Od kilku ostatnich miesięcy buduję własny zespół agentów AI. Systemy dokumentacji dla AI. Hooks obsługujące powiadomienia. Trwałą pamięć. Własne przepływy pracy. Element po elemencie, ręcznie, od zera.
Potem znalazłem repozytorium, które robi dokładnie to, nad czym pracowałem, ale jako kompletny system gotowy do użycia w środowisku produkcyjnym.
I jest dostępne bezpłatnie.
PAI, czyli Personal AI Infrastructure, zbudował Daniel Miessler, ekspert ds. cyberbezpieczeństwa, autor newslettera Unsupervised Learning i twórca Fabric, projektu open source zawierającego 237 wzorców AI do analizy, bezpieczeństwa i wydobywania wiedzy. Ponad 10 000 gwiazdek na GitHubie. Ponad 1400 forków. Licencja MIT.
To nie jest kolejna nakładka na ChatGPT. To nie jest zbiór promptów. To system operacyjny dla Twojej AI.
Pokażę Ci, dlaczego.
Problem, który rozwiązuje PAI
Za każdym razem, gdy otwierasz Claude, ChatGPT lub innego asystenta AI, zaczynasz od zera. Wyjaśniasz, kim jesteś, nad czym pracujesz i jakie masz cele. Za każdym razem.
Twoja AI Cię nie pamięta. Nie zna Twoich preferencji. Nie wie, co robiłeś wczoraj. Każda sesja jest czystą kartą.
Większość osób uznaje to za normalne. PAI traktuje ten stan jako fundamentalny błąd projektowy.
Trzy poziomy ewolucji AI
Miessler przedstawia ten problem jako ewolucję przebiegającą w trzech etapach:
Level 1 - Chatbots: Zadajesz pytanie, otrzymujesz odpowiedź, a potem wszystko zostaje zapomniane. Tak domyślnie działają ChatGPT, Claude i Gemini.
Level 2 - Agentic platforms: Zadajesz pytanie, AI korzysta z narzędzi, aby osiągnąć rezultat, ale nadal nie ma trwałej wiedzy o tym, kim jesteś. Do tej kategorii należą Claude Code, Cursor i Windsurf.
Level 3 - Personal AI Infrastructure: AI obserwuje, myśli, planuje, wykonuje, weryfikuje i uczy się. Zna Twoje cele, pamięta Twoje preferencje i z każdą interakcją coraz lepiej Ci pomaga.
PAI reprezentuje Level 3.
The Algorithm - środek ciężkości PAI
Wszystko w PAI służy jednej rzeczy: The Algorithm.
To siedmiofazowy cykl, który PAI realizuje przy każdym zadaniu:
Observe - Analizuje prośbę metodą inżynierii wstecznej. Co użytkownik powiedział wprost? Co zasugerował? Czego wyraźnie nie chce? Jaki poziom wysiłku będzie odpowiedni?
Think - Poddaje plan krytycznej ocenie. Które założenia są najbardziej ryzykowne? Przeprowadza premortem, czyli sprawdza, w jaki sposób realizacja mogłaby się nie udać.
Plan - Weryfikuje warunki wstępne. Wybiera potrzebne możliwości. Wyznacza sposób działania.
Build - Przygotowuje wszystko, czego potrzeba do realizacji. Uruchamia wybrane Skills i narzędzia.
Execute - Wykonuje właściwą pracę. Na bieżąco śledzi postęp względem kryteriów.
Verify - Testuje każde kryterium. Sprawdza, czy każde z nich rzeczywiście zostało spełnione. Przedstawia dowody zamiast założeń.
Learn - Pyta, co należało zrobić inaczej. Jak postąpiłby lepszy algorytm? Z jakich możliwości należało skorzystać?
Ostatnia faza odróżnia PAI od pozostałych systemów. PAI zapisuje wnioski z każdej interakcji, w tym oceny, analizę sentymentu, wzorce sukcesów i analizę porażek, a następnie wykorzystuje je do ulepszania samego The Algorithm.
PAI nie jest statycznym narzędziem. To algorytm, który stale się doskonali.
