Claude Code ożywił skaner i kamerę w Linuksie: metoda Schallera

Christian Schaller, inżynier oprogramowania Red Hat i współpracownik GNOME, opisał, jak z pomocą Claude Code uruchomił w Linuksie skaner negatywów, który przestał działać ze sterownikiem. Pierwszy skan miał powstać po kilku godzinach, a po kilku dniach pojawiła się pełniejsza wersja. To relacja samego Schallera, przytoczona przez hiszpański ComputerHoy. Niezależnych testów w materiale źródłowym nie ma.

Zanim ktoś rzuci hasło "AI naprawia Linuksa jednym poleceniem": nie naprawia. Ta historia jest o czymś innym. Pokazuje, jak ułożyć pracę, żeby AI w ogóle mogła się do czegoś przydać.

Skaner, który przestał działać, i miesiące bez postępu

Schaller kupił skaner Plustek OpticFilm 8200i, żeby zdigitalizować negatywy z rodzinnych zdjęć. Okazało się, że urządzenie nie działa z dostępnym dla Linuksa sterownikiem. Próbował to naprawić sam, bez rezultatu. Po miesiącach prób uznał, że może pomoże AI, i sięgnął po Claude Code. Sam przyznaje, że utknął i przez bardzo długi czas nic nie posuwał do przodu.

Jeśli używasz Linuksa, ten problem pewnie znasz: producent nie dokończył sterownika albo urządzenie jest za stare, żeby ktokolwiek się nim zajmował. Windows takich kłopotów zwykle oszczędza.

Sekret tkwi w środowisku, nie w prompcie

Schaller nie wpisał do Claude Code "napraw skaner". Przygotował środowisko, w którym AI mogła obserwować, jak urządzenie komunikuje się z Windows, i porównywać to z tym, co dzieje się w Linuksie. Dał jej więc punkt odniesienia: dane generowane przez skaner w momencie, gdy działał poprawnie.

Na tej podstawie Claude Code mógł:

• analizować przechwycone dane,
• wskazywać różnice między Windows a Linuksem,
• proponować hipotezy,
• przygotowywać testy do sprawdzenia.

Po kilku godzinach powstał pierwszy skan z Linuksa, a po kilku dniach wersja z funkcjami takimi jak skanowanie w podczerwieni. Sama AI bez takiego punktu zaczepienia, jak zauważa źródło, niewiele by zdziałała, bo potrzebuje informacji i "wątku, za który może pociągnąć".

Podobny wątek, czyli Claude Code w pracy przy sprzęcie i jądrze systemu, pojawił się też w tekście o tym, że Torvalds użył Claude Code do poprawek wydajności jądra Linuksa.

Kamera w ThinkPadzie: liczby i ich status

Skoro metoda zadziałała, Schaller zastosował ją do kolejnego problemu: kamery w laptopie Lenovo ThinkPad X1 Carbon Gen 14 Aura Edition. Kamera używała sensora Sony IMX471 połączonego z procesorem obrazu Intel IPU7. W Linuksie obraz był zbyt ciemny, z mocno zaciemnionymi rogami i żółtawym odcieniem.

Co sprawdzała AI

Tym razem Schaller poprosił Claude Code o wykorzystanie wcześniejszej pracy do zbadania dwóch rzeczy: sterownika jądra Linuksa oraz libcamera, czyli biblioteki, która zarządza kamerami i przetwarza ich obraz. AI pomogła znaleźć kilka błędów, a ich poprawienie według jej wskazówek okazało się proste.

Wynik

W teście przy słabym świetle średnia jasność obrazu wzrosła z 31,1 do 90,9. Kolory zbliżyły się też do tych z zewnętrznej kamery USB użytej jako wzorzec. Pamiętaj, że to wyniki z relacji Schallera, bez niezależnej weryfikacji i bez opisu, ile razy test powtórzono.

Co dostajesz na GitHubie i gdzie są ograniczenia

Schaller opublikował na GitHubie zestaw narzędzi hw-harness, żeby inni mogli powtórzyć jego metodę przy podobnych kłopotach ze sprzętem. Stworzył też aplikację Negative Vibes do digitalizacji negatywów i slajdów w GNOME. Napisał ją w Rust. Pozwala poprawiać obraz po skanowaniu, odwracać negatywy oraz usuwać kurz i rysy kanałem podczerwieni, o ile skaner go obsługuje.

Jeśli chcesz z tego skorzystać, zajrzyj do repozytoriów.

Największe ograniczenie Schaller nazywa sam. AI nie zrobiła wszystkiego za niego: on przygotował środowisko, kierował testami i sprawdzał wyniki. W jego słowach:

"AI zajmuje się żmudnymi zadaniami. To między innymi dekodowanie przechwyconych danych, pisanie sond i weryfikowanie stałych. Mimo to muszę mieć fizyczny sprzęt w rękach. Prawdziwy sprzęt jest jedynym sędzią. Wszystkie powyższe twierdzenia zweryfikowano na skanerze lub laptopie."

Jeśli nie programujesz, wniosek jest prosty. Podobnie jak przy innych zastosowaniach, np. w analizie danych z teleskopu TESS, AI przyspiesza pracę osoby, która wie, czego szuka i potrafi sprawdzić wynik. Bez tego dostajesz przekonująco brzmiące zgadywanie. Wiele firm zresztą ostrożnie reguluje użycie Claude Code, a ta historia pokazuje, dlaczego weryfikacja na prawdziwym sprzęcie ma znaczenie.

Werdykt: to dobry przykład AI jako asystenta od żmudnych zadań, a nie magicznej różdżki. Cały sukces zaczął się od człowieka, który dał jej dane referencyjne z Windows i zweryfikował rezultat na fizycznych urządzeniach.

Najczęstsze pytania

Ile kosztuje Claude Code i czy działa po polsku?

Według planów Claude (stan na 13.10.2026, kwoty w USD bez podatku) Claude Code nie jest dostępny w planie Free. W planie Pro kosztuje 20 USD miesięcznie przy płatności miesięcznej albo 17 USD miesięcznie przy rocznej (200 USD z góry). Interfejs Claude nie ma polskiej wersji, ale rozmowa po polsku działa.

Gdzie znajdę narzędzia hw-harness i Negative Vibes?

Oba projekty Schaller opublikował na GitHubie, odpowiednio w repozytoriach cschalle/hw-harness i cschalle/negative-vibes. Licencję i listę obsługiwanych urządzeń sprawdź w samych repozytoriach.