis Twojej usługi:

# Pozycjonowanie stron internetowych

## Dla kogo
Właściciele firm B2B, którzy chcą być widoczni w Google.

## Co robimy
### Audyt techniczny
Sprawdzamy szybkość strony, błędy, indeksację.

### Optymalizacja treści
Piszemy i poprawiamy teksty pod frazy, których szukają Twoi klienci.

### Link building
Budujemy autorytet strony przez wartościowe odnośniki z innych serwisów.

## Ile to kosztuje
Wycena indywidualna. Zależy od wielkości strony i konkurencji w branży.

## Jak zacząć
1. Wypełnij formularz kontaktowy
2. Umówimy się na krótką rozmowę
3. Przygotujemy wycenę w ciągu 48 godzin

Widzisz hierarchię? H1 to nazwa usługi. H2 to główne pytania klienta. H3 to szczegóły w ramach jednej sekcji. Model AI czytając ten plik natychmiast rozumie: to jest opis usługi pozycjonowania, ma cztery sekcje, a sekcja “Co robimy” składa się z trzech elementów.

Jedna zasada: H1 zawsze jeden na plik. To jak tytuł książki. Nikt nie pisze książki z dwoma tytułami. H2 i H3 możesz mieć ile chcesz.

Dlaczego nie Word, Notion czy Google Docs?

Żeby było jasne: nie mam nic przeciwko tym narzędziom. Każde z nich ma swoje zastosowanie. Word służy w biznesie od kilku dekad, zapisujesz plik i wysyłasz klientowi. Google Docs do współpracy w czasie rzeczywistym. Notion do zarządzania projektami w zespole.

Ale żadne z nich nie nadaje się jako fundament systemu AI. I wyjaśnię dlaczego.

Word (.docx)

Plik Worda to tak naprawdę archiwum ZIP zawierające pliki XML. Gdy otworzysz plik .docx i zajrzysz do środka, zobaczysz coś takiego:

<w:p w:rsidR="00E22E6A" w:rsidRDefault="00E22E6A">
  <w:r>
    <w:rPr>
      <w:b/>
    </w:rPr>
    <w:t>Opis firmy</w:t>
  </w:r>
</w:p>

To jest słowo “Opis firmy” zapisane pogrubieniem. W Markdownie ten sam efekt to: **Opis firmy**. Dwa znaki zamiast sześciu linii kodu XML.

Gdy model AI dostaje plik Worda, musi go najpierw rozpakować, potem przeczytać XML, potem wyłowić z niego właściwy tekst, potem zrozumieć formatowanie. Każdy z tych kroków to miejsce, gdzie coś może pójść nie tak. Tabele się rozsypują, nagłówki znikają, numeracja list się gubi.

Jest jeszcze jeden problem, może nawet ważniejszy. Cały ten XML zajmuje miejsce w oknie kontekstowym modelu AI. Modele językowe mają ograniczoną ilość tekstu, którą mogą przeczytać naraz (mierzy się ją w tokenach). Każdy tag XML, każdy atrybut, każda linia kodu formatowania to tokeny, za które płacisz, a które nie niosą żadnej wartości merytorycznej. Sześć linii XML zamiast dwóch znaków Markdown. Pomnóż to przez cały dokument i nagle połowa Twojego okna kontekstowego jest zajęta śmieciami formatowania zamiast treścią.

Google Docs

Google Docs trzyma dane na serwerach Google. Nie masz pliku na dysku. Masz link. Gdy Google zmieni API, zmieni format wewnętrzny albo po prostu wyłączy usługę, Twoje dane znikną lub staną się trudne do odzyskania.

Eksport z Google Docs do HTML daje stronę zaśmieconą tagami <span> ze stylami, które trzeba znowu dekodować. Eksport do Worda daje pliki z problemami opisanymi wyżej. Eksport do zwykłego tekstu traci formatowanie.

Notion

Notion używa własnego formatu bloków. Każdy element strony to osobny blok z identyfikatorem, właściwościami i metadanymi. Gdy eksportujesz notatkę, dostajesz Markdown, ale nie taki, jakiego oczekujesz. Linki do innych stron się psują. Bazy danych eksportują się jako osobne pliki CSV. Zagnieżdżone strony tworzą labirynt folderów.

