O czym jest ten film
- Teza przewodnia: GitHub to dziś radar przyszłości — narzędzia widać tam mniej więcej pół roku przed tym, zanim wejdą do głównego nurtu, więc warto zamienić ich przegląd w comiesięczny nawyk.
- „No AI Slop Skill” (Peter Yang): redaktor wycinający typowe wzorce aiowego pisania — nadmierną symetrię, formułę „nie X, tylko Y”, przesadny połysk — przy zachowaniu głosu autora. Kolejność pracy: najpierw ludzki szkic, potem czyszczenie przez AI.
- Agentowy CRM (trycompai): CRM jako warsztat, nie szuflada — agent bada kontakty, planuje follow-upy i utrzymuje świeżość notatek; na start jeden pipeline, np. „ciepłe leady, których nie wolno mi zapomnieć”.
- video-use (browser-use): montaż wideo zlecany agentom kodującym (Claude Code, Codex) — cięcie ciszy i wtrąceń, napisy, render; styl montażu staje się powtarzalnym przepisem, a nie wiedzą tylko w głowie montażysty.
- Skill Specter (Nvidia): skaner bezpieczeństwa skilli i serwerów MCP — wykrywa m.in. prompt injection, próby wykradania danych i ryzyka w łańcuchu dostaw.
- Phone Harness: agent sterujący fizycznym iPhone’em lub Androidem (mirroring z Maca / ADB) — mobilne QA, aplikacje bez API, powtarzalne czynności w socialach.
- Haczyk finansowy: wszystkie projekty są darmowe i open source, ale część ma płatne zależności (np. ElevenLabs) oraz wymogi techniczne (Bun, Docker, macOS Sequoia).
- Schemat monetyzacji powtarzany w całym filmie: zainstaluj → doprowadź do działania jeden mały proces → zdecyduj, czy sprzedawać rozwiązanie niszy, czy zostawić sobie.
Redakcyjne tłumaczenie
GitHub: miejsce, gdzie przyszłość pokazuje się pierwsza
Nie wiem, jak u was, ale ja ostatnio spędzam na GitHubie coraz więcej czasu — i nie jest to przypadek. W erze agentów AI to jedno z najlepszych miejsc, by zdobyć przewagę, której inni jeszcze nie mają, bo widać tam dziś narzędzia, o których wszyscy będą mówić za pół roku. Wiele rzeczy, które z czasem zamieniają się w firmy SaaS, agencje, sprawne procesy i pomysły na startupy, pojawia się właśnie tam jako pierwsze. Jest jak z tym znanym powiedzeniem: przyszłość już nadeszła, tylko nie rozprowadziła się jeszcze równomiernie. (Informacja dodatkowa: to parafraza zdania przypisywanego pisarzowi science fiction Williamowi Gibsonowi — „The future is already here — it’s just not evenly distributed”.)
W tym odcinku postanowiłem spróbować czegoś nowego. Przejrzałem morze repozytoriów, które przyciągały uwagę w ostatnich trzydziestu dniach, i wybrałem pięć wartych waszej uwagi — dla tych, którzy budują produkty, chcą zarabiać, oszczędzać czas albo po prostu wycisnąć z AI więcej. Niektóre są bardziej techniczne, ale każde opiszę po ludzku: co robi, dlaczego się liczy, jak z niego korzystać i jak wypróbować go już dziś. Jeden projekt pochodzi z Nvidii, resztę tworzą mniejsi deweloperzy — ale w każdym widzę narzędzie, przy którym ktoś może zarobić albo odzyskać sporo godzin.
Wszystkie pięć jest darmowych i otwartych (open source), czyli sam kod nic nie kosztuje. Ale — jak część z was wie — niektóre ciągną za sobą zależności. Jedno korzysta np. z ElevenLabs (płatnej usługi głosów AI), a to już kosztuje. Miejcie to na uwadze.
