Tworzenie osobistego agenta AI, któremu można zaufać: pamięć, narzędzia, uzyskany dostęp
Jak agent osobisty taki jak Hermes Agent łączy pamięć, narzędzia oraz model routingu, oraz jak bezpiecznie wdrożyć go przy ograniczonych uprawnieniach, źródłach o niskim ryzyku i uzyskanym dostępie.
Większość asystentów AI nadal funkcjonuje jak karta przeglądarki: otwierasz czat, zadajesz pytanie, otrzymujesz odpowiedź, a kontekst znika po zamknięciu okna. Asystent pomaga przez chwilę, ale nigdy nie staje się częścią twojej rzeczywistej metody pracy. Osobiste agenty AI próbują to zmienić, dodając trzy elementy, których zwykłe okno czatu brakuje domyślnie: pamięć trwałą, możliwość korzystania z rzeczywistych narzędzi oraz stałe miejsce w twojej codziennej rutynie.
Hermes Agent to przydatny przykład tego, w jakim kierunku zmierza ta technologia. Jest postrzegany nie tyle jako kolejna warstwa otaczająca model, ile raczej lekka warstwa operacyjna przeznaczona dla osoby lub małego biznesu – coś, co pamięta, co zadziałało, łączy się z twoimi własnymi systemami i przejmuje proste, powtarzające się zadania. Ten przewodnik omawia koncepcje leżące u podstaw takiego projektu, kompromisy, jakie każda z nich niesie ze sobą, oraz konserwatywny plan wdrożenia, którego możesz się trzymać podczas tworzenia własnego agenta.
Problem: konieczność codziennego ponownego wyjaśniania się
Standardowa procedura rozmów w czacie zawodzi, gdy praca się powtarza. Prosisz o pomoc przy projekcie, otrzymujesz coś przydatnego, a następnego ranka musisz ponownie przedstawić całą tę informację: swoje preferencje, działalność firmy, pliki, narzędzia, których używasz, powtarzające się zadania, nietypowe zasady nazywania używane przez zespół oraz rzeczywisty układ twojej pracy.
W przypadku sporadycznych pytań taki nakład pracy jest do przyjęcia. Jeśli chodzi o wszystko, co chcesz codziennie przekazywać sztucznej inteligencji, staje się to głównym kosztem. Hermes Agent wychodzi z innej premisy: asystent nie powinien tylko odpowiadać, ale także pamiętać, podejmować działań i stawać się lepszy w wykonywaniu zadań, które powtarzasz regularnie.
Zgodnie z opisem zamieszczonym w materiałach promocyjnych, produkt ten dostarczany jest z wbudowaną pamięcią, ponad 40 narzędziami oraz zestawem preinstalowanych umiejętności. To, jak jest zapakowany, ma większe znaczenie, niż się wydaje. Wiele projektów związanych z agentami kończy się niepowodzeniem już na etapie konfiguracji: godziny spędzone na łączeniu narzędzi, instalowaniu wtyczek, naprawianiu błędów uprawnień oraz wyborze modelu sprawiają, że entuzjazm, który doprowadził do rozpoczęcia projektu, zanika. Zmniejszenie trudności związanych z konfiguracją jest samą w sobie ważną cechą.
Aby uzyskać bardziej ogólny opis samego cyklu agenta, zapoznaj się z artykułem o tym, jak cele, narzędzia i pamięć współpracują w agencie sztucznej inteligencji.
Pamięć przekształca chatbota w asystenta
Bez pamięci każde zadanie zaczyna się od czystej karty. Dzięki niej agent może stopniowo tworzyć funkcjonalny model Twojej sytuacji:
- To, co budujesz.
To zmienia relację pomiędzy tobą a oprogramowaniem. Bot czatowy pozostaje bezczynny, dopóki nie otrzyma instrukcji. Agent z pamięcią może zacząć dostrzegać wzorce: gdy zadanie się udaje, można ponownie wykorzystać uzyskane wnioski; gdy się nie udaje, błąd można zapisać, aby następna próba go uniknęła.
Higiena pamięci to odpowiedzialność projektanta
To samo właściwość, która sprawia, że pamięć jest cenna, sprawia też, że niesie ze sobą ryzyko. Gdy agent potrafi pamiętać, musisz zdecydować, co może zachować:
- Przejściowa notatka nie powinna automatycznie stać się trwałym kontekstem.
- Jednorazowa instrukcja („przeskoczyć dziś testy”) nie powinna stać się stałą zasadą.
- Informacja prywatna nie powinna być widoczna przy każdym kolejnym zadaniu wykonywanym przez agenta.