Ale jest gorszy problem. Twoja wiedza jest na serwerach Notion. Jeśli jutro podniosą cenę (co jest naturalne u każdego dostawcy, który chce zwiększać zysk), zmienią warunki, albo zbankrutują, Twoja jedyna opcja to gorączkowy eksport tego, co zdążysz.

PDF

PDF wygląda pięknie, ale jest przeznaczony do druku, nie do przetwarzania. Gdy model AI czyta PDF, musi uruchomić OCR (rozpoznawanie tekstu), parsowanie layoutu, rozpoznawanie kolumn, nagłówków, stopek. Wynik jest często dziurawy. Brakuje fragmentów, kolejność akapitów się miesza, tabele się rozsypują.

Markdown

Markdown to czysty tekst z kilkoma symbolami. Model AI dostaje go i od razu rozumie strukturę: nagłówki, listy, pogrubienia, linki. Zero parsowania, zero konwersji, zero strat. To tak jakbyś rozmawiał z człowiekiem w jego ojczystym języku, zamiast przez tłumacza.

Trzy powody, dla których mój system AI używa Markdown

1. Markdown to natywny język modeli AI

Modele językowe takie jak Claude, ChatGPT czy Gemini zostały wytrenowane na miliardach stron tekstu. Znaczna część tego tekstu to dokumentacja techniczna, strony GitHub, wpisy na forach, artykuły. Wszystkie w Markdown albo w formatach zbliżonych do czystego tekstu.

Gdy model AI generuje odpowiedź, robi to w Markdown. Nagłówki, listy, pogrubienia, bloki kodu. To jest jego naturalny sposób komunikacji. Nie musisz go o to prosić.

Gdy model AI czyta Markdown, rozumie go natychmiast. # to nagłówek. **tekst** to ważna informacja. - to element listy. > to cytat. Ta struktura pomaga modelowi zrozumieć hierarchię informacji: co jest tematem głównym, co podtematem, co detalem.

W praktyce wygląda to tak. Gdy wkleję do Claude’a notatkę o kliencie w Markdown, model od razu wie: nagłówek H1 to nazwa klienta, H2 to sekcje (dane, historia, notatki), listy to szczegóły. Nie muszę mu tego tłumaczyć. Format mówi sam za siebie.

Gdy wkleję ten sam dokument jako PDF albo skopiuję z Worda, model dostaje płaski tekst bez struktury. Albo tekst z artefaktami formatowania, które zamiast pomagać, przeszkadzają.

2. Niezależność od dostawcy

Plik .md który zapiszesz dzisiaj, otworzysz za 20 lat. Na dowolnym komputerze, w dowolnym systemie operacyjnym, w dowolnym programie który potrafi czytać tekst. Czyli w każdym.

Nie potrzebujesz Notion. Nie potrzebujesz Google. Nie potrzebujesz Microsoftu. Potrzebujesz folderu na dysku.

Mój cały system to folder z plikami .md oraz skryptami. Waży około 3 GB (z czego większość to skrypty, same teksty to ułamek). Mogę go przenieść na pendrive, skopiować na nowy komputer, zgrać do chmury, wysłać mailem. Mogę go otworzyć w Obsidianie, Visual Studio Code, Notatniku. Format się nie zmieni.

To nie jest mała rzecz. W biznesie zmiana narzędzia to często tygodnie pracy. Eksporty, importy, ręczne poprawki, utracone połączenia. Gdy Twoja wiedza jest w Markdown, zmiana narzędzia to przeniesienie folderu. Koniec tematu.

Widziałem firmy, które przez miesiące migrowały z jednego systemu notatek do drugiego. Traciły dane, czas, nerwy. Często z takiej migracji nic nie było, bo została wstrzymana w trakcie. Z Markdown ta migracja trwa tyle, ile kopiowanie plików.

3. To Twoja własność

Pliki Markdown leżą na Twoim dysku. Należą do Ciebie. Nikt nie podniesie Ci ceny za dostęp do własnych notatek. Nikt nie zmieni regulaminu. Nikt nie zamknie serwisu i nie zabierze Twoich danych.

