62 haseł

Słownik pojęć

Pojęcia, które padają w kursie i w rozmowach o wdrożeniach. Każde hasło ma jedno zdanie odpowiedzi i akapit rozwinięcia, bo połowa nieporozumień przy wdrożeniach bierze się z tego, że dwie osoby rozumieją to samo słowo inaczej.

Wszystkie hasła

Podstawy

agent AI

Agent AI to program, który poza generowaniem tekstu sięga po narzędzia — otworzy stronę, zapisze plik — a po każdym kroku patrzy na wynik i decyduje o następnym.

Od środka agent to model językowy, zestaw narzędzi i pliki z instrukcją czytane przy starcie: w OpenClaw są to SOUL.md, IDENTITY.md, MEMORY.md i HEARTBEAT.md. Katalog skilli ClawLabs liczy 40 pozycji w dziesięciu kategoriach, od Web Search po Cron Scheduler, i to one wyznaczają, co agent faktycznie potrafi zrobić. Najdroższa pomyłka polega na myleniu mocy modelu z zakresem uprawnień — droższy model bez przeglądarki nadal nie otworzy strony.

chatbot · pętla agenta · wywoływanie narzędzi (tool calling) · agent autonomiczny · model językowy (LLM) · Lekcja 1: Czym jest agent AI i czym różni się od chatbota

agent autonomiczny

Agent autonomiczny to agent działający bez człowieka zatwierdzającego każdy krok: uruchamia się sam z harmonogramu, wybiera narzędzia i sam decyduje o kolejnym ruchu.

Autonomię ustawia się per krok, nie per agent — kroki nieodwracalne, jak przelew albo pismo do klienta, zostają w trybie akceptacji, a reszta idzie bez pytania. To nie ostrożność na wyrost: w badaniu McKinsey State of AI 65% firm realnie korzystających z AI ma zdefiniowany proces weryfikacji przez człowieka, wobec 23% pozostałych. Deloitte dorzuca drugą stronę tego obrazu — dojrzały model zarządzania autonomicznymi agentami ma tylko 20% organizacji spośród 3 235 przebadanych liderów z 24 krajów.

agent AI · pętla agenta · wywoływanie narzędzi (tool calling) · Lekcja 9: Od testu do produkcji, bez psucia sobie opinii

chatbot

Chatbot to program, który odpowiada wyłącznie tekstem: nie ma narzędzi, nie wykonuje niczego poza rozmową i kończy pracę w chwili wysłania odpowiedzi.

Ten sam model językowy pracuje w trybie chatbota i agenta bez żadnej zmiany — rozstrzyga wyłącznie to, czy dostał narzędzia i prawo z nich korzystać. Na demie wystarczy więc sprawdzić, co program potrafi zrobić poza pisaniem, i granica robi się widoczna w minutę. Gartner policzył w czerwcu 2025 r., że spośród tysięcy dostawców reklamujących się jako „agentowa AI” realnie agentowe produkty ma około 130 firm. Gartner nazywa tę praktykę agent washing.

agent AI · model językowy (LLM) · pętla agenta · Lekcja 1: Czym jest agent AI i czym różni się od chatbota

halucynacja

Halucynacja to odpowiedź modelu, która brzmi wiarygodnie i jest nieprawdziwa: wymyślony przepis, cena wzięta znikąd. Model nie sygnalizuje, że zgaduje.

Bierze się stąd, że model musi dokończyć zdanie także wtedy, gdy nie ma czym — luka w danych zostaje wypełniona najbardziej prawdopodobnym ciągiem słów. Największą część problemu zdejmuje jedno zdanie w promptcie mówiące, co robić przy braku pewności, na przykład „napisz, że sprawdzisz, i przekaż sprawę do Anny z obsługi”. Sam zakaz „nie zmyślaj” nie działa, bo nie mówi, co robić zamiast; w bazie wiedzy tę samą rolę pełni wymóg podania dokumentu i sekcji przy każdej odpowiedzi.

prompt systemowy · RAG · temperatura · agent AI · Lekcja 3: Jak napisać prompt systemowy, który naprawdę działa

kontekst

Kontekst to całość tekstu, jaką model dostaje przy jednym wywołaniu: prompt systemowy, historia rozmowy, wyniki narzędzi i bieżące pytanie.

Kontekst nie jest pamięcią — znika razem z sesją, a to, co ma przetrwać do jutra, agent musi zapisać do pliku albo bazy. Rośnie z każdą wymianą, bo dziesiąta wiadomość niesie ze sobą dziewięć poprzednich, i stąd biorą się rachunki rosnące bez żadnej zmiany w konfiguracji. Zanim zejdziesz na tańszy model, przytnij to, co agent wlecze ze sobą przy każdym kroku: w pomiarze LeanOps ponownie wysyłany kontekst odpowiadał za 62% kosztu tokenów.

okno kontekstowe · token · prompt systemowy · pętla agenta · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

pętla agenta

Pętla agenta to cykl „wykonaj krok, spójrz na wynik, zdecyduj o następnym”, powtarzany aż do końca zadania. Pętla dokłada do narzędzi ciągłość — bez niej agent z kompletem dostępów robi jeden ruch i kończy.

Bez pętli model robi jeden ruch i kończy, choćby miał komplet dostępów — to najczęstsza diagnoza, gdy agent po podpięciu narzędzi nadal niczego nie dowozi. Pętla ma swoją cenę: ten sam pięciokrokowy scenariusz kosztował w pomiarze LeanOps 0,158 USD jako zadanie agenta wobec 0,049 USD jako pojedyncze pytanie w czacie, czyli 3,2 raza więcej. Ustaw limit kroków od pierwszego dnia, bo pętla bez ogranicznika potrafi kręcić się w kółko na jednym błędzie i wypalić budżet w godzinę.

agent AI · kontekst · token · wywoływanie narzędzi (tool calling) · Lekcja 1: Czym jest agent AI i czym różni się od chatbota

prompt

Prompt to polecenie wysyłane do modelu: treść pytania razem z instrukcją, jak ma wyglądać odpowiedź. Model nie dopyta o to, czego w nim zabrakło, tylko uzupełni lukę własnym domysłem.

Dobry prompt opisuje wynik, a nie intencję: zamiast „odpowiadaj profesjonalnie” piszesz „dwa, trzy zdania, bez powitania, cena netto w złotych”. Sprawdzian jest prosty — jeśli na podstawie reguły nie da się odrzucić konkretnej wczorajszej odpowiedzi agenta, reguła nic nie robi. Prompt jednorazowy różni się od promptu systemowego tym, że nie wraca przy kolejnych wiadomościach, więc nie obciąża rachunku w każdym kroku.

prompt systemowy · kontekst · halucynacja · token · Lekcja 3: Jak napisać prompt systemowy, który naprawdę działa

prompt systemowy

Prompt systemowy to stała instrukcja agenta doklejana do każdej wiadomości: opisuje rolę i zakres, format odpowiedzi, granice oraz kontekst firmy.

Sprawdza się układ na pięć nazwanych sekcji — rola i zakres, format wyniku, zasady i granice, kontekst firmy, przykłady — w tej kolejności, bo model czyta prompt od góry i wcześniejsze fragmenty ważą więcej. Prompt leci do modelu przy każdym kroku agenta, więc każde zdanie płacisz tyle razy, ile kroków agent wykona; ile to robi na rachunku, liczy hasło kontekst. W OpenClaw zamiast jednego bloku tekstu masz osobne pliki: ton i granice w SOUL.md, dane właściciela w USER.md, zadania proaktywne w HEARTBEAT.md.

prompt · kontekst · halucynacja · agent AI · Lekcja 3: Jak napisać prompt systemowy, który naprawdę działa

wywoływanie narzędzi (tool calling)

Wywoływanie narzędzi to mechanizm, w którym model zamiast odpowiedzi zwraca żądanie uruchomienia konkretnej funkcji, a jej wynik wraca do niego jako kolejny fragment kontekstu.

