O czym jest ten film
- Relacja z ponad 50 dni codziennego korzystania z OpenClaw — zawsze aktywnego agenta AI działającego na własnym serwerze i połączonego z komunikatorami.
- Trzy zasady wypracowane przez autora: wszystko w Markdownie od początku, rozdzielanie kontekstów i dobieranie modelu do zadania.
- Prezentacja 20 realnych zastosowań w sześciu kategoriach — od porannych briefingów po zarządzanie serwerem z poziomu Discorda.
- Ewolucja setupu w czasie: od nowinki w pierwszym tygodniu, przez automatyzacje, po pełny system po ósmym tygodniu.
- Migracja z WhatsAppa i Telegrama na Discord jako najważniejsza zmiana architektoniczna — jeden kanał na jeden workflow.
- Bezpieczeństwo: tryb „tylko wersje robocze” dla maila, listy dozwolonych/zabronionych komend, Tailscale, brak rozwiązania na prompt injection.
- System wiedzy w Obsidianie: prawie 3000 notatek indeksowanych co noc do wyszukiwania semantycznego.
- Szczera lista tego, co nie działa: cicha kompaktacja kontekstu i utrata pamięci, koszty modeli, zawodne zadania złożone.
- Pakiet startowy dla nowych: triaging maila, dzienny briefing, kanał-skrzynka na zakładki.
- Werdykt: autor poleca narzędzie, ale warunkowo — dla osób z gotowymi workflow, obeznanych z terminalem i świadomych kosztów.
Redakcyjne tłumaczenie
Dlaczego to nagranie jest inne
Większość filmów o OpenClaw to dziś albo wrażenia z pierwszego tygodnia, albo poradniki instalacji, albo pokazy zastosowań po trzech dniach używania. Nikt nie powie ci, co dzieje się po pierwszym miesiącu, bo nikt tam jeszcze nie dotarł. Ja tak. Codziennie, przez ponad 50 dni, przez każdą kolejną wersję tego narzędzia: gdy nazywało się ClawdBot, gdy było MoltBot (nazwy, której odmawiałem używać) i teraz, gdy jest to OpenClaw.
(Informacja dodatkowa: OpenClaw to zawsze aktywny agent AI, który działa na twoim serwerze — VPS, Mac Mini, a nawet Raspberry Pi — całą dobę i łączy się z komunikatorami, których już używasz na telefonie: Telegramem, WhatsAppem, Discordem czy iMessage. Nazwa i kolejne rebrandingi opisane w filmie to element fabuły projektu, którego rozwój autor śledził od początku.)
To ja nagrałem film instruktażowy, który trafił do oficjalnej dokumentacji OpenClaw. Zbudowałem Clawdiverse — społecznościowy katalog zastosowań. A najczęstszy wpis na Reddicie wciąż brzmi: „Postawiłem OpenClaw, ale nie wiem, do czego go użyć”. Ten film jest odpowiedzią: 20 realnych zastosowań z mojego codziennego życia plus szczera prawda o tym, co się psuje, jak się psuje i jak sobie z tym radzić.
Ważna uwaga: każdy prompt do każdego zastosowania, które za chwilę pokażę, jest w udostępnionym dokumencie (link w opisie), gotowy do skopiowania i użycia z własnym agentem. Ten film nie jest o instalacji — jest o tym, co robisz z narzędziem, gdy już działa.
Jak wygląda 50 dni
Sposób, w jaki używasz tego narzędzia w pierwszym tygodniu, nie ma nic wspólnego z tygodniem siódmym.
Tydzień pierwszy to nowinka. Zadajesz przypadkowe pytania, testujesz możliwości, używasz agenta trochę jak ChatGPT. Ale jedna decyzja, którą podjąłem od pierwszego dnia, ratowała mnie w kolejnych tygodniach raz za razem: podejście „najpierw Markdown”. Wielu ludzi buduje swoje workflow wokół SQLite, baz danych, magazynów wektorowych, własnych schematów. Ja od początku wrzucałem wszystko do Obsidiana w zwykłych plikach tekstowych. Każdy człowiek może je przeczytać, ja mogę je przeczytać, każdy program może z nimi pracować. To po prostu zwykły tekst — gdy pojawi się następca OpenClaw albo kolejna jego wersja, moje dane przenoszą się ze mną w pięć sekund. Żadnego uzależnienia od dostawcy, tylko pliki.
(Informacja dodatkowa: Obsidian to popularna aplikacja do notatek działająca na lokalnych plikach Markdown, bez zamykania danych w bazie.)
W trzecim tygodniu zaczynasz budować automatyzacje — briefingi, kontrole w tle. Robi się coraz bardziej użyteczne i naprawdę to czujesz w tygodniu piątym, kiedy używasz go coraz więcej. Wtedy uderzasz w ścianę: wszystko jest w jednej rozmowie i wszystko się miesza — research, zakładki, analityka, codzienne zadania. Kontekst coraz bardziej się „zanieczyszcza”. Wtedy nauczyłem się rozdzielać konteksty. Teraz mam jeden kanał na Discordzie na jeden workflow. Dzięki temu research nie przecieka do analityki, a zakładki nie zaśmiecają zadań osobistego asystenta.
Kolejna lekcja: nie każdy kanał potrzebuje tego samego „mózgu”. Trzeba dobierać model do zadania. Opus służy do głębokiego myślenia, a tańsze modele w zupełności wystarczają do rutynowej pracy — i wtedy koszty przestają przerażać.
Od ósmego tygodnia narzędzie przestaje być chatbotem, a staje się systemem. Trzy najważniejsze zasady po 50 dniach, które poleciłbym każdemu, to: trzymaj wszystko w Markdownie od początku, rozdzielaj konteksty i dobieraj model do zadania.
Rzeczy, które działają codziennie same z siebie
Poranny briefing. Każdego ranka o 7:00 mój agent przegląda tweety z obserwowanych kont, wybiera top 10, zapisuje je do notatek w Obsidianie, dopisuje pomysły na filmy do mojej listy zadań i wysyła mi podsumowanie. Budzę się i nie muszę przewijać feedu, żeby wiedzieć, co się wydarzyło. Najważniejsze już na mnie czeka i jest dopasowane do moich zainteresowań oraz tego, nad czym akurat pracuję. Wartość rośnie z czasem, bo agent nie tylko streszcza — łączy fakty: „ten tweet o cenniku modeli łączy się z twoim pomysłem na film o optymalizacji kosztów”. Briefingi to jednak dopiero brama wejściowa — wszyscy tu zaczynają.
Historyczny obraz na e-ink. To moje ulubione zastosowanie. Każdego ranka agent pobiera wydarzenia z wikipediowego „On This Day”, wybiera najbardziej doniosłe wydarzenie historyczne i generuje obraz w stylu drzeworytu, pokazujący 10 sekund przed tym wydarzeniem — jak góra lodowa zbliżająca się do Titanica albo jabłko spadające na głowę Newtona. Potem wysyła go na mój wyświetlacz e-ink TRMNL w trybie zagadki: pokazuje tylko datę i miejsce, a ja mam zgadnąć wydarzenie. To stało się częścią mojego codziennego rytuału — przechodzę obok wyświetlacza, próbuję zgadnąć, uczę się czegoś nowego z historii.
Samoaktualizacja i backup. Mam dwa zadania cron, o których już nie myślę. Codziennie o 4:00, gdy śpię, agent aktualizuje własne umiejętności z ClawHub, restartuje bramkę i raportuje wynik — a gdy coś się przy aktualizacji zepsuje, informuje mnie. Pół godziny później osobne zadanie robi backup wszystkiego, co ważne: plików konfiguracyjnych, katalogu workflow, harmonogramów cron, pliku SOUL, plików pamięci, umiejętności. Jeśli mój serwer padnie jutro, wracam do gry w pół godziny — nie odbudowuję od zera, tylko przywracam i działam.
Kontrole w tle. Mój agent co 30 minut przeprowadza rutynowe „heartbeaty” — skanuje maile, sprawdza kalendarz, monitoruje usługi. Łapie rzeczy, które bym przeoczył: kiedyś nagle napisał mi o nieudanej płatności za Netflixa, o której nie miałem pojęcia. Łapie też zbliżające się odnowienie domeny, spotkanie, które za chwilę bym przegapił, albo artykuł z newslettera powiązany z filmem, nad którym akurat pracowałem. Żadnego z tych zadań mu nie zleciłem — sam je znalazł, bo wie, nad czym pracuję.
Ważny element konfiguracji: dla maila agent działa w trybie „tylko wersja robocza”. Może czytać skrzynkę, oznaczać rzeczy ważne, a nawet redagować odpowiedzi — ale nie może ich wysłać. Ja muszę przejrzeć i wysłać. Nie ma dziś solidnego, ogólnego rozwiązania na prompt injection przez maila, więc traktuję treść skrzynki jako potencjalnie wrogą.
Research i tworzenie treści
Uwielbiam część researchową pracy z OpenClaw. Do tego filmu poleciłem agentowi zbadać, co ludzie robią z OpenClaw — uruchomił pięć równoległych podagentów: jeden przeszukał Twittera, jeden Reddita, jeden Hacker News, jeden przeanalizował konkurencję na YouTube, a jeden zescrapował różne fora. Wszystkie działały jednocześnie i wyprodukowały ogromne, ustrukturyzowane pliki z researchem — analiza konkurencji, uszeregowane pomysły na filmy, pełne konspekty z linkami do źródeł. Zajęło im to minuty, nie godziny. Same pliki do tego jednego filmu mają ponad 50 stron. Możesz zdefiniować, jak szeroki ma być research i jak świeże mają być dane (ostatnie siedem dni? ostatnie trzy miesiące?).
