O czym jest ten film
- Autor pokazuje, że jego open-source’owy projekt Archon — pierwotnie „budowniczy harnessów” do kodowania AI — nadaje się do dowolnych długich, agentowych przepływów pracy, nie tylko do programowania.
- Przykładem jest „AI Content Factory”: system automatycznego generowania wideo marketingowych dla całego katalogu produktów.
- Silnikiem generowania wideo jest platforma Higgsfield, obsługiwana przez CLI — bez wychodzenia z terminala agenta kodującego.
- Pojedyncze wideo (rendering produktu albo reklama w stylu UGC z dźwiękiem) powstaje z jednego promptu, z obrazem referencyjnym zapewniającym brandowanie.
- Skalowanie na dziesiątki produktów wymaga orkiestratora — stąd Archon, który rozdziela zadania na wielu równoległych agentów-workerów pobierających produkty z kolejki.
- Cały mechanizm to tzw. pętla Ralpha: harness, w którym lista zadań to nie kod, lecz kolejne produkty do obsłużenia.
- Kluczowa oszczędność: najpierw generowany jest obraz koncepcji, oceniany i zatwierdzany (człowiek w pętli), a dopiero zatwierdzone koncepcje idą do kosztownego renderu wideo.
- Proces składa się z dwóch przepływów Archona: „explore” (generowanie i ocena pomysłów/obrazów) oraz „render” (tworzenie zatwierdzonych wideo).
- Zatwierdzanie obrazów jest wbudowane w interfejs — kliknięcie aktualizuje lokalny dokument Markdown, który jest wejściem dla drugiego przepływu.
- To demo, nie gotowy produkt — autor udostępnia całe repozytorium (workflowy Archona, katalog demo, skill do Higgsfielda) do samodzielnych eksperymentów.
Redakcyjne tłumaczenie
Archon poza kodowaniem
Przez ostatnie osiem miesięcy włożyłem mnóstwo czasu w mój open-source’owy projekt Archon. Kiedy go tworzyłem, zrobiłem go wyłącznie z myślą o kodowaniu AI — to open-source’owy budowniczy harnessów do programowania z pomocą AI. Pozwala tworzyć większe systemy, w których łączysz wiele agentów kodujących, by autonomicznie pracowały nad dłuższymi zadaniami. To w pięć sekund cała winda z pitchem dla Archona; na kanale mam sporo materiałów i poradników na jego temat.
(Informacja dodatkowa: „harness” to w tym kontekście warstwa orkiestrująca — struktura, która steruje wieloma agentami AI, dzieli pracę i pilnuje jej przebiegu.)
Odkąd ludzie zaczęli używać Archona — mamy już prawie 23 tysiące gwiazdek na GitHubie, aż trudno to wypowiedzieć — pojawił się ciekawy trend. Wiele osób wykorzystuje go do rzeczy zupełnie innych niż kodowanie. Do dowolnego agentowego przepływu pracy: długich zadań badawczych, tworzenia treści. To fascynujące patrzeć, jak ludzie z niego korzystają, i dziś chcę pokazać wam właśnie taki przykład. To nie jest coś gotowego do produkcji ani dopieszczonego — potraktujcie to jako „zobaczcie, co da się zrobić z Archonem”. Jest naprawdę fajne.
AI Content Factory
Zbudowałem AI Content Factory. To trochę jak „ciemna fabryka”, ale do produkcji dużej ilości treści marketingowych. Napędzają ją w całości przepływy Archona oraz platforma Higgsfield, która jest znakomita do generowania wideo.
(Informacja dodatkowa: „ciemna fabryka” — dark factory — to zakład produkcyjny działający bez udziału ludzi, dosłownie po ciemku, w pełni zautomatyzowany.)
