O czym jest ten film
- OpenClaw (startował jako Clawdbot) to zawsze włączony agent AI, który nie tylko rozmawia, ale wykonuje konkretne czynności: uruchamia polecenia, czyta pliki, sam się odzywa. Działa na Macu Mini, serwerze VPS albo jako Cloudflare Worker.
- Poranny briefing to najprostszy start: codziennie o siódmej agent sprawdza kalendarz, pogodę i pilne maile, po czym wysyła podsumowanie na Telegram. Setup Nadera Dabita — siedem zadań cyklicznych — realnie zastępuje większość newsletterów.
- Triage poczty w trybie samych szkiców: automatyczne wypisywanie się z newsletterów, szkice odpowiedzi, flagowanie tego, co wymaga człowieka. Zredagowany przez AI list sporczy skłonił ubezpieczyciela do wznowienia sprawy, a 21 maili do inwestorów powstało w kilka minut.
- Monitoring infrastruktury według zasady „cisza znaczy, że wszystko działa”: agent raportuje wyłącznie anomalię — w homelabach, metrykach sprzedaży, logach błędów.
- Zastosowania biznesowe: bot pilnujący firmowego Slacka, odpowiadający na pytania pracowników i klientów oraz przekazujący ważne powiadomienia — w jednym przypadku sam przeanalizował kod i naprawił błąd produkcyjny.
- Wzorce deweloperskie: ocena pull requestów z werdyktem na Telegramie oraz wieloagentowy łańcuch (budowanie → recenzja → wdrożenie), który dostarcza zatwierdzony PR w trzy minuty.
- „Dzikie” konstrukcje: kamera na dachu wykrywająca efektowne niebo, ekran e-ink z codzienną grafiką „moment przed” wydarzeniem historycznym oraz agent, który codziennie buduje i publikuje aplikację zainspirowaną gorącym trendem AI.
- Cztery bonusy: dekodowanie radia ratunkowego w pół godziny, inteligentne okulary jako „wzrok” agenta do porównywania cen, laptop ze zepsutym ekranem przerobiony w serwer z własną tożsamością oraz OpenClaw zarządzający Codexem i Claude.
- Bezpieczeństwo: krok zero to strona Gateway Security w dokumentacji, a dalej trzy warstwy — izolacja (Docker/Cloudflare Worker), uprawnienia tylko do odczytu i szkiców, bramki zatwierdzeń. Prompt injection pozostaje nierozwiązany; silne modele (Opus) odpierają go znacznie lepiej niż małe (Haiku).
- Koszty i punkt startu: mocny model podejmuje decyzje, tani wykonuje pracę; limit trzech nieudanych prób, maksymalny czas działania i kontrola dashboardu przed snem chronią przed nocnymi rachunkami. Wchodzić od porannego briefingu, triage’u poczty albo podsumowań PR.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Zacznij od porannego briefingu — najniższe ryzyko, natychmiastowa korzyść
Na czym polega: Codziennie o stałej porze agent sprawdza kalendarz, pogodę i skrzynkę, a potem wysyła jedno podsumowanie na Telegram, zanim użytkownik wstanie. To najprostsza automatyzacja o odczuwalnej, codziennej wartości.
Jak stosować: Uruchomić w sesji odizolowanej, z dostępem wyłącznie do odczytu: bez wysyłania maili, bez zapisywania plików, bez uprawnień, które mogą cokolwiek zepsuć. Testować tydzień, a jeśli wnosi wartość — stopniowo rozszerzać.
Na co uważać: Briefing zawiera bardzo osobiste dane (kalendarz, poczta). Przed publikowaniem zrzutów czy dzieleniem się setupem warto je zamazać.
2.Newslettery można zastąpić własnymi, spersonalizowanymi przeglądami
Na czym polega: Kilka zadań cyklicznych generuje rano zestawy dobrane pod własne zainteresowania: popularne repozytoria na GitHubie, czołówkę Hacker News, przegląd dyskusji o AI na Twitterze. Jak podsumował autor setupu, „zastąpi niemal wszystkie newslettery, które mam wykupione”.
