O czym jest ten film
- Odysseus AI to darmowy, otwartoźródłowy workspace do pracy z AI, którego autorem jest PewDiePie; repozytorium na GitHubie ma w chwili nagrania około 80 tysięcy gwiazdek i jest wydane na licencji AGPL-3.0.
- Główna idea: rozmowy, pliki, galeria i cała pamięć — „drugi mózg” — zapisują się wyłącznie na sprzęcie użytkownika, a modele można uruchamiać lokalnie, bez płatnych dostawców.
- Autor przeprowadza przez pełną instalację na własnym komputerze: Docker Desktop, Git, sklonowanie repozytorium, zmiana nazwy pliku
.env.example, uruchomienie kontenerów i wejście przez port 7000. - Login i hasło administratora generują się przy pierwszym starcie — trzeba je odszukać w logach głównego kontenera Dockera i od razu zmienić hasło.
- Modele podpina się poleceniem
/setup: lokalnie przez Ollama lub LM Studio (adres serwera z końcówką/v1), a wbudowany „cookbook” poleca modele dopasowane do posiadanego sprzętu. - Aplikacja oferuje tryb czatu i tryb agenta (dostęp do sieci, shella, plików i wskazanego workspace’u), integrację poczty (Gmail lub SMTP), drugi mózg z automatyczną pamięcią oraz umiejętności agentów instalowane z zewnątrz.
- Funkcja deep research działa nawet na darmowym modelu lokalnym i generuje rozbudowane raporty, complete ze zrzutami ekranu i diagramami.
- Drugi mózg sam klasyfikuje wpisy (np. jako dane o tożsamości) i automatycznie dopisuje fakty z rozmów — choć autor przyznaje, że nie do końca wiadomo, co uruchamia zapis.
- Wdrożenie na VPS odbywa się jednym kliknięciem w Hostingerze; serwer nie ma GPU, więc jako silnik najlepiej podpiąć OpenRouter jednym kluczem API.
- Teza autora: popularność projektu to nie tylko efekt sławy PewDiePie — jest realny popyt na narzędzia, które oddają prywatność i wybór modeli w ręce użytkownika, zamiast zamykać go u jednego dostawcy.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Prywatność zaczyna się od własnego sprzętu
Na czym polega: Sednem Odysseus jest to, że wszystkie rozmowy, pliki, pamięć i galeria zostają w instancji działającej na urządzeniu, które kontrolujesz. Można w ogóle pominąć płatnych dostawców i zasilić całość modelami lokalnymi.
Jak stosować: Zanim wgrasz firmowe dokumenty do czatu w chmurze, rozważ instalację lokalną. Dane wrażliwe trzymaj w instancji podpiętej wyłącznie do modeli uruchamianych na twojej maszynie.
Na co uważać: Prywatność kończy się w momencie podłączenia dostawcy chmurowego — wtedy prompty i pliki trafiają do jego infrastruktury, a ty nie wiesz, jak są tam wykorzystywane. Nawet lokalny workspace z chmurowym modelem przestaje być w pełni prywatny, więc przeczytaj regulamin dostawcy.
2.Instalacja lokalna: Docker, Git i trzy komendy
Na czym polega: Cała konfiguracja sprowadza się do zainstalowania Docker Desktop i Gita, sklonowania repozytorium, przemianowania .env.example na .env i uruchomienia jednej komendy ściągającej kontenery. Interfejs pojawia się na porcie 7000.
Jak stosować: Utwórz osobny folder na dysku, otwórz w nim terminal i przechodź kolejno przez komendy z repozytorium. Na Windowsie zamiast komendy cp po prostu zmień nazwę pliku w eksploratorze.
Na co uważać: Projekt jest na licencji AGPL-3.0 — jeśli planujesz fork i rebranding jako własny produkt, najpierw sam dokładnie przeczytaj warunki licencji.
3.Hasło startowe znajdziesz w logach kontenera
Na czym polega: Przy pierwszym uruchomieniu Odysseus sam tworzy konto administratora. Login (admin) i hasło tymczasowe wypisuje w logach głównego kontenera widocznych w Docker Desktop.
Jak stosować: Kliknij kontener, przewiń logi do samej góry, odszukaj sekcję z początkowym kontem administratora, skopiuj hasło, zaloguj się — i natychmiast w ustawieniach konta ustaw własne.