1.„No AI Slop Skill” — koniec z aiowym posmakiem w tekstach
Pierwszy projekt to „No AI Slop Skill” mojego znajomego, Petera Yanga. (Informacja dodatkowa: „slop” — slangowe określenie masowo generowanych, bezbarwnych treści AI.) Lubię go, bo ból, który leczy, zna każdy, kto pisze z pomocą AI. Prosisz ChatGPT albo Claude o tweeta czy post na LinkedIn — i technicznie wszystko gra: gramatyka poprawna, składnia poprawna, a jednak tekst ma w sobie coś fałszywego. Bywa zbyt wygładzony, zbyt symetryczny, zbyt schematyczny. Czasem sypie formułą „to nie X, tylko Y”, czasem w kółko „po cichu”. Czyta się to jak przemówienie otwierające konferencję SaaS, która nigdy się nie odbyła. A jak raz zauważysz ten wzorzec, nie ma odwrotu — i coraz więcej ludzi go wyczuwa.
Skill Petera działa jak redaktor: wycina te maniery, starając się nie ruszać waszego własnego głosu. To drugie jest kluczowe, bo sporo narzędzi faktycznie oczyszcza tekst, ale razem z brudem szoruje to, co było w nim najciekawsze — i wszyscy zaczynają brzmieć identycznie. A jeśli brzmisz jak wszyscy, trudno się przebić. Chodzi o dokładnie odwrotny efekt.
Po co to komu? Kto dziś buduje produkty, ten pisze bez końca: tweety, landing page’y, zimne maile, posty o premierach, aktualizacje produktu, teksty onboardingu, raporty dla inwestorów. Nie chcesz brzmieć jak generyczne AI, bo ludzie to poczują. Pewnie nikt nie odpisze „to pisał bot” — po prostu mniej ci zaufają. Przewiną dalej, nie odpiszą, mogą nawet nie uwierzyć w to, co mówisz. Ten skill nie chodzi więc o to, żeby tekst był ładniejszy — chodzi o to, żeby był wiarygodniejszy.
Jak go wziąć na warsztat? Najlepiej zainstalować go jako skill: wpisujesz npx skills add plus link do repozytorium — wszystkie linki wrzucę do opisu odcinka. Potem włączasz go w procesie agenta wszędzie tam, gdzie masz szkic. Mój praktyczny scenariusz: najpierw piszesz zgrubny brudnopis. Nie każ AI wymyślać całości od zera — spisz konspekt, zapisz prawdziwe punkty, choćby niechlujnie. Dopiero wtedy prosisz skill, żeby zdjął z tekstu aiowe „szlifowanie”, a zostawił twój ton. Najpierw ludzkie pomysły, potem sprzątanie przez AI. To inna kolejność niż u większości — ci zazwyczaj każą modelowi napisać wszystko jednym haustem, a potem dziwią się, że „coś nie zagrało”. To hybrydowe podejście jest dla mnie najciekawsze.
2.CRM od trycompai — kontakty, o które dba agent
Drugi projekt: CRM autorstwa trycompai. Open source’owy system zbudowany pod agentów AI — brzmi technicznie i trochę nudno, więc rozłożę go na czynniki pierwsze, żeby było widać, jak wyciągnąć z niego wartość, prowadząc firmę.
Zwykły CRM to schowek na relacje: klientów i leady. W gruncie rzeczy baza danych z nazwiskami, mailami i notatkami, czasem z etapami transakcji, jeśli ktoś używa jej w sprzedaży. Haczyk w tym, że prawie każdy taki system wymaga, żebyś to ty wykonywał robotę: pamiętał aktualizować rekordy, co się ostatnio wydarzyło, kto powiedział co, kto wystygł — i ogarniał porządek w bazie. Efekt? Jeśli jesteś trochę jak ja, twój CRM zamienił się w cmentarzysko: na starcie ekscytacja, po paru tygodniach dane brzydnieją, notatki zamieniają się w nieczytelny bajzel — i przestajesz tam zaglądać. Ludzie, którzy mogliby ci przynieść pieniądze, leżą w narzędziu, którego nikt nie chce otwierać.
To repozytorium przewraca tę logikę: traktuje CRM nie jak szufladę z aktami dla ciebie, tylko jak warsztat pracy dla agenta. Agent może przeglądać rekordy, badać ludzi, uzupełniać dane firm, planować follow-upy i pilnować świeżości notatek — całą tę robotę, której nie chciałeś robić. Idea jest prosta: CRM nie ma tylko przechowywać informacji, ma za ciebie utrzymywać całą siatkę relacji.
