O czym jest ten film
- Autor twierdzi, że Claude’a można opanować, budując tylko cztery typy agentów, a nie oglądając kolejne poradniki.
- Wszystkie cztery buduje się w trybie co-work aplikacji Claude, a nie w zwykłym czacie.
- Agent pierwszy — poranny briefing z kalendarza i skrzynki Gmail, uruchamiany automatycznie każdego ranka.
- Agent drugi — analityk: obserwuje wybrany cel (stronę konkurencji, ceny, newsy, wewnętrzne dane) i raportuje zmiany.
- Przy analityku pojawiają się dwa problemy praktyczne: blokady stron (rozwiązanie: Firecrawl) i brak pamięci między uruchomieniami (rozwiązanie: plik markdown jako notatnik).
- Agent trzeci — wzmacniacz: bierze pracę, którą już wykonałeś, i wyciąga z niej maksimum wartości (np. film → skrypty short-form).
- Przy wzmacniaczu autor pokazuje umiejętności (skills) jako „procedury dla AI” — instaluje gotową umiejętność „watch” i tworzy własną „short form script”.
- Agent czwarty — „pracownik AI”: dostaje cel, narzędzia i sposób weryfikacji, i pracuje w pętli, aż cel zostanie faktycznie osiągnięty.
- Przykładem pracownika AI jest agent pozyskiwania leadów: Exa AI do wyszukiwania, umiejętność ICP, plik CSV jako pamięć, Gmail do wysyłki.
- Na koniec autor sygnalizuje problem rozproszenia agentów po projektach i harmonogramach oraz zapowiada „Founder OS” — jeden folder-workspace niezależny od modelu.
Redakcyjne tłumaczenie
Dlaczego oglądanie nie wystarczy
Większość ludzi spędza godziny na oglądaniu filmów o Claude, zanim cokolwiek sami zbudują. Sam tak robiłem — do momentu, w którym zrozumiałem, że jedyny sposób, by naprawdę nauczyć się Claude’a, to praktyka. Przez dwa lata budowałem setki agentów: dla swojej pracy i dla klientów. W tym materiale pokażę cztery agenty, które możesz zbudować już dziś i które co tydzień oszczędzą ci godziny pracy. Zanim skończysz, zrobisz w nauce Claude’a większy postęp niż przez cały ostatni miesiąc.
Agent 1: poranny briefing
Zaczynamy od pierwszego agenta budowanego od zera. To poranny briefing. Mówi mi dokładnie, co mam dziś zrobić, z kim się spotykam i co muszę przygotować. Dostaję go każdego ranka, zanim jeszcze zaloguję się do poczty.
Żeby go stworzyć, zbudujemy agenta podłączonego bezpośrednio do mojego kalendarza i poczty, tak by automatycznie wiedział o wszystkim, nad czym pracuję. Potem ustawimy harmonogram, żeby uruchamiał się każdego ranka bez pisania choćby jednego promptu.
Najpierw musisz być we właściwym miejscu. Czat służy do zadawania pytań. Co-work pozwala wykonywać realną pracę. Otwórz więc aplikację Claude i przełącz się z czatu na co-work.
(Informacja dodatkowa: co-work to tryb pracy w aplikacji Claude, w którym model działa na plikach, projektach i podłączonych narzędziach, a nie tylko odpowiada w oknie rozmowy).
Następnie podłącz Gmaila — na tym etapie twój agent nie ma jeszcze dostępu do żadnych narzędzi. Wejdź w menu „customize”, potem konektory, „dodaj”, „przeglądaj” i wybierz Gmail. Jeśli obawiasz się dawania Claude’owi dostępu do poczty — niepotrzebnie. Masz pełną kontrolę nad tym, jakie uprawnienia mu przyznasz, i ustawisz je na kolejnej stronie.
Potem dodaj kalendarz. Znowu menu z plusem, konektory, „dodaj konektory” i Google Calendar.
Kiedy oba są podłączone, wklej prompt. Mówi on Claude’owi, żeby zbudował twój poranny briefing: patrzy na kalendarz na dziś i jutro i zestawia go z mailami z ostatnich 24 godzin. Claude powie ci wtedy, co się nakłada, co wymaga przygotowania, a co może poczekać.