Analityka YouTube. Mam osobny kanał na Discordzie z dostępem do wszystkich statystyk przez API. Pytam naturalnym językiem: „jak wypadło ostatnich pięć filmów pod względem retencji?”, „porównaj moje filmy o OpenClaw z filmami o Claude Code”. Agent kroi dane, jak chcę, i — co ważniejsze — syntetyzuje liczby oraz podpowiada wnioski. To dużo bardziej elastyczne niż wbudowane pulpity YouTube Studio.
Kanał na pomysły na filmy. W ciągu tygodnia wrzucam tam linki, artykuły, tweety, na wpół surowe myśli. Agent wzbogaca te strzępki, łączy je między źródłami i buduje kontekst w czasie. Gdy siadam do pracy nad filmem, nie zaczynam od zera — mam tygodnie zorganizowanego researchu. Ten film jest tego meta-przykładem: materiał zbierał się przez jakieś trzy tygodnie. Rozdzielenie tych dwóch kanałów YouTube ma znaczenie — kontekst analityki zostaje odizolowany, a research narasta tygodniami bez zanieczyszczania innych rozmów.
Streszczanie czegokolwiek. Rzucam dowolny URL — artykuł, film na YouTube, pracę naukową, PDF — i dostaję streszczenie. Używam tego kilka razy dziennie. Komenda /summarize plus link, i po kilku sekundach mam odpowiedź: o czym to jest, jaki jest główny przekaz, jakie kluczowe liczby, jakie praktyczne kroki. Stąd mogę kazać rozwinąć albo zapisać do notatki w Obsidianie.
Infrastruktura i DevOps
Mój agent przeprowadził mnie z pakietu ClawdBot na OpenClaw. Znalazł oba pakiety działające jednocześnie, ubił zombie-proces zżerający 160% CPU, usunął stare usługi systemowe i naprawił zadania cron, które po cichu były zepsute przez siedem dni — wszystko z jednej wiadomości „napraw wszystko”.
Jest też połączony z moim serwerem VPS przez API. Za pierwszym razem przejrzał ponad 20 działających tam aplikacji, oznaczył niezdrowe usługi i naprawił część. Teraz nie muszę się logować przez SSH — mam praktycznie pilota do całego serwera w Discordzie. Znów kwestia bezpieczeństwa: jest lista dozwolonych komend i lista zabronionych, których agent nie wykona sam — musi najpierw poprosić o zgodę.
Pozwala mi to też programować z telefonu: mogę kazać agentowi naprawić buga, zbudować funkcję, utworzyć PR — bo twoja AI ma dostęp do twojego laptopa. Ale szczerze: nie używam tego do produkcji jako głównego sposobu programowania. Tylko do szybkich poprawek albo prostych pomysłów, które chcę przetestować w drodze. Do głównej pracy nadal używam Claude Code i Codeksa na desktopie.
Codzienny asystent
Mail. Poza proaktywnymi wyłapkami, codzienny workflow jest prosty: agent czyta skrzynkę, oznacza rzeczy ważne, redaguje odpowiedzi. Ja przeglądam i wysyłam. Dzięki temu odpowiadam tego samego dnia, a nie w weekend.
Kalendarz i rodzina. Mam grupę na WhatsAppie — bo żona nie używa Telegrama ani Discorda. Wrzucam „umów dentystę na czwartek 15:00” i gotowe. Żona może dodawać wydarzenia, sprawdzać grafik i dostawać przypomnienia przez ten sam czat.
Transkrypcja notatek głosowych. Zawsze myślałem, że będę dyktować przez telefon, ale nigdy nie wracałem do odsłuchiwania tych wiadomości. Teraz wysyłam notatkę głosową na WhatsAppie, Telegramie czy Discordzie, agent transkrybuje ją modelem Whisper i odpowiada tekstem. Szybkie myśli w trakcie jazdy, listy zakupów w trakcie spaceru, notatki ze spotkań w biegu — jeśli coś ważnego, ląduje w pliku w Obsidianie albo w wersji roboczej maila.
Drobiazgi. „Znajdź mi dobrą kawiarnię w zasięgu spaceru” — korzysta z Google Places API, więc ma oceny, recenzje, dystanse. Szukałem butów snowboardowych, a mam dużą stopę, więc rozmiar to problem; agent obszedł kilka sklepów, sprawdził online dostępność mojego rozmiaru i dał trzy opcje. Poszedłem do pierwszej, kupiłem — zajęło mi to 20 minut. Prognoza pogody nie mówi tylko „jutro słonecznie” — kiedyś ostrzegł mnie o nadchodzącym mrozie do −19°C. Do tego przypomnienia o ćwiczeniach rehabilitacyjnych z drzemką i przypomnienia przed cotygodniowymi rozmowami. Same drobiazgi, ale się sumują.
Pomoc znajomym. Mój znajomy chciał postawić własny OpenClaw po obejrzeniu moich filmów. Dodałem go do grupy na WhatsAppie z moim agentem i razem spędziliśmy trzy i pół godziny, prowadząc go krok po kroku przez całą instalację w języku innym niż angielski — uprawnienia npm, linkowanie WhatsAppa, konfiguracja demona, autoryzacja, debugowanie. Wszystko przez pytania i zrzuty ekranu. Wcześniej musiałbym odpowiadać na wszystko sam. Teraz mój agent odpowiedział na 90% pytań, a ja tylko dodawałem kontekst z własnego doświadczenia. Po kilku dniach znajomy przeszedł na pytanie własnego agenta — a to osoba nietechniczna, prowadzi biuro rachunkowe.
Mam też grupowy czat z żoną i agentem — dodaje rozmowie humoru, żartów, drugiej opinii. Kiedyś żona napisała na tym kanale, żeby powiedzieć „Radowi”, by się ze mną pobawił, gdy zbyt długo rozmawiałem z agentem. Zostawiłem, co robiłem, i poszliśmy się bawić.
Ewolucja: migracja na Discord
Migracja na Discord to jedna z największych zmian w moim setupie przez ostatnie 50 dni i chyba najważniejsza rzecz, jaką mogę przekazać. Zacząłem na WhatsAppie, szybko przeniosłem się na Telegrama (więcej funkcji). Ale około piątego tygodnia uderzyłem w ścianę — wszystko było w jednej rozmowie, statystyki YouTube mieszały się z zakładkami, research z codziennymi zadaniami.
Przeszedłem na Discorda i różnica jest jak dzień i noc. Zamiast jednej rozmowy albo wielu osobnych agentów mam teraz kanały — każdy to dedykowany warsztat z własnym kontekstem: kanał analityki YouTube, kanał researchu na filmy, skrzynka na zakładki, ogólny kanał codziennego asystenta. Kluczowe: dla każdego kanału mogę ustawić inny model. Kanał statystyk może używać tańszego modelu, bo to głównie pobieranie danych. Kanał researchu używa Opusa, bo potrzebuję głębokiego myślenia. Skrzynka używa szybkiego, taniego modelu, bo tylko przetwarza linki. Tak trzymamy koszty w ryzach — dobierając model do zadania, a nie przepłacając za drogie modele tam, gdzie poradzi sobie mniejszy.
Przejście na Discorda nie dotyczyło samej aplikacji, tylko architektury. Wolałbym zostać na Telegramie czy WhatsAppie, ale to po prostu działa lepiej: rozdziela konteksty, czystsze rozmowy, lepsze formatowanie, modele per kanał i niższe koszty. Jestem ostrożny z dodawaniem kolejnych kanałów — dokładam nowy tylko wtedy, gdy naprawdę go potrzebuję. Tak wygląda 50 dni: przestajesz używać narzędzia, a zaczynasz projektować, jak z nim pracujesz.
Zakładki i baza wiedzy
Zakładki. Kiedyś używałem płatnego Raindropa — osobna aplikacja, ręczne tagowanie, foldery. Zbudowałem nawet system regularnie ściągający zakładki z Raindropa przez API do Obsidiana, a potem umiejętność dla OpenClaw do zarządzania nimi. Ale w pewnym momencie zrozumiałem, że nie potrzebuję pośrednika. Teraz po prostu wrzucam dowolny link do kanału-skrzynki na Discordzie, a agent streszcza treść, wyciąga kluczowe informacje, tworzy opis i z czasem buduje graf wiedzy łączący powiązane linki — wszystko w Markdownie, wszystko przeszukiwalne, wszystko w Obsidianie, na tańszym modelu. Anulowałem Raindropa i nie tęsknię.
Baza wiedzy w Obsidianie. Prawie wszystko, co robię z agentem, w taki czy inny sposób ląduje w Obsidianie. Mam prawie 3000 notatek, a agent indeksuje je co noc, używając QMD do wyszukiwania semantycznego. Semantyczne oznacza, że mogę zapytać „co postanowiłem w sprawie projektu miniaturek w zeszłym miesiącu?” i znajdzie właściwą notatkę — to nie dopasowanie słów kluczowych, tylko rozumienie sensu pytania. Albo „jaki jest nadrzędny motyw moich ostatnich pięciu filmów?” — wypisuje filmy i odpowiada, że motywem jest „sprawianie, by narzędzia AI do kodowania były naprawdę użyteczne w praktyce”. Ludzie nazywają to „drugim mózgiem” — mój jest zawsze aktywny, sam wszystko organizuje, a wszystko jest w plikach tekstowych, które posiadam na zawsze.