Na co uważać: Nie zostawiaj tymczasowego hasła dłużej niż to konieczne; nowe zapisz w menedżerze haseł, żeby nie szukać go później w panice.
4.Dobierz model do pamięci karty graficznej
Na czym polega: Zakładka cookbook sugeruje modele pod konkretny sprzęt. Bardzo zgrubna zasada z filmu: przy 16 GB VRAM celuj w model rzędu 16 miliardów parametrów.
Jak stosować: Sprawdź, ile VRAM ma twoja karta, szukaj modeli w okolicach tego limitu i pobieraj je komendą ollama pull albo w wyszukiwarce LM Studio.
Na co uważać: To punkt wyjścia, nie dokładna kalkulacja. Dodatkowo wbudowane pobieranie modeli wprost z Hugging Face bywało w chwili nagrania zawodne — model się pobierał, ale wysypywał się przy uruchomieniu.
5.Ollama i LM Studio podpinasz przez adres z końcówką /v1 — i możesz używać obu
Na czym polega: Polecenie /setup z opcją lokalną łączy Odysseus z lokalnym serwerem modeli. Wystarczy podać adres serwera z dopiskiem /v1, a w selektorze modeli pojawią się modele z Ollama i z LM Studio jednocześnie.
Jak stosować: Dla Ollama wklej standardowy adres lokalny plus /v1; w LM Studio kliknij ikonę terminala, skopiuj wyświetlony adres i również dodaj /v1. Wybieraj opcję „local”, a nie dostawców chmurowych.
Na co uważać: Opcja lokalna jest wspólna dla obu narzędzi — nie szukaj osobnych pozycji w menu. Jeśli zależy ci na pełnej prywatności, nie przeskakuj mimowolnie na dostawcę płatnego.
6.Token Hugging Face przyspiesza pobieranie modeli
Na czym polega: Bez konta pobieranie z Hugging Face odbywa się z ograniczeniami i przyzwoitym spowolnieniem. Darmowy token typu „read” podnosi limity i wyraźnie przyspiesza transfer.
Jak stosować: Załóż konto na huggingface.co, w sekcji Access Tokens utwórz token do odczytu i wklej go w ustawieniach Odysseus — ostrzeżenie o limitach zniknie.
Na co uważać: Token ma tylko uprawnienia do odczytu — nie nadawaj mu szerszych praw, niż potrzebujesz. I miej świadomość, że sama dostępność modelu nie gwarantuje, że uruchomi się bez błędów.
7.Tryb agenta: sieć, shell, pliki i własny workspace
Na czym polega: Poza zwykłą rozmową z modelem Odysseus ma tryb agenta, w którym można dać asystentowi dostęp do wyszukiwania w internecie i do shella (w odizolowanym środowisku), dołączyć pliki, wskazać katalog roboczy i nadpisać prompt sesji — np. „odpowiadaj jak pirat”.
Jak stosować: Przełącz czat w tryb agenta, podepnij potrzebne pliki lub workspace, a zmianę zachowania wymuszaj przez prompt sesji — działa natychmiast i w każdej chwili można go poprawić.
Na co uważać: Dostęp do shella i sieci to realne uprawnienia — włączaj je tylko wtedy, gdy zadanie faktycznie ich wymaga, i pilnuj, w jakim katalogu agent pracuje.
8.Poczta w Odysseus — z AI w roli sekretarza
Na czym polega: Środowisko łączy się z Gmail (przez hasło aplikacji) lub dowolnym serwerem SMTP, pobiera wiadomości, a AI pisze odpowiedzi i streszczenia. Styl odpowiedzi ustawia się osobno, a w AI defaults przypisuje się modele do poszczególnych zadań: czatu, analizy obrazów, researchu.
Jak stosować: Wejdź w ustawienia → integracje → e-mail, podaj dane serwera przychodzącego i wychodzącego, przetestuj połączenie. Następnie w zakładce e-mail opisz styl (np. „klarownie i ciepło”) i dopasuj modele w AI defaults.
Na co uważać: Do Gmaila potrzebujesz hasła aplikacji, nie zwykłego hasła do konta. Na słabszym sprzęcie generowanie odpowiedzi uruchamia model lokalny — bywa powolne.
9.Drugi mózg pamięta fakty, także bez twojej prośby
Na czym polega: Pamięć Odysseus przechowuje informacje o tobie i sam je klasyfikuje (np. jako dane o tożsamości). Agent korzysta z nich w nowych rozmowach, a niektóre zdarzenia w konwersacji automatycznie dopisują kolejne fakty — bywa, że z opóźnieniem jednej wiadomości.
Jak stosować: Kluczowe informacje dodawaj ręcznie, w rozmowie mów wprost „zapamiętaj”, a nieaktualne wpisy usuwaj w widoku mózgu.
Na co uważać: Zapis nie jest natychmiastowy — autor sam przyznaje, że nie wie, co go wyzwala. Skoro pamięć pęcznieje też automatycznie, warto ją co jakiś czas przeglądać.
10.Na VPS-ie odpal OpenRouter i ustaw domyślne modele
Na czym polega: Serwer VPS nie ma mocnej karty graficznej, więc sensownie nie uruchomisz na nim modeli lokalnych. Najprościej podpiąć OpenRouter jednym kluczem API — i mieć Odysseus dostępnego z przeglądarki oraz telefonu, z agentami pracującymi w tle nawet po wyłączeniu komputera.
Jak stosować: Skorzystaj z instalacji jednym kliknięciem w Hostingerze (hasła szukaj w Docker manager → Environment), w Odysseus uruchom /setup, wybierz OpenRouter, wklej klucz i doładuj kredyty. Na koniec ustaw AI defaults — np. najnowszego Soneta — żeby wszystkie zadania korzystały z jednego, świadomie wybranego modelu.
Na co uważać: Chmura oznacza, że prompty i pliki przechodzą przez zewnętrznego dostawcę — to już nie jest prywatność znana z wersji lokalnej. Sprawdź też, jaki model jest domyślny po instalacji, zanim uruchomisz kosztowny deep research.
Redakcyjne tłumaczenie
Wstęp: dokąd trafiają twoje dane?
Każdy, kto ogląda ten film, korzystał już z platform takich jak Claude czy ChatGPT. Ale czy kiedykolwiek zastanowiłeś się, co te firmy naprawdę robią z twoimi danymi? Wysyłasz im całe mnóstwo dokumentów, obrazów, danych wrażliwych, firmowej własności intelektualnej — i nie masz pojęcia, gdzie to wszystko w końcu wyląduje.
Odysseus AI chce to zmienić. To darmowy workspace — środowisko robocze do pracy z AI — w którym wszystkie rozmowy, pliki, pamięć, cały twój „drugi mózg”, spoczywają na sprzęcie, który należy do ciebie. I tak, jest to w pełni prywatne: nie musisz nawet korzystać z płatnych dostawców, bo sam podpiąłem lokalne modele pobrane narzędziami Ollama oraz LM Studio. W praktyce oznacza to, że wszystkie konwersacje, wszystkie pliki wysyłane agentom, wszystko, co trafia do drugiego mózgu, obrazy w galerii — działa w obrębie jednej instancji, którą w pełni kontroluję.
Odysseus ma przy okazji całą gamę naprawdę fajnych funkcji. Na przykład deep research — pogłębione badanie tematu — o które poprosiłem darmowy model działający na moim własnym komputerze. Spójrzcie tylko na ten raport. To, że model jest darmowy i lokalny, wcale nie oznacza, że słabo radzi sobie z researchem. Dokument jest wyjątkowo szczegółowy, zawiera nawet zrzuty ekranu i diagramy — wszystko, czego można oczekiwać.
W tym materiale przejdziemy przez Odysseus razem. Pokażę, jak zainstalować go lokalnie, z modelami na twojej maszynie, a potem jak przenieść na własny serwer VPS i podpiąć płatnego dostawcę, jakim jest OpenAI albo OpenRouter. Wtedy środowisko jest dostępne zawsze i wszędzie — również z telefonu. Zaczynajmy.
Skąd wziąć Odysseus — i na co zwrócić uwagę
Od razu najważniejsze: do Odysseus dotrzesz przez repozytorium na GitHubie — link zostawiam w opisie filmu. Warto wiedzieć, że autorem projektu jest… PewDiePie. (Informacja dodatkowa: PewDiePie, właśc. Felix Kjellberg, jeden z najpopularniejszych twórców w historii YouTube, od jakiegoś czasu publicznie programuje z pomocą AI; „vibe coding” to potoczna nazwa takiego stylu pracy, w którym kod powstaje głównie z poleceń wydawanych modelowi.) Chyba naprawdę każdy może zostać „vibe coderem” i zbudować coś użytecznego.
W chwili nagrywania repozytorium ma około 80 tysięcy gwiazdek. Zaznaczę też, że projekt jest na licencji AGPL-3.0. (Informacja dodatkowa: AGPL-3.0 to silna licencja copyleft — nawet udostępnienie zmodyfikowanej wersji jako usługi sieciowej zobowiązuje do opublikowania kodu źródłowego.) Jeśli planujesz sforkować projekt i wydawać go jako własne oprogramowanie, koniecznie przeczytaj tę licencję samodzielnie. W repozytorium znajdziemy ponadto listę wszystkich głównych funkcji, które dziś omówimy.
Instalacja lokalna krok po kroku
Na szczęście cały proces konfiguracji jest bardzo prosty. Zanim jednak uruchomimy komendy, trzeba zainstalować kilka rzeczy. Po pierwsze Docker Desktop — stronę pobierania podlinkuję w opisie: po prostu ściągnij wersję na swój system. Po uruchomieniu program będzie wyglądał mniej więcej tak — na początku nie działa w nim żaden kontener. Potrzebny będzie także Git: z podlinkowanej strony wybierz swój system operacyjny i zainstaluj.
Następnie utwórz na dysku nowy folder — ja zrobiłem sobie katalog „AI” na dysku C. Otwórz w nim wiersz poleceń, terminal albo PowerShella — czymkolwiek się posługujesz. Kopiujemy pierwszą komendę i uruchamiamy: pobierze ona wszystkie pliki projektu na twój dysk. Potem wchodzimy do folderu Odysseus komendą cd.
Jeśli pracujesz na Macku albo Linuksie, możesz teraz odpalić komendę cp. Ja korzystam z wiersza poleceń Windows, więc to u mnie nie zadziała — w zamast tego wchodzę do katalogu, odszukuję plik .env.example i zmieniam jego nazwę na .env.
Została ostatnia komenda. Uruchamiamy ją, a ona pobiera wszystkie kontenery Dockera — i właśnie dlatego wcześniej instalowaliśmy Docker Desktop. Gdy proces się skończy, wróć do Docker Desktop: powinieneś zobaczyć kontener Odysseus. W jego obrębie działa kilka obrazów — między innymi ChromaDB, czyli baza danych, oraz pozostałe zależności projektu. (Informacja dodatkowa: ChromaDB to otwarta baza zaprojektowana do przechowywania wektorów — reprezentacji tekstu, na których opierają się pamięć i wyszukiwanie semantyczne w aplikacjach AI.) Interesuje nas obraz na porcie 7000. Klikamy link, otwiera się strona logowania — i wchodzimy do środka.
Gdzie szukać hasła administratora
Skąd wziąć nazwę użytkownika i hasło? Klikamy główny kontener projektu — po prawej stronie pokażą się jego logi. Przewijamy na samą górę i szukamy sekcji z „initial admin”, czyli początkowym kontem administratora. Nazwa użytkownika to „admin”, obok zaś widnieje hasło tymczasowe. Kopiujemy je, wklejamy na stronie logowania — i mamy dostęp do Odysseus.
Pierwszą rzeczą, jaką robię, jest wejście w ustawienia, sekcję konta, i zmiana hasła. Nowe nadpisze to tymczasowe.
Podpinanie modeli: /setup, cookbook i token Hugging Face
Domyślnie nie mamy dostępu do żadnego modelu — po kliknięciu w selektor modeli lista jest pusta. Odysseus sam podsuwa podpowiedź: wpisz komendę /setup. Po jej zatwierdzeniu pojawia się cała lista dostawców. Ja za chwilę pokażę, jak połączyć aplikację z LM Studio i Ollama, ale jest też inna droga: zakładka cookbook, która poleci modele dopasowane do twojego sprzętu.
Po kliknięciu w nazwę modelu dostajemy dwie opcje: pobranie albo uruchomienie. Zaczynamy od pobrania — Odysseus spróbuje ściągnąć model z Hugging Face. Pojawi się jednak ostrzeżenie: wysyłasz nieuwierzytelnione żądania do Hugging Face i powinienś podać token, żeby podwyższyć limity i przyspieszyć pobieranie.
Rozwiązanie jest banalne. Zakładam konto na huggingface.co, z menu rozwijanego przechodzę do „Access Tokens” i tworzę nowy token — typu „read”. Nazwałem go po prostu „delete me”. Przerywam trwające pobieranie, wchodzę w ustawienia Odysseus, wklejam token i zatwierdzam. Przy ponownej próbie system melduje, że token został zastosowany — i już nic nas nie ogranicza. Muszę jednak uczciwie zaznaczyć, że w chwili nagrywania nie udało mi się doprowadzić tej ścieżki do końca: model pobiera się bez problemu, ale przy próbie uruchomienia po prostu się wywala. Na pewno niedługo zostanie to naprawione, ale szczerze — do zadań lokalnych wolę Ollamę i LM Studio. Pokażę więc, jak je ustawić.
Ollama: najpopularniejszy sposób na modele lokalne
Zacznijmy od Ollama — to chyba najpopularniejsze narzędzie do uruchamiania modeli na własnym sprzęcie. Pobranie i instalacja są dziecinnie proste: wchodzisz na ollama.com, pobierasz, instalujesz. Żeby zaciągnąć model, wejdź na stronę z modelami i poszukaj czegoś, co zmieści się w twoim VRAM-ie. Jeśli masz tylko 16 GB VRAM, celuj w model rzędu 16 miliardów parametrów. To bardzo zgrubna arytmetyka, ale z reguły właśnie tak to działa.
Kopiujesz nazwę modelu, a potem w wierszu poleceń uruchamiasz ollama pull wraz z nazwą. Ten model mam już pobrany, ale chciałem pokazać sam mechanizm. Można też sprawdzić, czy model działa, komendą ollama run z nazwą. Wysyłam krótkie „hej” — i dostaję odpowiedź. Wszystko gra.
W Odysseus ponownie wpisujemy /setup. Zamiast łączyć się z płatnym dostawcą wybieramy opcję lokalną — bo o to w końcu chodzi w całym projekcie: o środowisko, które kontrolujesz. Oczywiście możesz podpiąć i dostawcę płatnego, ale przemyśl to. Nawet jeśli całość działa lokalnie, a swoje prompty wysyłasz do OpenAI, Anthropic czy OpenRouter, nie wiesz dokładnie, jak te firmy przechwytują wiadomości i co z nimi robią. Przeczytaj więc ich regulaminy. Nas interesuje opcja lokalna: „setup local”.
Teraz podajemy adres naszego serwera Ollama działającego na maszynie — wystarczy wkleić URL z dopiskiem /v1. Po wysłaniu Odysseus potwierdza: wszystko gotowe, możesz wpisać /tour, żeby zobaczyć krótki przewodnik. A w selektorze modeli od razu pojawia się to, co przed chwilą pobraliśmy. Mogę to udowodnić: komenda ollama list pokazuje, że jedynym modelem na Ollama jest u mnie Qwen 3.6 — i dokładnie ten widzimy na liście. Piszę „hej” — odpowiedź przychodzi natychmiast. Fajne, prawda?
LM Studio — faworyt autora
Jeśli jesteście podobni do mnie, pokochacie LM Studio do lokalnego wnioskowania. To swego rodzaju alternatywa — każde z tych narzędzi ma swoje plusy i minusy, ale mnie przekonuje wydajność, którą daje LM Studio. Jeśli więc wolisz to drugie, po prostu je pobierz.
W samym programie korzystamy z wyszukiwarki modeli: wpisujemy nazwę — u mnie Qwen 3.6 — klikamy wybrany model i pobieramy; po chwili pojawi się na liście. Na potrzeby tego materiału ściągnąłem trzy: GPT-OSS, Gemma i Qwen 3.6.
Postawmy teraz wszystko obok siebie. Otwieram nowy czat, ponownie uruchamiam /setup i wybieram opcję lokalną — uwaga: ta sama opcja służy do podłączenia obu narzędzi, i Ollama, i LM Studio. Adres IP dla LM Studio znajdziemy w sekundę: klikamy ikonkę terminala, kopiujemy wyświetlony adres, wklejamy go w czacie i dopisujemy /v1. Wysyłamy — „wszystko gotowe”. W selektorze modeli pojawiają się teraz modele pobrane w LM Studio. Co ciekawe, widać tam również te z Ollama — wygląda na to, że oba źródła da się połączyć. Sprawdźmy więc, czy LM Studio działa: wybieram GPT-OSS 20B i proszę o przykładowy kod w Ruście. Wysyłam — odpowiedź przychodzi. Świetnie.