To nie jest paranoja. To się dzieje regularnie.

Google zamknął Google Reader (2013), Google Notebook (2012), Inbox by Gmail (2019). Zapowiedział koniec Google Wave w 2010, ostatecznie zamykając go w 2012. Każdy z tych produktów miał miliony użytkowników, którzy stracili swoje dane lub musieli je gorączkowo przenosić.

Evernote przez lata był standardem notatek cyfrowych. Potem kilka razy zmienił ceny, ograniczył funkcje darmowego planu, przeszedł przez przejęcie. Ludzie, którzy trzymali tam lata notatek, musieli szukać alternatyw.

Notion jest dziś popularny. Ale Notion to startup. Startupy bankrutują, zmieniają model biznesowy, zostają przejęte. Twoja firma nie powinna zależeć od cudzej architektury.

Z plikami Markdown ta sytuacja nie istnieje. Twoje pliki, Twój dysk, Twoja kontrola.

Jak wygląda Markdown w praktyce?

Pokażę Ci kilka przykładów z mojego systemu. Zanonimizowanych, ale pokazujących realną strukturę.

Notatka o firmie

# Profil firmy

## Podstawowe dane
- Nazwa: Firma XYZ sp. z o.o.
- NIP: 1234567890
- Branża: usługi B2B
- Zespół: 5 osób
- Rok założenia: 2015

## Czym się zajmujemy
Marketing w wyszukiwarkach. SEO i Google Ads
dla firm B2B. Bez długich umów, bez kar umownych.

## Wartości
1. Gra o sumie dodatniej (obie strony zadowolone)
2. Transparentność (co, za ile, dlaczego)
3. Edukacja (wyjaśniaj, nie wykorzystuj ignorancji)

## Cel na Q1 2026
Zwiększyć przychód o 30% bez zwiększania zespołu.

Gdy model AI czyta taki plik, od razu wie: to jest opis firmy, ma 5 osób, zajmuje się SEO, ceni transparentność, chce rosnąć. Każda sekcja jest jasna. Każda informacja ma swoje miejsce.

Notatka z ustaleń po spotkaniu

# Spotkanie z klientem ABC - 2026-03-20

## Uczestnicy
- Marcin (my)
- Jan Kowalski (ABC, decydent)

## Ustalenia
1. Startujemy z SEO w przyszłym tygodniu
2. Budżet: 5000 zł/miesiąc
3. Raportowanie: co 2 tygodnie, w poniedziałek
4. Pierwszy raport: 2026-04-07

## Otwarte pytania
- Czy mają dostęp do Google Search Console?
- Kto odpowiada za content po ich stronie?

## Następne kroki
- [ ] Wysłać brief do końca tygodnia
- [ ] Uzyskać dostępy do narzędzi
- [ ] Zaplanować start na 2026-03-27

To jest notatka, którą AI może przeczytać i od razu odpowiedzieć na pytanie: “Jakie mam otwarte zadania dla klienta ABC?” albo “Kiedy jest następne spotkanie?”. Bez szukania po mailach, bez przeglądania kalendarza.

Opis usługi

# Audyt SEO

## Dla kogo
Właściciele firm B2B, którzy mają stronę
internetową, ale nie wiedzą czy jest widoczna
w Google i co można poprawić.

## Co obejmuje
1. Analiza techniczna strony (szybkość, błędy, indeksacja)
2. Analiza widoczności (pozycje na frazy, ruch organiczny)
3. Analiza konkurencji (kto jest wyżej i dlaczego)
4. Lista rekomendacji (priorytetyzowana, z szacunkowym wpływem)

## Czas realizacji
5-7 dni roboczych.

## Cena
Wycena indywidualna. Zależy od wielkości strony
i zakresu analizy oraz naszych mocy przerobowych.

Gdy klient pyta AI: “Co oferujecie w audycie SEO?”, model ma gotową, strukturalną odpowiedź. Nie zmyśla. Nie hallucynuje. Czyta konkretny plik z konkretnymi danymi.

YAML frontmatter, czyli metadane na sterydach

Jest jeszcze jedna rzecz, która czyni Markdown wyjątkowym dla systemów AI. To YAML frontmatter. Brzmi technicznie, ale jest proste.

