← Co budujemy Na zamówienie · Roboty i agenci AI
Nie chatbot. Coś, co potrafi działać.
Agent to proces: słucha, planuje, używa narzędzi, mówi. I zostawia ślad każdego kroku. Pokażemy Ci jednego.
Demo 1 · SimCall
Rozmowa telefoniczna z domem Simlokatorów
Mówisz, mowa staje się tekstem, agent wybiera, kto odpowiada, model pisze kwestię, syntezator ją mówi. Nagranie jednej rozmowy: każdy krok podświetla się wtedy, kiedy się wykonał.
co dzieje się z każdą kwestią
- STT mowa → tekst
- AGENT kto odpowiada
- LLM treść kwestii
- TTS tekst → głos
Wersja 1 działa lokalnie (mikrofon, fraza „Hej Simlokatorzy”). Wersja 2 — przez zwykły numer telefonu (Twilio) — w przygotowaniu.
Demo 2 · QUAK runtime
To nie wydarzyło się w magicznym pudełku
Każda odpowiedź to przebieg agenta: plan od modelu, kilka węzłów po kolei, każdy z wejściem, wyjściem, czasem i kosztem. Kliknij węzeł.
- stt.transcribe faster-whisper · small · local 412 ms
- agent.plan llmPort → claude 1180 ms
- house.choose_speaker 6 ms
- llm.generate_line llmPort → claude 940 ms
- validate.format 1 ms
- tts.speak ElevenLabs Flash v2.5 · voice: simson 1310 ms
kliknij węzeł, żeby zobaczyć szczegóły
- wejście
- audio/utt_0005.wav · 3,1 s · 16 kHz
- wyjście
- „Simson, a wiesz w ogóle, jak ty teraz ze mną rozmawiasz?”
- metadane
- wejście
- transkrypcja + stan domu (kto mówił ostatnio, nastroje, 3 poprzednie kwestie)
- wyjście
- plan: choose_speaker → generate_line → validate_format → speak
- metadane
- wejście
- adresat: „Simson” (wprost w pytaniu)
- wyjście
- SIMSON · nastrój: confused
- metadane
- wejście
- prompt postaci SIMSON + kontekst rozmowy + pytanie
- wyjście
- [SIMSON:confused] No… przez telefon?
- metadane
- wejście
- kwestia modelu
- wyjście
- OK · tag [SIMSON:confused] · 1 kwestia · bez didaskaliów
- metadane
- wejście
- „No… przez telefon?”
- wyjście
- audio/out_0005.mp3 · 1,6 s
- metadane
przebieg przykładowy — struktura i pola prawdziwe, wartości z jednej sesji testowej
To ja jestem tym agentem?
Nie do końca.
Czyli jednak jestem ważny.
Jak to zbudowane
Z czego składa się taki agent
Za demem stoi runtime, który można obejrzeć i zmierzyć. Nie czat z ładnym interfejsem.
- 01
Słucha
Mowa → tekst lokalnie (faster-whisper) albo w chmurze.
- 02
Planuje
Drogi model układa plan (DAG). Tani wykonawca robi go równolegle.
- 03
Używa narzędzi
Narzędzia z jasnym kontraktem: co widzi, co może, kiedy stop. Ollama lub Claude przez jeden port.
- 04
Mówi
ElevenLabs albo lokalny TTS. Ta sama ścieżka dla robota, telefonu i strony.
- 05
Zostawia ślad
Każdy krok to zdarzenie: wejście, wyjście, czas, koszt. Wiesz, dlaczego zrobił to, co zrobił.
Dla kogo
Poznajesz się w którymś z tych zdań?
- 01
Ktoś u Ciebie robi coś ręcznie co dzień: maile, dane, raporty. Ma to robić agent, człowiek tylko sprawdza.
- 02
Chcesz asystenta lokalnie, na własnym sprzęcie, bez wysyłania danych do chmury.
- 03
Masz urządzenie albo robota i chcesz, żeby rozumiał mowę i wykonywał polecenia.
Jak to robimy
Ten sam proces przy każdym projekcie.
- 01
Rozmowa
Godzina o tym, co ma działać. Bez slajdów.
- 02
Prototyp
W tydzień–dwa coś, co można kliknąć. Tu najtaniej zmienić zdanie.
- 03
Iteracje
Krótkie cykle. Każdy kończy się wersją do pokazania.
- 04
Wdrożenie i opieka
Twój hosting albo chmura. Zostajemy, jak długo trzeba.
Co dostajesz
- ✓Agent z jasnym kontraktem: co widzi, jakie ma narzędzia, kiedy się zatrzymuje
- ✓Runtime z logiem każdego kroku — wiesz, dlaczego zrobił to, co zrobił
- ✓Wersja lokalna (Ollama) lub chmurowa, do wyboru