Agent AI do ofert z pamięcią: widzę, co zapisał i ile mnie to wyniosło w złotych
Dałem agentowi ofertowemu pamięć, ale z jednym warunkiem: pod każdym wynikiem widzę, co zapisał. I ile to kosztowało, w złotych.

We wtorek dałem mojemu agentowi ofertowemu pamięć. Scenariusz, pod który to budowałem, jest prosty. Oferta wychodzi poprawnie, ale dostaje ode mnie uwagę: rabat ma być w osobnej linii, nie wliczony w cenę. Przy następnej ofercie agent ma to już wiedzieć, bez przypominania.
Fajne? Fajne. Ale zanim to włączyłem, zadałem sobie pytanie: skąd on to będzie wiedział i co jeszcze sobie zapisze? Bo jeśli agent pamięta rzeczy, których nie widzę, to za miesiąc będzie robił rzeczy, których nie rozumiem. O tym jest ten wpis: jak buduję pamięć agenta tak, żeby była widoczna, i czemu koszt każdej sesji widzę w złotych. Czym jest pamięć agenta w ogóle, opisuję na portalu, w hubie o pamięci agentów AI. Tu jest mój konkretny przypadek.
Skąd w ogóle ten agent
Od kilku tygodni buduję krok po kroku platformę do kursu Autonomia Kodu. W skrócie: tablica z kartami zadań, a zadania może wykonywać człowiek, workflow albo agent AI. Agent bierze kartę, pracuje w swoim środowisku, odkłada wynik na kartę i karta idzie do kolumny „Do sprawdzenia”. Człowiek akceptuje albo zleca ponownie.
W tym tygodniu przeszedłem przez cztery kroki: środowisko pracy agenta i pliki, biblioteka skilli, pamięć, a na koniec agent w stałym zleceniu i strona z kosztami. Na przykładzie testowym zbudowałem agenta ofertowego. Dostaje cennik i kilka wcześniejszych ofert, a skill składa z danych gotową ofertę w Wordzie i liczy sumy. Do wysyłki jest też PDF. Szczegół, który zjadł mi chwilę: PDF musi mieć czcionkę z polskimi znakami, inaczej „zł” i „ą” wychodzą jako kwadraciki.
Skill to po prostu paczka: instrukcja dla agenta, skrypt i wzór danych. Porównałem na stagingu dwie sesje tego samego agenta, bez skilla i ze skillem. Patrzyłem na liczbę wywołań narzędzi, czas, koszt i to, czy druga sesja w ogóle wczytała skill. To jest moja zasada przy agentach: nie pytam, czy „lepiej działa”. Patrzę na liczby z dwóch sesji obok siebie.
Najpierw środowisko i pliki, potem pamięć
Kolejność nie jest przypadkowa. Zanim agent dostał pamięć, dostał środowisko pracy. To osobny kontener na czas sesji: agent może w nim uruchomić skrypt, złożyć plik, przeliczyć tabelę. Wyszukiwanie w sieci i pobieranie stron to osobny przełącznik, domyślnie wyłączony. Agent ofertowy nie musi czytać internetu, żeby policzyć ofertę z cennika.
Do tego dwa narzędzia plików. Jedno sprowadza plik z dozwolonej usługi do kontenera. Drugie zapisuje gotowy plik na Dysku Google osoby, która zleciła kartę. Ważny szczegół: agent nigdy sam nie podaje adresu pliku. Wybiera z tego, co mu udostępniono, a miejsce zapisu jest liczone od „Mój dysk” tej osoby. Mniej miejsc, w których model może coś wymyślić, to mniej miejsc, w których coś pójdzie w złą stronę. To ta sama zasada, którą opisałem przy dziurach w aplikacjach z vibe codingu: każda część systemu ma bronić się sama.
Na karcie widać ślad: jakie polecenia agent wykonał w kontenerze i jakie pliki powstały, z rozmiarem. Skróciłem ten ślad, bo na początku był ścianą tekstu, której nikt by nie czytał. Ślad, którego nikt nie czyta, nie daje żadnej kontroli.
