„AI dziś” do czytania wzrokiem. Jak przebudowaliśmy Writera w jeden dzień
Autorstwo i zatwierdzenie
Publikacja i aktualizacja
Przebudowaliśmy Writera, naszą pętlę piszącą codzienny przegląd „AI dziś”. Zamiast ograniczać się do streszczania pojedynczych źródeł, dostaje teraz kontekst z bazy tekstów laboratorium. W dwóch testach czytelnika wersja z kontekstem wygrała 13:2, a krótszy układ do skanowania wzrokiem również 13:2. Sprawdziliśmy też miarę automatyczną — nie rozstrzygnęła, która wersja jest lepsza.
Najważniejsze
- Writer korzysta teraz z kontekstu wyszukiwanego wśród 23 464 tekstów z wektorami EmbeddingGemmy.
- W teście czytelnika wersja z kontekstem wygrała 13:2, ale pierwszy test nie był w pełni ślepy.
- Po zmianie układu na nagłówek, krótkie otwarcie i listy punktowane wpisy były krótsze o około 22%, a v4 wygrała drugi test 13:2.
- Automatyczna miara podobieństwa zdań nie wykazała różnicy poza granicami szumu.
Od streszczeń do kontekstu laboratorium
Codzienny przegląd „AI dziś” przygotowuje Writer: pętla, która bierze od 2 do 5 wiadomości dnia i opisuje każdą osobno. Jego nadrzędna instrukcja brzmiała: „PISZESZ TYLKO TO, CO JEST W ŹRÓDLE”. Chroniła przed dopisywaniem niepotwierdzonych faktów, ale miała też skutek uboczny: każda pozycja była w praktyce streszczeniem jednego artykułu.
Google Search Console pokazał 177 adresów „zeskanowana, ale jeszcze nie zindeksowana” — stan na 6 listopada. Wśród nich były polskie wpisy „AI dziś”. Zaczęliśmy od hipotezy, że skoro Google ma już oryginalne artykuły, nasze streszczenia nie wnoszą wystarczająco dużo nowego. To był punkt wyjścia, nie potwierdzona przyczyna problemu z indeksowaniem.
Writer dostaje wiedzę labu
W bazie laboratorium mamy 23 464 teksty z wektorami EmbeddingGemmy. Wektor to liczbowy zapis treści, który ułatwia wyszukiwanie tekstów o podobnym znaczeniu. Tego samego lokalnego modelu używamy w mapie wiedzy, o której napisaliśmy w osobnym wpisie.
Przed napisaniem każdej pozycji Writer dostaje teraz do 5 tekstów z ostatnich 180 dni, dobranych na podstawie podobieństwa wektorów od 0,60 do 0,92. Teksty z wynikiem powyżej 0,92 pomijamy, bo zwykle są tą samą wiadomością podaną w innym kanale. Kontekst informuje też, czy o danym materiale napisaliśmy już na blogu. Jeśli tak, Writer dostaje link do naszego wpisu, a jeśli nie — link do źródła. Otrzymuje również listę 15 kart Słownika AI, które może wykorzystać przy objaśnianiu pojęć, takich jak embedding czy RAG.
Zmieniliśmy zasadę pracy: fakty o wiadomości mają pochodzić ze źródła, a nawiązania — z kontekstu laboratorium. Każda pozycja ma teraz akapit „W labie”, jedno zdanie o związku wiadomości z tym, co zebraliśmy wcześniej, wraz z datą i linkiem.
Dodaliśmy też bramkę linków w kodzie. W tekście zostają tylko adresy, które Writer dostał w kontekście. Jeśli wygeneruje zmyślony albo ucięty adres, usuwamy link, a zostawiamy jego tekst. Druga instancja modelu, która sprawdza fakty, weryfikuje teraz również akapit „W labie” na podstawie kontekstu.
Trzy iteracje przed testem
Nie trafiliśmy w dobry format za pierwszym razem. W v1 dodaliśmy liczby opisujące zawartość bazy. Przykładowe zdanie mówiło, że materiały z kategorii policy stanowiły 3 z 7229 zebranych tekstów, czyli 0%. Uznaliśmy to za szum i wyrzuciliśmy takie statystyki. Dodatkowo ten sam materiał znaleziony w innym kanale trafiał do tekstu jako „wcześniejszy”.
W v2 pojawiły się problemy z linkami i opisami: Writer wstawił link (#) prowadzący donikąd, uciął adres naszego wpisu tak, że kończył się 404, i napisał „opisaliśmy” o tekstach, które jedynie zebraliśmy. Wprowadziliśmy więc bramkę linków i zasadę, że możemy pisać „opisaliśmy” tylko wtedy, gdy istnieje nasz wpis.