Zabawa i to, dokąd zmierza setup
Honeypot. Kiedyś zauważyłem w analityce swojej strony velvetshark.com wiele wejść na stronę logowania WordPressa — ale moja strona nie jest na WordPressie. Poprosiłem agenta o postawienie honeypota: fałszywej strony logowania, która trolluje każdego, kto próbuje się zalogować. Zbudował ją, utworzył pełny pull request i wdrożył. Żeby było jasno: to wyłącznie na moim własnym domenie, do łapania botów skanujących w poszukiwaniu paneli admina WordPressa — nie używajcie tego wzorca do podszywania się pod prawdziwe usługi. Raz agent zarządza infrastrukturą, chwilę później stawia zabawny żart.
Diagramy. Agent tworzy diagramy i wykresy automatycznie przez integrację Excalidraw MCP — diagramy architektury, schematy przepływów, mapy pojęć. Generuje je w locie w trakcie rozmowy, a ja tylko coś poprawiam. Wykres modeli pokazany wcześniej w filmie zrobił w całości mój instancja OpenClaw — zmieniłem chyba tylko kolory.
Automatyka domowa. To u mnie w toku — pokazuję, bo tu zmierza mój setup. Mam dwa urządzenia Home Assistant Voice Preview Edition do sterowania głosem. Pełna automatyka domu przez OpenClaw: światło, klimat, rutyny — czatem albo głosem. To bliżej tego, czym Siri powinna była być, niż cokolwiek, co dotąd wypuściło Apple.
To 20 zastosowań z mojego życia, ale nie jestem jedyny. Społeczność prowadzi całe biznesy przez agentów — wyceny, fakturowanie, generowanie leadów, SEO — zarządza inteligentnymi domami, steruje drukarkami 3D, łączy samochody (nawet Tesle), wykonuje połączenia telefoniczne, łączy roboty z kamerami, sprawdza fakty prelegentów w czasie rzeczywistym, a nawet wdraża kod z Apple Watcha. Zbudowałem Clawdiverse.com, żeby to wszystko skatalogować.
Pakiet startowy — zacznij od trzech rzeczy
Jeśli zainstalowałeś OpenClaw dziś i czujesz się przytłoczony, zacznij od tych trzech:
- Triaging maila w trybie tylko roboczym z pilnymi alertami — łapie rzeczy, które przeoczysz.
- Dzienny briefing zapisujący do pliku Markdown — poranny kontekst zorganizowany automatycznie.
- Jeden kanał-skrzynka na Discordzie na zakładki — wrzucasz linki, agent je wzbogaca, natychmiast zastępuje płatną aplikację i z czasem buduje twoją bazę wiedzy.
Rób te trzy rzeczy przez tydzień, a zaczniesz to rozumieć. Reszta wyrasta stąd.
Czego nie da się osłodzić — co nie działa
1. Utrata pamięci i kompaktacja kontekstu. To główna frustracja techniczna wymieniana wszędzie. Okno kontekstu się zapełnia, agent kompresuje rozmowę i ważne szczegóły znikają — bez ostrzeżenia. Potrafi „odpłynąć” na chwilę, odpowiedzieć na coś sprzed trzech zdań, a potem twierdzić, że wszystko gra. Środki zaradcze: zapisuj wszystko do plików, używaj QMD do wyszukiwania semantycznego, wywołuj kompaktację ręcznie, zanim system zrobi to sam. ChatGPT przynajmniej ostrzega, gdy kontekst robi się długi; OpenClaw po cichu kompresuje. Można wpisać komendę statusu, żeby zobaczyć, ile kontekstu zostało — u mnie pokazało 35% zużycia i brak kompaktacji w sesji. Gdy widzę ponad 50%, zaczynam nową sesję ze świeżym kontekstem.
2. Realność kosztów. Opus jest świetny, ale drogi. Odpowiedzią jest routing wielomodelowy: Opus do prawdziwego myślenia, tańsze modele do heartbeatów i podagentów. Cały mój setup kanałów na Discordzie jest wokół tego zbudowany. To realne pieniądze i trzeba to zaplanować.
3. Problem „do czego tego użyć”. Najczęstszy wpis na subreddicie. Twarda prawda: jeśli nie masz workflow do zautomatyzowania, OpenClaw ich za ciebie nie wymyśli. Jeśli nie zarządzasz kalendarzem, kalendarz AI nie pomoże. Jeśli nie sprawdzasz maila, triaging maila jest bez sensu. Najwięcej wartości mają ludzie, którzy już mieli systemy — OpenClaw uczynił je łatwiejszymi, szybszymi i automatycznymi. Ten film jest odpowiedzią na to pytanie: pokazałem 20 pomysłów plus pakiet startowy. Wybierz trzy, zacznij, rozwijaj.