Wyobraźcie sobie katalog produktów. To bardzo typowe — wszystkie pozycje to nieruchome zdjęcia, co jest dobrym punktem wyjścia, ale na potrzeby marketingu i ożywienia sklepu zdecydowanie chcemy tu wideo zamiast samych statycznych obrazów dla każdej rzeczy. Tradycyjnie zlecanie albo samodzielne tworzenie takich filmów jest bardzo bolesne. Warto więc oddać to AI. A powiem wam: dochodzimy do momentu, w którym AI naprawdę dobrze radzi sobie z generowaniem takich treści.
Spójrzcie na to — dziesięciosekundowy rendering wagi z piórkiem. Prosty, ale nadaje się na materiał marketingowy, nawet jako B-roll, można go umieścić wprost na stronie produktu, żeby bardziej go ożywić. Jest też pomysł reklam w stylu UGC. Nie odtworzę teraz dźwięku, bo chcę mówić, ale do tego filmu dołączone jest audio. To wygenerował Higgsfield i wygląda świetnie — produkt jest wyrenderowany idealnie, to piękny materiał marketingowy.
(Informacja dodatkowa: UGC — user-generated content — to treści imitujące nagrania zwykłych użytkowników; taki styl reklamy wygląda autentycznie i naturalnie.)
Wszystkie treści i wideo generujemy tu Higgsfieldem. Twórcy chcieli ze mną popracować nad filmem, więc uznałem to za idealną okazję, by pokazać przepływ Archona robiący coś innego niż kodowanie AI — połączenie Archona i Higgsfielda w tę fabrykę treści. Archon jest tu potrzebny, bo jeśli mamy ogromny katalog kilkudziesięciu produktów i chcemy wygenerować dla wszystkich wideo naraz, to zdecydowanie za długie zadanie dla pojedynczego agenta kodującego. Musimy zorkiestrować wielu agentów pobierających pozycje z kolejki i generujących filmy. Widać tu równoległy rozrzut agentów, którzy generują wideo, opróżniając kolejkę produktów. Wszystkie workflowy Archona, katalog, przykładowe wideo i skill do Higgsfielda mam w repozytorium, które podlinkuję w opisie.
Higgsfield jako klocek bazowy
Zacznijmy od pierwszego klocka: jak używamy Higgsfielda do generowania wideo. Stworzenie filmu jest tak proste, jak wysłanie promptu opisującego, co chcesz uzyskać — im więcej szczegółów, tym lepiej. Można to robić wprost na platformie Higgsfield po rejestracji, ale mają też CLI, dzięki czemu nigdy nie musimy opuszczać terminala agenta kodującego. Do instalacji potrzebne są dwie komendy, które podałem w README. Sklonowaną wersję repozytorium mam lokalnie, więc możecie zajrzeć do skilla: „użyj tego, gdy użytkownik chce wygenerować obraz, wideo albo reklamę wideo w stylu UGC”. Reszta to po prostu instrukcje dla agenta, jak skutecznie korzystać z CLI.
(Informacja dodatkowa: „skill” to zestaw instrukcji, który agent wczytuje na żądanie, gdy zadanie pasuje do jego opisu.)
W agencie kodującym wklejam prompt: „Użyj Higgsfield CLI, żeby zrobić jedną dziesięciosekundową pionową reklamę UGC — facet w kuchni trzyma brandowany kubek termiczny Camble — i użyj brandowanego zdjęcia produktu jako referencji”. Do Higgsfielda można wysyłać obrazy i inne materiały referencyjne, żeby wszystko było brandowane tak, jak trzeba. Nie chcemy generycznych logotypów. Agent wczytał skill Higgsfielda i za chwilę użyje CLI — jestem już uwierzytelniony, więc wygeneruje wideo.
Wideo gotowe. Tym razem odtworzę dźwięk, żebyście dostali pełne doświadczenie:
Właściwie to ten kubek naprawdę mi się podoba. Nalałem kawy rano, teraz jest już pora obiadu, a kawa wciąż gorąca. Tak, ten zostaje.