Każde narzędzie ma nazwę, opis i zakres, a model wybiera je na podstawie tego opisu — źle opisany skill bywa pomijany albo używany nie tam, gdzie trzeba. Narzędzia włącza się pojedynczo, nie hurtem: katalog ClawLabs liczy 40 skilli w dziesięciu kategoriach, a większość agentów pracuje na kilku. Tu rozstrzyga się też uprawnienie agenta, bo bez narzędzia nie ma akcji, niezależnie od tego, co ktoś dopisał w promptcie.

agent AI · pętla agenta · prompt systemowy · Lekcja 6: Narzędzia agenta, czyli skąd bierze się różnica

Modele i prompty

baza wektorowa

Baza wektorowa to magazyn embeddingów, który dla zadanego pytania zwraca najbliższe mu znaczeniowo fragmenty tekstu. Stoi pod każdą bazą wiedzy agenta.

Od zwykłej bazy odróżnia ją sposób szukania: zamiast dopasowania po słowie liczy odległość między wektorami i oddaje kilka najbliższych fragmentów. Większą różnicę w trafności robi jednak podział dokumentu na fragmenty niż sam silnik bazy — plik z nagłówkami dzieli się w naturalnych miejscach, ściana tekstu w przypadkowych. Gdy agent cytuje właściwy dokument, ale niewłaściwą sekcję, wina prawie zawsze leży po stronie podziału.

embedding · RAG · wyszukiwanie semantyczne · Lekcja 14: Agent na wewnętrznych dokumentach: co wgrać, a czego nie

BYOK (własny klucz API)BYOK — bring your own key, własny klucz API

BYOK to sposób rozliczenia, w którym podpinasz do platformy własny klucz API dostawcy modelu i płacisz mu za tokeny bezpośrednio, zamiast przez pośrednika.

Głównym powodem nie jest cena, tylko umowa: treść rozmów idzie do wybranego dostawcy na Waszych warunkach, co przy dziale bezpieczeństwa bywa warunkiem wejścia. W ClawLabs modele platformowe MiniMax działają bez własnego klucza w ramach abonamentu od 399 zł miesięcznie, a Anthropic, OpenAI i Google wymagają wklejenia klucza — wtedy za hosting agenta płacisz platformie, a za tokeny dostawcy. Przy dwustu rozmowach miesięcznie oszczędność ginie w zaokrągleniu, więc sama cena rzadko uzasadnia kolejne konto do pilnowania. Czego BYOK nie zmienia, to kierunek danych. Treść nadal idzie do Anthropic, OpenAI albo Google — w firmie zostaje wyłącznie przy modelu uruchomionym na własnej infrastrukturze, który kosztuje więcej i odpowiada wyraźnie słabiej.

model językowy (LLM) · token · self-hosting · OpenClaw · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

embedding

Embedding to zapis fragmentu tekstu jako ciągu liczb, w którym bliskie znaczeniowo fragmenty mają bliskie sobie wartości. Na tym opiera się szukanie po sensie zamiast po słowach.

Embeddingi liczy osobny, tani model — pamięć agenta w ClawLabs korzysta z text-embedding-3-small po 0,02 USD za milion tokenów, czyli ułamka stawki modelu prowadzącego rozmowę. Powstają raz, przy dodaniu dokumentu do bazy, i trzeba je przeliczyć po każdej zmianie treści; pominięcie tego kroku jest częstą przyczyną cytowania nieaktualnej wersji. Praktyczny skutek widać na pytaniu „ile mam czasu na zwrot”, które trafia w akapit o terminie odstąpienia od umowy, choć nie mają wspólnego wyrazu.

baza wektorowa · wyszukiwanie semantyczne · RAG · Lekcja 14: Agent na wewnętrznych dokumentach: co wgrać, a czego nie

fine-tuning

Fine-tuning to douczanie gotowego modelu na własnym zbiorze przykładów, żeby trwale zmienić jego styl albo format odpowiedzi. Wiedza wchodzi wtedy w wagi modelu, a nie do promptu.

W firmach sięga się po to rzadko i zwykle za wcześnie. Gdy pytanie brzmi „agent ma znać nasze dokumenty”, właściwą odpowiedzią jest RAG: dokument poprawiony w piątek działa od piątku, a model douczony w piątek trzeba douczyć jeszcze raz. Fine-tuning ma sens przy stałym, powtarzalnym formacie wyjścia i dużej liczbie przykładów, przy czym koszt liczy się nie w tokenach, tylko w przygotowaniu zbioru i powtórce przy każdej zmianie modelu bazowego.

RAG · model językowy (LLM) · prompt systemowy · Lekcja 14: Agent na wewnętrznych dokumentach: co wgrać, a czego nie

model językowy (LLM)LLM — large language model, duży model językowy

Model językowy (LLM) to program przewidujący kolejne fragmenty tekstu na podstawie tego, co dostał na wejściu. Sam niczego nie wykonuje — bez podpiętych narzędzi potrafi tylko pisać.

Modele sprzedaje się w półkach cenowych, a między budżetową a flagową jest dziesięciokrotność, nie kilkanaście procent: cennik Anthropic z lipca 2026 wycenia Haiku 4.5 na 1 USD za milion tokenów wejścia, a Fable 5 na 10 USD. Wybór modelu bywa przy tym najbardziej przecenianą decyzją w całym projekcie, bo na jakość odpowiedzi mocniej wpływa opis zadania niż generacja modelu. Zacznij od środkowej półki, puść na niej pięćdziesiąt prawdziwych zapytań i dopiero wtedy sprawdź, czy dopłata do mocniejszego cokolwiek zmienia.

token · okno kontekstowe · rozumowanie (reasoning) · temperatura · BYOK (własny klucz API) · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

multimodalność

Multimodalność to zdolność modelu do przyjmowania i tworzenia treści w więcej niż jednej postaci — obok tekstu także obrazu, dźwięku albo wideo.

W codziennej pracy agenta sprowadza się to najczęściej do zdjęć i skanów: paragon sfotografowany telefonem, zrzut ekranu z komunikatem błędu, skan umowy. Po stronie modeli obsługa jest opisana wprost — GPT-4o był pierwszym modelem, który przyjął obraz i dźwięk obok tekstu, a dziś multimodalność jest w tej półce standardem: MiniMax M3 czyta obrazy przy oknie miliona tokenów. Sprawdź to na własnych plikach przed decyzją, bo odczyt polskich skanów o słabym kontraście bywa dużo gorszy niż na przykładach z dokumentacji dostawcy.

model językowy (LLM) · okno kontekstowe · token · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

okno kontekstowe

Okno kontekstowe to górny limit tekstu, jaki model przyjmuje w jednym wywołaniu, liczony w tokenach. Przekroczenie limitu kończy się błędem wywołania — to platforma musi wcześniej przyciąć albo streścić historię, model sam niczego nie odrzuci.

Rozpiętość jest duża: Haiku 4.5 obsługuje 200 tys. tokenów, Opus 5 milion przy 128 tys. tokenów wyjścia. Duże okno kusi, żeby wrzucić do promptu całą bazę wiedzy, i to jest najprostszy sposób na potrojenie rachunku — w cenniku Google przekroczenie 200 tys. tokenów w Gemini 3.1 Pro podnosi stawkę z 2 i 12 USD na 4 i 18 USD. W OpenClaw błąd HTTP 429 rate_limit_error dokumentacja radzi naprawiać przełączeniem na model ze standardowym oknem albo konfiguracją modeli zapasowych.

kontekst · token · model językowy (LLM) · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

RAGRAG — retrieval-augmented generation, generowanie wspomagane wyszukiwaniem

RAG to technika, w której system najpierw wyszukuje fragmenty Waszych dokumentów pasujące do pytania, a potem wkleja je do promptu, żeby model odpowiadał z nich zamiast z własnej pamięci.