Ostatni krok to harmonogram. Claude ustawi go za ciebie — wystarczy poprosić. Wszystkie zaplanowane zadania znajdziesz w menu „scheduled”, gdyby kiedyś trzeba było coś zmienić.
Gotowe. To twój pierwszy agent — już oszczędza ci czas każdego ranka. I przy okazji poznałeś podstawowy wzorzec, który powtarza się we wszystkich agentach: daj Claude’owi zadanie, podłącz go do narzędzi, których potrzebuje, i ustaw harmonogram.
Agent 2: analityk
Kolejny agent podnosi poprzeczkę. Agent numer dwa to analityk — jeden z moich ulubionych, bo pozwala mi być wszędzie naraz.
Możesz mieć analityka wycelowanego w stronę konkurenta: codziennie rano sprawdza, co się zmieniło, i zgłasza, kiedy pojawia się nowa oferta. Możesz mieć drugiego, który śledzi, jak wypadasz w wyszukiwaniu opartym na AI, i podpowiada, co poprawić. Trzeci może pilnować newsów — co się dzieje, o czym ludzie piszą, jakie treści działają.
Gdy wycelujesz je do wewnątrz, robi się jeszcze ciekawiej. Jeden może pilnować dużego projektu i codziennie raportować postęp. Inny — sprawdzać analitykę reklam, żebyś wiedział, które kampanie optymalizować. Możesz nawet skierować takiego agenta na własnych klientów, żeby był na bieżąco z ich ogłoszeniami i informacjami — dzięki temu wiesz, kiedy są blisko zakupu albo odejścia.
Wszystkie te przykłady to ta sama kategoria agenta, tylko wycelowana w różnych kierunkach. Daj mu cel, możliwość dotarcia do niego i harmonogram o rozsądnej częstotliwości. Przy każdym uruchomieniu podrzuci ci raport, więc nic ci nie umknie. Z tym agentem jesteś w stu miejscach naraz i sprawdzasz rzeczy, na które realistycznie nigdy nie miałbyś czasu.
A buduje się je bardzo prosto. Wklejasz prompt, a Claude zapyta, którą wersję analityka chcesz zbudować. W tej wersji chcę śledzić stronę z cenami iPhone’a 17, żeby wiedzieć, kiedy pojawi się promocja.
Proste, prawda? Tyle że Claude sam nie sięgnie do tej strony — witryna go blokuje. Żeby to obejść, potrzebujemy narzędzia do scrapingu, które pozwoli Claude’owi wejść na strony normalnie niedostępne. Sięgam po kilka takich narzędzi regularnie, ale do stron internetowych niemal zawsze używam Firecrawl.
(Informacja dodatkowa: Firecrawl to zewnętrzna usługa pobierająca treść stron w formacie przyjaznym dla modeli językowych — także takich, które blokują automatyczny dostęp).
Firecrawl to osobna aplikacja, nie jest wbudowana w Claude’a, więc musimy podłączyć ją sami — jako konektor. Dobra wiadomość: robiliśmy to już wcześniej z Gmailem, więc procedura jest identyczna. Menu „customize”, konektory, „dodaj”. Połącz, zaloguj się i gotowe.
Uruchamiamy agenta na stronie z cenami jeszcze raz — i proszę: Claude ją odczytuje, mamy cenę.
Zostaje jeszcze jeden problem. Agent będzie uruchamiał się codziennie. Jutro znowu pobierze cenę i kompletnie nie będzie wiedział, ile wynosiła dzisiaj. A przecież to zmiana jest sensem istnienia tego agenta. Damy mu więc notatnik. Poproszę Claude’a, żeby prowadził plik markdown — czyli zwykły plik tekstowy z prostym formatowaniem — zapisywał do niego cenę przy każdym uruchomieniu, a zanim zrobi cokolwiek innego, najpierw ten plik odczytał. Teraz porównuje dziś z wczoraj i zawraca ci głowę tylko wtedy, gdy coś faktycznie się zmieniło.
Na koniec harmonogram. Wystarczy poprosić Claude’a, żeby uruchamiał to codziennie, a sam wszystko ustawi. Gotowe — masz analityka.
Agent 3: wzmacniacz
Numer trzy to agent-wzmacniacz. Do tej pory obaj zbudowani agenci po prostu podawali ci informacje — z porannego briefingu albo ze świata zewnętrznego. Tak czy inaczej, to nadal ty musisz z nimi coś zrobić.
