Witaj w dedykowanym środowisku szkoleniowym CLI dla kierunku Analityka Gospodarcza / Ekonomia. Środowisko to łączy naukę składni języka Python, zaawansowanej manipulacji danymi w bibliotece Pandas z pracą w ekosystemie agentowym Agents-OS v5.0 w środowisku WSL (Windows Subsystem for Linux), przy aktywnym wsparciu asystenta AI Antigravity.
Praca w systemie Linux (przez WSL) oraz interakcja z autonomicznymi agentami AI to nowoczesny standard w analizie danych. Poniżej znajdziesz instrukcję, jak przygotować środowisko i efektywnie współpracować z Antigravity.
Jeśli jeszcze nie masz przygotowanego środowiska WSL na Windows, wykonaj poniższe kroki w PowerShellu (jako Administrator):
-
Instalacja WSL i Ubuntu:
wsl --installPo instalacji uruchom ponownie komputer i skonfiguruj nazwę użytkownika oraz hasło w konsoli Ubuntu.
-
Instalacja pakietów systemowych w WSL (Ubuntu): Uruchom terminal WSL/Ubuntu i zainstaluj Pythona oraz pip:
sudo apt update && sudo apt install -y python3-pip python3-venv git -
Uruchomienie VS Code w WSL: Zainstaluj w Windows dodatek WSL do VS Code. Następnie w terminalu WSL wpisz:
code .VS Code otworzy się na systemie Windows, ale będzie połączony bezpośrednio z plikami wewnątrz środowiska WSL.
JAS (Jako Uczeń) będziesz pracował bezpośrednio w parze z agentem Antigravity poprzez interaktywne CLI platformy.
- Zainicjuj Antigravity CLI w katalogu głównym projektu w WSL za pomocą komendy:
agy
- Zlecanie zadań agentowi:
Możesz poprosić Antigravity o wsparcie w dowolnym momencie. Przykładowe zapytania:
- „Antigravity, wyjaśnij mi matematyczną intuicję stojącą za NPV (Zadanie 1.3).”
- „Antigravity, spójrz na plik exercises/module_2/task_1.py i wskaż, dlaczego moja klasyfikacja nie działa.”
- „Antigravity, pomóż mi przeanalizować błędy z pliku logów .agents/test_run.log.”
- Automatyczne śledzenie kontekstu:
Antigravity ma dostęp do pliku stanu
.agents/course_state.jsonoraz backlogutask.md. Kiedy zapytasz go o postępy lub kolejne zadania, automatycznie odczyta te dane i poprowadzi Cię dalej.
W terminalu WSL sklonuj repozytorium do swojego katalogu domowego (np. ~/projects/):
mkdir -p ~/projects && cd ~/projects
git clone <adres-repozytorium>
cd python-udemyUtwórz i aktywuj wirtualne środowisko Pythona:
python3 -m venv .venv
source .venv/bin/activateZainstaluj wymagane biblioteki analityczne:
pip install -r requirements.txtUruchom główny skrypt szkoleniowy w terminalu WSL:
python3 start_course.py- Zadania będą generowane automatycznie w katalogu
exercises/. - Po uzupełnieniu kodu w pliku zadania, uruchom weryfikację:
python3 start_course.py --verify
- Aby sprawdzić status postępów:
python3 start_course.py --status
- Aby zresetować stan kursu do początku:
python3 start_course.py --reset
Aby zapisać swoje postępy i zsynchronizować je z repozytorium zdalnym bezpośrednio z WSL:
- Instalacja GitHub CLI w WSL (Ubuntu):
type -p curl >/dev/null || (sudo apt update && sudo apt install curl -y) sudo mkdir -p -m 755 /etc/apt/keyrings curl -fsSL https://cli.github.com/packages/githubcli-archive-keyring.gpg | sudo dd of=/etc/apt/keyrings/githubcli-archive-keyring.gpg sudo chmod go+r /etc/apt/keyrings/githubcli-archive-keyring.gpg echo "deb [arch=$(dpkg --print-architecture) signed-by=/etc/apt/keyrings/githubcli-archive-keyring.gpg] https://cli.github.com/packages stable main" | sudo tee /etc/apt/sources.list.d/github-cli.list > /dev/null sudo apt update sudo apt install gh -y
- Logowanie do GitHub:
gh auth login
- Zapisanie zmian (Commit & PR):
git add . git commit -m "feat: completed module 1 data structures" gh pr create --title "Rozwiązanie Modułu 1" --body "Rozwiązania zadań z matematyki finansowej."
Powodzenia w nauce z Antigravity! 📊🤖