Dokumenty nie trafiają do modelu na stałe: przy każdym pytaniu leci tylko dopasowany fragment, więc zakres wysyłanych danych jest znacznie węższy, niż ludzie zakładają — ten argument skraca rozmowę z działem prawnym. Jakość zależy od porządku w plikach, nie od modelu; jeśli obok tegorocznego cennika leży zeszłoroczny, agent prędzej czy później zacytuje stary i zrobi to tym samym pewnym tonem. Zacznij od pięciu do dziesięciu dokumentów odpowiadających na najczęstsze pytania, bo więcej materiału to więcej kandydatów na odpowiedź, w tym gorszych.

embedding · baza wektorowa · wyszukiwanie semantyczne · fine-tuning · halucynacja · Lekcja 14: Agent na wewnętrznych dokumentach: co wgrać, a czego nie

rozumowanie (reasoning)

Rozumowanie (reasoning) to tryb pracy modelu, w którym przed odpowiedzią generuje on wewnętrzny ciąg kroków pośrednich. Kroki te zużywają tokeny i zwykle nie są pokazywane użytkownikowi.

Opłaca się tam, gdzie pomyłka w trzecim kroku psuje wszystkie następne: wieloetapowy research albo pisanie i poprawianie kodu. Przy klasyfikacji zgłoszeń do pięciu kategorii dokłada koszt i nie zmienia wyniku, więc półka flagowa bywa tam czystą stratą. W OpenClaw bloki rozumowania są oznaczane flagą isReasoning i nie trafiają do transkryptu WebChatu — nie licz na to, że użytkownik zobaczy tok myślenia agenta.

model językowy (LLM) · token · pętla agenta · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

temperatura

Temperatura to ustawienie sterujące losowością odpowiedzi: przy niskiej wartości model trzyma się najbardziej prawdopodobnych kontynuacji, przy wysokiej częściej sięga po rzadsze.

Do zadań o wąskim wyjściu, jak klasyfikacja zgłoszeń albo wyciąganie kwot z faktury, ustawia się nisko, bo powtarzalność jest tam warta więcej niż inwencja. Przy tekstach pisanych dla ludzi wyższa wartość daje mniej sztywny styl, ale utrudnia testowanie: to samo wejście da inną odpowiedź przy każdym uruchomieniu. Największe nieporozumienie brzmi tak, że niska temperatura leczy halucynacje — model przy zerze zmyśla równie pewnie, tylko za każdym razem tak samo.

halucynacja · model językowy (LLM) · prompt · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

token

Token to kawałek tekstu, którym rozlicza się pracę modelu — bardzo z grubsza trzy, cztery znaki polszczyzny. Strona A4 to około siedmiuset tokenów.

Ceny podaje się za milion tokenów, osobno za wejście i osobno za wyjście, przy czym wyjście kosztuje cztery do pięciu razy więcej. Rachunek robi jednak wejście, bo agent generuje mało tekstu i połyka bardzo dużo: pomiar LeanOps na pięciokrokowym zadaniu dał 45 700 tokenów wejściowych przy 1 350 wyjściowych. Iternal AI szacuje proste zadanie agenta na 5–15 tys. tokenów, a agenta robiącego sto zadań dziennie na około 30 mln tokenów miesięcznie — przemnóż to przez swoją stawkę, zanim ktoś powie, że to grosze.

okno kontekstowe · kontekst · model językowy (LLM) · BYOK (własny klucz API) · Lekcja 4: Który model wybrać i ile to naprawdę kosztuje

wyszukiwanie semantyczne

Wyszukiwanie semantyczne to szukanie po znaczeniu zamiast po dosłownych słowach: pytanie i dokumenty porównuje się jako embeddingi, więc trafienie nie wymaga wspólnego wyrazu.

Przewaga widać tam, gdzie klienci pytają innym językiem, niż napisano Wasze procedury: „faktura nie doszła” kontra „duplikat dokumentu sprzedaży”. Słabszą stroną są identyfikatory — numer zamówienia albo symbol produktu lepiej znajduje zwykłe dopasowanie po znakach. Gdy agent odpowiada ogólnikami zamiast konkretem z dokumentu, najtańszą poprawką jest dopisanie do bazy krótkiego FAQ napisanego językiem, jakim pytają ludzie.

embedding · baza wektorowa · RAG · Lekcja 14: Agent na wewnętrznych dokumentach: co wgrać, a czego nie

OpenClaw i architektura

allowlista

Allowlista to lista nadawców, grup albo pokojów, którym wolno rozmawiać z agentem. Wszystko spoza niej jest odrzucane, a w logu zostaje wpis „blocked” lub „allowlist”.

Allowlista działa razem z dmPolicy albo groupPolicy ustawionym na „allowlist”. Pierwsza pułapka jest nieoczywista: tryb „open” też wymaga jawnego wpisu „*” na allowliście kanału, bo bez niego wiadomości nadal lecą do kosza. Druga potrafi zjeść pół dnia i dotyczy Slacka — allowlisty muszą używać identyfikatorów w formacie C12345678, a klucze oparte na nazwie kanału po cichu nie działają: nic się nie wywala, po prostu nic nie przechodzi. Uzupełniają je groupAllowFrom z listą dozwolonych nadawców w grupach, rejestr groups oraz requireMention; sam allowFrom działa już tylko jako fallback. Milczący agent to prawie zawsze polityka dostępu, nie awaria.

dmPolicy · requireMention · parowanie · kanał · izolacja · audyt dostępu · wyciek danych · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

ClawHub

ClawHub to katalog pluginów i skilli do OpenClaw, z którego instaluje się kanały i umiejętności agenta jedną komendą. Drugim źródłem tych samych paczek jest npm.

Składnia instalacji wygląda tak: openclaw plugins install clawhub:@openclaw/whatsapp albo openclaw plugins install @openclaw/slack. Gateway ładuje zewnętrzny plugin dopiero wtedy, gdy kanał jest faktycznie aktywny, więc nieużywana paczka nie obciąża procesu — ale po każdej instalacji potrzebny jest restart. Część pluginów kanałów pochodzi od społeczności, a nie z oficjalnych paczek @openclaw/*, i to jest moment na sprawdzenie autora: skill uruchamia się z uprawnieniami Twojego agenta.

skill · kanał · Gateway · Lekcja 6: Narzędzia agenta, czyli skąd bierze się różnica

dmPolicy

dmPolicy to klucz konfiguracji OpenClaw decydujący, kto może napisać do agenta prywatnie. Przyjmuje cztery wartości: pairing (domyślna), allowlist, open i disabled.

Domyślne „pairing” oznacza, że nieznany nadawca dostaje kod parowania, a Ty zatwierdzasz go komendą openclaw pairing approve. Kody wygasają po godzinie, a WhatsApp limituje oczekujące żądania do trzech na konto — gdy ktoś próbuje trzeci raz i nic się nie dzieje, zajrzyj do kolejki parowania, zanim zaczniesz szukać błędu w konfiguracji. Odpowiednikiem dla rozmów grupowych jest groupPolicy z wartościami open, allowlist i disabled. Wpisy „pairing request” i „blocked” w logach to najczęstsze źródło wrażenia, że agent jest zepsuty.

parowanie · allowlista · requireMention · kanał · Lekcja 13: Agent na Slacku i w Teams: gdzie ma odpowiadać

Gateway

Gateway to centralny proces OpenClaw: przyjmuje wiadomości ze wszystkich kanałów, uruchamia agenta i wystawia Control UI. Domyślnie nasłuchuje na porcie 18789.

Gateway obserwuje openclaw.json i przeładowuje zmiany na gorąco — restart jest potrzebny tylko przy zmianie portu, ustawień uwierzytelniania albo po instalacji pluginu kanału. Uwierzytelnianie działa fail-closed: bez skonfigurowanego tokenu, hasła lub trybu trusted-proxy Gateway odmawia połączeń WebSocket, i to nie jest awaria, tylko zamierzone zachowanie. Gdy port jest zajęty, dostaniesz EADDRINUSE — sprawdź lsof -i :18789, bo precedencja idzie od flagi --port przez zmienną OPENCLAW_GATEWAY_PORT do klucza gateway.port i to zwykle tłumaczy, dlaczego „port się nie zmienia” mimo edycji configu.

