Przejdź do treści
Sklep

Artykułyprzewodnik · 18 tekstów

Agenci AI od zera: jak działają, jak zbudować pierwszego krok po kroku

Ścieżka od API do własnego agenta AI: schemat pętli agenta, plan nauki na 30 dni, kod uruchomiony na moim komputerze i lista sprawdzonych darmowych kursów.

Tekst: 13 min czytania
Agenci AI od zera: jak działają, jak zbudować pierwszego krok po kroku
Spis treści 11
  1. Szkolenie o agentach czy gotowy szablon
  2. Mapa ścieżki: od API do własnego agenta
  3. Jak działa agent: pętla w czterech ruchach
  4. Plan nauki na 30 dni
  5. Co zbudowałem i ile to kosztowało
  6. Frameworki i narzędzia: co wybrać
  7. Agenci AI po polsku
  8. Gdzie się uczyć dalej: darmowe kursy i kanały
  9. Paczka promptowy-agenci-starter
  10. Najczęstsze pytania
  11. Źródła
Teksty w tym temacie 18
  1. Embeddingi i bazy wektorowe po ludzku (z testem po polsku)
  2. Agent AI - przykłady: 12 agentów, których zbudujesz w weekend
  3. Webhook: co to jest i jak połączyć AI z formularzem, mailem i arkuszem
  4. Frameworki agentów AI: LangGraph, CrewAI, OpenAI i Claude Agent SDK
  5. Własny serwer MCP w 15 minut: Python SDK, Inspector i Claude Code
  6. RAG krok po kroku: czat z własnymi dokumentami w Pythonie
  7. Jak zbudować agenta AI w Pythonie krok po kroku (76 linii kodu)
  8. Function calling (tool use) po polsku: jak AI wywołuje Twoje funkcje
  9. API AI od zera: jak działa, klucze, koszty i pierwsze zapytanie
wszystkie teksty →

👁 660 przeczytań

w skrócie
  • Agent AI to program, w którym model językowy w pętli wybiera narzędzie, ogląda wynik i decyduje o kolejnym kroku, aż skończy zadanie.
  • Ścieżka nauki ma trzy etapy: API modeli, automatyzacje i agent z narzędziami, a plan na 30 dni zakłada godzinę dziennie i podstawy Pythona.
  • Wszystkie przebiegi kodu z 4.10.2026 kosztowały razem około 0,15 USD w tokenach, a biblioteki i kursy z listy są bezpłatne.

Gotowy szablon biorę wtedy, gdy znam poprawny wynik i potrafię zauważyć wyjątek. Jeśli chcę sam zbudować kryteria odbioru, szukam kursu z zestawem błędnych decyzji do przejrzenia. Przed wyborem lekcji kombAIn sprawdziłbym właśnie takie ćwiczenie. Poprawny format odpowiedzi może ukryć złą decyzję, którą agent podejmie bez ostrzeżenia.

Szkolenie o agentach czy gotowy szablon

Wróciłem do 30 polskich zgłoszeń z własnego testu zapisanego 5 października. Model zwrócił zgodną z kluczem kategorię w 30 przypadkach. Dopiero po doliczeniu drugiego pola, pilności sprawy, pełnych trafień zostało 26. Różnica czterech spraw jest konkretnym materiałem na warsztat. W szablonie sprawdziłbym najpierw, czy daje mi wgląd w oba pola i pozwala porównać je ze wzorcem. Gotowiec bez przypadków testowych trudno ocenić. Kurs z samą demonstracją poprawnego przypadku zostawia mnie z tym samym problemem. Ponowne przeliczenie wyników 11.11.2026.

kombAIn

Agent AI to program, w którym model językowy w pętli wybiera narzędzie, ogląda wynik i decyduje, co dalej, aż skończy zadanie. Pierwszego agenta zbudujesz za darmo w trzech etapach: najpierw API modeli, potem automatyzacje, na końcu agent z własnymi narzędziami. Biblioteki i kursy z tej strony nic nie kosztują, a za tokeny we wszystkich moich testach kodu z tej ścieżki zapłaciłem około 0,15 USD.