Jak stosować: Zacząć od dwóch–trzech źródeł, z których i tak codziennie korzystamy, i z czasem dopracowywać kryteria selekcji.
Na co uważać: Zbyt szeroki filtr zamieni przegląd w drugi przeciążony newsletter — czyli w точно to, od czego chcieliśmy uciec.
3.Poczta w trybie samych szkiców: agent pracuje, człowiek decyduje
Na czym polega: Agent wypisuje z niechcianych newsletterów, szkicuje odpowiedzi na rutynowe maile i flaguje te wymagające uwagi. W opisywanym przypadku bardziej zdecydowany niż człowiek list od AI skłonił ubezpieczyciela do wznowienia postępowania.
Jak stosować: Dostęp do poczty tylko do odczytu, z prawem tworzenia szkiców, ale bez wysyłania. Ostateczna decyzja zawsze po stronie człowieka — wtedy automatem można objąć nawet wrażliwą korespondencję, np. z inwestorami.
Na co uważać: Agent optymalizuje pod skuteczność, nie pod dyplomację — jego ton bywa za ostry. Treści z zewnątrz niosą też ryzyko wstrzykniętych instrukcji.
4.Monitoring według zasady: cisza znaczy „wszystko gra”
Na czym polega: Agent codziennie uruchamia skrypty kontrolne, wycisza znane, już rozpoznane problemy i odzywa się tylko przy anomaliach. Schemat pasuje do wszystkiego, co ma panel: homelab, metryki sprzedaży, logi błędów, analityka.
Jak stosować: Zdefiniować listę „znanych” problemów, które nie wymagają eskalacji, oraz progi odchylenia, przy których agent ma się zgłosić.
Na co uważać: Zbyt czułe progi zamienią system w generator fałszywych alarmów, których szybko nauczymy się nie zauważać — a wtedy przegapimy ten jeden prawdziwy.
5.Wzorzec „zdarzenie → analiza → powiadomienie” jest uniwersalny
Na czym polega: W pokazanym workflow Claude Code kończy zmiany i otwiera pull request, OpenClaw analizuje zestaw zmian i wysyła werdykt na Telegram: „wymaga co najmniej jednej krytycznej poprawki, poza tym dobra robota”. To przykład programistyczny, ale konstrukcja przenosi się na dowolny system.
Jak stosować: Wskazać system źródłowy (repozytorium, panel, skrzynka), określić, co dokładnie AI ma oceniać, i wybrać kanał powiadomień.
Na co uważać: Bez jasnych kryteriów oceny automat bywa albo nadmiernie surowy, albo ogólnikowy — warto z góry zadać format wyroku.
6.Wielu agentów: orkiestrator na silnym modelu, wykonawcy na tanich
Na czym polega: Komunikat na Telegramie trafia do orkiestratora, który rozdziela pracę między agentów (budowanie, recenzja, wdrożenie) i koordynuje ich działania — kompletny, sprawdzony PR powstaje w trzy minuty. Autor setupu: praca warta kiedyś 100–200 tysięcy dolarów jako zlecenie konsultingowe dziś wykonuje się w jeden dzień.
Jak stosować: Najpierw dopracować każdą rolę osobno, dopiero potem łączyć je w łańcuch. Decyzje powierzyć najmocniejszemu modelowi, wykonanie — tańszym.
Na co uważać: To najbardziej zaawansowany wzorzec z całego materiału — wymaga przemyślanej architektury i uprawnień, a błąd orkiestratora rozlewa się na cały łańcuch.
7.AI nie ma pamięci — wszystko, co ważne, ma trafić do pliku
Na czym polega: Modele językowe nie pamiętają nic między sesjami. To, co zapisane w pliku, przetrwa; notatki „w głowie” agenta — nie. Zachowanie agenta definiuje plik AGENTS.md, osobowość — SOUL.md, a doinstalowywane narzędzia to tzw. skills.