Przy testach na stagingu wyszło jeszcze jedno pytanie, które sam sobie zadałem: a kiedy znika sesja? Plik roboczy w kontenerze żyje tyle, co sesja. Jeśli ma zostać, musi trafić na Dysk. To zmienia sposób myślenia o agencie. Kontener to biurko na jedno zadanie, nie archiwum.
I tu dochodzę do pamięci. Bo skoro biurko po każdej sesji jest sprzątane, to wszystko, co agent ma wiedzieć jutro, musi być zapisane gdzie indziej. Pytanie tylko, gdzie i kto to widzi.
Jak sprawdzić, co agent AI zapamiętał?
Najprościej: pod każdym wynikiem pokazać dosłownie to, co agent zapisał w tej sesji, i dać edycję pamięci z historią zmian. Bez tego pamięć, której nie widać, to czarna skrzynka.
Pamięć agenta brzmi niewinnie. Agent zapisuje wnioski do plików, a w kolejnej sesji je czyta. Tylko że to oznacza, że zachowanie agenta zależy od rzeczy, które on sam sobie napisał. Jeśli źle zrozumiał uwagę, będzie ją powtarzał w nieskończoność.
Dlatego zrobiłem trzy rzeczy, zanim w ogóle pozwoliłem agentowi coś zapamiętać.
Po pierwsze, pod każdym wynikiem sesji na karcie jest blok „Zapamiętano”. Pokazuje, co agent zapisał w pamięci w tej sesji, z treścią. Nie „zaktualizowano pamięć”, tylko dokładnie to zdanie, które od teraz będzie czytał. Sprawdzam wynik i od razu widzę, czego się nauczył.
Po drugie, na stronie agenta jest sekcja z wpisami w pamięci. Mogę je edytować, dodawać, usuwać, a każda zmiana ma historię. Jeśli agent zapamiętał coś głupiego, kasuję to jednym kliknięciem i widzę, kiedy to wpadło.
Po trzecie, pamięć jest w formularzu agenta: włącznik, tryb i zasady zapamiętywania. Domyślnie wyłączona. Agent bez pamięci to też agent, często wystarczy.
Jeśli nie umiesz w 10 sekund sprawdzić, co Twój agent wie, to nie Ty nim zarządzasz.
Reguła firmy to nie nawyk jednej osoby
Tu był najciekawszy problem projektowy. Uwaga „rabat w osobnej linii” może znaczyć dwie rzeczy. Albo tak robimy wszystkie oferty w firmie, albo tak lubi jedna konkretna osoba, która zleca karty. Jeśli agent wrzuci to do jednego worka, preferencja jednej osoby staje się zasadą dla wszystkich.
Więc pamięć ma dwa miejsca: zasady firmy i osobny plik dla każdej osoby, która zleca pracę. Agent w każdej sesji dostaje informację, kto zlecił kartę, i czyta zasady ogólne plus plik tej osoby. Domyślne zasady zapamiętywania rozróżniają te dwie rzeczy po treści zdania. Na przykład „w firmie każda oferta ma…” brzmi jak reguła firmy. „Ja wolę…” brzmi jak nawyk osoby.
To nie będzie idealne. Zdarzy się, że agent przypisze coś źle. Ale dzięki blokowi „Zapamiętano” zobaczę to od razu, a nie po dwudziestu ofertach.
Drugi element, który domyka pętlę, to „Zleć ponownie” z uwagą. Kiedy wynik mi się nie podoba, nie piszę nowej karty od zera. Zlecam ponownie i dopisuję, co poprawić. Nowa sesja dostaje poprzedni wynik i moją uwagę, a agent z włączoną pamięcią zapisuje z niej wniosek na przyszłość. Czyli poprawka nie znika po jednej ofercie.