Na początku każdego pliku Markdown możesz dodać blok metadanych. Wygląda to tak:

---
typ: notatka
status: aktywny
projekt: firma-xyz
created: 2026-03-15
updated: 2026-03-20
---

# Treść notatki zaczyna się tutaj

Trzy myślniki na początku, trzy na końcu. W środku pary klucz-wartość. To są informacje o pliku, nie treść pliku.

Po co to jest?

Wyobraź sobie, że masz 500 notatek. Chcesz znaleźć wszystkie aktywne notatki z projektu “firma-xyz” utworzone w marcu. Bez frontmatter musisz czytać każdy plik. Z frontmatter wystarczy przeszukać metadane.

Narzędzia takie jak Obsidian (o którym napiszę w następnym artykule) potrafią te metadane czytać i filtrować. Budujesz dynamiczne widoki: “Pokaż mi wszystkie aktywne projekty”, “Pokaż zadania na ten tydzień”, “Pokaż notatki ze spotkań z ostatniego miesiąca”.

Dla modelu AI frontmatter to czyste złoto. Od razu wie, czego dotyczy plik, jaki ma status, do jakiego projektu należy. Nie musi zgadywać.

Jak AI czyta Markdown? Krok po kroku

Pewnie zastanawiasz się: ale jak to wygląda technicznie? Co się dzieje, gdy podasz modelowi AI plik Markdown?

Pokażę na przykładzie.

Masz plik z opisem klienta:

---
typ: klient
status: aktywny
projekt: audyt-seo
---

# Klient: Firma ABC

## Kontakt
- Jan Kowalski, Prezes
- jan@firma-abc.pl
- tel. 600 100 200

## Historia współpracy
Współpraca od stycznia 2026. Zaczęliśmy od audytu SEO,
teraz przechodzimy na stałą obsługę.

## Notatki
- Preferuje krótkie maile, bez zbędnych wstępów
- Decyzje podejmuje szybko
- Budżet: elastyczny, ale wymaga uzasadnienia

Gdy wkleisz ten plik do modelu AI i zapytasz: “Napisz maila do tego klienta z propozycją rozszerzenia współpracy”, model ma wszystko:

1. Z frontmatter: to klient, jest aktywny, dotyczy audytu SEO
2. Z nagłówka: firma ABC
3. Z kontaktu: pisze do Jana, Prezesa
4. Z historii: wie, że współpraca trwa od stycznia, zaczęła się od audytu
5. Z notatek: wie, że Jan lubi krótkie maile i szybkie decyzje

Wynik? Mail, który brzmi jakbyś go pisał sam (no, może to zbytnie uproszczenie z powyższego przykładu, bo do końca tak nie jest bez odpowiedniego kontekstu, ale na tę chwilę robimy perspektywę, a szczegóły będziemy dopisywać po drodze). AI ma Twój kontekst, Twoją wiedzę o kliencie, Twoje ustalenia.

Spróbuj to samo z plikiem PDF albo ze skopiowanym tekstem z CRM-u. Model dostanie płaski tekst bez struktury i zacznie zgadywać (czyli halucynować, a tego nie chcemy).

Markdown a inne formaty: porównanie

Żeby to było jasne, zbiorę to w jednym miejscu:

Czytelność dla AI:

• Markdown: natywna, zero parsowania
• Word: wymaga rozpakowania ZIP + parsowania XML
• PDF: wymaga OCR + parsowanie layoutu
• Notion: wymaga API + konwersja bloków
• Google Docs: wymaga API + konwersja HTML

Niezależność:

• Markdown: plik na dysku, otworzysz wszędzie
• Word: potrzebujesz programu do odczytu .docx
• PDF: potrzebujesz czytnika PDF
• Notion: potrzebujesz konta Notion i internetu
• Google Docs: potrzebujesz konta Google i internetu

Struktura:

• Markdown: nagłówki, listy, metadane (frontmatter)
• Word: style, ale parsowanie jest trudne
• PDF: brak struktury logicznej (jest wizualna)
• Notion: bloki, ale proprietary format
• Google Docs: style, ale zależne od API

Trwałość:

• Markdown: 20 lat na rynku, będzie działał za 50
• Word: zależy od Microsoftu
• PDF: standard ISO, ale nie do edycji
• Notion: zależy od startupu
• Google Docs: zależy od Google

Częste pytania

Czy muszę pisać w Markdown ręcznie?