Tryb czatu i tryb agenta
Miejmy kilka minut na zwiedzanie. W oknie czatu przełączamy się między trybem zwykłej rozmowy a trybem agenta. W trybie czatu mamy prostą konwersację z modelem. Tryb agenta otwiera znacznie więcej: możemy dać asystentowi dostęp do wyszukiwania w internecie albo do shella, żeby wykonywał komendy we własnym, odizolowanym środowisku. Z rozwijanego menu dołączamy pliki i dokumenty, możemy wskazać workspace, w którym agent będzie pracował, a także zmienić prompt danej sesji. Zróbmy coś niepoważnego: „odpowiadaj jak pirat”. Uruchamiamy — i oczywiście agent przemawia jak pirat. A kiedykolwiek zechcesz zmienić jego zachowanie, wystarczy poprawić prompt właśnie w tym miejscu.
Nawigacja i integracja poczty
Wszystkie pozycje menu z czerwonymi ikonami to główna nawigacja aplikacji. Możemy przeszukiwać rozmowy, przeglądać historię czatów, a nawet podpiąć konto e-mail. Wystarczy wejść w ustawienia → integracje → dodać integrację → e-mail i podać dane połączenia, a Odysseus zacznie zaciągać twoją pocztę do sesji. Od tego momentu możesz też posługiwać się AI do pracy z mailami.
Nie umiem się powstrzymać — sprawdźmy, jak to działa. Jako dostawcę wybieramy Gmail (wtedy trzeba wygenerować hasło aplikacji) albo, tak jak ja, coś zupełnie customowego przez serwer SMTP. Założyłem sobie tymczasowe konto „Odysseus” w mojej własnej domenie. Wpisuję dane hostów dla poczty przychodzącej i wychodzącej i zapisuję. Klikam „Test” — świeci się na zielono. Tworzę konto. Przechodzę do zakładki z pocztą: wiadomości właśnie przyszły, jest wśród nich także ta z Gmaila.
Co dalej? Możemy kazać AI odpowiedzieć na maila albo przygotować streszczenie. Próbujemy: „Odpowiedz, że w piątek jestem niedostępny, a w sobotę dostępny”, tryb szybki. AI zabrało się za redagowanie — widać kółeczko ładowania, a LM Studio obok pracuje na pełnych obrotach. Jeśli was ciekawi, który model obsługuje które zadanie, zajrzyjcie do ustawień → AI defaults. Domyślny model czatu jest tu taki, modele pomocnicze — u mnie teraz z LM Studio: Qwen do analizy obrazów, a do researchu również Qwen 3.6 z LM Studio. W zakładce e-mail ustawimy z kolei styl pisania: możemy dać agentowi bardzo konkretne wytyczne co do tonu, na przykład „odpowiedzi mają być klarowne i ciepłe”. Zapisuję. Przyznam — poczta może być naprawdę użyteczna.
Drugi mózg, czyli pamięć aplikacji
Odysseus ma też drugi mózg. Na początku jest zupełnie pusty — dodajemy do niego dowolne informacje i wspomnienia. Na przykład: „Nazywam się Leon”. System sam klasyfikuje taki wpis, na przykład jako dane o tożsamości, i po naciśnięciu entera zapisuje go w pamięci. Od tej pory w nowym czacie na pytanie „jak mnie zwać?” agent odpowie: „na podstawie zapisanego kontekstu — Leon”.
Agent zapamiętuje o nas też szczegóły z samych rozmów. Piszę: „Mojego psa zwą Ruby. Zapamiętaj to”. I teraz coś ciekawego: agent już odpowiedział, a w oknie LM Studio… nic się nie dzieje. Model ma wolne. Zerkam do mózgu — imię Ruby wciąż się tam nie pojawiło. Szczerze mówiąc, nie mam pojęcia, co uruchamia zapis, więc wysyłam kolejną wiadomość, żeby sprawdzić, czy system pamięci się obudzi. Tym razem model faktycznie pracował, mimo że odpowiedź już przyszła — i proszę: imię Ruby trafiło do pliku pamięci. Wygląda na to, że określone zdarzenia automatycznie aktualizują mózg. Wspominam o tym, bo warto mieć tę mech.anikę z tyłu głowy. A jeśli kiedyś zechcesz coś z pamięci usunąć, zrobisz to wprost w widoku mózgu.