Jak stosować: Prowadzić jeden uporządkowany zasób notatek (spotkania, projekty, pomysły) i kazać agentowi zapisywać ustalenia od razu do plików — większości osób do startu wystarczy sam AGENTS.md z kilkoma regułami formatowania odpowiedzi.
Na co uważać: Przy tysiącach plików samo zapisywanie przestaje wystarczać — bez dobrego wyszukiwania agent nie znajdzie właściwego dokumentu.
8.QMD: lokalna wyszukiwarka notatek zamiast wrzucania całej bazy do kontekstu
Na czym polega: Quick Markdown Search to „Google dla prywatnych notatek”, działające w całości na własnym komputerze. Łączy wyszukiwanie po słowach kluczowych, wyszukiwanie semantyczne i automatyczne przegrupowanie wyników — dzięki temu AI dostaje dokładnie potrzebny fragment, a nie całą bazę „na wyczucie”.
Jak stosować: Wystarczy polecić agentowi „zainstaluj umiejętność QMD” albo przekazać mu URL do instalacji. Narzędzie działa lokalnie, bez chmury, integruje się z Claude Code, a dobór techniki wyszukiwania agent robi sam.
Na co uważać: Gdy zależy nam na dokładności, warto wprost poprosić o głębokie wyszukiwanie — wtedy zadziała semantyka lub przegrupowanie wyników.
9.Trzy warstwy zabezpieczeń: izolacja, uprawnienia, zatwierdzenia
Na czym polega: Izolacja (Docker lub Cloudflare Worker, katalog główny tylko do odczytu, sieć wyłącznie za zgodą) odcina agenta od prawdziwego systemu plików. Uprawnienia ograniczają np. pocztę do odczytu i samych szkiców, a osobny numer telefonu dla bota zawęża zasięg ewentualnych szkód. Zatwierdzenia domykają działania destrukcyjne: kasowanie plików, wysyłka, zapytania sieciowe — tylko po zgodzie lub z białej listy.
Jak stosować: Krok zero, obowiązkowy: strona Gateway Security w dokumentacji — podać agentowi adres i kazać wdrożyć oraz zweryfikować wszystko, co tam opisano. Dopiero potem budować kolejne warstwy.
Na co uważać: Wstrzykiwanie instrukcji (prompt injection) pozostaje realnym, nierozwiązanym problemem całej branży; łagodzą je tryb szkiców, bramki i izolacja. Do zadań dotykających bezpieczeństwa używać silnych modeli (Opus), nie małych (Haiku).
10.Trzy reguły kosztowe, które chronią budżet przez noc
Na czym polega: Pętla ponawiania nieudanej instalacji pakietu, kręcąca się sześć godzin bez nadzoru, kosztowała 120 dolarów. Wyłączają ją trzy reguły: przerwij po trzech nieudanych podejściach, ustaw maksymalny czas działania, a przed snem zerknij na dashboard. Zablokowany agent wtedy zatrzyma się i da znać, zamiast palić budżet na API.
Jak stosować: Limity ustawić przy pierwszej automatyzacji, zanim agent dostanie jakiekolwiek uprawnienia. Przy zadaniach długotrwałych podnieść limit czasu, ale nigdy go nie usuwać.
Na co uważać: Limity muszą pasować do zadania — zbyt niskie będą urywać sensowną pracę, zbyt wysokie przestaną chronić portfel.
Redakcyjne tłumaczenie
To zrobilił mi mój agent o czwartej nad ranem. Sprawdził, co wydarzyło się tego dnia w historii, wygenerował obraz i wysłał go na mój wyświetlacz TRMNL, zanim w ogóle wstałem. (Informacja dodatkowa: TRMNL to niewielki ekran na papierze elektronicznym, który sam cyklicznie odświeża treści pobierane z sieci.) O tę konkretną grafikę nikogo nie prosiłem. Po prostu codziennie rano robi coś nowego — i to jest z jego umiejętności najmniejsza. Pokażę resztę.