Naprawdę całkiem dobre. Jest tam kilka lekko sztucznych momentów, to tylko dziesięciosekundowy klip, ale to punkt wyjścia — pokazuję wam, co jest możliwe, zamiast spędzać mnóstwo czasu na superdopracowywaniu jednego filmu. Zrobiliśmy to jednym promptem przez Higgsfield CLI. Higgsfield to najlepsza platforma do generowania wideo, jaką widziałem.
Skąd potrzeba orkiestratora
Ale jak to skalować? Tego, co przed chwilą zrobiliśmy — jednorazowego promptu tworzącego jedno wideo — nie chcę powtarzać w kółko. I zdecydowanie nie możemy kazać jednej sesji agenta kodującego wygenerować masy filmów naraz, bo zadanie ją całkowicie przytłoczy. Potrzebujemy większego orkiestratora — i tu wchodzi Archon. Potrzebujemy przepływu, w którym rozrzucamy pracę na wielu workerów działających równolegle. Każdy bierze jedno wideo naraz, a orkiestrator dodatkowo waliduje wszystko, zanim odda nam gotowe filmy.
Trzeba też pomyśleć o czymś jeszcze: chcemy zwalidować pomysł na wideo, zanim je wygenerujemy. Nie chcemy wydawać kredytów na tworzenie filmu, dopóki nie mamy pewności, że dobrze przedstawi produkt. Dlatego chcemy procesu: generuj obraz, waliduj, potem generuj wideo. To też jest częścią przepływu Archona. To dużo więcej niż samo wywołanie Higgsfield CLI dla każdego filmu — to pełny system.
Dwa przepływy: Explore i Render
Całym procesem kierują dwa przepływy. Pierwszy służy do eksploracji produktów i generowania pomysłów. Drugi, render, wygląda podobnie — to również orkiestrator z agentami-workerami — ale bierze zatwierdzone pomysły i tworzy z nich wideo. Oba korzystają z Higgsfield CLI. Nie będę wchodził za głęboko w pliki YAML tych workflowów; podlinkuję poradnik do Archona, jeśli chcecie zrozumieć, jak się je tworzy i uruchamia.
Fajne w obu tych przepływach jest to, że są zwykłymi pętlami Ralpha — tylko do tworzenia treści, a nie kodowania. Pętla Ralpha to harness. W Archonie możemy zbudować dowolny harness, a tu budujemy pętlę Ralpha dla treści. Różnica jest tylko taka, że nasza większa lista zadań to nie rzeczy do zrobienia w bazie kodu, lecz poszczególne produkty, dla których chcemy wygenerować wideo Higgsfieldem.
(Informacja dodatkowa: pętla Ralpha to prosty wzorzec, w którym agent w kółko pobiera kolejny element z listy zadań, wykonuje go i kończy pracę, gdy lista jest pusta.)
Jeśli spojrzymy na pierwszego workera, mamy prompt opisujący obsługę pojedynczego wideo. Mówimy mu: weź następny element z kolejki, a jeśli nic nie wróci, to znaczy, że skończyliśmy — wypisz „complete”, żeby wyjść z pętli. Dokładnie tak działa pętla Ralpha. Pozostali workerzy dostają identyczny prompt, więc po prostu uruchamiamy pięciu takich samych workerów naraz. Przy 20 produktach uruchomi się to cztery razy — pięć razy cztery to dwadzieścia. Przy 13 produktach: pięciu, potem pięciu, potem trzech. Tyle: bierz z kolejki, generuj treść.
Druga część jest taka, że worker nie generuje wideo od razu. Najpierw waliduje pomysł, tworząc jego obraz. Agent robi własne scoring, daje nam rekomendacje i automatycznie odrzuca naprawdę słabe obrazy. Dobre trafiają do naszej kolejki recenzji, żebyśmy powiedzieli: „te chcemy przerobić na pełne wideo” — czy to rendering, czy reklamę w stylu UGC. Zatwierdzone lądują w kolejce zatwierdzonych — człowiek w pętli, pomysły ocenione wysoko i uznane za wystarczająco dobre.