Poniżej jest mapa nauki, plan na 30 dni, kod, który uruchomiłem na swoim komputerze 4 października 2026, i lista darmowych kursów i kanałów po polsku i angielsku. Cały kod leży w paczce promptowy-agenci-starter.

Mapa ścieżki: od API do własnego agenta

Najczęstszy błąd na starcie to skok prosto w framework agentów. Działa, dopóki coś się nie zepsuje, a potem nie wiadomo, gdzie szukać. Dlatego ścieżka ma trzy etapy, a każdy buduje na poprzednim:

Etap 1

API modeli

Zapytanie, odpowiedź, tokeny, koszt, klucz. API AI od zera, tokeny, OpenRouter.

Etap 2

Automatyzacje

Stałe kroki, jeden z nich robi AI. webhook, automatyzacja z AI, n8n, Make.

Etap 3

Agenci

Model sam wybiera kroki. function calling, agent w Pythonie, RAG, MCP, frameworki.

Etap 1 opisuje osobny przewodnik API AI. Tu skupiam się na etapach 2 i 3. Jeśli wolisz klikać niż pisać kod, etap 3 przejdziesz też w Gumloop albo w węźle AI Agent w n8n, ale zrozumienie przyjdzie szybciej, gdy raz zobaczysz pętlę w 76 liniach Pythona.

Jak działa agent: pętla w czterech ruchach

Każdy agent, od mojego najprostszego po Claude Code, robi to samo. Model nie wykonuje niczego sam: tylko prosi o narzędzie, a Twój program je wykonuje i oddaje wynik.

Pętla agenta AI Zadanie trafia do modelu. Model podejmuje decyzję: albo prosi o narzędzie, albo kończy odpowiedzią. Narzędzie zwraca obserwację, która wraca do modelu. Limit kroków i log pilnują pętli. Zadanieod człowieka 1. Modelczyta zadanie i całą historię 2. Decyzjanarzędzie czy koniec? 3. NarzędzieTwój kod: plik, API, kalkulator 4. Obserwacjawynik wraca do historii prośba pętla koniec: odpowiedź bezpieczniki: limit kroków, log decyzji,zgoda człowieka przy akcjach nieodwracalnych
Pętla agenta: model, decyzja, narzędzie, obserwacja. Schemat zrobiony w SVG na podstawie mojego kodu z tekstu Jak zbudować agenta AI w Pythonie.

W kodzie wygląda to tak (fragment mojego agenta, pełna wersja w tekście o budowie agenta):

    for krok in range(1, MAX_KROKOW + 1):
        r = client.chat.completions.create(model=MODEL, messages=messages, tools=TOOLS)
        koszt += getattr(r.usage, "cost", 0) or 0
        msg = r.choices[0].message
        messages.append(msg.model_dump(exclude_none=True))
        if not msg.tool_calls:
            print(f"--- koniec po {krok} krokach, koszt {koszt:.5f} USD")
            return msg.content
        if msg.content: print(f"[krok {krok}] MYŚL: {msg.content.strip()[:300]}")
        for call in msg.tool_calls:
            args = json.loads(call.function.arguments or "{}")
            try:
                obs = NARZEDZIA[call.function.name](**args)
            except Exception as e:
                obs = f"BŁĄD: {e}"
            print(f"[krok {krok}] AKCJA: {call.function.name}({json.dumps(args, ensure_ascii=False)})")
            print(f"[krok {krok}] OBSERWACJA: {obs[:160]!r}")
            log.write(json.dumps({"t": time.strftime("%H:%M:%S"), "krok": krok, "narzedzie": call.function.name,
                                  "args": args, "obserwacja": obs[:500]}, ensure_ascii=False) + "\n")
            messages.append({"role": "tool", "tool_call_id": call.id, "content": obs})
    return f"Przerwano: limit {MAX_KROKOW} kroków (koszt {koszt:.5f} USD)."

