Eryk Orłowski · hretheumhretheum.com/pl/questions/built-with-agents
Pytanie P6 z 8
Wszystkie pytania6Co sam zbudował z agentami?
Sam wymyśla, projektuje i buduje z agentami AI własne narzędzia. Kelter, silnik do uruchamiania agentów, ma 291 testów i 32 zapisane decyzje architektoniczne, a tę samą pracę wykonuje na modelu lokalnym 0,5 B i na modelu frontierowym po zmianie 1 linii konfiguracji. Gatefold, proces projektowy z AI, w którym każdą decyzję podejmuje człowiek, powstał w 131 commitach między 4 a 13 października 2026, a 12 przyjętych w nim wzorców stało się kursem na subdomenach tej witryny. Silnik tej strony podaje tylko fakty z paczki twierdzeń; w pomiarze na prawdziwym modelu czat nie podał żadnego faktu spoza paczki.źródło źródła: om-05, ke-01, gf-01, fo-01, ke-04, ke-03, gf-04, gf-05, fo-02, fo-04
Dowody
Kelter ma 291 testów i 32 zapisane decyzje architektoniczne.”
W pomiarze na prawdziwym modelu czat nie podał żadnych faktów spoza paczki, w 3,3% odpowiedzi skończył na „nie wiem”, a najwolniejsze 5% odpowiedzi trwało 9,5 s.”
Zależy, co dla ciebie znaczy hands-on. […]Zależy, co dla ciebie znaczy hands-on. Dla mnie dziś znaczy budowanie. Sam buduję narzędzia z agentami AI: Keltera, czyli silnik do uruchamiania agentów, Gromatika, platformę do utrzymywania design systemów, i zestaw dwunastu narzędzi, który mierzy spójność marek u klienta z wieloma markami. Wymyśliłem je, zaprojektowałem i zbudowałem sam. Nie jestem więc kimś, kto przestał tworzyć i teraz rysuje tylko schematy organizacyjne. Zmienił się rodzaj tworzenia i powiedziałbym, że to ten rodzaj, którego zespół wchodzący w AI potrzebuje najbardziej.”
12 wzorców przyjętych w Gatefold stało się kursem na subdomenach tej witryny pod ogłoszenia, na produkcji od 10 października 2026.”
Na tej stronie każdy fakt pochodzi z paczki profilu złożonej z twierdzeń z identyfikatorem, dosłownym cytatem i statusem; wchodzą tylko potwierdzone.”
Gromatik powstał w 256 commitach między 5 sierpnia a 13 września 2026, z około 1000 przechodzących testów.”
Sam buduję narzędzia z agentami AI: Kelter, Gromatik i Exocortex.”
Znam zasady CI/CD z praktyki: w własnych projektach utrzymuję pipeline’y w kilkudziesięciu repozytoriach: testy i budowanie obrazów, kontrola kontraktu na żywo, wydania z możliwością cofnięcia, automatyczne aktualizacje zależności i synchronizacja forków.”
Toolchain to monorepo 12 narzędzi wiersza poleceń z 78 plikami testów, zbudowane w czerwcu 2026.”
Toolchain wymyśliłem, zaprojektowałem i zbudowałem sam, pracując z agentami AI.”
Keltera wymyśliłem, zaprojektowałem i zbudowałem sam, z agentami AI; jest moją własnością intelektualną.”
W Kelterze jądro jest runtime'em, a model językowy tylko polityką.”
Ta sama praca działa na modelu lokalnym 0,5 B i na modelu frontierowym, po zmianie 1 linii konfiguracji.”
Kelter będzie używany w Exocortex R&D, a docelowo otwarty publicznie.”
Gromatik i blind.ds zaprojektowałem i zbudowałem sam, jako projekt prywatny.”
Generowanie kodu komponentu to jedno wywołanie modelu na komponent, bez pętli agentowej i bez wykonywania kodu na serwerze.”
Każdy przebieg zapisuje ustawienia i odcisk danych wejściowych, więc da się odtworzyć, skąd wziął się wynik.”
Exocortex wstępnie syntetyzuje wątki z różnych źródeł wokół klienta, projektu, domeny zawodowej albo domeny wiedzy.”
Przez Exocortex przechodzi łącznie kilkadziesiąt dokumentów dziennie.”
Laboratorium to osobny, publiczny projekt, który korzysta wyłącznie z silnika Exocortexa i jest odcięty od danych poufnych i prywatnych.”
Graf wiedzy działa na PostgreSQL z rozszerzeniem Apache AGE.”
Exocortex zaprojektowałem i zbudowałem sam.”
Karta hipotezy jest zamrażana, a jej suma kontrolna publikowana, zanim cokolwiek zostanie policzone.”
Żaden plik nie trafia do publicznego repozytorium bez 5 automatycznych kontroli bramki publikacyjnej.”