To prowadzi nas do drugiego przepływu — content factory render, który też jest pętlą Ralpha. Prompt brzmi: „Jesteś jednym z workerów na linii renderowania. W każdym uruchomieniu animujesz jedną zatwierdzoną reklamę, potem się zatrzymujesz”. Pętla Ralpha przechodzi do kolejnego wideo w kolejnym agencie. Przejmujesz swój następny zatwierdzony koncept — mam do tego kilka skryptów w Pythonie, które pobierają dane z dokumentów Markdown. Tak samo: jeśli wypisze „none”, nie ma nic do wyrenderowania, więc kończymy pętlę. Tu uruchamiam trzech workerów równolegle — mniej niż wcześniej, bo renderowanie samych wideo zużywa dużo więcej kredytów. Dlatego robimy najpierw obraz, potem wideo: sporo oszczędzamy. Te dwa przepływy razem to wszystko, czego potrzeba, żeby przejść od pomysłu aż do zatwierdzonego, wyrenderowanego wideo.
Demo na żywo
Uruchomiłem dla was demo, żebyście zobaczyli, jak wygląda proces, gdy nasz agent kodujący uruchamia workflowy Archona. Korzysta z Archon CLI, który z kolei wykorzystuje Higgsfield. Chciałem zrobić tylko kilka konceptów, żeby było szybko i prosto. Agent wczytuje skill Archona i odpala workflow. Przepływ jest uruchomiony, a agent kodujący go monitoruje — tak działają workflowy Archona: twój główny agent, Claude Code, Codex czy inny, jest orkiestratorem całości. Sprawdza przepływ w czasie, upewnia się, że działa dobrze, aż w końcu tworzy koncepty. Potem następuje wywołanie do Gemini, które waliduje i ocenia obrazy.
(Informacja dodatkowa: Gemini pełni tu rolę niezależnego sędziego oceniającego jakość wygenerowanych obrazów.)
W tym momencie mamy wygenerowane obrazy dla obu produktów i przychodzi nasza kolej na zatwierdzanie. Gdy zatwierdzimy, powstaje drugi dokument Markdown z zatwierdzonymi pomysłami — i wtedy przechodzimy do kolejnego przepływu, żeby wyrenderować wideo. Do drugiego przepływu zatwierdziłem kilka rzeczy poza kamerą, więc teraz uruchamiamy content factory render. W logach Archona widać, że workflow trwa — czekamy, aż worker pierwszy skończy. Tak samo: wczytuje skill Archona, upewnia się, że są zatwierdzone pomysły, i odpala workflow. Orkiestrator z workerami, a na dole widać, że jest w trakcie renderowania wideo.
Efekty
Zobaczmy, co się wygenerowało. W interfejsie Archona widać cały przepływ i logi kolejnych workerów — zarówno dla Explore, jak i Render. W katalogu przeszliśmy od samych zdjęć do wideo dla wszystkich pozycji. Ten sam katalog co wcześniej, ale tym razem workflow Archona ruszył na żywo. Wejdźmy w czajnik Onyx — ma nowe wideo, odtworzę z dźwiękiem:
Ten czajnik ogromnie poprawił moje przelewy. Gęsia szyja daje idealny, powolny, kontrolowany strumień. Jeśli traktujesz kawę poważnie, kup go.
Całkiem dobre. Dla tego produktu wygenerowałem jeszcze jedną wersję poza kamerą, która wydała mi się nawet lepsza:
Ten czajnik ogromnie poprawił moje przelewy. Gęsia szyja daje idealny, powolny, kontrolowany strumień. Jeśli traktujesz kawę poważnie, kup go.
Naprawdę niezłe. Ledwo widać, że to nie prawdziwa osoba. Jestem pod wrażeniem tego, co daje zorkiestrowanie wszystkiego. Oczywiście przy prawdziwym katalogu produktów nie będziecie mieli wideo wplecionych w zdjęcia w taki sposób — to nie jest realny listing produktowy, nie będziecie mieli też tych reklam obok. Potraktujcie to raczej jak widok administracyjny: oto wszystkie wideo, które zatwierdziliście i wygenerowaliście, a teraz możecie z nimi zbudować prawdziwe strony produktów i prawdziwe reklamy.