Dla founderów to spora sprawa, bo większość firm nie upada z braku okazji. Upada, bo okazje są rozsypane po kątach. Ktoś dał ci ciepłe polecenie pół roku temu, klient odpisał „odezwijcie się pod koniec kwartału” — i ślad zaginął. A w takich mailach leżą prawdziwe pieniądze. Nie twierdzę, że to zajmie miejsce Salesforce’a — nie o to chodzi. To mniejszy, ale konkretny przypadek użycia.
Jak ja bym tego używał? Choćby do pipeline’u sponsorskiego mojego podcastu — śledzenia leadów z agencji. Albo do raportów dla inwestorów. Albo do follow-upów z każdym, kto dopisał się na listę oczekujących aplikacji, którą skleciłem w trybie vibe codingu (Informacja dodatkowa: vibe coding — budowanie aplikacji głównie rozmową z AI, przy minimum ręcznego pisania kodu). Albo jako kompletny customer success dla małego SaaS-a.
Testując to, zacząłbym od jednego małego procesu. Stworzyłbym pipeline o nazwie „ciepłe leady, których nie wolno mi zapomnieć” i wrzucał tam każdego, kto pokazał jakikolwiek zamiar zakupu: odpisał na maila, umówił rozmowę, pytał o ceny, obiecał wrócić do tematu za 45 dni albo po świętach. A potem kazał agentowi wziąć na siebie podtrzymywanie tych relacji: kto czeka na wiadomość, co napisać, co się zmieniło w jego firmie od ostatniej rozmowy. Kiedyś zatrudniłbyś na to człowieka. Teraz masz agenta.
Instalacja wymaga Buna i Dockera. Podstawowa sekwencja: git clone repozytorium, cd crm, cp .env.example .env, bun install, docker compose up -d, bun run db deploy, bun run db seed, bun run dev. Aplikacja działa lokalnie — zwykle interfejs na localhost:3000, API na localhost:3001. Do tego zmienne środowiskowe, zwłaszcza do logowania: klient OAuth Google albo Microsoft, jeśli chcesz integracji z pocztą i kalendarzem (a zakładam, że chcesz). To nie jest „jedno kliknięcie i wszystko gotowe”, ale to realny projekt w kształcie gotowego produktu.
Szersza myśl: każdy ma problem z CRM-em, tylko prawie nikt tak go nie nazywa. Mówimy „zapomniałem się odezwać”, „nie pamiętam, do kogo pisałem”, „nasi leady to chaos” — albo po prostu czujemy, że przepuszczamy pieniądze, które były na wyciągnięcie ręki. To cały czas ten sam ból, a to repozytorium wskazuje na lekarstwo. Wielka idea brzmi: jak zbudować systemy relacji, które naprawdę pracują razem z tobą? Agenci to potrafią.
3.video-use — montaż wideo zlecany agentowi
Trzecie repozytorium, od browser-use, nazywa się video-use i należy do moich ulubionych, bo zrozumiesz je w ułamku sekundy: pozwala montować filmy agentom kodującym. Wrzucasz surowe nagrania do folderu i prosisz agenta — Claude Code (od Anthropic) albo Codex (od OpenAI) — żeby je zmontował. Usunie wtrącenia typu „yyy”, utnie martwe momenty, doda napisy, poprawi kolory, dobuduje nakładki, wyrenderuje film i jeszcze sprawdzi wynik.
Narzędzi AI do montażu już mnóstwo, ale w tym projekcie najciekawsze jest co innego: proces montażu staje się czymś, co agent rozumie i potrafi odtworzyć. Zauważ: twórcy wykonują w kółko tę samą garść zabiegów. Ten sam styl napisów. Weź mój kanał na YouTube — w każdym filmie podobny styl: to samo tempo, ten sam sposób cięcia pauz i otwierania klipów, ta sama zamiana długiej rozmowy na shorty i średnie formaty. Normalnie cała ta wiedza siedzi w głowie i w pamięci mięśniowej montażysty. Tu staje się jawnym przepisem: agent czyta transkrypt, patrzy na znaczniki czasu, proponuje strategię cięć, renderuje i kontroluje punkty montażowe.
Dla twórcy i foundera treści to pewnie największe wąskie gardło. Możesz mieć świetny produkt — i tak przegrasz, jeśli nikt go nie zobaczy. Ten skraca więc drogę od surowca do opublikowanej treści.