Najpierw jednak ważna uwaga: ostrożnie. Jeden źle skonfigurowany agent kosztował swojego właściciela 120 dolarów przez jedną noc. Za chwilę pokażę trzy zabezpieczenia, które takich rachunków zapobiegają — i dopiero wtedy zobaczymy, co naprawdę jest możliwe.
OpenClaw, czyli dawny Clawdbot
Krótko o nazwach, bo to już trzecia. Projekt zaczynał jako Clawdbot, potem przemianowano go na Moldbot — czego używać konsekwentnie odmawiam — i wreszcie, miejmy nadzieję ostatecznie, na OpenClaw. Tak będę go od tej pory nazywał, choć pod spodem to wciąż ten sam dobry stary Clawdbot.
I od razu zastrzeżenie: nie pokażę wam tego, co OpenClaw potrafi teoretycznie, lecz tego, co ludzie realnie z nim robią każdego dnia. Dziewięć automatyzacji, które faktycznie działają, cztery szalone konstrukcje pokazujące górną granicę możliwości oraz zabezpieczenia, które trzymają to wszystko w ryzach.
Dla nowych widzów: OpenClaw to zawsze włączony asystent AI, który nie tylko rozmawia, ale i wykonuje czynności — uruchamia polecenia, czyta pliki, sam się do mnie odzywa. Zwykle działa na Macu Mini albo wirtualnym serwerze, a od niedawna także jako Cloudflare Worker, więc Mac Mini wcale nie jest konieczny. (Informacja dodatkowa: Cloudflare Worker to program uruchamiany w chmurze Cloudflare — bez własnego serwera i w odizolowanym środowisku.)
Poranny briefing — dzień zaczyna się przed wstaniem
Codziennie o siódmej rano mój OpenClaw przegląda kalendarz, sprawdza pogodę, przeszukuje pocztę w poszukiwaniu pilnych spraw i wysyła mi podsumowanie na Telegram, zanim wygramolę się z łóżka. (Zrzut mojego briefingu okroiłem o kilka rzeczy ze względów prywatnych.)
Ciekawszy jest jednak setup Nadera Dabita, bo to w praktyce spersonalizowany zamiennik newsletterów. Co rano uruchamia mu się siedem zadań cyklicznych, tzw. cron. Sześć z nich to indywidualne przeglądy: popularne repozytoria na GitHubie, porcja motywacji, czołówka Hacker News, przegląd dyskusji o AI na Twitterze — wszystko dobrane pod jego zainteresowania i dostarczane, zanim wstanie. Jego słowami: „to zastąpi niemal wszystkie newslettery, które mam wykupione”. A siódme zadanie? Do niego wrócimy w części o szaleństwach, bo to zupełnie inna liga.
Triage poczty: szkice tak, wysyłka nie
To tutaj agent zaczyna realnie odciążać. Jeden z użytkowników przez miesiąc testował OpenClaw przy automatycznym wypisywaniu się z niechcianych newsletterów, szkicowaniu odpowiedzi na rutynowe maile i flagowaniu tych, które wymagają osobistego zajęcia się. Z mojego doświadczenia: działa wyraźnie lepiej niż jakiekolwiek filtry, które ustawiałem przez lata — a miałem ich mnóstwo.
Jest też historia, której trudno byłoby wymyślić. Nikita niechcący wszedł w spór z ubezpieczycielem Lemonade. Jego agent zajmował się triage’em poczty i gdy przyszedł mail z odmową, przygotował odpowiedź bardziej zdecydowaną, niż napisałby sam Nikita. Właśnie ta wiadomość sprawiła, że ubezpieczyciel wznowił postępowanie, zamiast od razu zamknąć sprawę. AI napisało lepszy list sporczy niż człowiek — i zadziałało.
Można oczywiście ustawić OpenClaw tak, by sam wysyłał odpowiedzi, ale ja trzymam się trybu samych szkiców. Agent optymalizuje pod skuteczność, niekoniecznie pod uprzejmość ani pod pielęgnowanie relacji — więc ostateczna decyzja zostaje przy mnie. Czasem jego ton jest za ostry, ale bywa, że trafia idealnie.