Z tego fragmentu wynikają trzy zasady:

  • Narzędzia to zwykłe funkcje z opisem w JSON Schema. Mechanizm prośby o funkcję to function calling.
  • Każdy krok wysyła całą historię, więc koszt rośnie szybciej niż liczba kroków. Dlatego wyniki narzędzi przycinam.
  • Agent bez limitu kroków i logu to proszenie się o kłopoty. W moim kodzie limit to 8 kroków, a każda decyzja trafia do pliku JSONL.

Plan nauki na 30 dni

Plan zakłada godzinę dziennie i podstawy Pythona (zmienne, funkcje, pętla for). Jeśli ich nie masz, dołóż tydzień na darmowy kurs Pythona przed dniem 1.

DniTematCo robiszEfekt
1-3API i tokenyZakładasz klucz (np. OpenRouter z limitem 2 USD), wysyłasz pierwsze zapytanie z Pythona, liczysz koszt. API AI, tokenyskrypt, który pyta model i wypisuje koszt
4-6Odpowiedzi strukturalneKażesz modelowi oddawać JSON, walidujesz pola, obsługujesz błędyklasyfikator wiadomości
7-9Webhook i automatyzacjaSerwer FastAPI odbiera dane z formularza, model je przetwarza, wynik idzie do arkusza. Potem to samo w Make albo n8n. webhookdziałająca automatyzacja z AI
10-12Function callingDajesz modelowi 2-3 funkcje (pogoda, kalkulator, wyszukiwanie) i obsługujesz rundy. function callingrozumiesz tool_calls i tool_call_id
13-16Pierwszy agentPętla z limitem kroków i logiem na własnych plikach. agent w Pythonieagent w ok. 80 liniach
17-20RAG i embeddingiIndeksujesz własne PDF-y, mierzysz trafność wyszukiwania. embeddingi, RAG krok po krokuczat z dokumentami z cytatami
21-23MCPWłasny serwer z 2-3 narzędziami, test w Inspectorze i w Claude Code. serwer MCPTwoje narzędzia w każdym kliencie MCP
24-27FrameworkPrzepisujesz swojego agenta na OpenAI Agents SDK albo LangGraph. porównanie frameworkówwiesz, co framework robi za Ciebie
28-30Projekt własnyWybierasz jeden z 12 przykładów agentów, dodajesz testy na znanych danych i potwierdzenie człowieka przy zapisieagent, który oszczędza Ci czas co tydzień

Co zbudowałem i ile to kosztowało

Każdy etap uruchomiłem 4 października 2026 na swoim komputerze: Windows 11, Python 3.13, RTX 4090. Model do wszystkiego poza Claude Agent SDK to openai/gpt-5.6-luna przez OpenRouter (0,20 USD za milion tokenów wejścia i 1,20 USD za milion wyjścia), w Claude Agent SDK Claude Haiku 4.5. Embeddingi liczyłem lokalnie w Ollamie. Wszystkie przebiegi razem kosztowały około 0,15 USD, a pojedyncze zadanie agenta na tanim modelu około 0,001 USD.

ProjektCo sprawdziłemWynikKoszt jednego przebiegu
Function callingpogoda, kalkulator, Wikipediapoprawne odpowiedzi; raz wyszukiwarka zwróciła śmieci, a model odpowiedział z pamięci0,00008-0,00066 USD
Agent w Pythoniefaktury w PLN i EUR, kurs NBP, strona WWW3919,74 zł, zgodne z ręcznym wyliczeniem0,0008-0,0013 USD
5 frameworkówto samo zadanie, 3 powtórzenia każdy15/15 poprawnych0,0006-0,0009 USD (Claude Agent SDK: 0,015 USD)
RAGKodeks pracy, ustawa o ochronie praw lokatorów, ustawa o prawach pacjenta8 z 10 dobrych odpowiedzi, 2 uczciwe „nie ma tego w dokumentach”, 0 zmyśleńok. 0,00065 USD za pytanie, embeddingi lokalnie za 0 zł
Serwer MCPkurs NBP, dni robocze ze świętami, notatki; Inspector i Claude CodeClaude sam wyliczył termin 14 dni roboczychok. 0,06 USD (Claude Haiku 4.5)
Webhook3 zgłoszenia z formularza, zapis do CSV3/3 trafione kategorie, 401 dla złego sekretuok. 0,00016 USD