OpenClaw · openclaw.json · kanał · kontener Docker · Lekcja 9: Od testu do produkcji, bez psucia sobie opinii

HEARTBEAT.md

HEARTBEAT.md to plik workspace'u z listą zadań proaktywnych agenta. Dzisiejszy silnik go nie czyta: instrukcje przeniosły się do notatnika harmonogramu, a stary plik jest importowany przy aktualizacji.

Podział ról jest czytelny: harmonogram odpowiada na pytanie „jak wygląda sytuacja” o stałej godzinie, webhook reaguje na zdarzenie, a heartbeat bierze rzeczy, które nie mają swojej godziny, ale nie powinny czekać do jutra. Pobudka co pół godziny to 48 wywołań na dobę i każde kosztuje tokeny, więc lista ma być krótka. Jeśli pozycję da się domknąć porannym raportem o siódmej, przenieś ją na harmonogram. Sam plik HEARTBEAT.md spotkasz jeszcze w starszych instalacjach i w poradnikach z pierwszej połowy 2026 roku — przy aktualizacji jego treść trafia do notatnika harmonogramu, a plik zostaje zarchiwizowany.

workspace · zadanie cykliczne (cron) · MEMORY.md · Lekcja 5: Zadania cykliczne, czyli agent, który odzywa się sam

IDENTITY.md

IDENTITY.md to plik workspace'u OpenClaw z tożsamością agenta: imieniem, rolą, emoji i obszarami, w których ma być kompetentny. Odpowiada na pytanie „kim jesteś”, a nie „jak masz się zachowywać”.

Podział zaczyna się opłacać, gdy w firmie działa więcej niż jeden agent: SOUL.md bywa wspólny dla całego zespołu, a IDENTITY.md rozróżnia, kto siedzi na kanale sprzedaży, a kto na kadrach. Plik jest opcjonalny — bez niego agent nadal działa, tylko przedstawia się ogólnie. Pułapka polega na wpisywaniu tu listy narzędzi: ekspertyza to obszar tematyczny, a uprawnienia nadaje się osobno i to one są ścianą.

workspace · SOUL.md · narzędzie (tool) · Lekcja 3: Jak napisać prompt systemowy, który naprawdę działa

kanał

Kanał to komunikator, przez który piszesz do agenta. W OpenClaw wbudowane w rdzeń są WebChat, Telegram i iMessage, a każdy pozostały komunikator to osobny plugin do zainstalowania.

Instalacja to openclaw plugins install @openclaw/<id>, a po niej restart Gateway — bez restartu kanał nie wstanie i stąd bierze się większość zgłoszeń „zainstalowałem, a nic się nie dzieje”. Najszybszy start ma Telegram: wystarczy token bota od @BotFather, bez publicznego adresu i certyfikatu. Wszystkie kanały obsługują tekst, natomiast media, reakcje i potwierdzenia odczytu różnią się mocno i zwykle to decyduje o wyborze kanału głównego — Telegram tnie tekst co 4000 znaków, Discord co 2000. ClawLabs oddaje 13 kanałów podpiętych z góry.

Gateway · dmPolicy · requireMention · ClawHub · Lekcja 13: Agent na Slacku i w Teams: gdzie ma odpowiadać

kontener Docker

Kontener Docker to izolowana paczka z aplikacją i wszystkim, czego ona potrzebuje do pracy. OpenClaw uruchomiony w kontenerze nie miesza się z resztą serwera i przenosi się jednym poleceniem.

W Dockerze najczęściej wykłada się sieć: domyślny gateway.bind = loopback nasłuchuje na 127.0.0.1 wewnątrz kontenera, więc przy zwykłym mapowaniu -p 18789:18789 ruch przychodzi na eth0, a Gateway pozostaje nieosiągalny. Zmiana bindu wymaga wcześniejszego ustawienia uwierzytelniania — dokumentacja ostrzega wprost, żeby nigdy nie wystawiać Gateway bez auth na 0.0.0.0, i zamiast bindowania na LAN poleca Tailscale Serve. Drugi klasyk to komunikat „blocked plugin candidate: suspicious ownership (uid=1000...)”, który naprawia chown -R 1000:1000 na katalogu konfiguracji i workspace, a potem openclaw doctor --fix.

Gateway · self-hosting · openclaw.json · Lekcja 9: Od testu do produkcji, bez psucia sobie opinii

MCPMCP — Model Context Protocol, protokół kontekstu modelu

MCP to otwarty standard, w którym agent rozmawia z zewnętrznymi narzędziami przez jeden wspólny protokół, zamiast mieć osobną integrację napisaną do każdego systemu z osobna.

W praktyce serwer MCP wystawia zestaw narzędzi, a agent podłącza się do niego jako klient. ClawLabs Office uruchamia taki serwer lokalnie na komputerze użytkownika — nowe narzędzia dokładane są po stronie serwera, bez aktualizowania aplikacji desktopowej. Zysk dla firmy jest konkretny: jedna integracja z Waszym CRM-em obsługuje potem dowolnego agenta, zamiast być pisana od nowa przy każdej zmianie platformy. Częsty błąd polega na traktowaniu MCP jak zabezpieczenia — protokół standaryzuje dostęp, ale go nie zawęża, o zakresie decydują nadane uprawnienia.

narzędzie (tool) · skill · Lekcja 6: Narzędzia agenta, czyli skąd bierze się różnica

MEMORY.md

MEMORY.md to plik workspace'u OpenClaw z trwałą wiedzą agenta, ładowany na starcie każdej sesji. Trafiają tam fakty, które mają obowiązywać zawsze, a nie tylko w jednej rozmowie.

Kontekst rozmowy znika razem z sesją, MEMORY.md zostaje — dlatego wpisuje się tu wiedzę w rodzaju „faktury wystawiamy do 7. dnia miesiąca”, a nie przebieg wczorajszej dyskusji. W branżowych szablonach ClawLabs plik pełni rolę indeksu: trzyma spis sekcji i odsyła do katalogu memory/<branża>/, żeby agent nie ładował całej bazy przy każdym starcie. Za wygodę płaci się tokenami, bo wszystko z MEMORY.md jedzie w kontekście przy każdej sesji, więc rozrastanie pliku bez limitu widać wprost na rachunku. Osobna pułapka: na Discordzie MEMORY.md nie ładuje się automatycznie w kontekście serwerów.

workspace · SOUL.md · HEARTBEAT.md · Lekcja 3: Jak napisać prompt systemowy, który naprawdę działa

narzędzie (tool)

Narzędzie to funkcja, którą model może wywołać, żeby wyjść poza generowanie tekstu — otworzyć stronę, zapisać plik albo odpytać cudze API. Narzędzia wyznaczają zasięg agenta: bez nich zostaje sam tekst.

Większość codziennej pracy robią cztery zdolności: przeglądarka, pliki, uruchamianie kodu i wywołania cudzego API. Każde narzędzie kosztuje dwa razy — opisem w promptcie, bo model musi wiedzieć, że coś takiego istnieje, i wynikiem, który wraca do kontekstu i jedzie z nim przy kolejnych krokach. Zestawienie Iternal AI z lipca 2026 daje skalę: prosty agent z jednym czy dwoma wywołaniami mieści się w 5–15 tysiącach tokenów na zadanie, wieloetapowe rozumowanie zjada 50–200 tysięcy. Linię rysuje się raz: narzędzia czytające włączaj szeroko, zapisujące pojedynczo i z wąskim zakresem uprawnień, bo uprawnienie jest ścianą, a reguła w promptcie tylko prośbą.

skill · MCP · allowlista · Lekcja 6: Narzędzia agenta, czyli skąd bierze się różnica

OpenClaw

OpenClaw to otwartoźródłowy silnik agentów AI, który uruchamiasz na własnym serwerze i podpinasz do komunikatorów, z których zespół już korzysta — od Telegrama i WhatsAppa po Slacka.