Umiejętności agentów, czyli skills
Skoro jesteśmy przy mózgu — to właśnie tędy instaluje się umiejętności agentów, tzw. skills. Domyślnie nie mamy żadnych. Klikamy „dodaj” i możemy wciągnąć umiejętności z GitHuba albo z serwisów takich jak skills.sh. Zajrzyjmy na skills.sh i poszukajmy czegoś użytecznego — na przykład umiejętności humanizer. Jej zadanie: wychwytywać typowo „AI-owe” sygnały w tekstach, choćby nadmiar myślników w mailach. Kopiuję tę umiejętność, usuwam fragment z npx, tak żeby wskazywała wyłącznie na repozytorium na GitHubie, i klikam import. W repozytorium jest jedna umiejętność — publikuję ją.
W nowej rozmowie wpisuję /skills: na liście widnieje wyłącznie humanizer. Test: „Napisz post na LinkedIn o sile automatyzacji AI w małych firmach. Użyj umiejętności humanizer, żeby brzmiał naturalnie”. No i proszę — humanizer zajął się tekstem, żeby sprawiał wrażenie mniej wygenerowanego. Nie wiem, jak wy to oceniacie — napiszcie w komentarzach, czy według was wyszło bardziej ludzko. Taką umiejętność można zresztą świetnie połączyć z odpowiadaniem na maile.
Deep research — robi wrażenie
Jedna funkcja robi na mnie szczególne wrażenie: deep research. Proszę bardzo: „Zrób pogłębioną analizę OpenRouter i znajdź najlepszy model, który rozsądnie godzi koszt z inteligencją”. Uruchamiam. Podoba mi się nawet sam interfejs: widać punkt startowy, z którego praca rozgałęzia się na kolejne źródła, dokładnie tak, jak widać na ekranie. Naprawdę eleganckie — a efekt końcowy wygląda świetnie.
Przenosimy wszystko na serwer: Hostinger i VPS
Czas jednak wdrożyć Odysseus na VPS-a, żeby mieć dostęp z każdego miejsca — i żeby agenci pokroju deep research mogli pracować całą noc i tak długo, jak będą potrzebować. Samodzielne wdrożenie na serwerze bywa bardzo techniczne i trudne. Najprostsze rozwiązanie, jakie znalazłem, to Hostinger: instalacja jednym kliknięciem, prościej się nie da. Nie musisz martwić się o kopie zapasowe ani o bezpieczne wystawienie punktu wejścia w internecie — po prostu działa. Link do tej strony zostawiam w opisie.
Wybierasz pakiet dopasowany do budżetu — ja biorę plan KVM 2 — a następnie długość abonamentu: miesiąc, 12 albo 24 miesiące. Możesz też wskazać lokalizację serwera bliżej siebie. W polu na kod rabatowy wpisujesz LeonODCS, klikasz „zastosuj” i dostajesz dodatkowe 10 procent zniżki. Dorabiasz checkout. Podczas konfiguracji konta otrzymasz nazwę użytkownika i hasło administratora — schowaj je w bezpiecznym miejscu.
Po chwili w panelu VPS zobaczysz przegląd swojego serwera. Klikamy „Open app” — pojawi się prośba o login i hasło. Hostinger powinien był je nadać podczas konfiguracji. A jeśli jesteście jak ja i takie rzeczy giną bez śladu, nie panikujcie: wchodzimy w Docker manager, odszukujemy pozycję zaczynającą się od „Odysseus”, klikamy „Manage”, przewijamy do sekcji „Environment” — i tam czeka nazwa administratora Odysseus wraz z hasłem. Pokazuję mój login; hasła już nie pokażę, ale oczywiście można je tu podejrzeć i zmienić. Wracamy na stronę logowania, wpisujemy dane — i jesteśmy w środku. Odysseus działa w chmurze, dostępny z dowolnego miejsca.
OpenRouter w roli silnika
Został jeden problem: nie możemy jeszcze wybrać modelu. Jak podpiąć model do VPS-a? Przypominam cookbook — ten sam, który dobiera modele do twojego sprzętu. Ale bądźmy realistami: do uruchamiania modeli lokalnie potrzebujesz mocnej karty graficznej, a na VPS-ie to nie ma racji bytu. Możesz próbować z dowolnym z tych modeli, ale ja na tym serwerze użyję OpenRoutera.