Ile kosztuje sesja agenta AI w złotych?
W moim teście dwie sesje agenta ofertowego kosztowały razem 2,27 zł, czyli średnio 1,13 zł na sesję, po kursie NBP z dnia zdarzenia. Pokazuje to strona „Zużycie”, druga rzecz, którą domknąłem w tym tygodniu. Agenci i modele liczą koszty w dolarach, za tokeny. Jak policzyć koszt jednego zadania w tokenach, pokazuję na portalu. Rachunki w polskiej firmie płaci się w złotych. Jak pokazujesz komuś kwotę w dolarach za sesję, to w głowie musi przeliczać, i zwykle przelicza źle albo wcale.
Więc platforma raz na dobę pobiera średni kurs dolara z tabeli A NBP i zapisuje kursy dzień po dniu. Każde zdarzenie jest przeliczane po kursie z dnia, w którym się wydarzyło, a nie po dzisiejszym. Do tego darmowa pula: dopóki zużycie mieści się w darmowym limicie, koszt jest zerowy i strona to pokazuje, zamiast straszyć teoretyczną kwotą.
Koszt widać w trzech miejscach. Przy każdej sesji agenta. Przy uruchomieniach workflow. I przy stałym zleceniu jako szacunek kosztu miesięcznego, liczony z budżetu jednej sesji i częstotliwości. Ustawiasz agenta, który ma coś robić co godzinę, i od razu widzisz, ile to wyjdzie w miesiącu. Przed, a nie po.
Czemu kurs z dnia zdarzenia, a nie dzisiejszy? Bo raport z października ma się nie zmieniać tylko dlatego, że w listopadzie dolar podrożał. Koszt, który już wydałeś, jest zamknięty. Jeśli liczba w starym raporcie skacze z tygodnia na tydzień, nikt jej nie ufa i wszyscy wracają do arkusza. Z tekstami jest tak samo, dlatego przy liczbach na portalu stawiam datę „stan wiedzy” i skrypt, który sprawdza fakty. A ja chcę, żeby ta strona była jedynym miejscem, gdzie się o to pyta.
Przy stałych zleceniach dodałem jeszcze dwa bezpieczniki. Najkrótszy odstęp to godzina. I na jedno zlecenie może być otwarta tylko jedna karta. Jeśli agent nie skończył poprzedniej, nowa się nie tworzy. Bez tego jedna zawieszona sesja potrafi narobić kart na cały dzień.
Ostatni drobiazg: wysiłek modelu. W formularzu agenta wybierasz domyślny poziom albo jeden z pięciu. Poziom ląduje w konfiguracji agenta i zapisuje się w sesji, więc przy koszcie widzę też, na jakim poziomie myślenia pracował. Wyższy poziom to dłużej i drożej. Czasem warto, często nie.
Co z tego biorę
Agent z pamięcią jest dużo bardziej użyteczny niż bez. Ale tylko wtedy, gdy jego pamięć jest tak samo widoczna jak jego wynik. Inaczej po miesiącu masz pracownika, który robi rzeczy „bo tak”, i nikt nie wie, skąd mu się to wzięło.
Reguła na przyszłość, którą możesz wziąć do swoich automatyzacji, nawet bardzo prostych: każdy krok, który zmienia przyszłe zachowanie systemu, ma być widoczny w miejscu, gdzie sprawdzasz wynik. Zapisana preferencja, nowa reguła, zmieniony próg. Plus koszt w walucie, w której płacisz, po kursie z dnia.
Jeśli budujesz coś z agentami, zacznij od tego pytania: gdzie zobaczę, czego mój agent się dziś nauczył? Jeśli odpowiedź brzmi „nigdzie”, to jest pierwsza rzecz do zbudowania. Przed kolejnym narzędziem i przed kolejnym skillem.
Pracuję z ludźmi 1:1 pod marką delta240mvt. Na Twoim projekcie, od pierwszego kroku.
Zobacz ofertę ↗