Architektura jest prosta: Gateway przyjmuje ruch z komunikatorów, pliki workspace opisują zachowanie agenta, a każdy dodatkowy komunikator dokładasz jako osobny plugin. Silnik jest darmowy — płacisz za serwer i za tokeny modelu, bo OpenClaw modelu w sobie nie zawiera i wymaga klucza API. Stąd bierze się najczęstsze nieporozumienie: ludzie oceniają OpenClaw po jakości odpowiedzi, a ta zależy od wybranego modelu, nie od silnika. Gotową instancję w chmurze EU uruchamia ClawLabs w około 60 sekund, od 399 zł miesięcznie.

Gateway · workspace · kanał · self-hosting · openclaw.json · Lekcja 1: Czym jest agent AI i czym różni się od chatbota

openclaw.json

openclaw.json to plik ustawień technicznych OpenClaw — Gateway, kanały, agenci, narzędzia — w formacie JSON5. Jest opcjonalny: bez niego silnik startuje na bezpiecznych wartościach domyślnych.

Konfigurację zmienia się na cztery sposoby i wszystkie prowadzą do tego samego pliku: kreator openclaw configure, komendy openclaw config get/set, Control UI pod http://127.0.0.1:18789 albo zwykła edycja w edytorze. Schemat jest ścisły — nieznany klucz, zły typ albo niepoprawna wartość i konfiguracja zostaje odrzucona. To akurat dobra wiadomość, bo błędna edycja nie nadpisuje działającej wersji: ląduje obok jako openclaw.json.rejected.<timestamp>, więc masz do czego wrócić. Powrót do ostatniej znanej dobrej kopii robi openclaw doctor --fix. Zachowanie agenta — ton, granice, pamięć — nie mieszka tutaj, tylko w plikach workspace'u.

Gateway · workspace · snapshot · Lekcja 18: Gdy agent zaczyna się mylić: przeglądy, model, wyłączenie

parowanie

Parowanie to zatwierdzenie nowego rozmówcy kodem, zanim agent zacznie mu odpowiadać. Nieznany nadawca dostaje kod, Ty akceptujesz go z linii poleceń, a sam kod wygasa po godzinie.

Komendy to openclaw pairing list <kanał> i openclaw pairing approve <kanał> <CODE>. Sens jest czysto praktyczny: agent podpięty do firmowego numeru WhatsAppa nie odpowiada przypadkowym osobom tylko dlatego, że zdobyły numer. W WhatsAppie oczekujące żądania są limitowane do trzech na konto, więc gdy ktoś próbuje trzeci raz i nic się nie dzieje, sprawdź kolejkę zamiast przeglądać logi. Zachowanie zmienia się kluczem dmPolicy — wartość „open” wyłącza parowanie całkowicie.

dmPolicy · allowlista · kanał · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

requireMention

requireMention to ustawienie OpenClaw, które każe agentowi ignorować wiadomości grupowe do czasu, aż ktoś go wprost wspomni. To najczęstszy powód, dla którego agent milczy na kanale zespołu.

Wpis w logu brzmi „drop guild message (mention required)” i nie oznacza awarii, tylko świadome odrzucenie wiadomości przez politykę dostępu. Na ruchliwym kanale zespołu warto zostawić to włączone, bo inaczej agent reaguje na każdą rozmowę i płaci za nią tokenami. W Telegramie sprawdź dodatkowo tryb privacy bota — przy włączonym bot w ogóle nie widzi wiadomości, w których nie został wywołany, więc sama zmiana requireMention niczego nie naprawi.

dmPolicy · allowlista · kanał · Lekcja 13: Agent na Slacku i w Teams: gdzie ma odpowiadać

self-hosting

Self-hosting to uruchomienie agenta na własnym serwerze zamiast korzystania z hostingu zarządzanego. Sam OpenClaw jest darmowy i otwarty, więc koszt przesuwa się z abonamentu na Twój czas.

Po Twojej stronie zostają aktualizacje silnika, kopie zapasowe, pilnowanie portów i odnawianie tokenów kanałów, a do tego openclaw doctor po każdej aktualizacji. Rachunek robi się czytelny dopiero po przeliczeniu na godziny: pełny koszt godziny pracodawcy to 68 zł, samo utrzymanie agenta zajmuje 1,5–2 h miesięcznie, a warstwa serwerowa dokłada się do tego osobno. Abonament ClawLabs od 399 zł miesięcznie jest wariantem, w którym ta warstwa siedzi po stronie dostawcy. Wybór nie dotyczy licencji, bo OpenClaw jest darmowy w obu przypadkach — dotyczy tego, kto ma pilnować infrastruktury.

kontener Docker · snapshot · Gateway · BYOK (własny klucz API) · Lekcja 9: Od testu do produkcji, bez psucia sobie opinii

skill

Skill to gotowa paczka dokładająca agentowi jedną zdolność: wyszukiwanie w sieci, czytanie PDF-a albo wysyłkę wiadomości na Slacka. Instaluje się ją z katalogu, bez pisania kodu.

Katalog ClawLabs ma 40 skilli w dziesięciu kategoriach, od Web & Search po Finanse, i jak na 2026 rok nie jest to lista wyjątkowo bogata. Przy dokładaniu kolejnej pozycji zadaj jedno pytanie: czy to nowa zdolność, czy wygodniejsza wersja czegoś, co agent już potrafi? Włączanie wszystkiego „na zapas” działa odwrotnie, niż podpowiada intuicja — im więcej skilli, tym częściej agent sięga po nieoczywisty, a log z jednego uruchomienia rośnie do kilkuset linii. Dokładanie zajmuje trzydzieści sekund, więc nic nie tracisz, czekając, aż agent sam zgłosi brak.

narzędzie (tool) · MCP · ClawHub · Lekcja 6: Narzędzia agenta, czyli skąd bierze się różnica

snapshot

Snapshot to zamrożona kopia stanu — dysku serwera albo bazy agenta — z której da się odtworzyć działającą instalację. Robi się go przed zmianą, nie po awarii.

W OpenClaw działa to na dwóch poziomach. openclaw backup create --verify pakuje katalog stanu, aktywną konfigurację, poświadczenia, workspace i bazy SQLite, przy czym bazy zrzucane są przez online backup API SQLite, więc Gateway nie musi być zatrzymany; osobny zestaw openclaw backup sqlite obsługuje create, list, verify i restore pojedynczych baz. Na poziomie serwera ClawLabs startuje instancje z przygotowanego wcześniej snapshotu Hetznera i stąd bierze się start w około 60 sekund. Najczęstszy błąd to sięganie po kopię dopiero po awarii zamiast robienie jej przed planowaną zmianą.

workspace · self-hosting · openclaw.json · Lekcja 18: Gdy agent zaczyna się mylić: przeglądy, model, wyłączenie

SOUL.md

SOUL.md to plik workspace'u OpenClaw opisujący ton, wartości i granice agenta — czyli to, jak ma się zachowywać, zanim jeszcze dostanie pierwsze zadanie.

Domyślny szablon dzieli plik na wartości, ton i granice. Granice działają tu lepiej niż w pojedynczej wiadomości, bo agent czyta SOUL.md przy każdym starcie sesji — reguła „nigdy nie podaję danych innych klientów, przy takich pytaniach przekazuję sprawę człowiekowi” trzyma się także wtedy, gdy ktoś próbuje podpuścić agenta pilnością albo powołaniem się na kierownika. Kwadrans pisania, efekt na każdej rozmowie. Częsty błąd polega na wpisaniu tu opisu marketingowego zamiast reguł, które da się egzekwować.

workspace · IDENTITY.md · MEMORY.md · Lekcja 3: Jak napisać prompt systemowy, który naprawdę działa

workspace

Workspace to katalog agenta OpenClaw z plikami Markdown, które opisują jego charakter, wiedzę i zadania stałe. Domyślnie leży w ~/.openclaw/workspace, a agent czyta go przy starcie sesji.