W praktyce oznacza to traktowanie pamięci jak każdego innego magazynu danych: należy wiedzieć, co do niej trafia, okresowo ją sprawdzać i usuwać dane przestarzałe lub zbyt wrażliwe. Im bardziej polegasz na pamięci, tym większe są korzyści z tej dyscypliny, ponieważ błędna lub przestarzała pamięć w tle pogarsza jakość każdego zadania, które z niej korzysta.
Narzędzia przekształcają doradcę w operatora
Model, który potrafi tylko generować tekst, jest doradcą – przydatnym, ale ograniczonym do sugestii. Daj mu narzędzia i stanie się on operatorem: będzie mógł wyszukiwać, planować, podsumowywać, tworzyć pliki, uruchamiać działania, sprawdzać systemy, generować obrazy, czytać twoje notatki lub komunikować się z innymi aplikacjami, w ramach uprawnień, które mu przyznasz.
Wśród integracji dostępnych w Hermes Agent znajdują się Apple Notes, Reminders, iMessage, Find My, Telegram, Obsidian oraz Android (przez Termux). To właśnie odróżnia agenta osobistego od zwykłej rozmowy: nie jest już ograniczony do okna z prośbą, lecz funkcjonuje obok miejsc, gdzie już odbywa się twoja praca.
To, jak to wygląda, zależy od tego, kim jesteś. Dla niezależnego twórcy przydatne mogą być następujące zadania:
- Rano przygotowanie podsumowania wiadomości od klientów.
- Przekształcenie rozproszonych notatek w listę zadań.
- Napisanie projektów odpowiedzi do sprawdzenia.
- Stworzenie prostego codziennego dashboardu produktu.
- Nadzór nad folderem z pomysłami w poszukiwaniu nowych wpisów.
- Zbieranie informacji o dalszych krokach, które jesteś winien innym.
- Stworzenie małego narzędzia wewnętrznego w ciągu nocy.
Dla programisty lista skupia się bardziej na pracach inżynieryjnych:
- Czytanie kontekstu projektu przed rozpoczęciem zadania.
Korzyść nie polega na tym, że model staje się w jakiś abstrakcyjny sposób inteligentniejszy. Korzyść to większa bliskość: agent znajduje się bliżej rzeczywistego procesu pracy, dzięki czemu mniej czasu traci się na przekazywanie informacji tam i z powrotem.
Koszty stają się problemem operacyjnym
Cenowanie to obszar, w którym agenci najbardziej różnią się od czatów. Korzystanie z czatu jest sporadyczne – zadaje się kilka pytań i kończy. Korzystanie z agenta może trwać nieprzerwanie: sprawdzanie zadań, wywoływanie narzędzi, ponowne czytanie kontekstu oraz wykonywanie zadań w tle. Zużycie tokenów rośnie odpowiednio szybko.
Jeden z użytkowników Hermes Agent poinformował o zmniejszeniu wydatków na tokeny o około 90% po kierowaniu zapytań przez OpenRouter. Traktuj to jako anegdotę, a nie standard referencyjny – twoje oszczędności zależą wyłącznie od obciążenia pracy oraz wybranych modeli. Podstawowa lekcja jest jednak trafna: gdy agent działa przez cały dzień, kierowanie modelami stanowi integralną część produktu, a nie dodatkowy element.
Nie każde zadanie wymaga najpotężniejszego i najdroższego modelu:
- Część zadań rzeczywiście wymaga zaawansowanego rozumowania.
- Inne potrzebują jedynie szybkiego, taniego modelu.
- Część zadań może być wykonywana przy użyciu modelu darmowego lub bardzo taniego.
- Niektóre w ogóle nie powinny być wykonywane, dopóki człowiek ich nie zatwierdzi.
Zatem istotne pytanie brzmi nie „który model jest najlepszy?”, lecz „który model jest wystarczająco dobry do tego zadania na tym poziomie ryzyka?”. Streszczenie twoich notatek oraz polecenie zmiany plików wymagają zupełnie innych odpowiedzi. Aby dowiedzieć się więcej o tym, dlaczego koszty agentów rosną i jak je modelować, zapoznaj się z modelem kosztów opartym na architekturze dla agentowych systemów AI.
Telefon Android jako urządzenie agenta
Jedną z bardziej nietypowych koncepcji wdrożenia jest uruchamianie agenta na telefonie Android za pomocą Termux. Większość ludzi wyobraża sobie agenta działającego nonstop na Mac Mini, VPS lub komputerze stacjonarnym, ale tani urządzenie Android ma cechy, których brakuje tym maszynom:
- Jest przenośne.
- Może mieć własną kartę SIM.
- Ma wbudowane czujniki.
- Może wysyłać i odbierać SMS-y.