System TELOS - Twoja AI wie, kim jesteś
W tym miejscu naprawdę przystanąłem.
TELOS to zestaw 10 plików Markdown opisujących, kim jesteś:
- MISSION.md - Twoja życiowa misja
- GOALS.md - Cele krótko- i długoterminowe
- PROJECTS.md - Projekty, nad którymi pracujesz
- BELIEFS.md - Przekonania, którymi się kierujesz
- MODELS.md - Modele mentalne, z których korzystasz
- STRATEGIES.md - Twoje strategie
- CHALLENGES.md - Wyzwania, z którymi się mierzysz
- IDEAS.md - Twoje pomysły
- LEARNED.md - Wiedza i wnioski, które udało Ci się zdobyć
- NARRATIVES.md - Twoja historia
Gdy AI zna Twoje cele, wartości i wyzwania, zmienia się każda jej odpowiedź. Nie otrzymujesz już ogólnych porad. Dostajesz wskazówki dopasowane do Twojej konkretnej sytuacji, celów i ograniczeń.
Miessler nazywa to “the P0 problem”. Większość ludzi nigdy nie określa jasno, kim jest, co jest dla niej ważne ani do czego dąży. TELOS wymusza takie sprecyzowanie, a AI wykorzystuje je później jako kontekst dla wszystkiego, co robi.
System Skills - 63 możliwości uruchamiające się automatycznie
PAI porządkuje wiedzę dziedzinową w Skills, czyli samodzielne pakiety aktywowane automatycznie na podstawie treści Twojej prośby.
Nie musisz pamiętać poleceń. Mówisz “zbadaj ten temat”, a Skill Research uruchamia przepływy pracy z wieloma agentami. Mówisz “przeanalizuj bezpieczeństwo”, a Skill Security wykonuje modelowanie zagrożeń STRIDE. Mówisz “przemyśl ten problem”, a Skill Thinking rozpoczyna dekompozycję opartą na pierwszych zasadach, debatę grona ekspertów lub red teaming.
Łącznie to 63 Skills w 13 kategoriach. Każdy z nich ma ściśle określoną strukturę:
skills/SkillName/
├── SKILL.md # Główny plik Skill z regułami kierowania
├── Tools/ # Narzędzia CLI w TypeScript
└── Workflows/ # Procedury operacyjneKażdy Skill ma w opisie wyzwalacz USE WHEN. Claude Code analizuje go, aby automatycznie aktywować odpowiedni Skill dla danego zadania. Ręczne uruchamianie nie jest potrzebne.
Elegancko rozwiązano podział na System skills, które można udostępniać i które nie zawierają danych osobistych, oraz Personal skills, których nazwy zaczynają się od podkreślenia i które nigdy nie są udostępniane. System skills możesz eksportować dla innych jako PAI Packs, zachowując prywatność własnej konfiguracji.
System Hooks - 21 automatyzacji działających w tle
Hooks to automatyzacje sterowane zdarzeniami, uruchamiane w określonych momentach cyklu życia Claude Code:
SessionStart - Automatycznie wczytuje Twój kontekst. Zanim wpiszesz pierwsze słowo, AI wie, kim jesteś, nad czym pracowałeś i czego nauczyłeś się podczas wcześniejszych sesji.
PostToolUse - Synchronizuje śledzenie pracy, rejestruje zdarzenia związane z bezpieczeństwem i aktualizuje pulpity postępu.
SessionEnd - Rejestruje ukończone prace, generuje podsumowania sesji, zapisuje kontekst relacji i przeprowadza kontrole integralności.
Istnieje nawet Hook, który rejestruje Twoje oceny zadowolenia, zarówno wyrażone wprost, jak i rozpoznane pośrednio dzięki analizie sentymentu, a następnie przekazuje je do systemu uczenia się.
Wszystkie Hooks działają asynchronicznie i bezpiecznie obsługują awarie. Wzbogacają pracę, ale nigdy jej nie blokują. Uruchamiasz je i nie musisz czekać na rezultat.