Gdybym z tego korzystał, nie ruszałbym od razu po automatyzację całego kanału. To za duży krok — i gdy ktoś bierze takie repo na start, a potem nie widzi efektów, to właśnie dlatego, że zażądał za wiele. Zacznij od jednego małego, powtarzalnego formatu. Może: wziąć Looma founder i zrobić z niego 60-sekundowe wideo premiery. Albo z nagrania podcastu wyciągnąć trzy mocne klipy. Na początek aż nadto. Jak jeden format działa — zamień go w system. Jak masz system — możesz na nim pracować sam albo sprzedać go innym. Gotowy pomysł na startup, prawda? Każda nisza potrzebuje treści, a montażu praktycznie nikt nie lubi. Agenci nieruchomości potrzebują wideo z ofertami, sprzedawcy SaaS — materiałów produktowych, coachowie — klipów, agencje — wariantów reklam. Tworzyć bywa przyjemnie; ciąć to harówka.
Ustawienie jest przyjazne agentom: wklejasz prompt instalacyjny do Claude Code, Codex czy czegokolwiek z dostępem do shella. Treść mniej więcej: „zainstaluj to repo z GitHuba; najpierw przeczytaj install.md; zainstaluj; podłącz FFmpeg; zarejestruj skill w agencie, którego używam; a kiedy będzie potrzebny klucz API ElevenLabs — poproś mnie o niego”. Można i ręcznie, przez git clone i ln -sfn, ale dla 95 procent słuchaczy prościej niech to ogarnie agent. Sprawdźcie, jak wam działa, i dajcie znać.
4.Skill Specter od Nvidii — przeskanuj narzędzie, zanim oddasz je agentowi
Czwarty projekt, od Nvidii, to Skill Specter — i jego instalacja jest dla mnie oczywista. Ludzie zaczynają przecież wciągać skille, serwery MCP, wtyczki i narzędzia agentowe prosto z GitHuba. Ekscytująco, bo AI zyskuje nowe umiejętności — ale rodzi to problem: skill to nie jest tylko kawałek tekstu. Może zawierać instrukcje, skrypty i zależności, dostęp do narzędzi — słowem zachowania, które zmieniają sposób pracy twojego agenta. Niekiedy potrafi dotykać plików, wywoływać narzędzia i łączyć się z usługami. Zanim więc zainstalujesz losowe „supermoce” z GitHuba, wypada zapytać, czy to bezpieczne. I do tego służy Skill Specter: skanuje skille pod kątem zagrożeń — wstrzykiwania instrukcji (prompt injection), wykradania danych, ryzyka w łańcuchu dostaw, ukrytych poleceń, w ogóle wszelkich złośliwych wzorców, także tych związanych z MCP. (Informacja dodatkowa: MCP, Model Context Protocol — otwarty standard podpinania zewnętrznych narzędzi i danych do modeli AI.)
Moja reguła: zanim wręczysz AI nowe narzędzie — przeskanuj narzędzie. A nabiera to wagi, bo środowiska pracy z AI robią się modułowe. Większość ludzi siedzi dziś w jednym czatbocie, ale osoby budujące produkty składają już własne zestawy: agent do kodu, skill do researchu, skill do designu, narzędzie przeglądarkowe, pipeline wideo. W pewnym momencie taki zestaw zaczyna wyglądać jak mały system operacyjny twojej codziennej roboty. I wtedy bezpieczeństwo przestaje być tematem wyłącznie dla korporacji — staje się zwykłym problemem każdego, kto buduje produkty. Nie mam tu żadnych układów z Nvidią; po prostu uważam, że to ważne.
Instalacja przez uv: >. Skan katalogu: skillspector scan ./my-skill; można też od razu całe repozytorium: >. Chcesz szybszy skan statyczny, który nie wysyła zawartości plików do dostawcy modelu — dorzuć --no-llm; ma to znaczenie przy plikach wrażliwych czy prywatnych. Jest i opcja w Dockerze, dla tych, którzy nie chcą Pythona na komputerze.
Rozwinąłem to w głowie trochę dalej. Skoro zespoły będą instalować skille i serwery MCP, ktoś musi pomagać im rozstrzygać, co jest bezpieczne. Może to być zaufany marketplace, skaner bezpieczeństwa, firmowa bramka instalacyjna albo funkcja wbudowana w każdą platformę agentową. Podoba mi się, że przy tym projekcie stoi Nvidia — daje całej kategorii wiarygodność i przyznaje wprost: skille i wtyczki mogą być złośliwe, trzeba uważać. Musiałem to wpleść. Bądźcie czujni i sprawdźcie.