4. Zadania wymagające pilnowania. Złożone, wieloetapowe zadania wciąż zawodzą albo wymagają popychania. Automatyzacja przeglądarki jest zawodna — sesje i rozszerzenia się rozłączają, agent czasem milknie w trakcie i trzeba zapytać „jak leci?”. Sprawdza się lepiej jako asystent niż jako autonomiczny agent — przynajmniej na razie. Im prostsze zadanie, tym bardziej niezawodne. Przy utracie kontekstu pomaga jawne polecenie uruchomienia podagenta: orkiestrator odpala podagenty, każdy z własnym oknem kontekstu, więc research nie wlewa się do głównego kontekstu, a główny agent tylko koordynuje.
5. Bezpieczeństwo jest realne. Nie ma jeszcze niezawodnego, ogólnego rozwiązania na prompt injection. Traktuję treść skrzynki jako potencjalnie wrogą. Jeśli twój agent czyta niezaufane maile, ktoś może spreparować wiadomość, która każe mu zrobić coś niepożądanego. Moje rozwiązanie: nie wystawiam niczego na zewnątrz, wszystkie maszyny trzymam na Tailscale, mail w trybie tylko roboczym, zgoda wymagana przy działaniach destrukcyjnych i regularny audyt bezpieczeństwa. Do audytu: użyj narzędzia z ClawHub albo skieruj agenta na stronę bezpieczeństwa w dokumentacji OpenClaw i każ wdrożyć oraz zweryfikować wszystko z tej listy.
6. Moje własne wpadki. Zadanie cron do aktualizacji używało starych komend ClawdBot po migracji, po cichu zawodziło przez kilka dni i przegapiłem kilka aktualizacji — przez zwykłą zmianę nazwy pakietu. Debugowanie autoryzacji z kolegą: ponad trzy godziny fałszywych startów i przeinstalowań (choć mój agent robił 90% pracy). Kompaktacja kontekstu uderzała w środku złożonych zadań. Sama migracja na Discord wymagała około tygodnia dopracowywania struktury kanałów, modeli i przeniesienia kontekstu z Telegrama. Nic z tego nie sprawiło, że przestałem używać OpenClaw — ale nikt inny wam o tym nie mówi.
Punktacja
- Trudność instalacji: 7/10 — celowo, bo to wciąż projekt w toku i bywa niebezpieczny, jeśli ktoś nie wie, co robi. Łatwość nie jest priorytetem, i słusznie.
- Codzienna wartość, gdy już działa i masz własny setup: spokojnie 9/10.
- Niezawodność prostych workflow: 8/10.
- Niezawodność zadań złożonych, zwłaszcza w przeglądarce: 5/10 — wciąż loteria, jest co poprawiać.
- Najlepsza funkcja (dziś): architektura kanałów Discorda z modelami per kanał.
- Największy przełom: pamięć oparta na plikach Markdown z nocnym indeksowaniem semantycznym.
- Najcichszo najbardziej użyteczne: kontrole heartbeat w tle — zacznij prosto i dokładaj.
- Największy ból (na razie): pamięć i kompaktacja kontekstu.
Co mnie zaskoczyło
Po pierwsze, że jest coraz lepiej z czasem. Im więcej kontekstu ma w pliku SOUL i w pamięci, tym lepiej cię rozumie. Po 50 dniach przewiduje, czego potrzebuję, a nawet zinternalizował drobne preferencje stylistyczne — emoji rekina, przełączanie języka między wiadomościami prywatnymi a grupami. Uczy się ciebie. W tygodniu pierwszym wydaje się prostym narzędziem, w trzecim czuje się jak infrastruktura, w siódmym przebudowujesz wokół niego workflow — i wtedy przestaje być chatbotem, a staje się systemem.
Drugie zaskoczenie: zastąpił więcej, niż się spodziewałem. Spodziewałem się, że zastąpi ChatGPT, ale zastąpił też części Zapiera, Raindropa, analityki YouTube Studio, analityki webowej i połowę moich skrótów Apple. Do użytku osobistego nie płacę już za Zapiera ani Raindropa i za żadnym nie tęsknię. Ekosystem nie tylko rośnie — eksploduje: tysiące umiejętności na ClawHub, usługi hostowane dla nietechnicznych (co może nie być najlepszym pomysłem), a narzędzia i bezpieczeństwo dojrzewają bardzo szybko.
Werdykt
Czy poleciłbym OpenClaw? Tak — ale warunkowo. Tak, jeśli masz workflow do zautomatyzowania, jesteś obeznany z terminalem i rozumiesz konsekwencje kosztowe. Jeszcze nie, jeśli chcesz czegoś, co po prostu działa od ręki, nie jesteś techniczny albo oczekujesz w pełni autonomicznej AI, która nigdy nie wymaga pilnowania i robi wszystko od początku do końca.