Wersje bibliotek z dnia testu i z dziś (PyPI, 29.10.2026):

  • openai: 3.24.0 w teście, dziś 3.41.0,
  • openai-agents: 0.23.1, dziś 0.24.0,
  • langgraph: 1.2.12, dziś 1.2.18,
  • crewai: 1.15.23, dziś 1.15.33,
  • claude-agent-sdk: 0.2.163, dziś 0.2.174,
  • mcp: 2.3.0 bez zmian (w tej wersji FastMCP zmienił nazwę na MCPServer).

Na nowszych wersjach kodu ponownie nie uruchamiałem. Od czasu testu pojawiły się też tańsze modele: GPT-6 Luna kosztuje na OpenRouterze 0,10 USD za milion tokenów wejścia i 0,50 USD za milion wyjścia, czyli połowę stawek GPT-5.6 Luna, a w rodzinie Claude następcą Haiku 4.5 (1 i 5 USD) jest Haiku 5.5 za 0,10 i 0,50 USD przy zapytaniach do 100 tys. tokenów. Żeby przejść na nowszy model, w kodzie zmieniasz jedną stałą MODEL, ale wyników z tabeli powyżej nie przenoś na niego bez sprawdzenia.

Nie przepłacaj za te subskrypcje

Prowadzę sklep z rocznymi dostępami do narzędzi AI - te same konta, o których piszę wyżej, tylko taniej niż w cenniku producenta.

Zobacz, co jest dostępne

Frameworki i narzędzia: co wybrać

NarzędzieTypCenaKiedy
Własna pętla (biblioteka openai)koddarmowanauka, proste agenty
OpenAI Agents SDKkoddarmowykilku agentów, handoffy, guardrails
LangGraphkoddarmowy (LangSmith płatny)złożone przepływy z rozgałęzieniami
CrewAIkoddarmowy (chmura płatna)zespoły agentów z rolami
Claude Agent SDKkoddarmowy, tylko modele Claudeagent na plikach i w terminalu
n8nbez koduCommunity za darmo u siebie, chmura od 20 EUR/mies. (rocznie)dużo automatyzacji, dane u siebie
Makebez kodudarmowo 1000 kredytów/mies.scenariusze z rozgałęzieniami
Zapierbez kodudarmowo 100 zadań/mies., Zapy dwukrokowenajszybszy start, najwięcej integracji
Gumloopbez koduplan darmowy i Proagenci klikani na płótnie

Szczegółowy pomiar pięciu bibliotek (linie kodu, czas, koszt, zależności) jest w tekście Frameworki agentów AI. Agenty od OpenAI w wersji hostowanej opisuje tekst Agents API od OpenAI, a gotowych agentów do programowania: Agenci AI do kodu.

Agenci AI po polsku

Wszystkie moje testy szły po polsku: polecenia, opisy narzędzi, dokumenty i odpowiedzi. Duże modele radzą sobie z tym bez problemu. Trzy miejsca, w których polski robi różnicę:

  • Wyszukiwanie w dokumentach: model embeddingów musi znać polski. Na polskich ustawach bge-m3 znalazł właściwy przepis w pierwszej piątce w 8 przypadkach na 10, a nomic-embed-text tylko w 4 (porównanie).
  • Wiedza lokalna: święta, kursy NBP, przepisy. Model ich pewnie nie zna, więc daję je narzędziem.
  • Nazwy funkcji: bez polskich znaków, bo API dopuszczają w nich tylko litery łacińskie, cyfry i podkreślenia.