Ten agent działa z przeciwnej strony. Czeka na twoją ukończoną pracę, a potem wyciąga z niej tyle wartości, ile się da.
Powiedzmy, że masz rozmowę szkoleniową z kimś z zespołu. Agent-wzmacniacz zamienia ją w procedurę SOP zapisaną automatycznie w Notion. Albo podpisana oferta od klienta staje się dekiem startowym, planem projektu i fakturą — bez kiwnięcia palcem. Nawet rozwiązane zgłoszenie do supportu może samo zmienić się w artykuł pomocy, który zapobiegnie kolejnym pięciu zgłoszeniom.
Wzorzec jest banalnie prosty, ale bardzo mocny: bierze jedną czynność, którą już wykonałeś, i wzmacnia ją do wszystkich innych rzeczy, którymi ta czynność mogłaby się stać.
Najprostszy przykład to przetwarzanie treści na inne formaty. Załóżmy, że nagrywam film na ten kanał — ale ten sam pomysł można pokazać też na innych platformach. Taki agent weźmie właśnie opublikowany film i zamieni go w post na LinkedIn, rolki i karuzele.
Budujemy. Za każdym razem, gdy publikuję film, powinienem wyciągać z niego najlepsze pomysły i zamieniać je w scenariusze krótkich form. Tworzę więc na pulpicie folder „Repurposer”, a w nim dwa kolejne foldery: „examples” i „outputs”. Potem otwieram co-work, klikam plus i tworzę projekt. Dodaję do projektu utworzony przed chwilą folder — i Claude ma już przestrzeń roboczą do przerabiania treści.
Wklejam prompt, który podaje Claude’owi mój kanał na YouTube i mówi, że wszystko, co tam opublikowane, jest gotowym materiałem źródłowym. Może to przerabiać, ale nie wolno mu wymyślać niczego, czego nie było w oryginalnym filmie. Prompt mówi też, że każdy stworzony scenariusz ma trafić do folderu „outputs”.
Domyślnie Claude nie wie jednak, jak lubię pisać scenariusze krótkich form. Muszę go tego nauczyć — a jeśli tego nie zrobisz, dostaniesz takie same, brzmiące jak AI, teksty jak wszyscy inni. Do tego służą umiejętności. Umiejętności są jak procedury SOP dla AI: uczą je, w jaki sposób lubisz wykonywać pracę. W Claude buduje się je bardzo łatwo.
(Informacja dodatkowa: „skills” to zapisane w projekcie pliki z instrukcjami — zestaw reguł, po które model sięga sam, zamiast czekać, aż wytłumaczysz mu styl pracy w kolejnym promptcie).
Dla tego agenta potrzebujemy zainstalować jedną umiejętność i zbudować jedną własną. Pierwsza to umiejętność „watch”, bo obecnie Claude nie potrafi obejrzeć żadnego z moich starych filmów — ani krótkich, ani długich. Podaję mu więc link do tej umiejętności i proszę o zainstalowanie jej w projekcie. Dzięki temu może pobrać dowolny mój film, obejrzeć go klatka po klatce i jednocześnie czytać transkrypt.
Następnie daję linki do kilku krótkich form, które dobrze się sprawdziły, i proszę Claude’a, żeby użył na każdej z nich umiejętności „watch”, rozkładając na czynniki pierwsze haczyki i tempo — tak, by wiedział, jak chcę tworzyć krótkie formy. Kiedy skończy, proszę, żeby wszystko, co znalazł, zamienił w nową umiejętność o nazwie „short form script” i zapisał ją w projekcie. Claude robi to za pomocą Skill Creatora — meta-umiejętności, która jest już zainstalowana i służy do tworzenia nowych umiejętności.
Gdy umiejętność jest gotowa, mam do niej dostęp z menu „customize”. Po otwarciu pliku widać, z czego się składa: są tam reguły dotyczące haczyka, struktury i długości. Zamiast tłumaczyć swój styl od nowa przy każdej okazji, agent po prostu sięga po tę umiejętność.