Nie. Większość edytorów (Obsidian, Typora, Bear) pokazuje sformatowany tekst. Piszesz jak w Wordzie, a pod spodem jest Markdown. Ale warto znać podstawy, bo daje to kontrolę.

Czy Markdown obsługuje tabele?

Tak. Wygląda to tak:

| Klient | Budżet | Status |
|--------|--------|--------|
| ABC    | 5000   | Aktywny |
| DEF    | 3000   | Wstrzymany |

Nie jest to tak wygodne jak Excel, ale dla prostych zestawień wystarczy. Do zaawansowanych analiz i tak użyjesz arkusza kalkulacyjnego.

Czy mogę używać Markdown i Worda jednocześnie?

Oczywiście. Markdown to format Twojego systemu wiedzy, nie zamiennik wszystkiego. Oferty wysyłam klientom w PDF. Raporty w arkuszach. Ale bazą, z której to wszystko powstaje, jest Markdown.

Czy to nie jest zbyt techniczne?

Jeśli potrafisz napisać maila z listą punktów, potrafisz pisać w Markdown. Serio. # przed nagłówkiem, - przed punktem, ** dookoła pogrubienia. To cała wiedza, która jest Ci potrzebna na start. Dodatkowo, używając dedykowanych programów do edycji markdown (wspomniany już Obsidian), jesteś w stanie wykorzystywać narzędzie do szybkiego tworzenia tych plików.

A co z obrazkami?

Markdown obsługuje obrazy: ![opis](ścieżka/do/pliku.jpg). W Obsidianie przeciągasz zdjęcie i gotowe. Pliki graficzne leżą w folderze obok notatek.

Masz już sporo wiedzy? Jak przenieść ją do Markdown

Pewnie myślisz: fajnie, ale ja mam setki plików. Dokumenty w Wordzie, notatki w Notion, PDF-y, arkusze. Mam to zacząć przepisywać ręcznie?

Nie. Ja na początku tak robiłem i zmarnowałem na to sporo czasu. Ręcznie przenosiłem pliki, ręcznie szukałem co gdzie jest, ręcznie porządkowałem. Dopiero potem odkryłem, że jest lepszy sposób.

Gdybym zaczynał dzisiaj, zrobiłbym to w dwóch etapach.

Etap 1: Zgromadź i daj AI przeanalizować

Zbierz wszystko w jednym miejscu. Jeden folder, do którego wrzucisz co masz. Możesz mieć podfoldery, podkatalogi, dowolną strukturę. Nie musisz tego teraz porządkować. Posortowane, nieposortowane, nie ma znaczenia na tym etapie.

Potem technicznie wygląda to tak:

Na Macu: Otwórz Claude Code (aplikacja terminalowa Claude’a) albo zwykłego Claude’a w przeglądarce. Weź ścieżkę do folderu, np. /Users/twoje-imie/Documents/Moja-firma/ i wklej ją. Claude Code potrafi bezpośrednio czytać pliki z Twojego dysku. Wskazujesz mu folder, a on sam przegląda strukturę katalogów, podkatalogów i plików.

Na Windows: To samo. Ścieżkę znajdziesz klikając prawym przyciskiem na folder i wybierając “Kopiuj jako ścieżkę”. Wklejasz ją do Claude’a.

Jeśli nie masz Claude Code: Możesz to zrobić przez zwykłego ChatGPT czy Claude’a w przeglądarce. Wtedy nie wklejasz ścieżki (bo model nie ma dostępu do Twojego dysku), tylko wklejasz zawartość plików. Przy kilkunastu plikach to proste. Przy setkach lepiej użyć narzędzia, które czyta pliki bezpośrednio.