5.Phone Harness — agent u sterów twojego telefonu
Piąty projekt, Phone Harness, pozwala agentowi AI realnie obsługiwać twój telefon. Większość narzędzi agentowych kręci się wokół przeglądarek i terminali, no i aplikacji na komputer — logiczne, bo tam dzieje się sporo pracy. Ale pomyśl: gigantyczna część życia przeniosła się na telefony. Bankowość, komunikatory, sociale, zamawianie jedzenia. Mnóstwo procesów trudno zautomatyzować właśnie dlatego, że ich jedynym interfejsem jest ekran smartfona.
Phone Harness podpina agenta — Codex albo Claude Code — pod prawdziwego iPhone’a lub Androida. Na iPhone’a wykorzystuje mirroring z Maca, na Androida ADB. (Informacja dodatkowa: ADB, Android Debug Bridge — oficjalne narzędzie do sterowania urządzeniem z Androidem z poziomu komputera.) Nie musisz nic jailbreakować — na wieść o tym odetchnąłem, bo sam nie chciałbym — nie potrzebujesz Xcode ani specjalnej aplikacji w telefonie. Agent po prostu widzi, co jest na ekranie: może stuknąć, wpisać tekst, przewinąć, otworzyć aplikację, a potem sprawdza, co się stało.
Ktoś pewnie pyta: „a po co komu?”. Budujesz aplikację mobilną? Pomyśl o QA: agent przejdzie proces rejestracji i onboardingu oraz przetestuje płatność na fizycznym urządzeniu. Robisz automatyzacje? Otworzy aplikacje, które nie mają żadnego API. Jesteś twórcą albo prowadzisz codzienną operację? Docelowo ogarnie powtarzalne mobilne rytuały w TikToku czy Instagramie.
Od czego zacząć? Od testu mobilnej rejestracji. Banalne: otwórz apkę, załóż konto, przejdź cały onboardingu, spróbuj zapłacić, rób zrzuty ekranu — i każ agentowi wskazać, gdzie jest myląco albo co się sypie. To bezcenna wiedza; każdy mobilny zespół powinien to robić bez przerwy, a większość nie robi — bo żmudne, bo nie chcą zatrudniać do tego człowieka, no i bo ludzie popełniają błędy. Tu właśnie agent pomaga.
Repozytorium daje gotowy prompt do wklejenia w Codex lub Claude Code: „ustaw mi phone harness: sklonuj repo, przeczytaj install.md, zainstaluj tak, żeby polecenie było w moim PATH, zarejestruj jako skill agenta, potem przeczytaj onboarding.md i przeprowadź mnie przez konfigurację”. Na iPhone potrzebujesz macOS Sequoia lub nowszego, z włączonym mirroringiem iPhone’a oraz uprawnieniami dostępności i nagrywania ekranu dla terminala. Na Androidzie: włącz opcje deweloperskie i podepnij się przez ADB po USB — działa też bezprzewodowo. Na koniec phone harness --doctor zweryfikuje całą konfigurację.
Narzędzie jest wczesne i ma granice: część przepływów nie pójdzie idealnie — zablokowany telefon i tak wymaga ciebie, a Face ID i praca z aparatem to na razie twarde orzechy. Ale kierunek jest jasny: agenci przestają tylko odpowiadać na pytania, zaczynają obsługiwać narzędzia — a telefon to jedna z największych powierzchni narzędziowych świata. Jeśli ogarniesz któryś z tych procesów, masz gotowy trop biznesowy. Da się zamienić mobilne QA w produkt? Ktoś zapłaci 100 dolarów miesięcznie? 500? Ilu klientów potrzebujesz, żeby wyjść na 10 tysięcy miesięcznie?
I to jest sedno wszystkich tych repozytoriów. Krok pierwszy: zainstaluj. Krok drugi: uruchom jeden mały proces, doprowadź go do działania, dodaj wartość. Krok trzeci: zdecyduj, czy produktyzujesz to dla innych, czy po prostu dalej używasz w swojej robocie, żeby być bardziej produktywnym, zarabiać i tworzyć wartość.