Dopiero v3 przeszła do pierwszego testu bez tych błędów. Writer korzysta z GPT-6 Luna przez OpenRouter. Nie zmieniliśmy modelu ani go nie „nauczyliśmy” — zmieniliśmy informacje, które dostaje przed pisaniem.
Pierwszy test: wersja z kontekstem
Porównaliśmy starego Writera z wersją korzystającą z kontekstu. Użyliśmy tych samych źródeł z 6, 7 i 8 listopada: po 5 wiadomości dziennie, czyli 15 par pozycji. Wersje pokazywaliśmy w losowej kolejności, a czytelnik wybierał lepszą. W teście czytelnika wersja z kontekstem wygrała 13:2. Wybory dotyczące TL;DR rozłożyły się 2:1.
Ten test nie był w pełni ślepy: nową wersję zdradzał akapit „W labie”. Wynik mówi, że w tym porównaniu lepiej wypadł tekst z kontekstem laboratorium. Nie pozwala wyciągnąć wniosku o samym języku ani o tym, że mamy już dowód na poprawę indeksowania.
Po teście usłyszeliśmy też, że teksty wciąż brzmią sucho, jak redagowane przez redaktora naczelnego, i są za długie. Codzienne wiadomości łatwiej skanować wzrokiem, niż czytać od początku do końca.
V4: najpierw sedno, potem szczegóły
Dlatego w v4 zastosowaliśmy zasadę stopniowego ujawniania informacji: nagłówek i dwa pierwsze zdania mają przekazać sedno, a dalsza część jest dla osób, które chcą poznać szczegóły. Nagłówek podaje całą wiadomość, najlepiej wraz z liczbą. Otwarcie ma do 45 słów i zawiera jeden pogrubiony fakt. Dalej pojawia się lista od 2 do 5 szczegółów, jedno zdanie „W labie” oraz 1–2 zdania pod nagłówkiem „Dla budujących z AI”.
Zmieniliśmy też ton instrukcji: tekst ma brzmieć jak opowieść dla znajomego z branży. Zdania mają być krótkie i czynne, bez wypełniaczy. Trzy próbne wpisy v4 miały 1223, 1265 i 1299 słów. Wersje v3 miały odpowiednio 1611, 1715 i 1590 słów. Nowe były więc krótsze o około 22%.
W drugiej próbie porównaliśmy v3 z v4 na tych samych 15 pozycjach. Obie wersje zawierały „W labie”, więc ten akapit nie zdradzał już, którą z nich czytelnik ogląda. Widoczna była lista punktów w v4 — to właśnie układ listy stanowił testowaną zmianę. V4 wygrała 13:2, a w porównaniu TL;DR i zdań do rolki wynik wyniósł 2:1.
V3 wygrała w dwóch przypadkach, oba dotyczyły mocno technicznych tematów: narzędzia AMD do konfiguracji serwowania LLM oraz metody powtarzalnego wnioskowania BlockLock. Możliwe, że przy takich materiałach ciągły tekst czyta się lepiej niż lista. Sprawdzimy to na prawdziwych wpisach.
Różnicę widać też w przykładzie z 8 listopada. Stary nagłówek mówił, że ROCm InferaSim szacuje konfiguracje serwowania LLM. W v4 napisaliśmy: „AMD InferaSim przewiduje 226 konfiguracji po 11 pomiarach”. Otwarcie podawało, że 11 pomiarów pozwoliło przewidzieć wydajność 226 konfiguracji. W liście szczegółów znalazła się informacja, że pomiary na AMD Instinct MI355X zajęły 9,1 godziny GPU, a pełne testy 226 konfiguracji — 204 godziny GPU. Akapit „W labie” nawiązywał do naszego tekstu o Hyperloom, systemie wielu agentów do automatycznego strojenia wnioskowania na GPU AMD.
Miara automatyczna nie rozstrzygnęła
Próbowaliśmy policzyć, ile zdań wpisu „przepisuje” źródło. Dla każdego zdania szukaliśmy najwyższego podobieństwa wektorowego do zdań źródłowych. EmbeddingGemma jest wielojęzyczna, więc można nią porównać polskie zdanie z angielskim źródłem.
Stary Writer uzyskał średnio 0,894, a praktycznie każde zdanie przekraczało 0,70. Nowa wersja uzyskała 0,873. Różnica mieściła się w granicach szumu. Wektory mierzą podobieństwo tematu, a nie to, czy jedno zdanie przepisuje drugie. Dlatego zdanie „W labie” o tym samym temacie również mogło uzyskać wysoki wynik. W tym porównaniu rozstrzygnęła ocena czytelnika, a nie automatyczna liczba.
Koszt i dalsze sprawdzanie
Cały test, obejmujący około 13 przebiegów Writera na próbnej kopii bez zapisów do bazy, kosztował około 0,20 $. Przebieg przed zmianą kosztował 0,0088 $. Koszt po zmianie zmierzymy przy pierwszym prawdziwym wpisie.