Gdy AI ma dostęp do Twoich plików, poproś żeby:

1. Zapoznał się z tym, co masz (przejrzał strukturę folderów i zawartość plików)
2. Przeanalizował zawartość pod kątem tematów, kategorii, kontekstów
3. Zaproponował taksonomię, czyli podział na koszyki znaczeniowe
4. Przedstawił Ci swoją propozycję struktury

Model zobaczy wzorce, których Ty możesz nie zauważyć. Pogrupuje rzeczy, które do siebie pasują. Zaproponuje foldery i kategorie.

Ty to przeglądasz. Poprawiasz. Mówisz: “Nie, ten folder połącz z tamtym” albo “To powinno być osobno”. Pierwsza iteracja, druga, trzecia. Aż struktura będzie Ci odpowiadać.

Etap 2: Niech AI przeniesie i przeformatuje

Dopiero gdy zatwierdzisz strukturę, AI zaczyna przenosić. Tworzy foldery, konwertuje pliki na Markdown, dodaje frontmatter, układa hierarchię nagłówków.

Nie ręcznie. Półautomatycznie. Ty dajesz wytyczne, model wykonuje. Ty sprawdzasz, model poprawia.

W praktyce wygląda to tak: “Weź te 50 notatek z folderu Klienci, przenieś do Markdown, każdy klient to osobny plik, nagłówek H1 to nazwa firmy, sekcje: dane, historia, notatki. Frontmatter: typ klient, status aktywny, data utworzenia.”

Model to zrobi. Nie idealnie za pierwszym razem, ale wystarczająco dobrze, żebyś poprawił detale zamiast pisać wszystko od zera. Pamiętaj, że każdy błąd, który wyłapiesz (który zrobił model językowy), możesz na bieżąco poprawiać, tak, żeby kolejna instrukcja już była tą docelową.

Różnica? Ręcznie przenoszenie 200 notatek to tydzień pracy. Z AI to jeden dzień. Może dwa, jeśli masz dużo materiału.

Jak przekształcić konkretne formaty

W praktyce masz pewnie mieszankę różnych plików. Oto jak podejść do każdego z nich.

PDF-y (umowy, raporty, faktury, e-booki)

PDF to najtrudniejszy format do konwersji, bo jest zaprojektowany do druku, nie do edycji. Masz kilka opcji:

1. Wklej PDF do modelu AI (Claude i ChatGPT potrafią czytać PDF-y bezpośrednio). Powiedz: “Przekształć ten dokument na Markdown. Zachowaj strukturę nagłówków, list i tabel.”
2. Użyj darmowego narzędzia online do konwersji PDF → tekst, a potem przeformatuj w Markdown
3. Jeśli PDF jest skanem (obraz, nie tekst), model AI z funkcją OCR wyciągnie tekst, ale sprawdź wynik, bo OCR nie jest idealny

Nie musisz konwertować wszystkich PDF-ów. Umowy i faktury zostaw jako PDF. Konwertuj to, z czego AI ma korzystać: notatki, opisy procesów, dokumentacje.

Oczywiście, istnieją też narzędzia i możliwości, które pozwolą Ci jeszcze szybciej i dokładniej pracować z PDF-ami. Ale to powyższe na początek wystarczy.

Dokumenty Word (.docx)

Najprostsza konwersja. Otwórz plik w Wordzie, zaznacz całość (Cmd+A na Macu, Ctrl+A na Windows), skopiuj i wklej do modelu AI z promptem: “Przekształć ten tekst na czysty Markdown. Użyj nagłówków #, list i pogrubień. Dodaj frontmatter YAML z typem dokumentu i datą.”

Alternatywnie: narzędzie Pandoc (darmowe, działa z terminala) konwertuje .docx na .md jedną komendą. Nie musisz wiedzieć jak je zainstalować ani obsługiwać. Zapytaj model AI: “Chcę zainstalować narzędzie Pandoc na moim komputerze (Mac/Windows) i użyć go do konwersji plików .docx na Markdown. Poprowadź mnie krok po kroku: instalacja, a potem komenda do konwersji jednego pliku i komenda do konwersji całego folderu plików naraz.” Model poda Ci dokładne komendy do wklejenia w terminal. Na start wystarczy metoda z kopiowaniem tekstu do AI, ale gdy masz do przekonwertowania 50 czy 100 dokumentów, Pandoc zrobi to w sekundy.