Zakończenie: comiesięczny rytuał przeglądu
To by było tyle — pięć repozytoriów, które uważam za naprawdę ciekawe. Nie zamierzam zostawać pełnoetatowym analitykiem open source, ale skoro GitHub to jedno z niewielu miejsc, gdzie wciąż można znaleźć naprawdę użyteczne narzędzia, zanim wejdą do głównego nurtu, trzeba tam bywać. Warto. Samo instalowanie tych projektów — nawet jeśli nie jesteś techniczny — czegoś uczy: widzisz, co działa u ciebie, czego w danym narzędziu brakuje, jak wpleść je w swoją firmę, jak sprzedać komuś innemu. Comiesięczny rytuał „poszukaj, zainstaluj, potestuj” bardzo porządkuje ten cały agentowy świat w głowie i pozwala budować szybciej.
Nie wiem, czy było dla was fajnie i wartościowo — dajcie znać w komentarzach. Robić taki przegląd co miesiąc? Co dwa tygodnie? Co sześć tygodni? A może wcale? Jak wolicie, tak zrobię. Trzymam za was kciuki — do następnego razu i twórczego dnia.
10 najważniejszych takeaways — z kontekstem zastosowania
1.Comiesięczny przegląd GitHuba buduje przewagę
Na czym polega: autor traktuje GitHub jako miejsce, gdzie narzędzia pojawiają się na mniej więcej pół roku przed mainstreamem — wiele firm SaaS, agencji i startupów zaczyna się właśnie tam.
Jak stosować: raz w miesiącu przejrzyj nowe, wyróżniające się projekty, zainstaluj jeden–dwa i potestuj na własnym przykładzie, zadając pytania: czego tu brakuje, jak to wpasować w moją firmę, komu to sprzedać.
Na co uważać: nowość nie równa się jakości — sprawdź wymagania techniczne i zależności, bo „darmowe” repozytorium bywa darmowe tylko na powierzchni.
2.Pisz hybrydowo: szkic po ludzku, czyszczenie przez AI
Na czym polega: No AI Slop Skill wyłapuje wzorce zdradzające generowanie maszynowe (nadmierna symetria, formuła „nie X, tylko Y”, przesadny połysk) i usuwa je, nie zabierając autorowi głosu.
Jak stosować: zanim sięgniesz po AI, sam zrób zgrubny konspekt z konkretnymi punktami; dopiero potem każ skillowi „wyprać” tekst z aiowych naleciałości. Instalacja jednym poleceniem: >.
Na co uważać: nie zlecaj modelowi pisania całości jednym strzałem — to najprostsza droga do bezbarwnego tekstu; niektóre narzędzia czyszczące zbyt gorliwie szlifują też to, co w tekście najciekawsze.
3.Własny głos to składnik wiarygodności
Na czym polega: odbiorcy rzadko napiszą „to pisał bot”, ale wyczują sztampę — po prostu mniej zaufają, przewiną dalej i nie odpiszą.
Jak stosować: przed publikacją maila, landinga czy postu sprawdź, czy tekst brzmi jak ty; AI poddawaj tylko warstwę techniczną, a osobiste sformułowania zostawiaj własne.
Na co uważać: „poprawny” nie znaczy „skuteczny” — dążenie do idealnej gładkości często oznacza niewidzialność w tłomie.
4.CRM przestań tylko wypełniać — każ go agentowi utrzymywać
Na czym polega: projekt trycompai odwraca rolę CRM-a: z szuflady na kontakty robi się warsztat, w którym agent bada firmy, planuje follow-upy i pilnuje świeżości notatek.
Jak stosować: zacznij od jednego pipeline’u, np. „ciepłe leady, których nie wolno mi zapomnieć”, i wrzucaj tam każdy sygnał intencji (odpowiedź, umówiona rozmowa, pytanie o ceny, obietnica kontaktu za 45 dni); resztę zrzuć na agenta.
Na co uważać: to nie zamiennik Salesforce’a, tylko rozwiązanie wąskiego problemu; uruchomienie wymaga Buna, Dockera i konfiguracji zmiennych środowiskowych (logowanie Google/Microsoft) — bez tego integracje z pocztą i kalendarzem nie ruszą.
5.Pieniądze giną w follow-upach, nie w braku okazji
Na czym polega: według autora firmy nie upadają z braku szans — szanse są rozproszone po mailach i zapominane; systematyczne podtrzymywanie relacji to realna gotówka.