System Memory - nic nie ginie
Architektura Memory w PAI jest systemem trójwarstwowym:
MEMORY/
├── WORK/ # Śledzenie aktywnych projektów (PRD, kryteria, postęp)
├── LEARNING/ # Wiedza systemu, wnioski z działania Algorithm, analiza porażek
├── RESEARCH/ # Zapis rezultatów pracy agentów
├── SECURITY/ # Zdarzenia audytu bezpieczeństwa
├── STATE/ # Stan wykonania, śledzenie sesji, dzienniki zdarzeń
└── PAISYSTEMUPDATES/ # Historia zmian architekturyKatalog WORK śledzi każde istotne zadanie za pomocą PRD (Product Requirements Document) i Ideal State Criteria, czyli pól wyboru, które można jednoznacznie zweryfikować i które określają, jak wygląda stan ukończenia.
Katalog LEARNING jest miejscem, w którym PAI naprawdę wyróżnia się na tle innych systemów. Przechowuje:
- wnioski z działania Algorithm, czyli informacje o tym, co poszło dobrze, a co nie
- analizę porażek wraz z pełnym zrzutem kontekstu dla niskich ocen
- cotygodniową syntezę wzorców
- sygnały ocen śledzące zadowolenie użytkownika w czasie
Podkatalog FAILURES zasługuje na szczególną uwagę. Gdy coś pójdzie nie tak, czyli pojawi się ocena od 1 do 3, PAI zapisuje pełny kontekst: transkrypcję rozmowy, metadane sentymentu, wywołania narzędzi i analizę czytelną dla człowieka. W ten sposób system uczy się na własnych błędach.
Voice - Twoja AI mówi do Ciebie
PAI integruje ElevenLabs, aby zamieniać tekst na mowę. Brzmi to jak gadżet, dopóki sam tego nie wypróbujesz.
AI informuje głosowo, kiedy zaczyna pracę, i odczytuje podsumowanie, gdy ją kończy. Każdy agent ma własny głos: agent pełniący rolę architekta mówi z brytyjskim akcentem, inny głos ma agent odpowiedzialny za zadania inżynierskie, a jeszcze inny agent prowadzący badania.
Gdy koncentrujesz się na kodzie i nie chcesz odrywać uwagi, aby czytać komunikaty w terminalu, usłyszenie “Rozpoczynam fazę Execute” albo “Zadanie ukończone, wszystkie kryteria spełnione” zmienia sposób pracy. Wiesz, co dzieje się w tle, bez przełączania kontekstu.
Packs - instalujesz tylko to, czego potrzebujesz
Nie musisz instalować całego systemu PAI. Packs to niezależne, samowystarczalne pakiety możliwości:
- Research - Badania prowadzone przez wielu agentów w czterech wariantach, od szybkiego do dogłębnego
- Thinking - Pierwsze zasady, debata grona ekspertów, red teaming i burze mózgów
- Security - Rozpoznanie, testy OWASP i testowanie odporności na prompt injection
- Investigation - OSINT, analiza firm, wyszukiwanie osób i due diligence
- Media - Generowanie obrazów, diagramów i infografik oraz tworzenie wideo w Remotion
- Telos - Life OS z celami, przekonaniami i pulpitami projektów
- Agents - Komponowanie własnych agentów na podstawie cech osobowości i głosów
- ContentAnalysis - Wydobywanie wiedzy z filmów, podcastów i artykułów
- Scraping - Pobieranie danych z internetu przez proxy Bright Data i Apify
- USMetrics - 68 wskaźników gospodarczych USA z FRED, EIA, Treasury i BLS
- Utilities - Generowanie CLI, wzorce Fabric, Cloudflare i automatyzacja przeglądarki
- ContextSearch - Natychmiastowe przywoływanie wcześniejszych sesji roboczych
Możesz zainstalować jeden Pack, pięć albo wszystkie. Każdy Pack zawiera kreator instalacji, który analizuje system, zadaje pytania, tworzy kopie zapasowe, instaluje pakiet i weryfikuje rezultat.
Filozofia architektury
PAI opiera się na 16 zasadach założycielskich. Trzy z nich definiują DNA całego systemu:
Scaffolding > Model - Architektura systemu ma większe znaczenie niż wybrany model AI. Dobrze uporządkowany system z solidną strukturą wspierającą, czyli scaffoldingiem, przewyższy mocniejszy model osadzony w słabej strukturze. Właśnie dlatego PAI działa. Nie chodzi o to, że Claude jest inteligentny, lecz o strukturę, dzięki której jest konsekwentnie skuteczny.