Bramka publikacyjna jest co noc testowana na plikach z celowo podłożonymi wyciekami.”
Odcięcie laboratorium od instancji prywatnej jest sprawdzane co noc testem od środka laboratorium.”
W pierwszym pełnym tygodniu przez radar możliwości przeszło 198 prac.”
Jestem właścicielem projektu, a wykonanie prowadzę agentowo.”
Zaprojektowałem i zbudowałem Halvern, fork otwartoźródłowego Meetily, pracując z agentami AI.”
Halvern nagrywa, transkrybuje i podsumowuje spotkania w całości na komputerze użytkownika, bez konta i bez wysyłania.”
W Halvern onboarding pyta o język spotkań, a odpowiedź wybiera silnik transkrypcji.”
Halvern sprawdza aktualizacje tylko raz, przy starcie, żeby nie zdradzać, kiedy użytkownik jest na spotkaniach.”
179 z 310 commitów Halverna powstało razem z Claude.”
Halvern to podpisana i notaryzowana wersja wstępna na Maki z Apple Silicon, z publicznym repozytorium na licencji MIT.”
Wymyśliłem, zaprojektowałem i zbudowałem Gatefold sam, pracując z agentami AI.”
Gatefold powstał w 131 commitach na głównej gałęzi między 4 a 13 października 2026, z 32 zapisanymi decyzjami architektonicznymi i około 500 testami.”
Zaprojektowanie 3 arkuszy ruchu z agentem kosztowało 0,80 USD, przekazanie przez agenta 8 gotowych skryptów 3,34 USD, a ten krok robi teraz zwykły program za 0 USD.”
Wymyśliłem, zaprojektowałem i zbudowałem silnik tej strony sam, pracując z agentami AI.”
Dla ogłoszenia silnik dopasowuje do każdego wymagania do 3 twierdzeń, a wymagania bez dopasowania pokazuje jawnie jako luki.”
216 z 235 commitów przebudowy strony od 1 października 2026 powstało z Claude.”
Przed scaleniem bramka w CI porównuje 60 widoków działającej strony, żeby dowieść, że koncepcje wyglądu jej nie zmieniają.”
Cognitive Mirror to sesja z AI, która diagnozuje, jak dorosła osoba się uczy, i kończy się jedną zmianą do wprowadzenia.”
W Cognitive Mirror model zbiera tylko obserwacje, a ocenę i poziom pewności liczy reguła w kodzie.”
Rozbicie analizy na osobne wywołania dla każdego wymiaru podniosło zgodność małego modelu z 20 do 25 na 26 punktów.”
W teście na parafrazach model produkcyjny dał ten sam wynik w 39 z 40 przypadków.”
Projekt interfejsu Cognitive Mirror powstaje w etapach zamykanych moją decyzją, w 4 językach, i sprawdza go 7473 testy automatyczne.”
Swoje projekty traktuję jako R&D, które nie konkuruje z pracą o czas. […]Swoje projekty traktuję jako R&D, które nie konkuruje z pracą o czas. To tam uczę się rzeczy, zanim będą mi potrzebne w pracy. Budowanie silnika agentów i platformy do design systemów nauczyło mnie, jak systemy AI zawodzą w praktyce, i dokładnie to wnoszę do zespołu, który wdraża AI. Nawyk ustalania kryterium sukcesu przed jakimkolwiek pomiarem pochodzi z mojego laboratorium i dziś kształtuje to, jak mój zespół decyduje, czy dany sposób pracy z AI warto zachować. Uczciwa odpowiedź jest więc taka, że dzięki tym projektom jestem w tej pracy lepszy.”
Pipeline’y CI/CD to u mnie codzienność, bo prawie każdy własny projekt ma ich kilka. […]Pipeline’y CI/CD to u mnie codzienność, bo prawie każdy własny projekt ma ich kilka. Utrzymuję je w kilkudziesięciu repozytoriach na GitHub Actions i podchodzę do nich różnie, zależnie od projektu. W silniku tej strony każda zmiana przechodzi testy, kontrolę zgodności wyglądu i testy end-to-end, potem budowany jest obraz kontenera, a wdrożenie zapamiętuje poprzednią wersję, więc cofnięcie to jedno polecenie. W aplikacjach demonstracyjnych na web, iOS i Androida każda platforma ma własny pipeline i osobną kontrolę gałęzi głównej. W projektach z agentami AI składam zmiany w kolejki testowane na osobnych gałęziach, a główna gałąź przesuwa się dopiero po zielonym wyniku. Do tego dochodzą automatyczne aktualizacje zależności, wydania z instalatorami i synchronizacja forków.”
Granica
Cognitive Mirror nie miał realnych użytkowników, a jego instrument nie jest zwalidowany empirycznie.”
E-mail: [email protected] (kt-01) · LinkedIn: linkedin.com/in/eofek (kt-02)