To zresztą nie tylko porządkowanie skrzynki. Sebastian pokazał sesję, w której OpenClaw za jednym razem naszkicował 21 maili do inwestorów. Założyciele startupów spędzają na takiej komunikacji długie godziny; tu cała robota zajęła minuty. Nadal tylko szkice, nadal z ludzką weryfikacją — ale najcięższa część była zrobiona.
Przy okazji: zbudowałem Clawdiverse.com, społecznościową galerię pokazującą, co ludzie wymyślają z OpenClaw (i tak, wiem, sama nazwa też wymaga rebrandingu). Jeśli szukacie pomysłów, kategorii i przypadków użycia jest tam aż nadto — każdy znajdzie coś dla siebie.
Monitoring: agent odzywa się tylko wtedy, gdy coś się psuje
U siebie w homelabie — i przy każdym sprzęcie, który ktoś utrzymuje — OpenClaw codziennie uruchamia skrypty raportujące, wycisza znane, już rozpoznane problemy i przesyła podsumowanie. Cel brzmi: „wszystkie systemy działają”. Chcę od agenta słyszeć wyłącznie wtedy, gdy dzieje się coś złego. Ten schemat pasuje do wszystkiego, co ma jakikolwiek panel: homelaby, metryki sprzedaży, logi błędów, analityka. Jedna zasada: daj znak, tylko gdy coś się zmienia.
Biznesowo: bot na Slacku, który naprawił błąd produkcyjny
Od produktywności osobistej przechodzimy do zastosowań firmowych — potężniejszych, ale wymagających znacznie staranniejszego zarządzania uprawnieniami. Jedna z realizacji: bot nieustannie obserwuje firmowy Slack. Odpowiada na pytania pracowników i klientów, a ważne powiadomienia przekazuje na Telegram, żeby założyciel niczego nie przeoczył. I w jednym przypadku naprawił też błąd na produkcji — nikt go o to nie prosił. Dostrzegł problem w dyskusji, sam przejrzał kod i złożył poprawkę.
Wiadomo: samodzielne naprawianie błędów to dokładnie ten typ zachowań, od którego ludziom od bezpieczeństwa robi się nerwowo — i słusznie. Prawidłowe wdrożenie wymaga zaufania do agenta, a przede wszystkim precyzyjnego zakreślenia, do czego agent ma dostęp i co może zrobić bez pytania. Ale dla małego zespołu, w którym założyciel nie może być wszędzie naraz, to zmienia zasady gry: AI staje się pierwszą linią kontaktu dla problemów klientów i oddaje czas na budowanie produktu oraz inne naprawdę ważne sprawy.
Dewelopersko: werdykt o PR w minutę i drużyna agentów
Billy zbudował taki obieg: Claude Code kończy zmiany i otwiera pull request, a OpenClaw analizuje diff — czyli zestaw naniesionych poprawek — i wysyła werdykt na Telegram: „wymaga co najmniej jednej krytycznej poprawki, poza tym dobra robota”. To przykład stricte programistyczny, ale sam wzorzec jest uniwersalny: w jednym systemie dzieje się coś, AI to analizuje, a powiadomienie dociera tam, gdzie chcemy.
Następny poziom to drużyna agentów — najbardziej wyrafinowana architektura, jaką widziałem: kilka wyspecjalizowanych agentów współpracujących ze sobą. Wysyłam na Telegramie: „potrzebny mechanizm ponawiania prób”. Orkiestrator łapie zgłoszenie, rozdziela zadania między agenta budującego, recenzenta i agenta wdrażającego, koordynuje ich pracę — i po trzech minutach pull request stoi, ze zgodą QA. Autor tego układu podsumował to najkrócej: praca, która jeszcze niedawno była zleceniem konsultingowym za 100–200 tysięcy dolarów, dziś robi się w jeden dzień. Poziom zaawansowania wysoki, ale widać, jak daleko można zajść, gdy zainwestuje się w architekturę. A dzisiejszy sufit jutro będzie podłogą.