Standardowy zestaw to SOUL.md, IDENTITY.md, USER.md, MEMORY.md i HEARTBEAT.md — zwykłe pliki tekstowe, które otwierasz w edytorze i czytasz, co agent o Tobie wie. Ścieżka zmienia się przy ustawionym OPENCLAW_PROFILE na ~/.openclaw/workspace-<profil>, a zmienna OPENCLAW_WORKSPACE_DIR nadpisuje jedno i drugie. Dokumentacja radzi trzymać workspace w prywatnym repozytorium git — historia zmian pokazuje, kiedy agent zmienił zdanie na swój temat. Katalogu ~/.openclaw nie commituj nigdy: siedzą tam poświadczenia kanałów, tokeny OAuth i transkrypty sesji.

SOUL.md · IDENTITY.md · MEMORY.md · HEARTBEAT.md · snapshot · Lekcja 3: Jak napisać prompt systemowy, który naprawdę działa

zadanie cykliczne (cron)

Zadanie cykliczne to praca uruchamiana według harmonogramu, a nie na Twoje polecenie — poranne podsumowanie kalendarza, cotygodniowy przegląd cen konkurencji, piątkowy raport kosztów.

Test, który odsiewa większość pomysłów w minutę: gdyby ten raport przyszedł dziś pusty, chciałbyś o tym wiedzieć? Jeśli tak, nadaje się na harmonogram; jeśli ma sens wyłącznie wtedy, gdy coś się wydarzyło, użyj wyzwalacza zdarzeniowego — sprawdzanie co pięć minut to blisko 8700 uruchomień miesięcznie i dziesiątki milionów tokenów za informację, że nic się nie zmieniło. Zasada z lekcji piątej: jedno zadanie cykliczne naraz przez dwa tygodnie, a jeśli po tym czasie nadal je otwierasz, zostaje. Strefę czasową zapisuje się w USER.md — w polskich instalacjach ma tam stać Europe/Warsaw, bo agent na serwerze w innej strefie dostarcza poranny raport o piątej i nikt tego nie zauważa przez tydzień.

HEARTBEAT.md · workspace · Lekcja 5: Zadania cykliczne, czyli agent, który odzywa się sam

Bezpieczeństwo

audyt dostępu

Audyt dostępu to okresowe sprawdzenie, kto może rozmawiać z agentem oraz po jakie dane i narzędzia agent sięga sam. Robi się go po każdej zmianie kadrowej i po podpięciu nowego kanału.

Punktem wyjścia są dwa miejsca, w których widać różnicę między stanem zapisanym a faktycznym: allowlista kanałów i rejestr agentów. Najczęstszy rozjazd bierze się z odejść — martwy agent z żywymi uprawnieniami i prompt wskazujący na osobę, której nie ma już w firmie, to ta sama klasa problemu. Wpiszcie to sprawdzenie do listy przekazania obowiązków, obok skrzynki i kluczy, zamiast robić z niego osobny projekt zgodnościowy; osobne projekty zgodnościowe umierają w drugim kwartale.

allowlista · izolacja · właściciel procesu · koszt utrzymania · Lekcja 18: Gdy agent zaczyna się mylić: przeglądy, model, wyłączenie

izolacja

Izolacja to oddzielenie agenta od zasobów, których nie potrzebuje do swojego zadania: osobna instancja, osobne konto, węższy zestaw uprawnień. Ogranicza szkodę, gdy coś pójdzie źle, zamiast jej zapobiegać.

OpenClaw jest zaprojektowany w modelu zaufania „personal assistant”, a nie jako system wielodostępowy z izolacją między użytkownikami — dokumentacja mówi to wprost i na współdzielonej maszynie ma to konkretne konsekwencje. Dlatego higienę robi się na poziomie systemu plików: uprawnienia 600 na ~/.openclaw/openclaw.json i 700 na katalog ~/.openclaw, bo w środku leżą poświadczenia kanałów, tokeny OAuth i transkrypty sesji. Przy poleceniach systemowych rolę izolacji przejmuje sandbox — bezpieczniejszy układ tools.exec to security=allowlist z ask=on-miss albo host=auto, które rozwiązuje się do sandboxa.

allowlista · szyfrowanie w spoczynku · prompt injection · tryb akceptacji · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

prompt injection

Prompt injection to atak polegający na ukryciu polecenia w treści, którą agent czyta — mailu, stronie, pliku — tak, żeby potraktował je jak instrukcję od użytkownika i zrobił coś poza swoim zakresem.

Model nie odróżnia z natury instrukcji od danych: wszystko, co trafia do kontekstu, wygląda dla niego tak samo. Ryzyko rośnie skokowo w chwili, w której agent dostaje dostęp do skrzynki albo do wyszukiwarki, bo zaczyna czytać treści pisane przez obcych. Obrona jest nudna i organizacyjna — im węższy zestaw narzędzi zapisujących i wysyłających, tym mniej agent może zrobić po udanym podstawieniu. Reguła w promptcie systemowym o tym, czego agent nie ujawnia nigdy i komu przekazuje takie prośby, kosztuje kwadrans pracy i działa na każdej rozmowie.

izolacja · allowlista · wyciek danych · tryb akceptacji · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

retencja logów

Retencja logów to ustalony okres, po którym zapisy rozmów agenta są kasowane, razem ze wskazaną z nazwiska osobą, która tego pilnuje. Bez terminu logi rosną bez końca i nie da się obsłużyć żądania usunięcia danych.

Sam log jest niezbędny — to jedyna rzecz, której nie da się dorobić wstecz, gdy ktoś pyta, co agent powiedział klientowi trzeciego lipca. Problem zaczyna się przy braku daty końcowej, bo domyślnie zapisy nie znikają nigdy. Osobna warstwa leży poza Waszą kontrolą: polityka prywatności ClawLabs podaje 7 do 30 dni retencji po stronie API dostawcy modelu. To nie jest Wasz termin na obsługę żądania usunięcia — ten wyznacza RODO art. 12 ust. 3 i wynosi miesiąc. To informacja o tym, jak długo kopia rozmowy żyje u podprzetwarzającego. Termin w dokumencie plus człowiek, który go pilnuje, załatwiają to lepiej niż jakiekolwiek narzędzie.

RODO · umowa powierzenia (DPA) · wyciek danych · szyfrowanie w spoczynku · Lekcja 16: RODO i AI Act: co przygotować, zanim zapyta prawnik

szyfrowanie w spoczynku

Szyfrowanie w spoczynku to zabezpieczenie danych leżących na dysku — logów, konfiguracji, poświadczeń — tak, żeby odczytanie samego nośnika nic nie dało. Chroni przed kradzieżą kopii, nie przed nadużyciem żywego konta.

W OpenClaw dotyczy to przede wszystkim katalogu ~/.openclaw: leżą tam poświadczenia kanałów, sesje, tokeny i zaszyfrowane payloady sekretów, i dlatego FAQ projektu odradza wrzucanie go do repozytorium git. Workspace agenta to osobna lokalizacja — pliki SOUL.md, IDENTITY.md, MEMORY.md i HEARTBEAT.md nadają się do prywatnego repo bez przeszkód, a pełną kopię robi openclaw backup create. Częsty błąd polega na podawaniu szyfrowania jako odpowiedzi na pytanie prawnika o RODO; ono zamyka jedno zagrożenie z kilku i nie zastępuje ani umowy powierzenia, ani ustalonego terminu retencji.

izolacja · retencja logów · wyciek danych · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

wyciek danych

Wyciek danych to udostępnienie informacji komuś, kto nie powinien jej zobaczyć. Przy agencie AI rzadko wygląda jak włamanie — częściej jak odpowiedź, w której dane jednego klienta trafiają do drugiego.

Najkrótsza droga prowadzi przez zbyt szeroką allowlistę albo narzędzie o zasięgu większym niż zadanie, na przykład skill zapisujący do kanału, który czyta pół firmy. Osobno rośnie log rozmów bez terminu kasowania: każdy dzień przechowywania to kolejny dzień, w którym te dane można komuś wydać albo stracić. Do tego dochodzi shadow AI — raport „Cyberportret polskiego biznesu 2026” podaje, że 62% pracowników używa AI w obowiązkach służbowych, a spisane zasady ma 27% firm, więc ruch płynie przez prywatne konta, na których nikt nie ma umowy powierzenia.

allowlista · retencja logów · prompt injection · izolacja · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

Prawo i zgodność

administrator danych

Administrator danych to podmiot decydujący o celach i sposobach przetwarzania danych osobowych. Przy agencie AI administratorem jest Wasza firma, a nie dostawca platformy ani dostawca modelu językowego.