W ten sposób telefon przestaje być telefonem i staje się tanim, samodzielnie działającym urządzeniem. Nadal nie nadaje się do łączenia z kontami wymagającymi szczególnej ochrony od pierwszego dnia. Jako eksperyment jednak sprawdza się dobrze, jeśli przydzieli się mu dokładnie jedno wąsko określone zadanie, na przykład obserwowanie pojedynczego kanału w Telegramie, tworzenie codziennego podsumowania, wysyłanie jednego przypomnienia, zapisywanie jednego logu lub uruchamianie jednej automatyzacji. Rozszerzaj jego funkcje dopiero wtedy, gdy okaże się niezawodny. Taki model rozpoczynania od jednego zadania i mierzenia wyników powinien być podstawą przy wdrażaniu agentów.
Jeden agent czy zespół agentów?
Jest kuszące zaprojektowanie całej grupy agentów: jednego do badań, jednego do pisania, sprzedaży, programowania, planowania, przechowywania informacji, a na czele „szefa sztabu”. Na papierze wygląda to imponująco. W praktyce często zamienia się to w chaos koordynacyjny z niejasną odpowiedzialnością i powtarzającymi się informacjami.
Dla większości ludzi lepszym punktem wyjścia jest celowe utrzymanie małej skali: jeden agent, jedno środowisko, jeden kanał komunikacji, jedno zadanie. Dzielić obowiązki należy tylko wtedy, gdy obciążenie pracy rzeczywiście przewyższa możliwości takiego ustawienia.
Dzielić według granic zaufania, a nie tytułów stanowisk
Mnożenie agentów staje się konieczne wtedy, gdy praca wymaga zupełnie różnych środowisk, uprawnień oraz definicji sukcesu:
- Agent zajmujący się życiem osobistym nie powinien dzielić uprawnień z agentem odpowiedzialnym za finanse firmy.
Zasada ogólna brzmi, że granice agentów powinny odzwierciedlać granice zaufania. To ma znacznie większe znaczenie niż pomysłowe nazwy ról, ponieważ oddzielny agent jest przede wszystkim przydatny jako odrębna strefa wpływu.
Zaproś agenta do przeanalizowania twoich nawyków
Najcenniejszą rzeczą tutaj nie jest narzędzie, lecz rutyna. Na końcu dnia zapytaj agenta, jakie zadania ciągle odkładasz, co powinieneś zautomatyzować oraz jakie proste narzędzie mógłby dla ciebie stworzyć w ciągu nocy.
To przekształca agenta z wykonawcy zadań w obserwatora twojej pracy. Najlepsze kandydaty do automatyzacji zazwyczaj kryją się w powtarzających się trudnościach:
- Zadanie, które odkładasz każdego dnia.
- Tygodniowy raport, który tworzysz ręcznie.
- Wiadomość, którą ciągle piszesz od nowa.
- Plik, który cały czas szukasz.
- Decyzję, którą ciągle odkładasz.
- Rytuał przygotowawczy, który powtarzasz na początku każdego projektu.
Dobry osobisty agent powinien pomóc ci zauważyć te wzorce, a następnie pomóc je usunąć. To właśnie stanowi różnicę między wykorzystaniem AI jako szybszej wyszukiwarki a używaniem go jako warstwy operacyjnej w twojej pracy.
Zacznij od nudnych zadań
Dla niezależnych twórców, programistów, kreatorów i osób pracujących samodzielnie praktycznym wnioskiem jest to, że nie potrzebujesz dużej zespołu AI. Potrzebujesz jednego niezawodnego agenta, który pamięta twoje konteksty, używa twoich narzędzi i przejmuje małe, powtarzalne zadania.
Odpieraj chęć rozpoczęcia pracy od czegoś tak nieokreślonego jak prowadzenie całej firmy. Zacznij od prostych zadań, takich jak:
- Streszczanie swoich notatek każdego wieczoru.
- Przekształcanie notatek z spotkań w zadania.
- Powstawanie cotygodniowych raportów z folderu projektu.
- Obserwowanie pliku TODO i proponowanie kolejnych działań.
- Pisanie wiadomości follow-up z listy potencjalnych klientów.
- Zamiana powtarzającego się ręcznego kroku na mały skrypt pomocniczy.
- Prowadzenie dziennika zapisów tego, co zostało wdrożone.
Jeśli agent nie potrafi wiarygodnie wykonywać nudnych zadań, nie powinien zajmować się ważną pracą. Nudne zadania są również łatwe do weryfikacji, co jest dokładnie tym, czego potrzebujesz, gdy nadal uczysz się zachowania agenta.
