Zdjęcie: Mikhail Nilov (Pexels)
W branży IT wiedza to klucz do sukcesu, ale bądźmy szczerzy: dzisiejszy internet to gigantyczny śmietnik. Codziennie powstają tysiące artykułów, a wyłowienie z tego chaosu wartościowych perełek graniczy z cudem. Przez kilkanaście lat wiernie używałam Feedly do agregowania treści ze stron, które miały RSS. Świetne narzędzie, ale brakowało mi "mózgu", który przefiltruje to wszystko za mnie.
Płatne plany oferują AI, ale ja lubię mieć kontrolę nad tym, jak model "myśli" i kogo obserwuje. Postanowiłam więc zbudować własnego Agenta.
Uwaga: Przez chwilę będzie technicznie, ale na dole artykułu znajdziesz instrukcję, jak zrobić to samo bez wiedzy programistycznej.
Architektura: Lekko, tanio i skutecznie
Zamiast budować wielki system, postawiłam na minimalizm. Moje rozwiązanie to klasyczny Cron Job na serwerze, który odpala skrypt w PHP.
Mój setup:
- Trigger: Cron job odpala się codziennie o 7:00 rano.
- Mózg: API Gemini (model Flash). W styczniu 2026 to on się najbardziej opłacał.
- Dane: Plik konfiguracyjny z listą URL-i (moje ulubione źródła + lista od Gemini).
- Kontekst: Prompty trzymane w plikach .txt. Dzięki temu nie dotykam kodu, gdy chcę zmienić styl podsumowania.
<?php
// 1. Setup & Configuration
$apiKey = getenv('GEMINI_API_KEY');
$config = loadConfig();
$taskName = $argv[1] ?? 'general';
// 2. The Core Logic: Calling Gemini
function callGemini($apiKey, $model, $prompt, $targets) {
$fullPrompt = $prompt . "\n\nSources to analyze:\n" . implode("\n", $targets);
$url = "https://generativelanguage.googleapis.com/v1beta/models/$model:generateContent?key=$apiKey";
$payload = [
"contents" => [[
"parts" => [["text" => $fullPrompt]]
]]
];
$options = [
"http" => [
"header" => "Content-Type: application/json\r\n",
"method" => "POST",
"content" => json_encode($payload)
]
];
$context = stream_context_create($options);
$result = file_get_contents($url, false, $context);
$data = json_decode($result, true);
return $data["candidates"][0]["content"]["parts"][0]["text"] ?? "Error";
}
// 3. Execution
echo "🤖 Agent working on: $taskName...\n";
$task = $config["tasks"][$taskName];
$summary = callGemini(
$apiKey,
$config["model"],
file_get_contents($task["prompt"]),
$task["targets"]
);
// 4. Delivery (Simplified)
$headers = "Content-Type: text/html; charset=UTF-8";
mail($config["recipient_email"], "AI Digest: $taskName", nl2br($summary), $headers);
echo "✔ Email sent!\n";Dlaczego Gemini 1.5 Flash?
Bo według moich wyliczeń jeden taki przegląd kosztuje mnie mniej niż 1 grosz. Ale tutaj nie chodzi tylko o oszczędność portfela.
Jako inżynierowie musimy już teraz uczyć się optymalizacji doboru modeli. Wypychanie prostego zadania streszczania tekstu do najpotężniejszych modeli (typu Ultra czy GPT-4/5) to czyste marnotrawstwo zasobów. To tak, jakbyś zamawiał Tira, żeby przewieźć jedno pudełko zapałek.
Dziś sztuką nie jest użycie AI, ale dobranie modelu o odpowiednich parametrach do konkretnego zadania:
- Modele lżejsze (Flash/Haiku): Idealne do szybkich podsumowań, filtrowania danych i prostych Agentów.
- Modele ciężkie: Zostawiamy do skomplikowanej logiki biznesowej, głębokiej analizy kodu czy kreatywnego brainstormingu.
Optymalizacja na tym poziomie to dojrzałość technologiczna. Dzięki temu mój skrypt jest błyskawiczny, tani i nie "przepala" prądu tam, gdzie wystarczy sprytny tokenizer i dobrze sformułowany prompt. A jeśli po prostu wolisz wyklikać zamiast kodować? O tym poniżej.
A co jeśli nie chcesz pisać kodu? (Low-Code)
Oczywiście, podobny setup możesz wyklikać w narzędziach typu Zapier, Make czy n8n. To świetna alternatywa, jeśli nie masz pod ręką własnego serwera z PHP.
Aby zacząć, musisz założyć konto na jednej z tych platform. Następnie masz dwie możliwości:
- Skorzystaj z gotowca: Znajdź w bibliotece platformy szablon, który realizuje taką automatyzację. Wiele z nich ma gotowe scenariusze typu "Summarize RSS feed with AI and email me".
- Zbuduj to sam: Połącz klocki ręcznie:
- Trigger: Ustawiasz wyzwalacz czasowy (np. konkretną godzinę).
- AI: Tworzysz prompt do modelu. W zależności od wybranego planu (Free/Paid), będziesz mógł skorzystać z wbudowanych punktów AI platformy lub będziesz musiał podpiąć własny klucz API do modelu (np. OpenAI/Gemini).
- Efekt: Konfigurujesz moduł wysyłający maila z wynikiem.
Dlaczego ja wybrałam skrypt? Chciałam sprawdzić, jak to działa na "niskim poziomie" (low-level). Programista lubi wiedzieć, co siedzi pod maską i jak zarządzać kosztami API bez narzutu platform trzecich. W PHP mam pełną kontrolę nad każdym bajtem przesyłanym do modelu.
Cała magia tkwi w Promptach
To tutaj dzieje się prawdziwa inżynieria. W plikach .txt mam zdefiniowane, na co AI ma zwracać uwagę:
- "Ignoruj posty sponsorowane i autopromocję."
- "Jeśli mowa o nowym frameworku JS, wyciągnij tylko główne zmiany w składni."
- "Podsumuj to w 3 konkretnych punktach."
Niezależnie czy w kodzie, czy w Make/Zapier/N8N – dobry prompt pomoże Ci wyłuskać to, na czym Ci zależy. I to nad nim musisz spędzić najwięcej czasu.
Konfiguracja
W konfiguracji mam nie tylko swoje stałe źródła, ale też listę, którą podpowiedziało mi Gemini – tak dla "rozszerzenia horyzontów" i wyjścia poza własną bańkę.
Warto czasem poszukać innych źródeł, na przykład za pomocą Gemini albo ChatGPT – mogą wskazać autorów, których jeszcze nie śledzicie.
Podsumowanie
Jestem pod wrażeniem tego, jak technologia, która służy do zalewania internetu masowym contentem, potrafi jednocześnie stać się najskuteczniejszym filtrem. Mój Agent wyłuskuje to, co najważniejsze z chaosu, a ja mogę pić poranną kawę, czytając konkret. To nie koniec podróży – mój Agent na pewno będzie ewoluował.
Tak wygląda mail, który dostaję codziennie rano do kawki:
Czy wiesz, że...?
Osoby zapisane na mój newsletter nie muszą śledzić social mediów, żeby wiedzieć, kiedy pojawia się nowy wpis. Każdy biznesowy post z mojego bloga automatycznie trafia na ich skrzynkę.
Jeśli chcesz być na bieżąco i dostawać tylko wartościowe treści – bez spamu, bez ofert – zapisz się tutaj:
