28 maja 2026 poprowadziłem szkolenie „Agenci AI w praktyce — wprowadzenie". Skierowane było do specjalistów i menedżerów, którzy nie programują na co dzień, ale chcą zrozumieć, co realnie da się dziś zrobić z agentami AI i jak zacząć używać ich we własnej pracy.

Co pokazałem

Sercem szkolenia było pięć działających agentów. Wokół nich zbudowałem teorię potrzebną do zrozumienia, jak właściwie działają i gdzie mają granice.

1. Prasówka poranna

Agent, który codziennie rano przegląda kilkanaście portali (polskich i zagranicznych), filtruje wiadomości pod kątem zainteresowań, deduplikuje powtarzające się tematy i generuje raport gotowy do przeczytania przy porannej kawie.

2. Inbox agent (Gmail + Calendar)

Dwa scenariusze użycia integracji Claude z Google Workspace przez MCP:

Redagowanie odpowiedzi na maila. Agent znajduje wątek w Gmailu, sprawdza w Google Calendar dostępne terminy, wyklucza zajęte sloty, proponuje trzy konkretne daty i przygotowuje draft odpowiedzi gotowy do wysłania.

Analiza wydatków z inboxa. Agent przeszukuje maile z całego roku, wyciąga potwierdzenia płatności za subskrypcje (streaming, AI), grupuje je miesiącami, pisze osobny skrypt do obliczeń i zwraca gotowy raport.

3. REFORMA — generator dokumentów

Asystent prawno-redakcyjny dla koordynatora stowarzyszenia non-profit. Redaguje wnioski o zmiany w regulaminach i statucie, pilnuje efektów kaskadowych (czy zmiana jednego artykułu wymaga zmian w innych dokumentach), aktualizuje spis poprawek i generuje gotowe PDF-y z nagłówkami oraz podpisami. Proces przebiega dwustopniowo: agent generuje plik Markdown z metadanymi, który następnie jest renderowany do PDF z wykorzystaniem przygotowanego szablonu.

4. Agent w przeglądarce

Pokaz na żywo. Prompt typu „wejdź na otodom, przejrzyj wszystkie strony z ofertami działek w wybranej lokalizacji, pomiń sponsorowane i zapisz linki do pliku". Agent uruchamia przeglądarkę, klika przez paginację, zbiera 229 ogłoszeń z 6 stron i zapisuje uporządkowaną listę.

Wniosek dla uczestników: agent nie jest ograniczony do API, do których ma dostęp. Tam, gdzie API nie ma, używa przeglądarki tak jak człowiek.

5. Research Agent

Baza wiedzy, która rośnie sama wraz z zadawanymi pytaniami. Każde pytanie typu „jakie ETF-y dają ekspozycję na uran?" powoduje, że agent:

• szuka informacji w internecie,
• weryfikuje fakty z kilku źródeł,
• tworzy artykuły markdownowe pogrupowane w katalogi tematyczne,
• buduje indeksy INDEX.md na każdym poziomie,
• dodaje cross-referencje między powiązanymi tematami.

Część teoretyczna

Między pokazami praktycznymi przerabialiśmy minimum teorii potrzebne, żeby zrozumieć, dlaczego to działa i gdzie ma granice:

• różnica między chatem a agentem (pętla, narzędzia, kontekst),
• jak działa kontekst modelu i dlaczego ma znaczenie, ile mu naraz wrzucamy,
• granice modeli językowych (halucynacje, arytmetyka, świeżość danych) i jak je inżynieryjnie obchodzić,
• prywatne dane a publiczne usługi — co można wrzucić do Claude, a czego lepiej nie.

Ocena szkolenia

Najbardziej wartościowy element, według samych uczestników, to obalenie wyobrażenia, że „agenci AI to coś dla programistów". Pokazane systemy mają po kilkadziesiąt linii konfiguracji w naturalnym języku i każdy uczestnik może zacząć eksperymentować bez pisania kodu.

Drugą rzeczą, która rezonowała, było traktowanie agenta jak nowego pracownika z checklistą: dostaje pisemną instrukcję, jak ma działać, jakie obowiązują go zasady i co ma robić, gdy coś pójdzie nie tak. To wzorzec, który da się od razu zaadaptować do własnej pracy.

Materiały po szkoleniu

W repozytorium znajdziesz między innymi katalogi Prasówka/ i Research/ z kompletnymi plikami CLAUDE.md, skillami i przykładową konfiguracją, którą można wczytać do Claude Code i uruchomić u siebie.