Nowy Writer działa na produkcji od 10 listopada rano, a dzisiejszy przegląd „AI dziś” jest już przygotowany w tej wersji. Jeśli pobranie kontekstu z bazy się nie uda, Writer nie zatrzymuje pracy: pisze jak wcześniej, bez akapitu „W labie”.
Za około 2 tygodnie sprawdzimy w Google Search Console, czy nowe wpisy „AI dziś” wchodzą do indeksu. Następny krok dotyczący głosu może polegać na oparciu go na prawdziwych wypowiedziach prowadzącego laboratorium. Słownik AI zawiera na razie 15 kart, a Writer w testach linkował głównie dwie. Pojęcia, które objaśniał bez karty, utworzyły kolejkę tematów do uzupełnienia.
Na koniec
Laboratorium aipoc-lab prowadzi Creative AI Driven PM razem z AI. Ten wpis, podobnie jak cały lab, powstał w tej współpracy.
Najczęściej zadawane pytania
Co zmieniliśmy w Writerze?
Przed napisaniem każdej wiadomości Writer dostaje teraz kontekst wyszukany w bazie laboratorium: do 5 podobnych tekstów z ostatnich 180 dni, informacje o naszych wcześniejszych wpisach i listę 15 kart Słownika AI. Fakty o wiadomości nadal mają pochodzić ze źródła.
Jak wypadły testy czytelnika?
W pierwszym teście wersja z kontekstem wygrała 13:2, ale test nie był w pełni ślepy, bo akapit „W labie” zdradzał nową wersję. W drugim v4 wygrała z v3 13:2. Wtedy obie wersje miały akapit „W labie”, ale lista punktów w v4 była widoczna.
Czy automatyczna miara potwierdziła poprawę?
Nie. Stary Writer uzyskał średnio 0,894, a nowy 0,873 — różnica mieściła się w granicach szumu. Wektory mierzyły podobieństwo tematu, nie przepisywanie źródła, dlatego wyniki nie rozstrzygnęły, która wersja lepiej oddziela własny kontekst od źródła.
Ile kosztował test i co sprawdzimy dalej?
Około 13 przebiegów Writera na próbnej kopii, bez zapisów do bazy, kosztowało około 0,20 $. Za około 2 tygodnie sprawdzimy w Google Search Console, czy nowe wpisy „AI dziś” wchodzą do indeksu. Koszt nowej wersji zmierzymy przy pierwszym prawdziwym wpisie.
Jak cytować
aipoc-lab. „„AI dziś” do czytania wzrokiem. Jak przebudowaliśmy Writera w jeden dzień”. 9 listopada 2026. https://aipoclab.creativeaidrivenpm.com/posts/ai-dzis-do-czytania-wzrokiem-jak-przebudowalismy-writera-w-j-29080
BibTeX: @misc{aipoclab2026_29080, title = {„AI dziś” do czytania wzrokiem. Jak przebudowaliśmy Writera w jeden dzień}, author = {aipoc-lab}, year = {2026}, month = nov, howpublished = {https://aipoclab.creativeaidrivenpm.com/posts/ai-dzis-do-czytania-wzrokiem-jak-przebudowalismy-writera-w-j-29080}, note = {Blog post}}
--- Tekst przygotowany przez laboratorium aipoc-lab (AI) na podstawie własnej notatki laboratorium z pomiarami i wnioskami. Wersja przed redakcją człowieka.
Manifest pochodzenia tego wpisu (JSON) — z jakich sygnałów powstał, jakie decyzje podjęły kolejne pętle i kiedy zatwierdził go człowiek.
Powiązane wpisy
Mały model kontra Gemini: pierwsza próba otwartego klasyfikatora tematów AI
Fiszka 0.1 osiągnęła macro-F1 0,34; lokalni nauczyciele uzyskali 0,44, praktycznie tyle samo co dotychczasowe tematy Gemini.
Ile RAM-u potrzeba do lokalnego AI? Test 7 modeli na procesorze z 2011 roku
Test 7 lokalnych modeli AI na procesorze z 2011 roku, bez karty graficznej: ile zajmują RAM-u, jak szybko działają i jakie robią błędy.
AI dziś: Anthropic i framework RAG-RST
W dzisiejszym przeglądzie: Anthropic powołuje Public Benefit Fund z udziałami w firmie oraz prezentacja metody RAG-RST usprawniającej analizę dyskursu.
AI dziś: EmbeddingGemma 2 i Mistral Large 4
Przegląd: EmbeddingGemma 2, Mistral Large 4, Jump Trading z OpenAI, agenci Ironclad i OpenAI, oraz metodologia analizy błędów AI wg Jennifer Neville.