Dostęp powinien być zdobywany, a nie przyznawany od razu
Niebezpieczną wersją agenta osobistego jest ten, który od samego początku jest połączony ze wszystkim: skrzynką odbiorczą i kalendarzem, systemem plików oraz aplikacjami do czatowania, notatkami, kontami płatniczymi, danymi klientów i repozytoriami kodu. To nie przynosi korzyści pod względem produktywności; stanowi ogromną powierzchnię ataku, a jedna błędnie zinterpretowana instrukcja lub iniekcja poleceń ukryta w przychodzącej wiadomości może wpłynąć na wszystko to.
Lepszym modelem myślowym jest proces wdrażania nowego pracownika:
- Przydziel mu wąskie zadania.
- Zezwalaj na ograniczony dostęp.
- Sprawdzaj to, co tworzy.
- Rozszerz dostęp dopiero wtedy, gdy zasłuży na zaufanie.
To ma największe znaczenie, gdy agent może pisać pliki, wysyłać wiadomości, planować zadania lub wykonywać polecenia. Im większe ma uprawnienia do działania, tym więcej mechanizmów kontroli jest potrzebnych. W przypadku agentów osobistych wygoda i bezpieczeństwo to nie to samo, a właśnie w tym rozdźwięku pojawiają się incydenty.
Pięciokrotny plan rozpoczęcia pracy
Konserwatywny sposób na stworzenie agenta osobistego od zera, bez przechodzenia od razu do systemu wieloagentowego, wygląda w ten sposób.
1. Zdefiniuj wąską rolę z wyraźnymi ograniczeniami
Zacznij od instrukcji systemowych, które określają zadanie agenta oraz, co równie ważne, to, czego nie może on robić bez zatwierdzenia. Poniższy przykład ogranicza agenta do wykrywania powtarzających się zadań, podsumowywania kontekstu i proponowania jednej automatyzacji dziennie, a także zabrania mu samodzielnie wysyłania wiadomości, usuwania plików czy wprowadzania zmian na zewnątrz.
You are my daily operating assistant.
Your job is to help me notice repeated work, summarize useful context,
and suggest one automation opportunity per day.
Do not send messages, delete files, or make external changes without approval.
Zauważ, że ograniczenia są sformułowane jako sztywne zasady, a nie preferencje. Prompt nie stanowi granicy bezpieczeństwa, dlatego należy go połączyć z rzeczywistymi ograniczeniami uprawnień w konfiguracji narzędzia, ale ich wyraźne określenie zapewnia przewidywalność zachowania agenta.
2. Połącz jeden źródło o niskim ryzyku
Nadaj mu dostęp do odczytu do notatek, jednej folderu lub listy zadań. Na tym etapie całkowicie pomijaj e-maile, płatności i dane klientów.
3>Prosz o jeden dzienny wynik
Jeden, dobrze zdefiniowany produkt sprawia, że agent jest łatwy do oceny. Poniższy prompt żąda codziennej podsumowania tego, co się zmieniło, co jest zablokowane oraz jednego procesu, który warto automatyzować dalej.
Every night, summarize what changed today, what is blocked,
and one small workflow I should automate next.
Ponieważ wynik ma każdego dnia tę samą strukturę, można porównywać rezultaty z różnych dni i szybko sprawdzić, czy agent rzeczywiście jest przydatny.
4. Przeanalizuj przez cały tydzień
Nie rozszerzaj niczego, dopóki wyniki nie będą konsekwentnie przydatne. Jeden dobry dzień niewiele znaczy; tydzień spójnych rezultatów to rozsądny sygnał.
5. Dodawaj narzędzia po jednym
Wprowadzaj nowe narzędzie dopiero wtedy, gdy obecny proces pracy udowodnił swoją wartość. Każde dodanie zmienia to, co agent może robić oraz co może pójść nie tak, dlatego dodawaj je powoli, aby móc zauważyć różnicę.
Ten plan jest celowo nudny, i to właśnie dlatego działa.
Zakończenie
Produkty AI przeszły od zwykłych czatów, przez narzędzia dodawane do czatów, aż po agenty, które pamiętają, działają i wpisują się w rytm dnia pracy. Hermes Agent ilustruje tę zmianę, ale te agenty, które odniosą długoterminowy sukces, nie będą tymi z najbardziej efektownymi demonstracjami. Będą to te, które dobrze opanują podstawy:
- Pamięć, która pozostaje dokładna, istotna i oczyszczona z niepotrzebnego.
Jeśli planujesz to uruchomić, wybierz jedno proste zadanie, utrzymuj jego dostęp w minimalnym stopniu, mierz jego wykorzystanie przez tydzień i pozwól mu zdobywać kolejne funkcje stopniowo.