Gdzie się uczyć dalej: darmowe kursy i kanały

To odpowiedź na pytanie, które dostałem od czytelnika: gdzie tłumaczą krok po kroku, jak działa API, jak robić automatyzacje i agentów, tak żeby to rozumieć. Opisy zrobiłem 4 października 2026, a 29 października sprawdziłem ponownie, czy każdy adres działa. Przy każdym piszę, dla kogo jest.

Oficjalne kursy i dokumentacje

ŹródłoJęzykCzy darmoweDla kogo
Anthropic: Building effective agentsangielskitakdla każdego przed wyborem frameworka: czym różni się przepływ od agenta, 6 wzorców
Anthropic Academy: Building with the Claude APIangielskitak, po rejestracjiznasz podstawy Pythona: od API przez tool use, RAG, MCP do agentów
Anthropic Academy: Introduction to MCPangielskitak, po rejestracji14 lekcji o serwerach i klientach MCP w Pythonie
OpenAI Agents SDK i Function calling guideangielskitakdrugi krok po własnej pętli; dokumentacja z quickstartem
Gemini API: function calling i Google ADKangielskitak (API z darmowym pakietem)chcesz zacząć na darmowym pakiecie Gemini
Kaggle: 5-Day AI Agents Intensive (Google)angielskitak5 dni: agenci, narzędzia i MCP, pamięć, ewaluacja, produkcja; kod na ADK
DeepLearning.AI: Agentic AI (Andrew Ng)angielskiwideo tak, zadania i certyfikat w Pronajlepsze „od zasad”: każdy wzorzec najpierw w czystym Pythonie
DeepLearning.AI: AI Agents in LangGraph i MCP z Anthropicangielskitak, na czas bety platformykrótkie kursy (ok. 2 h), agent od zera, potem we frameworku
Hugging Face Agents Course i MCP Courseangielskitak, z certyfikatamiteoria pętli myśl-akcja-obserwacja i praktyka w smolagents, LangGraph, LlamaIndex
LangChain Academy: Intro to LangGraphangielskitak6 modułów, ok. 6 h; dla tych, którzy wybrali LangGraph
Microsoft: Generative AI for Beginnersangielski + tłumaczenie polskietak21 lekcji od podstaw, w tym function calling i agenci; dobry wstęp
Dokumentacja Model Context Protocolangielskitaktutoriale „Build servers” i „Build clients”

Po polsku

  • Agenci AI dla początkujących (Microsoft, wersja polska): najlepszy darmowy kurs agentów z polskim tekstem, od pojęć przez tool use i MCP po bezpieczeństwo. Tłumaczenie maszynowe, wideo po angielsku.
  • Kacper Sieradziński (YouTube): Python, automatyzacje, n8n, Claude Code i agenci w firmie, ok. 28,5 tys. subskrypcji. Na blogu Dokodu krok po kroku agent na własnych danych w Google ADK. Dla początkujących i średnio zaawansowanych.
  • overment, Adam Gospodarczyk (YouTube): zapisy lajwów AI_devs o projektowaniu narzędzi dla modeli i agentów, ok. 30,7 tys. subskrypcji. Dla programistów, bardzo technicznie.
  • SekurakTV: Budujemy własnego agenta AI!: nagranie darmowego szkolenia z 14 września 2026, z perspektywą bezpieczeństwa. Potwierdziłem tytuł i opis, całości nie oglądałem.
  • JSystems: agent AI krok po kroku: ten sam agent pokazany dwa razy, w n8n i w Pythonie z function callingiem. Dobre na zrozumienie, co n8n robi pod spodem.
  • cyberFolks: darmowy kurs n8n: 10 lekcji wideo, ponad 60 minut, dla zupełnie początkujących bez programowania (wymaga podania e-maila).
  • Przeprogramowani (YouTube): praca programisty z agentami AI w kodzie, ok. 20,9 tys. subskrypcji.
  • Karol Kozłecki (YouTube): praktyczne poradniki n8n i Make dla przedsiębiorców, mniej o mechanice API.
  • unknowNews: cotygodniowy przegląd linków Jakuba Mrugalskiego, regularnie z materiałami o agentach. Nie kurs, ale dobre źródło na bieżąco.
  • AI_devs: był najbardziej znanym polskim kursem budowy agentów dla programistów. Według strony z 29.10.2026 program (2023-2026) się zakończył, a nowej edycji nie zapowiedziano. Za darmo zostają nagrania lajwów na kanale overment.