Jak jedna noc pętli kosztowała 120 dolarów
Wróćmy do owej nocnej katastrofy. Użytkownik kazał agentowi doinstalować zależności w Pythonie. Zadanie trywialne, ale jedna paczka odmówiła instalacji. Agent ponawiał próbę za próbą — sześć godzin bez przerwy, podczas gdy właściciel spał. Żadnego limitu podejść, żadnego limitu czasu. Po prostu kolejne wywołania API w próbie zdebugowania błędu pip install, który z założenia nie mógł się udać. Rano: rachunek na 120 dolarów za jedną nieudaną instalację.
Czy to powód, żeby nie używać OpenClaw? Nie. To powód, żeby zbudować zabezpieczenia — i o nich będzie, zaraz po części o szaleństwach. Bo te zabezpieczenia wcale nas nie spowalniają. To one dopiero umożliwiają szaleństwa. Zobaczcie, co ludzie budują, gdy ufają swojemu setupowi. Bez głębokich analiz — po prostu popatrzcie, co się da.
Cztery szaleństwa, które pokazują górną granicę
Kamera, która wie, co jest ładne. Max podpiął kamerę na dachu do OpenClaw i gdy niebo robi się efektowne, agent łapie klatkę i wysyła powiadomienie. Internet rzeczy spotyka AI: kamera nie ma pojęcia, co znaczy „ładne” — agent ma. Wyzwalacz definiuje się dowolnie: ładne niebo albo wykryty ruch. Na jego podstawie agent rozpoznaje kontekst, decyduje i działa.
Panel na papierze elektronicznym. Papier elektroniczny jest jak stworzony do dashboardów: nie wymaga ciągłego odświeżania, bateria wytrzymuje tygodnie, a wyświetlić można dowolny widok — plan dnia, pogodę, metryki. U mnie zwykle widać warunki pogodowe i moje commity na GitHubie.
„Moment przed”. Dashboardy bywają jednak nudne, więc dorzuciłem coś od siebie. Codziennie o czwartej nad ranem agent sprawdza, co wydarzyło się tego dnia w historii, wybiera jedno wydarzenie i generuje obraz w stylu drzeworytu — ukazujący chwilę tuż przed nim. Jeśli jest 15 kwietnia: Titanic. Nie widzicie katastrofy — widzicie statek na morzu, a gdzieś daleko na horyzoncie górę lodową. Do tego data, rok i miejsce. Czasem odpowiedź jest oczywista, a czasem to zagadka. Dziś: 30 stycznia 1969 roku, Londyn — koncert Beatlesów na dachu, ich ostatni występ publiczny. Zagrali 42-minutowy set, nim przyszła policja i poprosiła o trochę mniej hałasu. Obraz pokazuje moment przed: dach, chwila przed ostatnim wspólnym występem. Wygląda to pięknie. To nie powiadomienie i nie panel — to po prostu sztuka, która zmienia się co rano i czasem daje do myślenia.
Siódme zadanie Nadera. Wspominałem o nim na początku. Codziennie agent Nadera przeszukuje Twittera w poszukiwaniu trendów AI, które właśnie wybuchają, wybiera jeden — i teraz część naprawdę szalona — buduje działającą aplikację inspirowaną tym trendem, wypycha ją na GitHub i wysyła mu link. Streścić to jedno; napisać szkic — drugie. To tworzenie w pełni autonomiczne: AI widzi trend, ma pomysł, pisze kod i wydaje go na świat. I to każdego dnia. Gdy wasze AI publikuje kod codziennie, choć go o to nie prosiliście, przestaliście mieć asystenta — zaczęliście mieć coś nowego.