Mam nadzieję, że ten przypadek użycia okazał się ciekawy — przeniesienie pomysłów z kodowania AI i inżynierii harnessów na coś zupełnie innego, przy użyciu Archona i Higgsfielda do marketingu treści. Bawcie się wszystkim w podlinkowanym repozytorium: workflowy Archona, przykłady kolejki explore (pomysły do zamiany na obrazy), miejsce recenzji i zatwierdzania oraz kolejka zatwierdzonych, która wchodzi do drugiego przepływu. Jednej rzeczy nie pokazałem — mam to wbudowane wprost w interfejs. Gdy pierwszy przepływ się kończy, podaje wyselekcjonowane przez siebie pomysły, a wy możecie zatwierdzać obrazy bezpośrednio w UI. Kliknięcie „approve” aktualizuje lokalny dokument Markdown, który staje się wejściem dla kolejnego workflowu generującego wideo. Cały katalog to tylko demonstracja, ale całe repozytorium jest do waszej dyspozycji.
Jeśli spodobał wam się ten film i czekacie na więcej materiałów o inżynierii harnessów i kodowaniu AI, będę wdzięczny za łapkę w górę i subskrypcję. Do zobaczenia w następnym.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Harness z kodowania AI da się przenieść na dowolny długi przepływ pracy
Na czym polega: Archon powstał do orkiestracji agentów kodujących, ale ta sama struktura — orkiestrator + kolejka + workerzy — obsługuje badania, tworzenie treści czy generowanie wideo. Zadaniem staje się nie kod, lecz element listy (produkt).
Jak stosować: Jeśli masz powtarzalne zadanie do wykonania na dużym zbiorze pozycji, potraktuj listę pozycji jako kolejkę i opisz jednego workera; resztą zajmie się orkiestrator.
Na co uważać: To wciąż demo, a nie system produkcyjny. Wzorzec jest solidny, ale gotowość, obsługę błędów i jakość musisz dopracować sam.
2.Podziel drogie zadanie na tanią walidację i kosztowny render
Na czym polega: System najpierw generuje tani obraz koncepcji, ocenia go i dopiero po zatwierdzeniu tworzy kosztowne wideo. Dwuetapowość realnie oszczędza kredyty.
Jak stosować: W każdym pipeline z płatnym, kosztownym krokiem wstaw wcześniej tani krok zastępczy (podgląd, szkic, obraz), który odsiewa słabe pomysły, zanim wydasz pieniądze.
Na co uważać: Tani podgląd musi być reprezentatywny dla finalnego efektu — inaczej zatwierdzisz coś, co po renderze wygląda inaczej niż na próbce.
3.Pętla Ralpha jako uniwersalny wzorzec „bierz z kolejki, aż pusta”
Na czym polega: Każdy worker pobiera następny element, wykonuje go i kończy pracę; gdy kolejka pusta, wypisuje sygnał zakończenia i pętla się zamyka. Prosty, przewidywalny mechanizm.
Jak stosować: Zdefiniuj jeden prompt workera („weź następny; jeśli brak — zakończ”), a skalowanie uzyskasz przez uruchamianie wielu jego kopii równolegle.
Na co uważać: Potrzebujesz atomowego „przejęcia” elementu z kolejki, żeby dwóch workerów nie wzięło tego samego zadania — inaczej powstaną duplikaty i marnujesz kredyty.
4.Równoległość dobierz do kosztu, nie do maksymalnej przepustowości
Na czym polega: Autor uruchamia pięciu workerów przy generowaniu obrazów, ale tylko trzech przy renderowaniu wideo, bo render jest znacznie droższy.
Jak stosować: Ustal liczbę równoległych workerów osobno dla każdego etapu — więcej tam, gdzie taniej i szybko, mniej tam, gdzie każde uruchomienie kosztuje.