Kanały po angielsku

  • freeCodeCamp: pełne, wielogodzinne kursy za darmo, m.in. „AI Agents For Beginners” (3 h, lipiec 2026) i „Learn Python and Build Autonomous Agents” (6 h).
  • Dave Ebbelaar: budowanie systemów AI w Pythonie od strony inżynierskiej (RAG, FastAPI, automatyzacje).
  • LangChain: krótkie wyjaśnienia pojęć i dema LangGraph, nowe filmy prawie codziennie.
  • Sam Witteveen: szybkie, techniczne omówienia nowych modeli i frameworków agentowych z kodem.
  • Anthropic i OpenAI: oficjalne premiery i nagrania z konferencji, mniej kursów krok po kroku.

Moja kolejność dla osoby, która chce rozumieć, a nie tylko klikać: artykuł Anthropic o agentach, potem teksty z tej ścieżki z kodem, potem Hugging Face Agents Course albo Agentic AI Andrew Ng, a na koniec kurs wybranego frameworka.

Paczka promptowy-agenci-starter

Cały kod z tej ścieżki w jednym archiwum, z README po polsku i plikiem .env.example bez kluczy:

  • 01_function_calling.py: model wywołuje pogodę, kalkulator i Wikipedię;
  • 02_agent_bez_frameworka.py: agent w 76 liniach z limitem kroków i logiem;
  • 03_agent_openai_sdk.py: ten sam agent na OpenAI Agents SDK;
  • 04_rag.py: czat z PDF-ami, embeddingi w Ollamie;
  • 05_serwer_mcp.py: serwer MCP z polskimi narzędziami;
  • 06_webhook.py: webhook z formularza z AI;
  • frameworki/: jeden agent w 5 wersjach;
  • dane/: fikcyjne faktury i 3 ustawy z Dziennika Ustaw.

Pobierz promptowy-agenci-starter.zip (2,1 MB, 25 plików). Licencja MIT. Klucz OpenRouter wpisujesz u siebie w pliku .env. Nigdy nie wklejaj go do kodu ani na zrzuty ekranu.

Najczęstsze pytania

Jak zbudować agenta AI krok po kroku?

  1. Opanuj zapytanie do API.
  2. Naucz się function callingu.
  3. Zamknij go w pętli z limitem kroków.
  4. Dodaj narzędzia tylko do odczytu i log.
  5. Przetestuj na danych, których wynik znasz.

Cały proces z kodem jest w tekście Jak zbudować agenta AI w Pythonie.

Czy muszę umieć programować, żeby zrobić agenta AI?

Nie, n8n, Make i Gumloop pozwalają klikać. Żeby jednak rozumieć, dlaczego agent się myli, przeczytaj choć raz kilkadziesiąt linii kodu pętli. Do tego nie trzeba wcześniejszego doświadczenia.

Ile kosztuje nauka budowania agentów?

Kursy z listy są darmowe. Za tokeny: wszystkie moje testy z tej ścieżki kosztowały około 0,15 USD. Na start wystarczy 2-5 USD doładowania z limitem na kluczu.

Czy są darmowi agenci AI?

Tak, jeśli mówimy o narzędziach do budowania. OpenAI Agents SDK, LangGraph, CrewAI i Claude Agent SDK są bezpłatne, płacisz tylko za tokeny modelu. n8n w wersji Community postawisz u siebie bez abonamentu, Make daje 1000 kredytów miesięcznie, a Zapier 100 zadań i Zapy dwukrokowe. Bez kosztu tokenów zrobisz agenta na modelu lokalnym w Ollamie albo na darmowym pakiecie Gemini API.