Podaję mu plik z długim filmem i uruchamiam repurposer. Claude ogląda film, znajduje pomysły, które bronią się samodzielnie, a potem używa nowej umiejętności, żeby przepisać je do formy krótkiej. I proszę — trzy scenariusze krótkich form, każdy zbudowany z czegoś, co już wyjaśniłem w oryginalnym filmie. Ten pierwszy nie jest wyciętym fragmentem transkryptu: pomysł został napisany od nowa, ze sprawdzonym haczykiem, a wyjaśnienie skompresowano do jakichś 30 sekund. Jeden długi film właśnie zamienił się w trzy nowe materiały, a mnie zostaje tylko je nagrać.
Ostatni krok to znów harmonogram. Publikuję nowy film w każdy czwartek wieczorem, więc proszę Claude’a, żeby uruchamiał to w piątkowe poranki. Przy każdym uruchomieniu znajdzie najnowszy film i zamieni go w trzy scenariusze. W piątek rano czekają już na mnie w folderze „outputs”.
Wciąż sam przeglądam wszystkie te scenariusze, nagrywam filmy i je publikuję. Ten agent ma wzmacniać moją pracę, a nie ją zastępować. To twój agent-wzmacniacz.
Agent 4: pracownik AI
Numer cztery to pracownik AI — i to największy przeskok z całej czwórki. Wzmacniacz nadal czeka, aż wykonasz główną pracę: nagrasz film, przeprowadzisz szkolenie albo zamkniesz sprzedaż. Dopiero potem przejmuje pałeczkę.
Pracownik AI jest inny, bo przejmuje cały przepływ pracy od początku do końca. Dajesz mu cel, narzędzia, których potrzebuje, i sposób sprawdzenia, czy naprawdę ten cel osiągnął. A on pracuje, dopóki go nie osiągnie.
Możesz wziąć niemal dowolny obszar firmy i zbudować wokół niego takiego pracownika. Agent do montażu wideo weźmie surowy materiał, zmontuje, obejrzy rezultat, naprawi to, co nie działa, i wyrenderuje ponownie. Agent go-to-market może przejąć całe pozyskiwanie leadów i zimny outbound, a potem sprawdzić odpowiedzi, żeby ocenić, czy kampania faktycznie działa. Agent obsługi klienta może obsłużyć każde przychodzące zgłoszenie, odpowiedzieć na te, które umie rozwiązać, i eskalować resztę. Różne części biznesu, ale dokładnie ta sama pętla.
Najłatwiejsza do zbudowania wersja to agent pozyskiwania leadów. Cel jest prosty: znaleźć codziennie 10 nowych prospektów pasujących do mojego profilu idealnego klienta, napisać do każdego spersonalizowanego maila i wysłać go przez mojego Gmaila.
Budujemy. Najpierw tworzę na pulpicie nowy folder „lead sourcing”. Otwieram go w co-work, tworzę nowy projekt i daję projektowi dostęp do folderu. To w tym folderze pracownik będzie trzymał kontekst i pamięć potrzebne do porządnego wykonywania zadania.
Potrzebuje jeszcze sposobu na znajdowanie leadów. Użyję do tego Exa AI — wyszukiwarki zbudowanej z myślą o agentach AI. Ponieważ Exa ma MCP, dodajemy ją dokładnie tak samo, jak wcześniej Firecrawl: menu „customize”, konektory, „dodaj”. Teraz Claude może sam wyszukiwać firmy i osoby, zamiast czekać, aż podam mu listę.
(Informacja dodatkowa: MCP — Model Context Protocol — to standard, dzięki któremu zewnętrzne usługi udostępniają modelom swoje narzędzia w jednolity sposób).
Dostęp do wyszukiwarki nie oznacza jednak, że agent wie, co to dobry lead. Kolejnym krokiem jest więc danie mu umiejętności ICP. ICP to po prostu profil idealnego klienta — definicja dokładnie takiego typu osoby, jaką ten agent ma znajdować i do jakiej ma pisać.
Następny problem to pilnowanie, do kogo już wysłaliśmy maile. Jeśli agent uruchamia się codziennie, musi wiedzieć, z kim już się kontaktowano — inaczej prędzej czy później napisze do tej samej osoby dwa razy. Wewnątrz folderu „lead sourcing” tworzę więc plik CSV o nazwie outreach history.csv. To zwykły arkusz z nazwiskiem, firmą, adresem e-mail i uzasadnieniem, dlaczego dana osoba pasuje do ICP. Jest tam też data kontaktu i źródło, z którego Claude ją znalazł. Przy każdym uruchomieniu agent najpierw odczyta ten plik, a po wysłaniu każdego maila dopisze do niego kolejną osobę. To daje mu bardzo prostą pamięć wszystkich, z którymi już rozmawiał.