Czuję, że używamy dziś może 5% możliwości tego narzędzia, a sufit jest absurdalnie wysoko — ale podłoga wciąż ma dziury. Jeśli akceptujesz ten kompromis i lubisz budować w stronę czegoś, to najlepsza zabawa z technologią, jaką miałem od lat. Widziałem, jak mój bot zawodzi, jak sam się zabija, jak zapomina, co robił — ale widziałem też, jak migruje mój serwer, robi research do całego filmu równoległymi agentami, pomaga koledze przez trzy godziny czy generuje sztukę, która uśmiecha mnie każdego ranka. Ja nie wracam do poprzedniego stanu — i to najsilniejsza rekomendacja, jaką mogę dać.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Buduj na plikach Markdown od pierwszego dnia
Na czym polega: Zamiast trzymać dane agenta w bazach SQLite, magazynach wektorowych czy własnych schematach, autor od początku zapisuje wszystko jako zwykłe pliki tekstowe (Markdown) w Obsidianie. Są czytelne dla człowieka i każdego programu, a migracja do kolejnego narzędzia zajmuje sekundy.
Jak stosować: Ustaw agenta tak, by wynik każdego workflow (briefingi, zakładki, notatki, research) lądował jako plik .md w jednym katalogu. Na wierzchu dołóż wyszukiwanie semantyczne (autor używa QMD z nocnym indeksowaniem), by pytać o treść sensem, a nie słowami kluczowymi.
Na co uważać: Wyszukiwanie semantyczne wymaga regularnego przebudowywania indeksu (u autora co noc o 3:00) — zaplanuj to jako zadanie cron. Przy tysiącach notatek pierwszy indeks może potrwać kilka minut.
2.Rozdzielaj konteksty — jeden kanał na jeden workflow
Na czym polega: Trzymanie wszystkiego w jednej rozmowie prowadzi do „zanieczyszczenia kontekstu”: analityka miesza się z zakładkami, research z zadaniami. Autor przeszedł na Discord i dał każdemu workflow osobny kanał z własnym kontekstem.
Jak stosować: Wydziel kanały tematyczne (analityka, research, skrzynka na linki, ogólny asystent). Discord wybrano nie dla samej aplikacji, lecz dla architektury: czystsze rozmowy, lepsze formatowanie i modele per kanał.
Na co uważać: Nie mnóż kanałów na zapas — dokładaj nowy dopiero, gdy naprawdę go potrzebujesz. Migracja i ustawienie właściwej struktury zajęły autorowi około tygodnia dopracowywania.
3.Dobieraj model do zadania, nie odwrotnie
Na czym polega: Najdroższy model (Opus) rezerwuj do zadań wymagających głębokiego myślenia, a rutynową pracę (przetwarzanie linków, heartbeaty, podagenty) oddaj tańszym, mniejszym modelom. Tak koszty przestają przerażać.
Jak stosować: Ustaw model per kanał/zadanie: research na Opusie, skrzynka na zakładki i kontrole w tle na szybkim, tanim modelu. Skorzystaj z kalkulatora kosztów, by porównać warianty primary/heartbeat/subagent.
Na co uważać: To realne pieniądze — zaplanuj budżet z góry. Zbyt tani model w kanale wymagającym rozumowania obniży jakość, więc testuj dopasowanie na konkretnych zadaniach.
4.Zacznij od trzech rzeczy, nie od wszystkiego naraz
Na czym polega: Nowi użytkownicy toną w możliwościach. Autor rekomenduje minimalny pakiet startowy: (1) triaging maila w trybie tylko roboczym z alertami, (2) dzienny briefing do pliku Markdown, (3) jeden kanał-skrzynka na zakładki.
Jak stosować: Wdróż te trzy rzeczy i używaj ich przez tydzień, zanim dołożysz cokolwiek. Skrzynka na zakładki od razu zastępuje płatną aplikację i zaczyna budować bazę wiedzy.
Na co uważać: Jeśli nie masz realnego workflow do wsparcia (nie sprawdzasz maila, nie prowadzisz kalendarza), narzędzie ci go nie wymyśli — najpierw musisz mieć proces, który agent może usprawnić.
5.Trzymaj maila w trybie „tylko wersja robocza”
Na czym polega: Agent czyta skrzynkę, oznacza ważne i redaguje odpowiedzi, ale nie może niczego wysłać bez zatwierdzenia. To bariera przeciw prompt injection przez treść maili, na który nie ma dziś niezawodnego rozwiązania.
Jak stosować: Skonfiguruj tryb draft-only dla poczty i traktuj treść skrzynki jako potencjalnie wrogą. Sam przeglądaj i wysyłaj wersje robocze przygotowane przez agenta — dzięki temu i tak odpowiadasz szybciej.