Czym się różni agent AI od automatyzacji?

W automatyzacji kroki ustalasz Ty. W agencie kolejność kroków wybiera model na podstawie wyników narzędzi. Większość praktycznych wdrożeń to automatyzacja z jednym krokiem agentowym.

Od czego zacząć: n8n czy Python?

Jeśli chcesz szybko mieć działającą automatyzację, od n8n albo Make. Jeśli chcesz rozumieć mechanikę API i agentów, od Pythona. Najlepiej oba: ten sam przepływ najpierw w kodzie, potem w n8n.

Jaki model wybrać do pierwszego agenta?

Tani model z obsługą narzędzi (na OpenRouterze filtr „tools”). W testach z 4 października używałem openai/gpt-5.6-luna (0,20 USD za milion tokenów wejścia). Dziś o połowę tańszy jest GPT-6 Luna, którego w tych testach jednak nie sprawdzałem. Mocniejszy model weź dopiero wtedy, gdy tańszy gubi plan.

Co to jest MCP i czy muszę go znać?

MCP to standard podłączania narzędzi do aplikacji AI. Nie jest potrzebny do pierwszego agenta, ale przydaje się, gdy chcesz używać swoich narzędzi w Claude Code, Cursorze czy innym kliencie. Zobacz Własny serwer MCP w 15 minut i wprowadzenie MCP: co to jest.

Czy agent AI może działać na moim komputerze bez internetu?

Tak, z modelem lokalnym w Ollamie, która ma API zgodne z OpenAI. Mniejsze modele lokalne częściej mylą argumenty narzędzi, więc zacznij od prostych zadań.

Źródła

  • Mój test: wszystkie przebiegi kodu na Windows 11, Python 3.13, RTX 4090, modele przez OpenRouter (4.10.2026)
  • PyPI: wersje openai, openai-agents, langgraph, crewai, claude-agent-sdk, mcp (dostęp 4.10 i 29.10.2026)
  • OpenRouter: GPT-6 Luna i GPT-5.6 Luna - ceny i obsługa narzędzi (dostęp 29.10.2026)
  • Anthropic: cennik API - Claude Haiku 5.5 i Haiku 4.5 (dostęp 29.10.2026)
  • n8n: cennik - Starter od 20 EUR miesięcznie przy płatności rocznej (dostęp 29.10.2026)
  • Make: cennik - 1000 kredytów miesięcznie w planie darmowym (dostęp 29.10.2026)
  • Zapier: cennik - 100 zadań i Zapy dwukrokowe w planie darmowym (dostęp 29.10.2026)
  • AI_devs - informacja o zakończeniu programu (dostęp 29.10.2026)
  • Kursy i kanały z listy: opisy z 4.10.2026, działanie adresów sprawdzone 29.10.2026; liczby subskrypcji zaokrąglone przez YouTube

Sprawdzone: 29.10.2026

Piotr Olszewski

Autor

Twórca i autor Promptowego, polskiego serwisu o sztucznej inteligencji. Codziennie śledzi premiery modeli, narzędzia i regulacje AI, i tłumaczy je prostym, konkretnym językiem.

O mnie →Wszystkie teksty →

Czytaj dalej

Narzędzia do tego tematu

darmowe, bez kontaWszystkie 29 →
z sieci - nowe teksty w moich serwisach

Wszystkie moje projekty →

Najczęściej czytane

7 dni
  1. 1GPT-6.2 Astra vs Claude Fable 5.2 vs Gemini 4 Carbon: benchmarki i mój test na 7 modelach (z Opus 5.5)
  2. 2Plakat festiwalu z polskim napisem: prompt i test 6 generatorów obrazu (Prompt dnia 14.11)
  3. 330 promptów do ChatGPT Images i 10 do przerabiania zdjęć
🛒 Sklep Kinetyka CapCut Pro 460 zł/rok Lovable Pro 450 zł/rok Replit Core 119 zł/rok Zobacz wszystko →