Gmaila mamy podłączonego jeszcze z budowy porannego briefingu, więc tego kroku nie powtarzamy.
Teraz właściwe zadanie: każdego ranka znajdź 10 nowych prospektów, którzy przechodzą kryteria z umiejętności ICP i których nie ma jeszcze w historii kontaktów. Dla każdego pokaż dowód, że pasuje, znajdź jeden szczegół, wokół którego można spersonalizować wiadomość, i napisz treść. Potem wyślij ją przez Gmaila i dopisz wynik do CSV.
Gdyby agent po prostu napisał do pierwszych dziesięciu znalezionych osób, nie byłby pracownikiem AI. Różnicę robi to, co dzieje się, gdy któraś z tych osób nie przejdzie weryfikacji. Znajdzie ludzi, którzy na pierwszy rzut oka wyglądają dobrze, ale przy dokładniejszym sprawdzeniu nie spełniają ICP. Znajdzie osoby idealne, po czym zorientuje się, że już do nich pisał. Może trafić na właściwą firmę, ale niewłaściwą osobę — albo na kogoś bez publicznego służbowego maila lub bez wystarczających informacji, by napisać coś naprawdę spersonalizowanego.
Kiedy tak się dzieje, agent nie zalicza takiej osoby do dziesiątki i nie kończy pracy. Odrzuca ją, szuka dalej i nie przestaje, dopóki nie skontaktuje się z dziesięcioma faktycznie nowymi prospektami. Celem nie jest wykonanie dziesięciu wyszukiwań. Celem jest zakończenie pracy z dziesięcioma dobrymi, wysłanymi mailami.
Przy pierwszych uruchomieniach każę zapisywać wiadomości jako wersje robocze w Gmailu, żeby móc sprawdzić dopasowanie do ICP i samo sformułowanie. Kiedy po jakimś czasie będę zadowolony, pozwolę Claude’owi wysyłać je całkowicie automatycznie.
Gdybyś chciał ten system rozwinąć, dodałbyś porządne narzędzia do danych kontaktowych i weryfikacji adresów, a Gmaila zamienił na system do sekwencji cold mailowych. To dałoby agentowi follow-upy, śledzenie odpowiedzi, obsługę odbić, zarządzanie wypisami i normalne raportowanie kampanii. Wtedy zamiast sprawdzać tylko, czy wyszło dziesięć dobrych maili, mógłby sprawdzać, którzy prospekci odpowiedzieli i które kampanie faktycznie zamieniają się w spotkania. Pętla „cel → wynik” się powiększa, ale agent pod spodem pozostaje ten sam: ma jasny cel, narzędzia do działania, pamięć tego, co już zrobiono, i sposób weryfikacji rezultatu.
Problem skali: rozproszone agenty
Masz już zbudowane wszystkie cztery w co-work. I w tym momencie napotykasz kolejny problem.
Poranny briefing i analityk to osobne zaplanowane zadania. Wzmacniacz ma własny projekt i folder, a pracownik AI kolejny zestaw kontekstu. To działa — ale im więcej agentów budujesz, tym trudniej wszystko odnaleźć, aktualizować i realnie z tego korzystać.
Chciałbym zamiast tego jednej przestrzeni roboczej, w której wszystkie te agenty żyją razem. Jeden folder z całym kontekstem o moim biznesie. Jedna wspólna biblioteka umiejętności, z której korzysta każdy agent — tak, żeby gdy analityk nauczy się czegoś użytecznego, ta informacja była natychmiast dostępna dla wszystkich pozostałych.
Nie chcę też, żeby system był przywiązany do jednego modelu. Jeśli chcę używać Claude’a, używam Claude’a. Jeśli chcę użyć ChatGPT, mogę użyć ChatGPT. Mogę zmienić model bez przebudowywania całego biznesu wokół niego. Zamiast klikać po projektach w aplikacji desktopowej, mogę uruchamiać całą konfigurację z jednego folderu. To właśnie mój Founder OS.