Wpisujemy /setup i wybieramy OpenRouter, a potem wklejamy klucz API. (Informacja dodatkowa: OpenRouter to pośrednik, który jednym kluczem API daje dostęp do setek modeli różnych dostawców — od komercyjnych po otwarte — rozliczanych z jednej puli środków.) Dla nowych w temacie: to zunifikowana platforma z dostępem praktycznie do każdego modelu, o jakim możesz pomyśleć. Są tam modele Google, Anthropic i OpenAI, a nawet warianty darmowe. Logujesz się na konto, przechodzisz do sekcji „Credits” — korzystając z modeli płatnych, musisz mieć środki, więc doładowujesz kredyt — potem do „API keys”, tworzysz klucz dla Odysseus, kopiujesz go i wysyłasz w czacie. Odysseus potwierdza: wszystko gotowe.
Klikamy teraz w rozwijaną listę modeli i… wybór jest ogromny. Anthropic, modele open source pokroju DeepSeek, Google — praktycznie bez granic. Sprawdźmy, czy mamy Haiku: wybieram Claude Haiku 4.5 i piszę „hej”. Odpowiedź od Claude przyszła błyskawicznie. Pocztę podłączymy tu tak samo, umiejętności również — wszystko, co zrobiliśmy lokalnie, działa i w instancji chmurowej. Różnica jest jedna: teraz mamy do tego dostęp z każdego miejsca.
Jedna rada: prowadząc Odysseus na VPS, koniecznie ustaw AI defaults. Nie wiem, na co system nastawi się domyślnie, więc ja ustawiam najnowszego Soneta jako model główny — pozostałe zadania po prostu skorzystają z tego samego wyboru. Otwieram nowy czat z najnowszym Sonetem i piszę „hej” — działa. Spróbujmy jeszcze deep research: „Przygotuj szczegółowy raport porównujący funkcje, koszty oraz mocne i słabe strony wszystkich czołowych modeli największych dostawców”. I oto mamy agenta pracującego w tle nad pogłębioną analizą. Mogę zamknąć przeglądarkę, mogę wyłączyć komputer — a do mojej instancji Odysseus wejdę z telefonu.
Ocena: popyt na prywatność, nie tylko efekt gwiazdora
No i co sądzicie o Odysseus? Czy jest popularny wyłącznie dzięki rozpoznawalności PewDiePie, a może jednak istnieje zapotrzebowanie na narzędzia, które oddają prywatność i pełnię kontroli w ręce użytkownika? Moim zdaniem — zapotrzebowanie jest realne. Widzę tu projekt, który może konkurować z rozwiązaniami pokroju Claude Cowork, z tą różnicą, że dane należą do ciebie, wdrożenie robisz sam, a model możesz użyć dowolny — także lokalny. To naprawdę kierunek, w którym powinniśmy zmierzać. Nie powinno się zamykać w jednym, konkretnym dostawcy. Każda platforma, która to otwiera i pozwala wybrać modele oraz dostawców, jest w moich oczach ze wszech miar mile widziana.
Kanał i społeczność
Mam nadzieję, że materiał się podobał. Jeśli tak — zostawcie łapkę w górę i zasubskrybujcie kanał, żeby nie przegapić kolejnych poradników o agentowym kodowaniu. Rozważcie też dołączenie do mojej społeczności Agentic Labs. Znajdziecie tam ekskluzywne tutoriale, między innymi „Agentic Coding Masterclass”, która przeprowadza przez wszystkie podstawy pracy z agentami kodującymi — łącznie z pełnym buildem aplikacji SaaS: budujemy prawdziwy produkt od początku do końca, z uwierzytelnianiem użytkowników, płatnościami, wszystkim. Stworzyłem również klasę Claude Code z dedykowanymi filmami — pierwsze nagrania dodaliśmy do niej właśnie dziś. Co tydzień mamy też sesje na żywo: w każdą środę możesz się podłączyć i porozmawiać ze mną o czymkolwiek. Link do Agentic Labs zostawiam w opisie — mam nadzieję, że się tam spotkamy. Dziękuję za obejrzenie i do zobaczenia w następnym materiale!