Rola ma konsekwencję, którą łatwo przeoczyć: to Wy odpowiadacie za podstawę prawną, za poinformowanie klientów i za obsługę żądania usunięcia danych, nawet gdy agent stoi na cudzej infrastrukturze. Częste założenie brzmi, że skoro platforma ma serwery w Unii i papiery, odpowiedzialność przechodzi na nią. Nie przechodzi — przechodzi część obowiązków technicznych, dokładnie ta opisana w umowie powierzenia.

podmiot przetwarzający · umowa powierzenia (DPA) · RODO · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

AI Act

AI Act to unijne rozporządzenie o sztucznej inteligencji, które dzieli systemy według poziomu ryzyka i przypisuje każdemu poziomowi osobne obowiązki. Dotyczy także firmy, która system wyłącznie stosuje, a nie tworzy.

Dla zwykłego agenta obsługującego klientów cały ciężar leży w art. 50 ust. 1: rozmówca ma wiedzieć, że pisze z systemem AI. Obowiązek jest stosowany od 2 sierpnia 2026 i zamyka go jedno zdanie w powitaniu plus jedno w promptcie systemowym — tańszej pozycji zgodnościowej nie ma na całej liście. Kary za naruszenie art. 50 idą z art. 99 ust. 4 i sięgają 15 mln euro lub 3% światowego obrotu — pułap 35 mln i 7% dotyczy wyłącznie praktyk zakazanych z art. 5. Ust. 6 nakazuje wobec MŚP stosować niższą z dwóch wartości, więc przy obrocie 2 mln euro wychodzi maksymalnie 60 tys. euro. Lipcowy Digital Omnibus, opublikowany 24 lipca 2026 jako Rozporządzenie (UE) 2026/1744, przesunął terminy dla systemów wysokiego ryzyka, a art. 50 zostawił tam, gdzie był.

Załącznik III AI Act · system wysokiego ryzyka · RODO · Lekcja 16: RODO i AI Act: co przygotować, zanim zapyta prawnik

podmiot przetwarzający

Podmiot przetwarzający to firma przetwarzająca dane osobowe na polecenie administratora i tylko w zakresie zapisanym w umowie. W tej roli występuje platforma agentowa, a dostawca modelu stoi piętro niżej, jako podprzetwarzający.

Lista podprzetwarzających wychodzi dłuższa, niż zakłada osoba wypełniająca rejestr. Dostawca modelu językowego trafia na nią zawsze, także wtedy gdy sama platforma stoi w Europie, bo to do niego idzie treść rozmowy. Do tego dochodzi dostawca każdego kanału, przez który agent pisze — przy kilkunastu obsługiwanych komunikatorach każdy podpięty kanał to osobna pozycja w rejestrze, a nie szczegół konfiguracji.

administrator danych · umowa powierzenia (DPA) · RODO · Lekcja 16: RODO i AI Act: co przygotować, zanim zapyta prawnik

RODORODO — Rozporządzenie o Ochronie Danych Osobowych, oficjalnie ogólne rozporządzenie o ochronie danych; po angielsku GDPR

RODO to unijne rozporządzenie o ochronie danych osobowych. Obowiązuje każdą firmę, która przez agenta AI przepuszcza imiona, adresy albo treść rozmów z klientami — czyli praktycznie każdą, która stawia agenta do obsługi.

Przy agencie RODO sprowadza się do czterech rzeczy do ustalenia na piśmie: gdzie fizycznie stoi instancja i logi, kto jest podprzetwarzającym, jak długo trzymacie zapisy rozmów i co robicie z żądaniem usunięcia danych. Najczęstsza pomyłka to mylenie lokalizacji z podstawą prawną — serwer w Unii nie zastępuje umowy powierzenia, bo to dwie osobne sprawy. Drugie potknięcie jest cichsze: bez wpisanego terminu kasowania logów po roku macie bazę treści klientów, o której nikt nie pamiętał, dopóki ktoś o siebie nie zapytał.

administrator danych · podmiot przetwarzający · umowa powierzenia (DPA) · retencja logów · Lekcja 7: Dane firmowe, RODO i pytania, które zada Wam dział prawny

system wysokiego ryzyka

System wysokiego ryzyka to zastosowanie AI z Załącznika III albo wbudowane w produkt regulowany, obciążone dokumentacją, oceną zgodności i nadzorem człowieka. Granicę wyznacza faktyczny wpływ na wynik, nie opis procedury.

Najczęstsze nieporozumienie dotyczy ludzkiego podpisu pod dokumentem. Jeśli rekruter dostaje pięć nazwisk z czterdziestu zgłoszeń, a pozostałych trzydziestu pięciu nigdy nie zobaczy, to wybrał system — choćby procedura mówiła co innego. Praca wokół decyzji zostaje przy tym dozwolona: agent może odpowiadać kandydatom na pytania o przebieg procesu, umawiać terminy rozmów, spisywać notatki i przypominać o brakujących dokumentach. Sama decyzja nie.

Załącznik III AI Act · AI Act · tryb akceptacji · Lekcja 16: RODO i AI Act: co przygotować, zanim zapyta prawnik

umowa powierzenia (DPA)DPA — Data Processing Agreement, po polsku umowa powierzenia przetwarzania danych

Umowa powierzenia (DPA) to dokument, w którym administrator określa dostawcy zakres, cel i warunki przetwarzania danych osobowych. Bez niej firma nie ma podstawy, żeby przepuszczać dane klientów przez cudzy system.

U większości dostawców, ClawLabs w to wliczając, DPA nie jest doklejone do regulaminu — udostępnia się je na żądanie, więc trzeba napisać maila i poczekać kilka dni. Ten mail wysyłajcie w tygodniu, w którym zaczynacie konfigurację, a nie w tygodniu startu produkcyjnego; podpisanie umowy wstecz niczego nie naprawia. Przy własnym kluczu API potrzebujecie dwóch dokumentów — od platformy i od dostawcy modelu — bo treść rozmów idzie wtedy prosto do niego. W tym samym mailu poproście o listę podprzetwarzających, lokalizację przetwarzania i procedurę usunięcia danych.

administrator danych · podmiot przetwarzający · retencja logów · RODO · Lekcja 16: RODO i AI Act: co przygotować, zanim zapyta prawnik

Załącznik III AI Act

Załącznik III AI Act to lista ośmiu obszarów, w których zastosowanie AI zalicza się do wysokiego ryzyka — od biometrii i infrastruktury krytycznej po rekrutację, ocenę kredytową i wymiar sprawiedliwości.

Firma, która nie robi żadnej z tych rzeczy, ma z tej listy jeden obowiązek: nie wejść w nią przypadkiem. Digital Omnibus przesunął termin dla samodzielnych systemów z Załącznika III na 2 grudnia 2027 i bywa to czytane jako zielone światło — przesunięto moment spełnienia wymagań, nie samą kwalifikację zastosowania jako wysokiego ryzyka. Na to nakłada się warstwa umowna: regulamin ClawLabs wyklucza w §8 systemy biometryczne, systemy oceny kredytowej i systemy rekrutacyjne oparte wyłącznie na AI, i to wyłączenie obowiązuje od dnia podpisania umowy, nie od 2027 roku.

AI Act · system wysokiego ryzyka · Lekcja 16: RODO i AI Act: co przygotować, zanim zapyta prawnik

Wdrożenie

koszt utrzymania

Koszt utrzymania to czas potrzebny co miesiąc na poprawki promptu, przegląd rozmów i pilnowanie rachunku. W kursie ClawLabs przyjmujemy 1,5–2 godziny miesięcznie, wyceniane po pełnym koszcie pracodawcy.