Notatki głosowe

To częsty przypadek. Nagrywasz sobie pomysł na telefonie, a potem leży w aplikacji i nigdy go nie otwierasz.

Rozwiązanie: wyślij nagranie do modelu AI, który obsługuje audio (np. ChatGPT Advanced Voice albo Gemini). Poproś o transkrypcję i przekształcenie na strukturalną notatkę Markdown. Model nie tylko przepisze tekst, ale też uporządkuje go: wychwyci tematy, pogrupuje myśli, doda nagłówki.

Jeśli model nie obsługuje audio, użyj darmowej transkrypcji (np. wbudowanej w telefonie albo online) i potem wklej tekst do AI z promptem: “To jest transkrypcja mojej notatki głosowej. Przekształć ją na czystą notatkę Markdown. Usuń powtórzenia, uporządkuj myśli, dodaj nagłówki.”

Dla zaawansowanych można poprosić model językowy o research w napisaniu aplikacji do transformacji notatek głosowych.

Notatki z Notion

Notion pozwala eksportować do Markdown. Wejdź w ustawienia strony, “Export”, wybierz format Markdown. Dostaniesz plik .md. Nie będzie idealny (linki się popsują, zagnieżdżone strony trafią do osobnych folderów), ale masz tekst w odpowiednim formacie. Resztę poprawi AI.

Przy dużym eksporcie (cała baza Notion): eksportuj wszystko, wrzuć do folderu i wróć do dwuetapowego procesu opisanego wyżej.

Google Docs

Pobierz jako .docx (Plik → Pobierz → Microsoft Word). Potem postępuj jak z dokumentem Worda.

E-maile i wiadomości

Skopiuj treść maila, wklej do modelu AI: “Przekształć ten mail na notatkę Markdown. Nagłówek: temat maila. Sekcje: od kogo, data, treść, ustalenia, następne kroki.” Model wyciągnie istotne informacje i odrzuci szum (stopki, podpisy, disclaimery).

Arkusze kalkulacyjne (Excel, Google Sheets)

Arkusze zazwyczaj zostawiasz jako arkusze. Ale jeśli masz tam dane opisowe (np. listę klientów z notatkami), eksportuj do CSV i poproś model AI: “Przekształć ten CSV na osobne pliki Markdown, jeden na klienta. Każdy plik: nagłówek H1 to nazwa firmy, sekcje z danymi.”

Zdjęcia notatek (karteczki, tablice, szkice)

Zrób zdjęcie, wyślij do modelu AI z funkcją wizji (ChatGPT, Claude, Gemini). Powiedz: “To jest zdjęcie mojej notatki. Przepisz ją na Markdown i uporządkuj.”

Jedna zasada

Nie musisz przekształcać wszystkiego naraz. Zacznij od tego, co używasz najczęściej. Notatki ze spotkań, opisy klientów, procesy firmowe. Reszta może poczekać. System rośnie organicznie, nie trzeba go budować w jeden weekend. Ja też codziennie dodaję jakąś nową funkcjonalność, odnajduję jakieś moje stare zasoby, o których w ogóle zapomniałem. Daj sobie czas i przestrzeń na to, aby rozwijać bazę swojej wiedzy.

Czego nie robi Markdown?

Dla uczciwości powiem też, czego od Markdown nie oczekuj.

Nie jest narzędziem do tworzenia prezentacji (do tego mam inne narzędzia). Nie jest arkuszem kalkulacyjnym. Nie jest narzędziem do projektowania grafik. Nie jest CRM-em czy aplikacją do zarządzania projektami (chociaż Obsidian ma wiele wtyczek, które mogą podobne funkcjonalności symulować w jednej aplikacji).

Markdown to format przechowywania i strukturyzowania wiedzy tekstowej. Nic więcej, nic mniej. I w tej roli jest bezkonkurencyjny.

---

Czego nauczyłeś się na tym etapie?

Format, w którym przechowujesz wiedzę, ma bezpośredni wpływ na to, jak skutecznie AI z nią pracuje. I ile w praktyce zapłacisz za to tokenów.

Prosta struktura (nagłówki, listy, metadane) daje lepsze wyniki niż skomplikowane formaty z ukrytym formatowaniem. Model AI nie musi zgadywać. Czyta to, co napisałeś, w takiej strukturze, jaką mu dałeś.

Narzędzie jest drugorzędne. Dziś możesz pisać w Notatniku. Jutro w Obsidianie. Za rok w czymś, co jeszcze nie istnieje. Format zostaje. Pliki zostają. Wiedza zostaje.

I jeszcze jedno. Największym wrogiem nie jest brak wiedzy technicznej. Jest nim vendor lock-in, czyli zależność od jednego dostawcy. Każdy, kto kiedykolwiek stracił dane przez zamknięcie usługi, wie o czym mówię. Markdown to najprostsza polisa ubezpieczeniowa, jaką możesz sobie wykupić. I jest za darmo. Pomyśl też o bezpieczeństwie swoich danych, jeśli uczciwa cena to za mało.

---

Twój następny krok - zadanie na dzisiaj

Zrób jedną rzecz. Napisz swoją pierwszą notatkę w Markdown. Otwórz dowolny edytor tekstowy (TextEdit na Macu, Notatnik na Windows) i napisz opis swojej firmy. Użyj tego szablonu:

---
typ: profil-firmy
status: aktywny
created: 2026-03-28
---

# Moja firma

## Podstawowe dane
- Nazwa:
- Branża:
- Rok założenia:
- Zespół: ile osób

## Czym się zajmujemy
(2-3 zdania, najprościej jak się da)

## Nasi klienci
- Kim są:
- Czego szukają:
- Czego się boją:

## Nasze wartości
1.
2.
3.

## Cel na najbliższy kwartał
(jedno zdanie)

Zapisz plik jako moja-firma.md. Potem otwórz dowolny model AI (ChatGPT, Claude, Gemini) i wklej ten prompt:

Przeczytaj poniższy plik Markdown z opisem mojej firmy. Oceń czy struktura jest czytelna i kompletna. Zaproponuj 5 dodatkowych sekcji, które pomogą Ci lepiej rozumieć moją firmę w przyszłych rozmowach. Dla każdej zaproponowanej sekcji napisz krótkie wyjaśnienie, dlaczego jest ważna. Na końcu wygeneruj zaktualizowaną wersję pliku ze wszystkimi sekcjami (oryginalnymi i nowymi), gotową do zapisania.

Pod promptem wklej zawartość swojego pliku.

Zapisz odpowiedź. To będzie drugi plik w Twoim przyszłym systemie AI. Pierwszy zrobiłeś w poprzednim artykule (opis firmy w 12 punktach). Teraz masz go w odpowiednim formacie. Gratuluję. Jesteś kolejny krok bliżej swojego własnego systemu AI.

---

Zasoby

Jeśli chcesz zgłębić temat, zanim pojawi się kolejny artykuł:

• John Gruber - “Markdown: Syntax” (daringfireball.net/projects/markdown/syntax) - oryginalna dokumentacja od twórcy formatu. Krótka, konkretna, wystarczająca na start
• Markdown Guide - markdownguide.org - kompletny przewodnik z przykładami, od podstaw do zaawansowanych funkcji
• Matt Cone - “The Markdown Guide” (książka) - jeśli wolisz uczyć się z książki, ta jest najlepsza. Prosta, praktyczna, bez zbędnej teorii, kosztuje 2 dolary, więc jeśli to co powyżej nie wystarcza, po przeczytaniu jej będziesz arcymistrzem tego formatu (książka ma 52 strony)

---

Ten artykuł jest częścią cyklu “Od zera do kompletnego systemu AI w kwartał”. Krok po kroku opisuję jak zbudowałem system AI do zarządzania firmą, żebyś mógł wdrożyć podobny u siebie. W następnej części: Obsidian, czyli narzędzie, które zamienia folder z plikami Markdown w centrum dowodzenia. Masz pytania? Napisz. Odpowiadam osobiście.

Żeby nie przegapić kolejnych części, zaobserwuj mój profil. Nowe artykuły publikuję regularnie.

Marcin Atamańczuk, Technologia w służbie życia, nie odwrotnie.

---