Dokładnie to budujemy na żywo podczas warsztatu Founder OS 26 sierpnia: zbudujemy folder, dodamy kontekst i umiejętności, a potem zamienimy twoje realne procesy biznesowe w agentów uruchamianych z jednego miejsca. Link jest w opisie. Pełne prompty do wszystkich czterech konstrukcji umieściłem w przewodniku po agentach — też jest w opisie. A jeśli chcesz zobaczyć, jak daleko można zajść z modelem pracownika AI, zbudowałem takiego, który obsługuje cały proces montażu wideo.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Uniwersalny wzorzec agenta: zadanie → narzędzia → harmonogram
Na czym polega: Każdy z czterech agentów powstaje w ten sam sposób — definiujesz zadanie, podłączasz narzędzia niezbędne do jego wykonania i ustawiasz cykliczne uruchamianie. Reszta to warianty tego samego szkieletu.
Jak stosować: Zanim zaczniesz cokolwiek klikać, wypisz te trzy rzeczy na kartce. Jeśli nie umiesz jednym zdaniem powiedzieć, co agent ma zrobić i skąd weźmie dane, nie jesteś gotowy do budowy.
Na co uważać: Wzorzec jest prosty, ale nie znaczy, że każdy proces się do niego nadaje. Zadania wymagające ciągłej decyzji człowieka nie zyskają na automatycznym harmonogramie — dostaniesz tylko więcej powiadomień do przejrzenia.
2.Czat i co-work to dwa różne narzędzia
Na czym polega: Autor rozdziela je twardo: czat służy do zadawania pytań, co-work do wykonywania pracy na plikach, projektach i podłączonych narzędziach. Wszystkie cztery agenty budowane są w co-work.
Jak stosować: Jeśli twoim rezultatem ma być plik, wysłana wiadomość albo zmiana w zewnętrznym systemie — od razu przełącz się na co-work zamiast walczyć z tym w oknie czatu.
Na co uważać: Interfejs i nazwy menu w aplikacjach AI zmieniają się często. Traktuj ścieżki typu „customize → konektory → dodaj” jako wskazówkę kierunkową, nie jako niezmienną instrukcję.
3.Agent bez konektorów jest ślepy
Na czym polega: Sam model nie ma dostępu do twojego kalendarza, poczty ani plików. Dopiero podłączenie konektorów (Gmail, Google Calendar, Firecrawl, Exa) daje mu zdolność działania.
Jak stosować: Podłączaj konektory pojedynczo i tylko te, których agent naprawdę potrzebuje. Uprawnienia ustawiasz na etapie łączenia — przejrzyj je świadomie, zamiast klikać dalej.
Na co uważać: Autor uspokaja, że masz pełną kontrolę nad uprawnieniami. To prawda co do mechanizmu, ale dostęp do skrzynki firmowej to i tak decyzja o skutkach dla danych — warto sprawdzić, czy polityka twojej organizacji na to pozwala.
4.Bez pamięci nie ma monitoringu zmian
Na czym polega: Agent uruchamiany codziennie nie wie nic o poprzednim uruchomieniu. Bez zewnętrznego zapisu porówna cenę „dziś z dziś” — czyli z niczym.
Jak stosować: Daj agentowi plik na wyniki (markdown przy prostych obserwacjach, CSV przy listach rekordów) i wyraźnie poinstruuj: najpierw odczytaj plik, potem działaj, na końcu dopisz wynik. To jednozdaniowa zmiana w promptcie, która decyduje o użyteczności całego agenta.
Na co uważać: Plik pamięci będzie rósł i może się zaśmiecać. Ustal, co dokładnie ma być zapisywane i w jakim formacie, zanim uzbiera się kilkaset wpisów niespójnie zapisanych przez model.
5.Zablokowane strony wymagają narzędzia do scrapingu
Na czym polega: W demo Claude nie zdołał odczytać strony z cenami — witryna go blokowała. Dopiero podpięcie Firecrawl jako konektora pozwoliło pobrać treść.
Jak stosować: Gdy agent zwraca „nie mogę uzyskać dostępu do strony”, nie przepisuj promptu w kółko — to problem narzędzia, nie sformułowania. Dodaj konektor scrapujący i uruchom ponownie.
Na co uważać: Automatyczne pobieranie treści bywa niezgodne z regulaminem serwisu, a niektóre narzędzia scrapujące są płatne za użycie. Przy codziennym harmonogramie koszt i kwestie regulaminowe rosną razem z częstotliwością.
