Dlaczego decyzje podjęte w czatach z AI giną i gdzie je przechowywać

Decyzje podjęte w rozmowie z ChatGPT czy Claude giną, bo czat nie ma stanu. Nic w nim nie oznacza linijki jako „to postanowiliśmy”, nic nie wiąże tej linijki z pracą, której dotyczy, a nowy czat zaczyna od zera. Rozwiązanie: niech AI zapisuje decyzję tam, gdzie żyje praca, jako krótki zapis z uzasadnieniem, a następna sesja niech czyta te zapisy, zanim zacznie działać.

Weft robimy my. Fakty o innych produktach pochodzą z ich oficjalnych stron, sprawdzonych 27 października 2026 r. Pomysł, że wątek „nie ma stanu”, pochodzi z artykułu Hypertask o wątkach na Slacku. Ten przewodnik stosuje go do czatów z AI.

Dlaczego decyzje podjęte z ChatGPT czy Claude znikają?

Spędzasz czterdzieści minut z asystentem, ważąc dwóch dostawców bazy danych, dwa modele cenowe albo dwa sposoby na strukturę API. Wybierasz jedno. Rozumowanie jest dobre, asystent się zgadza, a Ty przechodzisz do kolejnej rzeczy.

Tydzień później wniosek nadal jest w tamtym czacie, gdzieś nad dwustoma innymi wiadomościami. Nowy czat nic o nim nie wie. Ktoś z zespołu nigdy go nie widział. A jeśli następnego dnia otworzysz innego klienta AI, na przykład agenta do kodowania w terminalu, zacznie od zera i może z entuzjazmem zaproponować opcję, którą odrzuciłeś.

To nie jest problem dyscypliny. Rozmowa to ciąg wiadomości. Nie ma pola „postanowione”, właściciela, powiązania z zadaniem ani sposobu, by powiedzieć „to zastąpiło to, co ustaliliśmy we wtorek”. Rozstrzygnięte pytanie i porzucone wyglądają tak samo, gdy odjadą w górę.

Czy pamięć czatu już tego nie rozwiązuje?

Nie w tym zadaniu. Wielu asystentów potrafi dziś zapamiętywać rzeczy o Tobie między czatami i to przydaje się przy preferencjach i kontekście. Ale ta pamięć należy do jednego produktu i jednego konta. Jest pisana z myślą o tym asystencie, a nie jako zapis, który człowiek może przejrzeć linijka po linijce, i inny klient AI nie może jej odczytać. Nie mówi też, którego zadania dotyczył wybór ani który wcześniejszy wybór zastąpił.

Dziennik decyzji ma inne wymagania. Musi dać się znaleźć ludziom i agentom pracującym nad projektem, musi być czytelny dla każdego klienta AI, który podejmie pracę jako następny, musi być powiązany z tą pracą i uczciwy wobec historii: gdy decyzja się zmienia, stara powinna zostać widoczna razem z powodem, dla którego została zastąpiona.

Co jest decyzją wartą zapisania?

Zapisuj wybór, gdy ktoś rozsądnie mógłby wybrać inaczej, a wybór ukształtuje dalszą pracę. Dobre przykłady:

• Wybór jednego narzędzia, dostawcy czy biblioteki zamiast innego.
• Celowa rezygnacja z czegoś („w tym kwartale bez programu poleceń”).
• Ustalenie reguły, której praca musi przestrzegać („w UE wszystkie ceny pokazujemy z VAT”).
• Zmiana wcześniejszego wyboru, z uzasadnieniem.
• Lekcja odebrana na własnej skórze („nie uruchamiaj migracji w godzinach pracy”).

Nie zapisuj:

• Pomysłów rzuconych, ale nieprzyjętych.
• Kroków samej pracy (to należy do zadania i jego wyniku).
• Niczego, na co człowiek jeszcze się nie zgodził, chyba że jest wyraźnie oznaczone jako propozycja.
• Faktów, które każdy znajdzie ponownie w minutę.

Przydatny test: gdyby nowa sesja AI miała właśnie cofnąć ten wybór, czy chciałbyś, żeby się zatrzymała i przeczytała dlaczego? Jeśli tak, zapisz go.

Jak wygląda dobry zapis decyzji?

Krótko i z uzasadnieniem. Poniższy format to lekka wersja MADR (Markdown Architectural Decision Records), której używa narzędzie record_decision w Weft:

Tytuł:        Przesyłanie plików: magazyn obiektów, nie baza danych
Wynik:        Przesłane pliki trafiają do magazynu obiektów; baza danych
              trzyma tylko klucz pliku i metadane.
Status:       accepted
Kontekst:     Użytkownicy dołączają pliki do 50 MB. Trzymanie ich w bazie
              sprawiłoby, że kopie zapasowe byłyby wolne i duże.
Warianty:     1. Magazyn obiektów + tanio, kopie zapasowe zostają małe
                                  - jeszcze jedna usługa do skonfigurowania
              2. Kolumna w bazie  + wszystko w jednym miejscu
                                  - kopie zapasowe rosną z każdym plikiem
Konsekwencje: Potrzebujemy podpisanych URL-i do pobierania.
              Usunięcie zadania musi usuwać też jego pliki.
Wrócić, gdy:  Będziemy musieli przeszukiwać zawartość plików.
Zadanie:      Przesyłanie plików

• Tytuł nazywa decyzję, żeby dało się ją znaleźć, przeglądając listę.
• Wynik to jedno zdanie, na podstawie którego nowa osoba może działać.
• Kontekst to to, co było prawdą w tamtym momencie. Ta część znika z pamięci pierwsza.
• Warianty wymieniają tylko to, co faktycznie rozważano, a nie alternatywy wymyślone po fakcie.
• Konsekwencje obejmują zaakceptowane minusy, żeby nikt ich później nie „odkrył” jako błędów.
• Wrócić, gdy mówi, co sprawiłoby, że wybór okaże się zły.

Jak Weft przechowuje zapis decyzji?

Weft to tablica zadań, do której Twoi klienci AI docierają przez MCP pod https://letsweft.com/api/mcp. Trzy z jego 32 narzędzi obsługują decyzje:

• record_decision przyjmuje tytuł i wynik, a do tego kontekst, do pięciu wariantów z plusami i minusami, konsekwencje i warunek powrotu do tematu. Można go powiązać z zadaniem (taskId) albo projektem. Zapisy są niezmienne: żeby jakiś zmienić, AI zapisuje nową decyzję z supersedesId wskazującym na starą, a stary zapis zostaje, oznaczony jako zastąpiony.
• get_context zwraca aktualne decyzje i lekcje przestrzeni roboczej, od najnowszych, upakowane w budżet tokenów (domyślnie 800 tokenów). Można go zawęzić do projektu albo zadania. Każda linia ma swoją datę, zastąpiona decyzja nigdy się nie pojawia, a linie, które się nie zmieściły, są liczone, a nie ukrywane.
• get_task_history w trybie decisions wymienia każdą decyzję zapisaną dla jednego zadania, łącznie z werdyktami z przeglądu i ich uzasadnieniem.

record_decision ma też drugie zastosowanie: przekazanie werdyktu, który człowiek wydał w rozmowie o pracy czekającej na jego przegląd (zaakceptowane, do poprawki, odrzucone albo odłożone). Opis narzędzia mówi AI, że jest tu posłańcem, a nie decydentem, więc nigdy nie powinno używać go do akceptowania własnej pracy.

Ponieważ zapisy nigdy nie są edytowane w miejscu, historia pozostaje uczciwa. Jeśli w marcu zmienisz dostawcę, styczniowa decyzja nadal tam jest, oznaczona jako zastąpiona, a marcowy zapis mówi dlaczego.

Jak poprosić AI o zapisywanie decyzji?

Podłącz Weft do swojego klienta AI, a potem wklej taką instrukcję na początku czatu albo do instrukcji własnych lub pliku projektu, jeśli klient je ma:

Gdy w tym czacie dokonamy prawdziwego wyboru (wybierzemy jedną opcję zamiast innej,
z czegoś zrezygnujemy albo zmienimy wcześniejszy wybór), zapisz go w Weft przez
record_decision, zanim pójdziemy dalej:
- title: decyzja nazwana w kilku słowach
- outcome: wybór w jednym zdaniu
- context: co było prawdą i wymusiło wybór
- options: tylko warianty, które faktycznie rozważaliśmy, z plusami i minusami
- consequences: co z tego wynika, dobrego i złego
- confirmation: kiedy powinniśmy do tego wrócić
- taskId albo project: zadanie lub projekt, którego to dotyczy
Jeśli to zmienia wcześniejszą decyzję, przekaż supersedesId zamiast edytować.
Nie zapisuj pogawędek, domysłów ani rzeczy, na które się nie zgodziłem.
Jeśli jeszcze się nie zdecydowałem, użyj statusu "proposed".
Na początku każdej nietrywialnej pracy najpierw wywołaj get_context i powiedz mi,
które wcześniejsze decyzje mają zastosowanie.

Podłączenie zajmuje minutę. W ChatGPT Weft jest opublikowaną aplikacją w katalogu wtyczek, dostępną w każdym planie, także Darmowym (konfiguracja). W Claude Code to jedno polecenie (konfiguracja). Claude.ai i Claude Desktop dodają go jako własny konektor. Logowanie to OAuth w przeglądarce, więc nie ma klucza do kopiowania, a Weft wydaje tokeny odświeżania, więc klient sam odnawia logowanie. Strony konfiguracji innych klientów, w tym Cursora i Codex, znajdziesz w dokumentacji.

Co się dzieje, gdy następnego dnia przechodzę z ChatGPT na Claude Code?

Oto przypadek, dla którego powstała ta instrukcja.

1. W poniedziałek planujesz funkcję w ChatGPT. Decydujesz, że przesyłane pliki trafią do magazynu obiektów, a nie do bazy danych, a ChatGPT wywołuje record_decision z kontekstem, oboma wariantami i konsekwencjami, powiązane z zadaniem „Przesyłanie plików”.
2. We wtorek otwierasz Claude Code w repozytorium. Jeśli jeszcze go nie podłączyłeś: claude mcp add --transport http weft https://letsweft.com/api/mcp.
3. Prosisz go o podjęcie zadania z przesyłaniem plików. Zanim napisze kod, wywołuje get_context dla tego zadania albo get_task_history w trybie decisions i dostaje z powrotem poniedziałkowy zapis.
4. Buduje na magazynie obiektów, zamiast otwierać pytanie od nowa. Jeśli znajdzie prawdziwy powód, dla którego wybór jest zły, może zaproponować nową decyzję zastępującą poniedziałkową, a Ty decydujesz.

Obaj klienci czytają tę samą tablicę i te same decyzje, bo zapis żyje w Weft, a nie w którymkolwiek z czatów. Każde połączenie OAuth to osobny wykonawca, a tablica pokazuje nazwę, pod którą zarejestrował się każdy klient, więc widzisz, które połączenie utworzyło które zadanie. O uruchamianiu kilku agentów na jednej tablicy bez kolizji przeczytasz w tekście wielu agentów AI, jedna tablica.

Gdzie powinny trafiać decyzje z ChatGPT?

Cztery typowe miejsca, porównane pod kątem tego, czego potrzebuje dziennik decyzji:

Nie chodzi o to, że czat czy dokumenty są złe. Czat to miejsce, w którym myślisz. Decyzję trzeba skopiować z czatu do czegoś, co ma stan, w chwili, gdy zapada, i powinna to zrobić strona, która już jest w rozmowie: AI.

Czy to zastępuje naszą dokumentację albo wiki?

Nie. Weft nie ma dokumentów ani wiki i nie próbuje nimi być. Długie wyjaśnienia, przewodniki wdrożeniowe i opisy projektów należą do Twojego narzędzia do dokumentacji. Zapis decyzji jest celowo mały: jeden wybór, jego uzasadnienie i to, co go zastąpiło. Jeśli Twój zespół już prowadzi zapisy decyzji w wiki, a każdy klient AI, którego używasz, potrafi je czytać, to może wystarczyć. Weft przydaje się, gdy decyzje zapadają w czatach z AI, a następnym czytelnikiem często jest inne AI. Jeśli rozważasz do tego Notion, zobacz alternatywy dla Notion do zadań z AI.

Dwa inne uczciwe ograniczenia. Weft nie czyta Twoich czatów: decyzja zostaje zapisana tylko wtedy, gdy AI wywoła record_decision, i dlatego powyższa instrukcja ma znaczenie. A AI może źle ocenić, co jest decyzją, więc od czasu do czasu przeczytaj get_context i zastąp wszystko, co zostało źle zapisane.

Ile to kosztuje?

Zapisywanie i odczytywanie decyzji działa w planie Darmowym, który obejmuje 50 aktywnych zadań i 200 wywołań narzędzi AI miesięcznie. Każde wywołanie record_decision czy get_context liczy się jako jedno. Pro kosztuje $7 za stanowisko miesięcznie albo $60 za stanowisko rocznie, bez limitu zadań i wywołań (cennik). Weft nie ma kredytów AI: myślenie odbywa się w Twoim własnym kliencie AI, a Weft przechowuje tylko tablicę i jej zapisy.

Czy nie mogę po prostu poprosić ChatGPT o podsumowanie decyzji na koniec czatu?

Możesz i to pomaga. Ale podsumowanie nadal żyje w tamtym czacie albo tam, gdzie je wkleisz. Nie jest powiązane z zadaniem, inny klient AI nie może go przeczytać, a gdy decyzja się zmieni, nie ma zapisu tego, co zastąpiła. Zapisywanie każdej decyzji w chwili, gdy zapada, omija wszystkie trzy problemy.

Czy AI będzie zapisywać decyzje bez proszenia?

Opis narzędzia record_decision mówi AI, żeby używało go zawsze, gdy użytkownik dokonuje w rozmowie prawdziwego wyboru, więc niektórzy klienci to zrobią. Nie polegaj na tym. Wklejona instrukcja mówi to wprost, a zawsze możesz powiedzieć „zapisz tę decyzję”.

Czy można edytować decyzję, jeśli została źle zapisana?

Nie w miejscu. Zapisy są niezmienne. Zapisz poprawioną decyzję z supersedesId wskazującym na błędną. Stary zapis zostaje, oznaczony jako zastąpiony, a get_context przestaje go pokazywać.

Czy decyzja musi mieć zadanie?

Nie. Decyzję można powiązać z zadaniem, z projektem albo z niczym. Powiązanie z zadaniem sprawia, że get_task_history pokazuje ją obok tej pracy, a get_context można do niej zawęzić.

Czy to to samo co pamięć pracy w Weft?

Nie. Pamięć pracy (krótkie wyuczone notatki) to osobna funkcja Pro. Zapisy decyzji pochodzą z record_decision, a kod nie ogranicza ich do Pro.

A jeśli używam więcej niż jednego klienta AI?

To główny powód, żeby to robić. ChatGPT, Claude Code, Cursor czy Codex podłączone do tej samej przestrzeni roboczej Weft czytają te same decyzje przez get_context, więc drugi klient nie otwiera na nowo pytań, które rozstrzygnął pierwszy.