Na co uważać: Zbyt agresywna równoległość na drogim etapie potrafi błyskawicznie pochłonąć budżet kredytów, zwłaszcza przy nieudanych generacjach.
5.Zostaw człowieka w pętli przy zatwierdzaniu
Na czym polega: Agent sam ocenia i odrzuca najgorsze obrazy, ale finalne zatwierdzenie tego, co pójdzie do renderu, należy do człowieka — bezpośrednio w interfejsie, jednym kliknięciem.
Jak stosować: Automatyzuj odsiew oczywistych słabości, ale bramkę przed kosztownym lub publicznym krokiem trzymaj po stronie człowieka.
Na co uważać: Automatyczny scoring bywa zawodny; nie ufaj mu na tyle, by pominąć przegląd przy treściach, które trafią do klientów.
6.Generowanie wideo AI jest już użyteczne marketingowo — z zastrzeżeniami
Na czym polega: Dziesięciosekundowe renderingi produktów i reklamy UGC z dźwiękiem wyglądają na tyle dobrze, że nadają się na B-roll czy strony produktów; w lepszych wersjach trudno rozpoznać, że postać nie jest prawdziwa.
Jak stosować: Traktuj je jako szybki punkt wyjścia do materiałów marketingowych i B-rollu zamiast drogich produkcji.
Na co uważać: Pojedyncze ujęcia bywają „sztuczne” i wymagają kilku podejść; krótkie klipy wybaczają więcej niż dłuższe formaty.
7.Referencyjne obrazy zapewniają brandowanie
Na czym polega: Do Higgsfielda można wysłać zdjęcie produktu jako referencję, dzięki czemu w wideo pojawia się właściwy, brandowany produkt zamiast generycznego zamiennika.
Jak stosować: Zawsze dołączaj materiały referencyjne (zdjęcie produktu, logo), gdy zależy ci na spójności marki w generowanych treściach.
Na co uważać: Bez referencji model dorobi generyczne logotypy i detale — nieprzydatne, a czasem szkodliwe wizerunkowo.
8.Praca w całości z terminalu agenta dzięki CLI
Na czym polega: Higgsfield i Archon udostępniają CLI, więc agent kodujący (Claude Code, Codex) generuje treści bez opuszczania terminala, pełniąc rolę orkiestratora całego procesu.
Jak stosować: Wybieraj usługi z CLI, jeśli chcesz włączyć je do zautomatyzowanych, agentowych przepływów — łatwiej je spiąć niż interfejsy webowe.
Na co uważać: Zadbaj z góry o uwierzytelnienie i limity API/kredytów, bo agent działający autonomicznie potrafi szybko uderzyć w ściany, których się nie spodziewasz.
9.Użyj niezależnego modelu jako sędziego jakości
Na czym polega: Do oceny i scoringu wygenerowanych obrazów autor używa Gemini — osobnego modelu walidującego, zanim materiał trafi dalej.
Jak stosować: Wpleć krok „sędziego” (inny model oceniający wynik) tam, gdzie potrzebujesz automatycznej kontroli jakości przed kosztownym etapem.
Na co uważać: Sędzia też się myli i ma swoje uprzedzenia; ustal jasne kryteria oceny i nie traktuj jego werdyktu jako ostatecznego przy ważnych treściach.
10.Prosty stan na plikach Markdown jako spoiwo między przepływami
Na czym polega: Zatwierdzone pomysły zapisywane są w lokalnym dokumencie Markdown, który jest wejściem dla drugiego przepływu; kliknięcie „approve” w UI po prostu aktualizuje ten plik.
Jak stosować: Do łączenia etapów pipeline’u wystarczy czasem prosty, czytelny plik-stan zamiast bazy danych — łatwo go podejrzeć i debugować.
Na co uważać: Pliki lokalne nie skalują się przy wielu równoległych zapisach ani przy współpracy zespołowej; przy większym wolumenie pomyśl o trwalszym magazynie stanu i blokadach.