Jak stosować: wypisz wszystkie otwarte wątki z zamiarem zakupu i nadaj im terminy; niech agent pilnuje, kto czeka na wiadomość, co napisać i co się zmieniło u klienta od ostatniej rozmowy.
Na co uważać: nie próuj zautomatyzować całej sprzedaży od razu — bez dopracowanego jednego procesu dane znów się zestarzeją i wróci ten sam bajzel.
6.Automatyzację montażu zaczyna się od jednego formatu
Na czym polega: video-use pozwala agentowi (Claude Code, Codex) montować nagrania: wycina „yyy” i cisze, dodaje napisy, poprawia kolory, renderuje — według powtarzalnej receptury, a nie jednorazowej magii.
Jak stosować: wybierz jeden drobny, powtarzalny format, np. Loom founder → 60-sekundowe wideo premiery albo podcast → trzy najmocniejsze klipy; dopiero gdy format działa, zamień go w system.
Na co uważać: nie rzucaj się na automatyzację całego kanału pierwszego dnia — zawyżone oczekiwania to najczęstsza przyczyna rozczarowania; do pełni funkcji potrzebny bywa płatny klucz API ElevenLabs.
7.Format → system → produkt dla niszy
Na czym polega: schemat monetyzacji wskazany w filmie: dopracuj jeden format, zamień go w powtarzalny system, a potem używaj sam albo sprzedawaj — bo każda nisza potrzebuje treści, a montażu nikt nie lubi.
Jak stosować: poszukaj branży z powtarzalnym zapotrzebowaniem (agenci nieruchomości — wideo ofert, SaaS — materiały produktowe, coachowie — klipy, agencje — warianty reklam) i zaoferuj usługę opartą na twoim systemie.
Na co uważać: zanim zaczniesz sprzedawać, system musi działać stabilnie u ciebie — inaczej sprzedasz komuś chaos.
8.Przeskanuj skill, zanim wręczysz go agentowi
Na czym polega: skille i serwery MCP potrafią zawierać skrypty, ukryte instrukcje i dostęp do plików; Skill Specter od Nvidii wykrywa m.in. prompt injection, próby wykradania danych i zagrożenia w łańcuchu dostaw.
Jak stosować: po pobraniu projektu z GitHuba uruchom skillspector scan na katalogu lub linku; przy plikach wrażliwych dodaj --no-llm, by zawartość nie leciała do dostawcy modelu; bez lokalnego Pythona skorzystaj z opcji dockerowej.
Na co uważać: im bardziej modułowe twoje środowisko agentowe (kolejne skille, wtyczki, MCP), tym większa powierzchnia ataku — bezpieczeństwo przestaje być sprawą „dla działu IT”.
9.Telefon to kolejna powierzchnia dla agentów
Na czym polega: Phone Harness podłącza agenta do fizycznego iPhone’a lub Androida (mirroring w macOS / ADB) — agent widzi ekran, klika, wpisuje tekst i weryfikuje efekt; bez jailbreaka i bez Xcode.
Jak stosować: zacznij od testu mobilnej rejestracji: załóż konto, przejdź onboardingu, spróbuj zapłacić, dokumentuj zrzutami ekranu miejsca mylące lub zepsute; konfigurację sprawdź poleceniem phone harness --doctor.
Na co uważać: narzędzie jest wczesne — zablokowany telefon nadal wymaga ciebie, a przepływy z Face ID czy aparatem słabo działają; na iPhone potrzebujesz macOS Sequoia lub nowszego.
10.Trzy kroki dla każdego narzędzia z GitHuba
Na czym polega: autor proponuje uniwalną ścieżkę wdrożenia: (1) zainstaluj, (2) doprowadź do działania jeden mały proces i dowiedź mu wartości, (3) zdecyduj — używać dalej wewnętrznie czy produktyzować dla innych.
Jak stosować: do każdego nowego narzędzia podchodź z jednym wąskim zastosowaniem i mierzalnym efektem (czas, pieniądze, jakość), zanim poszerzysz wdrożenie albo cokolwiek komuś sprzedasz.
Na co uważać: „darmowy” kod bywa darmowy tylko na pierwszy rzut oka — sprawdź płatne zależności, wymagane klucze API i wymogi środowiskowe (Bun, Docker, konkretna wersja systemu), zanim obiecasz sobie oszczędności.