Code Before Prompts - Jeśli problem można rozwiązać skryptem bash, nie należy używać AI. Prompty powinny koordynować kod, a nie go zastępować. Dzięki temu system pozostaje deterministyczny tam, gdzie jest to możliwe, i probabilistyczny wyłącznie tam, gdzie jest to potrzebne.
As Deterministic as Possible - Te same dane wejściowe powinny prowadzić do tego samego wyniku. Zachowanie ma być określone przez kod, a nie przez różnice między promptami. To przeciwieństwo sposobu, w jaki większość osób korzysta z AI, i właśnie dlatego PAI zapewnia spójne rezultaty.
Stos technologiczny to TypeScript + Bun działające natywnie w Claude Code. Potrzebujesz subskrypcji Claude w planie Pro lub Max. Podstawowy system nie wymaga oddzielnego klucza API.
Co fundamentalnie odróżnia PAI
Większość narzędzi AI jest task-centric: mówisz AI, co ma zrobić, ona wykonuje zadanie i na tym historia się kończy.
PAI jest goal-centric: Twoja AI wie, co chcesz osiągnąć w życiu, a ten kontekst wpływa na każdą interakcję. Różnica jest ogromna.
AI działająca w sposób task-centric pomoże Ci napisać wiadomość e-mail. AI działająca w sposób goal-centric pomoże napisać wiadomość zgodną z Twoją strategią komunikacji, odwołującą się do bieżących projektów i przybliżającą Cię do celów kwartalnych, ponieważ zna wszystkie te informacje.
Misja Miesslera doskonale oddaje tę ideę:
“AI powinna wzmacniać każdego, nie tylko najlepszy jeden procent.”
Jak zacząć
git clone https://github.com/danielmiessler/Personal_AI_Infrastructure.git
cd Personal_AI_Infrastructure/Releases/v4.0.3
cp -r .claude ~/ && cd ~/.claude && bash install.shInstalator wykrywa Twój system, instaluje wymagane składniki, czyli Bun, Git i w razie potrzeby Claude Code, a następnie pyta o Twoje imię, nazwę asystenta AI, strefę czasową oraz preferowany poziom temperatury. Po pięciu minutach masz działający system.
Katalog USER/ z osobistymi plikami nigdy nie jest nadpisywany podczas aktualizacji. Twoje dane pozostają bezpieczne.
Szersza perspektywa
PAI jest obecnie w wersji v4.0.3 i pozostaje aktywnie rozwijany. Ewolucja od v2.0 z grudnia 2025 roku do v4.0 z lutego 2026 roku pokazuje szybkie tempo zmian: od podstawowego systemu z osadzonymi plikami Markdown po pełną infrastrukturę z 63 Skills, 21 Hooks, 180 przepływami pracy i 14 agentami o odrębnych nazwach.
Plan rozwoju obejmuje obsługę modeli lokalnych, takich jak Ollama i llama.cpp, szczegółowy dobór modelu do złożoności zadania, zdalny dostęp z urządzeń mobilnych i przeglądarki oraz wychodzące połączenia telefoniczne.
Niezależnie od tego, czy jesteś programistą budującym rozwiązania z AI, właścicielem firmy automatyzującym działania, czy po prostu chcesz, aby AI naprawdę Cię pamiętała, PAI zasługuje na uważne przyjrzenie się.
Projekt jest dostępny na licencji MIT, aktywnie utrzymywany i ma rosnącą społeczność w GitHub Discussions oraz na Discordzie.
Od miesięcy budowałem własną wersję takiego systemu. Znalezienie PAI było zarazem uczące pokory i ekscytujące. Uczące pokory, bo ktoś zbudował to lepiej, i ekscytujące, bo mogę teraz rozwijać rozwiązanie na sprawdzonym fundamencie zamiast zaczynać od zera.
Tak wygląda open source w najlepszym wydaniu.
Linki: