Jak skonfigurowałem Claude Code jako trenera do nauki backendu

Przez kilka miesięcy korzystałem z AI do nauki kodu. Czytałem wygenerowane rozwiązania, rozumiałem je (tak mi się wydawało) i szedłem dalej. A potem usiadłem do czegoś bez AI i okazało się, że nie potrafię napisać podstawowych rzeczy, które “znałem” od tygodni.

Iluzja nauki

Potem trafiłem na filmik Marcina Czarkowskiego o iluzji nauki i dotarło do mnie, że robię dokładnie to, o czym mówi. Czytasz kod wygenerowany przez AI, czujesz że rozumiesz, ale tak naprawdę przetwarzasz go powierzchownie. Nie musisz się wysilać, więc się nie wysilasz. A bez wysiłku nie ma nauki.

Rozpoznanie to jedno. Przyznanie przed sobą, że tak właśnie wygląda moja nauka od miesięcy - to bolało bardziej. Pisałem o tym w poście o refaktoryzacji kodu AI - tam problemem było zlecanie agentom zbyt wielu rzeczy bez zrozumienia. Tu problem był głębszy. Nie chodziło o to, że agent źle pisał kod. Chodziło o to, że ja się z tego kodu nic nie uczyłem, mimo że byłem przekonany, że tak.

System zamiast silnej woli

Mogłem sobie powiedzieć “od dziś piszę sam” i wytrzymać może tydzień. Zamiast tego zbudowałem system, który nie daje mi wyjścia. Uczę się NestJS i skonfigurowałem Claude Code jako trenera, który odmawia pisania kodu za mnie.

Co może robić:

Tłumaczyć koncepcje, kiedy pytam
Robić code review tego co napisałem
Odpytywać mnie z materiału
Generować fiszki Anki z sesji

Co nie może robić:

Pisać kodu implementacyjnego
Dawać gotowych rozwiązań
Podpowiadać jak coś zaimplementować (chyba że utknę na dłużej niż 15 minut)

Brzmi prosto. W praktyce jest irytujące. Siedzisz nad czymś, wiesz że AI ma odpowiedź, a ono ci jej nie da. Mówi “a jakie są opcje?”, “co mówi dokumentacja?”, “dlaczego wybrałbyś takie podejście?“. Chcesz gotowca, dostajesz pytania.

Jak wygląda sesja

Każda sesja zaczyna się od quizu z materiału z poprzednich spotkań. Nie z ostatniego - z tych sprzed 3-5 sesji. Chodzi o to, żeby mózg zdążył trochę zapomnieć i musiał się wysilić, żeby sobie przypomnieć. Wtedy lepiej się utrwala.

Potem planuję co buduję. Nie “zaczynam kodować” - najpierw dyskusja architektoniczna. Trener pyta dlaczego taka struktura, jakie zależności, co jeśli wymagania się zmienią. Dopiero kiedy mam plan, piszę kod.

W trakcie kodowania trener się odzywa z losowymi pytaniami z poprzednich tematów. “Jaka jest różnica między middleware a guard w NestJS?” - 15 sekund na odpowiedź i wracam do kodu. Trochę to rozprasza, ale o to chodzi - żeby stary materiał nie odchodził w niepamięć.

Na koniec sesji dwa obowiązkowe elementy. Pierwszy - muszę wyjaśnić co zbudowałem i dlaczego. Nie “zrobiłem CRUD” tylko szczegółowo - jakie decyzje podjąłem, dlaczego repozytorium zamiast bezpośredniego dostępu do bazy, skąd wzorzec. Trener ocenia w skali 1-5. Drugi element - pytanie w stylu rozmowy rekrutacyjnej. Jedno pytanie, odpowiadam jak na interview, dostaję ocenę i feedback.

Z sesji generowane są fiszki Anki. Nie tylko standardowe pytanie-odpowiedź, ale też karty łączące koncepcje - “Jak Dependency Injection w NestJS ma się do zasady Dependency Inversion z SOLID?“. Codziennie 5-10 minut powtórek poza sesjami.

Śledzenie między sesjami

System zapisuje z czym miałem problem. Jeśli na quizie dostaję 2/5 z transakcji bazodanowych, to temat wraca przy następnej okazji. Nie w stylu “powtórzmy transakcje” - raczej dostanę zadanie, które wymaga użycia transakcji w kontekście czegoś nowego. Tematy, w których się potykam, nie znikają dopóki ich nie opanuję.

Każda sesja kończy się logiem - co zrobiłem, jak mi poszło, z czym miałem problem, co następnym razem. Trener planuje kolejną sesję na podstawie tych logów, nie na podstawie sztywnego planu.

Co z tego wyniknęło

Dwa tygodnie, wcześnie na jakiekolwiek twarde wnioski. Ale zbudowałem dwa pełne moduły NestJS od zera. Baza danych, relacje, obsługa błędów, repository pattern, DTOs. Rzeczy, które wcześniej “znałem” z czytania AI-owego kodu, teraz faktycznie umiem napisać i - co ważniejsze - wytłumaczyć każdą linijkę.

Różnica jest taka: wcześniej otwierałem wygenerowany kod i myślałem “ok, rozumiem”. Teraz piszę kod sam i wiem, gdzie nie rozumiem, bo się na tym potykam. Brak zrozumienia przestał być niewidoczny.

Nie rezygnuję z AI

Nie chodzi o to, żeby nie używać AI. Wręcz odwrotnie. Kiedy faktycznie rozumiem co czytam, wyciągam z AI wielokrotnie więcej niż kiedykolwiek wcześniej. Mogę ocenić czy wygenerowany kod ma sens. Mogę go poprawić. Mogę zadać dobre pytanie zamiast akceptować pierwszą odpowiedź.

Cały system - prompty, skille, logi sesji, roadmapa - jest otwarty na GitHubie. Jeśli próbujesz czegoś podobnego albo masz pomysł jak to ulepszyć, daj znać.

Na tej stronie