Mniej interesuje mnie budowanie kolejnego okna czatu, a bardziej znalezienie dla modelu użytecznego miejsca w istniejącym procesie. Moje projekty łączą AI z publikowaniem, marketingiem i tworzeniem oprogramowania — tam, gdzie model może zobaczyć właściwy kontekst, użyć prawdziwych narzędzi i zatrzymać się, zanim kosztowna decyzja będzie wymagała człowieka.
PolyTrans powstał, aby rozwiązać konkretny problem wydawniczy: tłumaczenie dużego, wielojęzycznego serwisu WordPress bez opłaty SaaS za każde słowo i bez oddawania własności przetłumaczonych treści. Zaczynał jako wtyczka wysyłająca wpis do dostawcy AI. Użycie produkcyjne rozwinęło go o harmonogramy, przegląd redakcyjny, łańcuchy postprocessingu i komunikację między osobnymi instalacjami WordPressa.
PolyTrans działa obok marketingowych MCP. Jego zadaniem jest wielojęzyczne publikowanie: przeprowadzanie treści redakcyjnych przez tłumaczenie i kolejne etapy obróbki, nadal w środowiskach WordPressa używanych przez zespoły.
Praca dla trans.info, trans.eu, TFC i TFF nie zaczynała się od jednego identycznego szablonu. PolyTrans był dostosowywany tam, gdzie dany serwis potrzebował tłumaczenia, przekazania lub dodatkowego przetwarzania treści.
Modele mogą tłumaczyć i przetwarzać treść, ale harmonogram, przegląd, status i publikacja pozostają widoczne w procesie redakcyjnym. Wynik oraz relacje między tłumaczeniami pozostają w WordPressie, a nie w zewnętrznym SaaS-ie.
Wybierany jest wpis źródłowy. PolyTrans odczytuje treść, metadane, relacje językowe i trasę tłumaczenia skonfigurowaną dla danej publikacji.
Model wykonuje określone zadanie. Tłumaczenie może trafić do OpenAI, Claude'a albo Gemini. Następny krok może użyć innego modelu lub promptu do tonu, terminologii, pól SEO czy uporządkowania struktury.
Wynik wraca do systemu redakcyjnego. Przetłumaczony wpis, taksonomie i metadane są tworzone tam, gdzie pracują redaktorzy, wraz ze statusem i informacjami do przeglądu.
Integracja jest dobierana do serwisu. PolyTrans może działać w jednej instalacji WordPressa albo rozdzielić role nadawcy, tłumacza i odbiorcy pomiędzy instalacje, jeżeli wymaga tego architektura wydawnicza.
Kiedy agenci programistyczni stali się częścią mojej codziennej pracy, ograniczenie szybko stało się oczywiste: nawet dobry model niewiele pomoże, jeśli każdy ważny fakt tkwi w innej karcie, a każde działanie wymaga osobnego interfejsu. Serwery MCP udostępniają agentowi działające systemy i lokalną wiedzę, a hooki dodają reguły wokół jego cyklu życia.
Podzieliłem pełny cykl przeglądu marketingowego na lokalne serwery do diagnozy kont, trwałej pamięci o kliencie, bezpiecznych zmian kampanii, analityki i raportowania. Każdy jest użyteczny osobno; razem pozwalają jednemu agentowi przejść od znaleziska do gotowego materiału.
Poznaj cały stosZbudowałem uniwersalny framework hooków cyklu życia, bo wielokrotnie potrzebowałem wstrzykiwać te same przypomnienia, kontrole bezpieczeństwa i kontekst w konkretnych momentach sesji agenta. Zawiera zestaw gotowych recept i działa z Claude Code oraz Codexem.
GitHubUtrzymuję hostowany samodzielnie fork systemu, który z pomocą modeli multimodalnych zamienia zrzuty ekranu w edytowalne interfejsy. Był też moim praktycznym wejściem w uruchamianie aplikacji intensywnie korzystających z modeli na własnej infrastrukturze.
Case studyStworzyłem Kompakt, ponieważ kompakcja Claude Code spłaszczała długie polskie rozmowy do generycznych angielskich podsumowań. Wtyczka pozwala kontrolować prompt podsumowania, zachować wiadomości użytkownika i wybrać poziom szczegółów technicznych.
Szczegóły projektuCzłowiek pozostaje przy kosztownej granicy. Narzędzia kampanijne najpierw przygotowują i pokazują zmianę. Wykonują ją dopiero po osobnym, jednoznacznym potwierdzeniu.
Wiedza pozostaje poza rozmową. Fakty o kliencie, wcześniejsze decyzje i procedury robocze należą do możliwych do sprawdzenia plików, które przeżyją pojedynczą sesję czatu.
Wybieram przenośne interfejsy. Lokalne pliki i standardowe protokoły pozwalają używać tych samych elementów z Claude Code, Codexem i Cursorem.