Cztery bonusy dla pokazania skali
Jeszcze cztery krótkie konstrukcje, żeby pokazać rozpiętość możliwości. W pół godziny od sprzętu do zdekodowanego radia ratunkowego, bez żadnego ręcznego treningu — AI samo zbadało temat, skonfigurowało i wykonało. Zmodyfikowane inteligentne okulary jako oczy agenta: AI widzi to, co wy, a ludzie używają tego do porównywania cen w czasie rzeczywistym. Laptop ze zepsutym ekranem? Odrywacie matrycę i uruchamiacie maszynę headless, czyli bez wyświetlacza, z własną tożsamością na Gmailu, Telegramie i WhatsAppie — darmowy upgrade z martwego sprzętu. I wreszcie OpenClaw zarządzający Codexem i Claude — nie tylko ich używający, ale zarządzający nimi: prowadzi z nimi spór przy code review, wysłuchuje argumentów i sam wydaje ostateczną decyzję.
To tylko ułamek tego, co możliwe. Większość z nas nie zbuduje tego wszystkiego, ale sama świadomość, że się da, przestawia wyobrażenie o tym, czym może być agent AI.
Personalizacja i pamięć: pliki zamiast zaklęć
Krótka uwaga o dopasowaniu agenta do siebie. Skills to narzędzia, które można doinstalować. Plik AGENTS.md określa, jak agent ma się zachowywać, a SOUL.md nadaje mu osobowość. Większości ludzi wystarczy sam AGENTS.md — kilka reguł o tym, jak mają wyglądać odpowiedzi. I zasada kluczowa: zapisujcie wszystko albo każcie agentowi wszystko zapisywać, bo duże modele językowe nie mają trwałej pamięci. Jeśli coś ma przetrwać, musi trafić do pliku. Pliki zostają. Notatki „w głowie” — nie.
QMD: Google dla własnych notatek — i to lokalnie
Tylko że zapisywanie rodzi nowy problem. Notatki ze spotkań, szczegóły projektów, przypadkowe pomysły — i po chwili macie tysiące plików. Skąd AI ma wiedzieć, który jest właściwy? Na to właśnie jest QMD, czyli Quick Markdown Search: wyobraźcie sobie Google, ale dla waszych prywatnych notatek, działające w całości na waszym komputerze. Pod maską trzy techniki: zwykłe wyszukiwanie po słowach kluczowych, gdy dokładnie wiadomo, czego szukamy; wyszukiwanie semantyczne, gdy mamy w głowie ledwie mglisty trop; oraz sprytne przegrupowanie wyników, które najlepsze dopasowania wysuwa na szczyt. Różnica jest kolosalna. Zamiast wrzucać do kontekstu całą bazę i mieć nadzieję, że model trafi we właściwy akapit, dostajecie dokładnie to, czego potrzebujecie.
Jest już gotowa umiejętność QMD — wystarczy polecić agentowi „zainstaluj umiejętność QMD”, a zrobi to sam. Albo przekazać mu URL do instalacji; poradzi sobie dobrze. Po instalacji AI nie tylko czyta pliki — pamięta, gdzie co leży. Całość działa lokalnie, bez chmury, i podłącza się wprost do Claude Code. Nie trzeba też pamiętać, kiedy użyć której techniki: OpenClaw sam ją dobiera. Można ewentualnie poprosić o głębokie wyszukiwanie — wtedy zadziała semantyka lub przegrupowanie — ale domyślnie i tak radzi sobie znakomicie.
Krok zero i trzy warstwy zabezpieczeń
Teraz zabezpieczenia — czyli jak czerpać z tych możliwości pełnymi garściami, nie robiąc sobie krzywdy. Krok zero, obowiązkowy: strona Gateway Security w dokumentacji OpenClaw. Podajcie agentowi jej adres i każcie wdrożyć oraz zweryfikować wszystko, co tam jest opisane. Dopiero potem przechodzimy do trzech warstw.
Pierwsza: izolacja. Agent można uruchamiać w Dockerze albo jako Cloudflare Worker w odciętym środowisku — wtedy nie sięga do prawdziwego systemu plików. Katalog główny tylko do odczytu, dostęp do sieci wyłącznie za pozwoleniem. Krótko mówiąc: agent fizycznie nie dosięgnie tego, do czego go nie dopuścimy.