Na co uważać: To dotyczy wszelkich niezaufanych treści, nie tylko maila. Nie wystawiaj agenta na zewnątrz bez potrzeby; autor trzyma maszyny w prywatnej sieci Tailscale.
6.Zabezpiecz działania destrukcyjne listami dozwoleń i zgód
Na czym polega: Agent podłączony do serwera VPS może naprawiać, restartować i zarządzać aplikacjami. Autor ogranicza to listą dozwolonych komend i listą zabronionych, przy których agent musi najpierw poprosić o zgodę.
Jak stosować: Zdefiniuj allow-listę bezpiecznych operacji i deny-listę wymagającą ręcznego potwierdzenia. Uruchamiaj regularnie audyt bezpieczeństwa — narzędziem z ClawHub albo kierując agenta na stronę bezpieczeństwa w dokumentacji z poleceniem wdrożenia i weryfikacji.
Na co uważać: Dostęp „pilotem do całego serwera” jest wygodny, ale ryzykowny — bez list ograniczeń pojedyncza błędna instrukcja może wyrządzić szkody.
7.Do złożonego researchu używaj orkiestratora z podagentami
Na czym polega: Zamiast robić wszystko w głównym kontekście, agent-orkiestrator uruchamia równoległe podagenty, każdy z własnym oknem kontekstu (np. osobny do Twittera, Reddita, Hacker News, YouTube, forów). Główny agent tylko koordynuje i syntetyzuje.
Jak stosować: Przy dużym researchu jawnie poleć uruchomienie podagentów i zdefiniuj zakres oraz świeżość danych (ostatnie 7 dni? 3 miesiące?). Podagenty nie zaśmiecają głównego kontekstu, więc unikasz przedwczesnej kompaktacji.
Na co uważać: Wynik bywa obszerny (u autora ponad 50 stron na jeden film) — potrzebujesz etapu syntezy, by z tego skorzystać. Zadania złożone i tak wymagają dopilnowania.
8.Zarządzaj aktywnie kompaktacją kontekstu
Na czym polega: Największy ból narzędzia: okno kontekstu zapełnia się, agent po cichu kompresuje rozmowę i gubi ważne szczegóły — bez ostrzeżenia, w środku zadania.
Jak stosować: Zapisuj wszystko do plików (pamięć poza rozmową), sprawdzaj komendą statusu zużycie kontekstu, wywołuj kompaktację ręcznie i zaczynaj nową sesję, gdy zużycie przekroczy ~50%. Przy złożonych zadaniach deleguj do podagentów, by odciążyć główny kontekst.
Na co uważać: W przeciwieństwie do ChatGPT narzędzie nie ostrzega, że kontekst się kończy — musisz monitorować to sam. Objawy (odpowiedzi „sprzed trzech zdań”) łatwo przeoczyć.
9.Automatyzuj samoutrzymanie: aktualizacje i backupy
Na czym polega: Dwa zadania cron sprawiają, że system „po prostu działa”: nocna samoaktualizacja z raportem błędów oraz pół godziny później backup wszystkiego, co definiuje agenta (konfiguracja, workflow, harmonogramy, pliki pamięci, umiejętności). Odtworzenie po awarii serwera zajmuje pół godziny.
Jak stosować: Ustaw automatyczne aktualizacje z raportowaniem oraz osobny, regularny backup pełnej konfiguracji, byś mógł „przywrócić i działać” zamiast odbudowywać od zera.
Na co uważać: Aktualizacje mogą po cichu zepsuć zadania cron — autora zawiodło zadanie używające starych komend po zmianie nazwy pakietu i przez kilka dni tego nie zauważył. Weryfikuj, czy raporty faktycznie potwierdzają sukces.
10.To wzmacniacz istniejących systemów, nie autonomiczny cud
Na czym polega: Najwięcej wartości mają ludzie, którzy już mieli poukładane workflow — narzędzie czyni je szybszymi i automatycznymi. Sprawdza się dziś lepiej jako asystent niż w pełni autonomiczny agent; im prostsze zadanie, tym niezawodniejsze.
Jak stosować: Wdrażaj je tam, gdzie masz powtarzalny proces do usprawnienia (mail, research, monitorowanie, zakładki). Traktuj złożone zadania jako wymagające pilnowania — dawaj szczegółowe instrukcje i sprawdzaj postęp.
Na co uważać: Nie jest to rozwiązanie „z pudełka” dla osób nietechnicznych ani narzędzie w pełni autonomiczne. Wymaga terminala, świadomości kosztów i akceptacji, że „sufit jest wysoko, ale podłoga wciąż ma dziury”. Automatyzacja przeglądarki pozostaje zawodna.