Rozkłada się to na dwa wpisy w kalendarzu: pół godziny w pierwszy roboczy dzień miesiąca na dwadzieścia losowych rozmów i przeczytanie całego promptu oraz kwadrans w każdy piątek na dwie liczby — odsetek rozmów zakończonych bez człowieka i liczbę wywołań agenta. Pomijana pozycja to sam rachunek: Ramp, na danych z ponad 70 tysięcy amerykańskich firm, podaje wzrost zużycia tokenów o 1 001% między styczniem 2025 a kwietniem 2026, czyli koszt pełznie w górę, choć nikt niczego nie zmieniał. Utrzymanie zapisane jako „raz w miesiącu” nie odbywa się w żadnym miesiącu — potrzebna jest data i nazwisko w polu uczestnika.

próg opłacalności · ROI wdrożenia · właściciel procesu · audyt dostępu · Lekcja 18: Gdy agent zaczyna się mylić: przeglądy, model, wyłączenie

pilotaż

Pilotaż to ograniczony w czasie test agenta na prawdziwej pracy, w którym jedna wyznaczona osoba czyta każdą odpowiedź i zapisuje, co z nią zrobiła. Bez tego drugiego elementu zostaje nadzieja, a nie pilotaż.

Zaczyna się od jednego zdania z liczbą i terminem — co ten tydzień rozstrzyga — spisanego przed startem, bo w środę każdy próg da się wynegocjować w dół. Każda odpowiedź ląduje w jednym z kubełków: w porządku, drobna poprawka, źle; przy pięciu kategoriach recenzent zaczyna się wahać i po dwóch dniach przestaje wypełniać arkusz. Nadzór ma cenę, którą lepiej podać z góry: czterdzieści minut dziennie przez pięć dni to nieco ponad trzy godziny, czyli przy pełnym koszcie pracodawcy 68 zł za godzinę około 230 zł. Trzeci dzień bywa najgorszy, bo wtedy kończy się zapas sytuacji, których ktokolwiek się spodziewał.

tryb akceptacji · właściciel procesu · plan wycofania · próg opłacalności · Lekcja 12: Pierwszy tydzień pilotażu pod nadzorem

plan wycofania

Plan wycofania to opisana i zmierzona droga powrotu do stanu sprzed agenta. Czas mierzy się sekundnikiem raz, przed startem — jeśli odpowiedź brzmi „trzeba by przekonfigurować centralę”, na produkcję jeszcze nie wychodzicie.

Wycofania są dwa i łatwo je pomylić. Pierwsze to wyłączenie agenta i powrót do obsługi ręcznej, gdy coś poszło źle wobec klienta. Drugie to cofnięcie do poprzedniej wersji promptu, gdy zepsuła go Wasza własna poprawka — a do tego potrzebna jest historia zmian z datą i podpisem, nie plik o nazwie „prompt ostateczny 3”. Postawienie agenta w ClawLabs zajmuje około minuty, więc trzymanie testowego bliźniaka obok produkcyjnego kosztuje raczej uwagę niż czas: poprawki sprawdzacie na kopii, a na produkcję wchodzi tylko to, co przeszło.

tryb akceptacji · pilotaż · koszt utrzymania · Lekcja 9: Od testu do produkcji, bez psucia sobie opinii

próg opłacalności

Próg opłacalności to minimalna liczba godzin, jaką proces musi oddać miesięcznie, żeby agent na siebie zarobił. W kursie ClawLabs wynosi osiem godzin miesięcznie i zastępuje obietnicę oszczędności.

Skąd ta liczba: abonament od 399 zł odpowiada mniej więcej sześciu godzinom pracy przy pełnym koszcie pracodawcy 68 zł za godzinę (GUS za czerwiec 2026 plus składki ok. 20,5%), a półtorej do dwóch godzin utrzymania dokłada resztę. Do tego przyjmujemy ostrożne założenie, że agent zdejmie 50–60% czasu procesu, nie całość — proces zajmujący sześć godzin tygodniowo daje wtedy około trzynastu godzin miesięcznie do odzyskania, czyli zapas nad progiem zamiast akrobacji na styk. Próg bije prognozę z dwóch powodów: da się go sprawdzić po miesiącu i nie wymaga od nikogo wiary w Wasze szacunki.

ROI wdrożenia · koszt utrzymania · właściciel procesu · Lekcja 15: Budżet wdrożenia i rozmowa z osobą, która podpisuje

ROI wdrożeniaROI — return on investment, zwrot z inwestycji

ROI wdrożenia to porównanie miesięcznego kosztu agenta z wartością godzin, które proces realnie oddał, liczonych po pełnym koszcie pracodawcy. Sprawdza się je po miesiącu, na pomiarze, a nie na deklaracji.

Rachunek ma cztery pozycje, nie jedną: abonament od 399 zł, zużycie modelu, utrzymanie 1,5–2 godziny miesięcznie i jednorazowe uruchomienie w granicach ośmiu do szesnastu godzin. Dla pierwszego procesu w małej firmie suma mieści się zwykle między 540 a 740 zł miesięcznie plus jeden do dwóch dni pracy na start, i taka rozpiska obroni się w każdej dyskusji. Liczbę rynkową podajcie sami, zanim znajdzie ją ktoś inny — IBM w badaniu wśród 2 000 prezesów ustalił, że oczekiwany zwrot przyniosło 25% inicjatyw AI. Minuta na wypowiedzenie tego na głos kupuje wiarygodność na resztę spotkania.

próg opłacalności · koszt utrzymania · właściciel procesu · Lekcja 15: Budżet wdrożenia i rozmowa z osobą, która podpisuje

tryb akceptacji

Tryb akceptacji to układ, w którym agent przygotowuje odpowiedź albo działanie, a wypuszcza je dopiero człowiek. To pierwszy etap uruchomienia i miejsce, do którego się wraca, gdy agent zaczyna się mylić.

Etap cienia — agent pisze, człowiek czyta, poprawia i wysyła — ujawnia zwykle połowę braków w promptcie i jest to najtańsza połowa, jaką kiedykolwiek znajdziecie. W OpenClaw ten sam mechanizm ma odpowiednik przy poleceniach systemowych: tools.exec.ask ustawione na on-miss pyta o zgodę przy wszystkim spoza allowlisty, a ask=off tę barierę zdejmuje. Cofnięcie do trybu akceptacji nie jest porażką pilotażu; porażką jest brnięcie z agentem, który myli się codziennie, bo ktoś ogłosił start na spotkaniu zarządu.

pilotaż · plan wycofania · izolacja · system wysokiego ryzyka · Lekcja 9: Od testu do produkcji, bez psucia sobie opinii

właściciel procesu

Właściciel procesu to osoba, która wie, jak wygląda dobra odpowiedź, i ma prawo powiedzieć, że konkretna jest zła. Wskazuje się ją z imienia i nazwiska, nigdy nazwą działu.

To rola inna niż właściciel budżetu, który podpisuje fakturę, i inna niż sponsor w zarządzie, który osłania projekt w szóstym tygodniu. Deloitte podaje, że 90% polskich firm przypisuje odpowiedzialność za AI menedżerom szczebla C, i bywa to pułapką — sponsor na poziomie zarządu nie zastąpi kogoś, kto ocenia jakość odpowiedzi na bieżąco. Jeśli po pytaniu „kto powie, że wynik jest dobry” zapada cisza, spotkanie budżetowe jest o kilka tygodni za wcześnie. W utrzymaniu ta sama osoba czyta próbkę rozmów, robi miesięczny przegląd i patrzy na rachunek.

pilotaż · koszt utrzymania · ROI wdrożenia · audyt dostępu · Lekcja 15: Budżet wdrożenia i rozmowa z osobą, która podpisuje

Pojęcia to dopiero początek

Kurs pokazuje, co z nimi zrobić: jak wybrać pierwsze zadanie, napisać prompt systemowy, policzyć, czy się opłaca, i postawić agenta samemu. Bez zakładania konta.

Przejdź do Akademii