Druga: uprawnienia. Poczta tylko do odczytu — agent może pisać szkice, ale nie wysyłać. Część osób stosuje dwa telefony: prywatny zostaje prywatny, a wiadomości od bota przyjmuje osobny numer. Ja też mam wydzielony numer dla swojego agenta. Chodzi o zawężenie potencjalnego zasięgu szkód.
Trzecia: zatwierdzenia. Żadnych działań destrukcyjnych bez pytania. Kasowanie plików, wysyłanie wiadomości, zapytania sieciowe — wszystko albo po waszej zgodzie, albo z białej listy.
I rzecz ostatnia: wstrzykiwanie instrukcji (prompt injection), czyli przemycanie poleceń w treści, którą agent przetwarza, to problem realny i — na dziś — nierozwiązany w całej branży AI. Złośliwy mail może próbować przemycić instrukcję. Łagodzą go: tryb samych szkiców, bramki zatwierdzeń, izolacja. I jeszcze jedno: nie dawajcie tych zadań małym modelom — znacznie gorzej radzą sobie z bezpieczeństwem. Opus bardzo skutecznie opiera się wstrzykiwaniu instrukcji; Haiku i pozostałe mniejsze — dużo słabiej. (Informacja dodatkowa: Opus i Haiku to modele rodziny Claude firmy Anthropic — odpowiednio najsilniejszy i jeden z tańszych.) Czy ten system jest idealny? Nie. Czy da się nim zarządzać? Tak — właśnie dzięki warstwom ochrony.
Pieniądze: silny model myśli, tani wykonuje
Porozmawiajmy o kosztach, bo widzieliście, co się dzieje, gdy coś pójdzie źle: 120 dolarów za noc zapętlonych prób. Najwięcej oszczędzicie dzięki jednej zasadzie: mocny model do myślenia, tanie modele do działania. Orkiestrator działa na Opusie i podejmuje decyzje; wykonawcy pracują na tańszych modelach, za ułamek ceny — a jakość nie spada, bo decyzje i tak zapadają w tym mocniejszym modelu.
Do tego trzy reguły, które wyłączają nocne katastrofy: przerwij po trzech nieudanych podejściach; ustaw maksymalny czas działania — przy niektórych zadaniach może to być więcej niż 10 minut, ale nigdy bez ograniczeń; i przed snem zerknijcie na dashboard, czy wszystko gra. Wtedy zablokowany agent po prostu się zatrzyma i da znać, zamiast spalać budżet na API, dopóki śpicie.
Od czego zacząć i gdzie to uruchomić
Najlepszy pierwszy krok w stronę poważniejszych automatyzacji to poranny briefing: sesja odizolowana, dostęp wyłącznie do odczytu, bez wysyłania maili, bez zapisywania plików, bez uprawnień, które mogłyby coś zepsuć. Przetestujcie go tydzień i oceńcie, czy jest użyteczny. Jeśli tak — rozszerzajcie dalej. Dla osób z biznesu najbezpieczniejsze wejście to triage poczty w trybie samych szkiców: agent robi całą robotę, a decyzja zostaje przy człowieku. Deweloperzy mogą zacząć od podsumowań pull requestów na tanim modelu.
A gdzie to wszystko postawić? Mac Mini w domu — wielu zwas właśnie w tym celu go kupiło. Tani serwer VPS, na przykład Hetzner — nagrałem film, jak uruchomić całość na serwerze za 5 dolarów. Albo nowa opcja: Cloudflare Worker, czyli środowisko odizolowane i bardzo bezpieczne. Linki do wszystkich zasobów znajdziecie w opisie filmu, a jeśli zbudujecie coś ciekawego — dorzućcie to do galerii na Clawdiverse.
Puenta
To tyle: dziewięć automatyzacji, cztery szalone konstrukcje i zabezpieczenia, które trzymają je w ryzach. OpenClaw nie jest dla każdego, ale jeśli jesteś osobą, która chce AI realnie robiącego rzeczy, a nie tylko rozmawiającego — to właśnie tutaj warto wejść głębiej. Subskrybuj, jeśli chcesz więcej praktycznych materiałów o AI. I idź zbudować coś szalonego i pięknego.