6.Analityk to jeden agent w wielu wcieleniach
Na czym polega: Konkurencja, ranking w wyszukiwarkach AI, newsy, postęp projektu, analityka reklam, wiadomości o klientach — to nie sześć różnych konstrukcji, tylko ten sam agent wycelowany w różne źródła.
Jak stosować: Zbuduj jednego analityka porządnie, a potem klonuj go, zmieniając wyłącznie cel i częstotliwość. Dopasuj harmonogram do tempa zmian źródła — strona cenowa raz dziennie, wolno zmieniający się projekt raz w tygodniu.
Na co uważać: Łatwo rozmnożyć analityków do momentu, w którym raporty stają się szumem. Jeśli agent nie ma progu „zgłoś tylko, gdy coś się zmieniło”, przestaniesz go czytać po tygodniu.
7.Wzmacniacz mnoży pracę już wykonaną
Na czym polega: Zamiast tworzyć od zera, agent bierze skończony artefakt — nagranie szkolenia, podpisaną ofertę, rozwiązane zgłoszenie, opublikowany film — i wyprowadza z niego wszystkie pochodne, którymi mógłby się stać.
Jak stosować: Poszukaj w swojej pracy rzeczy, które robisz raz, a które ktoś inny musi potem ręcznie przepisać na inny format. To najlepsi kandydaci na wzmacniacz — z jasno określonym miejscem zapisu wyników.
Na co uważać: W promptcie musi znaleźć się twardy zakaz zmyślania treści spoza materiału źródłowego. Autor stawia tę granicę wprost i jest to zabezpieczenie, nie ozdobnik.
8.Umiejętności to zapisany styl pracy, nie kolejny prompt
Na czym polega: Umiejętności działają jak SOP dla AI: opisują reguły haczyka, struktury i długości, więc model sięga po nie sam, zamiast czekać, aż w każdej rozmowie od nowa opiszesz swój styl. Bez tego dostajesz teksty brzmiące jak wszystkie inne wygenerowane przez AI.
Jak stosować: Zamiast pisać umiejętność z głowy, każ modelowi przeanalizować kilka twoich najlepszych realizacji i dopiero z tej analizy zbudować regułę. Skill Creator, wbudowana meta-umiejętność, zapisze wynik jako gotowy plik w projekcie.
Na co uważać: Umiejętność wyprowadzona z kilku przykładów utrwala też ich wady. Otwórz wygenerowany plik i przeczytaj reguły — to zwykły tekst, który możesz i powinieneś poprawić ręcznie.
9.Pracownik AI to pętla z weryfikacją, nie dłuższy prompt
Na czym polega: Różnica między pracownikiem AI a zwykłą automatyzacją leży w tym, co dzieje się przy porażce. Prospekt, który nie przeszedł ICP albo już był kontaktowany, zostaje odrzucony i agent szuka dalej — celem jest dziesięć wysłanych dobrych maili, a nie dziesięć wykonanych wyszukiwań.
Jak stosować: Formułuj cel w kategoriach rezultatu, nie liczby prób, i daj agentowi jasne kryterium sprawdzenia oraz pamięć tego, co już zrobił. Bez tych dwóch elementów pętla nie ma się o co oprzeć.
Na co uważać: Pętla „szukaj, aż się uda” może kręcić się długo i kosztownie, jeśli kryterium jest zbyt wąskie albo źródło danych ubogie. Warto z góry pomyśleć o limicie prób.
10.Najpierw wersje robocze, potem pełna automatyzacja
Na czym polega: Przy agencie wysyłającym maile autor przez pierwsze uruchomienia zapisuje wiadomości jako drafty w Gmailu i sam sprawdza dopasowanie do ICP oraz sformułowania. Automatyczną wysyłkę włącza dopiero, gdy jest zadowolony z jakości.
Jak stosować: Przy każdym agencie działającym na zewnątrz — maile, publikacje, wiadomości do klientów — wstaw etap „przygotuj, ale nie wysyłaj”. Kosztuje jedno zdanie w promptcie, a chroni przed nieodwracalnym błędem.
Na co uważać: To samo dotyczy agenta-wzmacniacza: autor podkreśla, że nadal osobiście przegląda wszystkie scenariusze. Agent ma wzmacniać twoją pracę, a nie ją zastępować — pominięcie przeglądu jest właśnie tym miejscem, w którym ten model się psuje.