← Zpět na blog
AI v praxi

Jak jsem postavil AI asistenta na lokálních modelech

Příběh o tom, jak BazilBot vznikl - od prvního promptu po desítky napojených nástrojů, které dnes zrychlují běžnou práci.

#lokální AI#workflow#Qwen
AI v praxiJak jsem postavil AI asistenta na lokálních modelech

BazilBot nevznikl jako experiment do šuplíku. Potřeboval jsem pomocníka, který se nezalekne reálné práce: přehledů, e-mailů, rešerší, interních dokumentů ani opakujících se úkonů, které zbytečně berou pozornost.

Klíčové rozhodnutí bylo jednoduché: nechci systém, který je závislý na cizím cloudu, pomalý nebo drahý při větším provozu. Proto jsem šel cestou lokálních modelů, vlastního hardwaru a workflow, které mám pod kontrolou.

Co fungovalo hned od začátku

  • Rychlé shrnutí dlouhých dokumentů a zápisů z porad.

  • Příprava osnov článků, interních poznámek a zadání pro další práci.

  • Práce s opakovatelnými dotazy, kde dává smysl stejný rámec a jiná data.

Co bylo těžší, než vypadalo

Samotný model je jen malá část celé skládačky. V praxi je složitější navrhnout, kdy má agent dohledávat informace, kdy si je pamatovat, jak ověřit výstup a kdy má raději přiznat, že odpověď nezná.

Nejtěžší není donutit model odpovědět. Nejtěžší je zařídit, aby odpovídal spolehlivě, opakovatelně a v kontextu konkrétní práce.

Dnešní stav

  1. Asistent umí pracovat s dokumenty, poznámkami a vybranými interními zdroji.

  2. Postupně na něj napojuji e-mail, kalendář a další části denního workflow.

  3. Každou novou dovednost testuji jen tam, kde opravdu šetří čas nebo snižuje chybovost.

Největší hodnota není v tom, že AI něco napíše. Hodnota je v tom, že se správně zapojí do procesu, zkrátí cestu k rozhodnutí a nevytváří další chaos navíc.