Masz ChatGPT — po co Ci własny asystent AI? (i jak go zbudować w jedno popołudnie)

Płacisz już za ChatGPT albo Claude i jesteś zadowolony. Więc po co budować własnego asystenta AI? Uczciwa odpowiedź: do codziennej, ciężkiej roboty na flagowym modelu zostań przy abonamencie — jest wygodny i często tańszy, niż się wydaje. Nie po to tu jesteśmy, żeby Cię z niego wyciągać.

Są jednak dwie rzeczy, których żaden abonament nie da Ci za żadne pieniądze:

1. Twoje dane zostają u Ciebie. Wrzucenie umowy klienta, dokumentacji albo maila z danymi osobowymi do ChatGPT oznacza „wysłać to na cudze serwery". Czasem nie chcesz, czasem nie możesz.
2. Twój asystent może działać sam. Abonament to czat — Ty pytasz, on odpowiada. Nie posegreguje maili, nie podsumuje folderu, nie zareaguje na zdarzenie. Do tego potrzebujesz czegoś własnego.

Ten artykuł to pierwszy krok: w jedno popołudnie zbudujesz nazwanego asystenta, który ma na stałe „przeczytane" Twoje dokumenty — wybierasz go z listy jak każdy inny model i od razu odpowiada na pytania na ich podstawie. Bez kodowania, na dowolnym komputerze. To fundament — w kolejnych wpisach odetniemy go od internetu (pełna prywatność) i nauczymy działać automatycznie.

I jeszcze jedno, bo to myśl przewodnia całej serii: do większości takich zadań — przeczytać dokument, znaleźć coś, streścić — nie potrzebujesz najmądrzejszego modelu świata. Zwykły, tańszy, a często darmowy lub lokalny w zupełności wystarcza. I właśnie dlatego możesz je robić u siebie, prywatnie i automatycznie, zamiast wszystko przepuszczać przez cudze serwery.

Telewizor i kablówka, czyli kto trzyma Twoje dane

Komercyjne usługi sprzedają wszystko w jednym pakiecie: interfejs i model, na ich serwerach, na ich zasadach. My to rozdzielimy — i właśnie to rozdzielenie daje Ci kontrolę.

Interfejs to OpenWebUI — darmowy program, który wygląda niemal jak znany Ci czat, tylko że Twój. To telewizor: stawiasz raz, nic za niego nie płacisz.

Mózg to model AI, który do niego podłączasz — Twoja kablówka. I tu jest sedno: kablówką może być model w chmurze (łatwo, ale Twoje dane wychodzą do dostawcy) albo model na Twoim komputerze (nic nie opuszcza maszyny). Ten sam telewizor, a wybór kablówki to wybór, gdzie lądują Twoje dane.

Dwa sposoby na mózg — i co znaczą dla Twoich danych

Najłatwiej: model w chmurze. Podłączasz darmowego Groq (bez karty kredytowej) albo OpenRouter, który jednym kluczem daje dostęp do ChatGPT, Claude, Gemini i setek innych modeli, płatnych groszami za zużycie. Dane lecą do dostawcy — w porządku do rzeczy niewrażliwych, a do tego działa na dowolnym sprzęcie. Idealne na pierwszy raz.

Docelowo prywatnie: model na Twoim komputerze. Model lokalny (Ollama) sprawia, że nic nie wychodzi z maszyny — pełna prywatność, zero opłat, działa offline. Wymaga mocniejszego sprzętu, więc pokażę to osobno w następnym wpisie.

Zaczniemy od chmury, żebyś w 30 minut zobaczył całość w działaniu. Prywatność domkniemy w kroku drugim — i to będzie ten sam asystent, tylko z mózgiem przeniesionym do Ciebie.

Kiedy to się opłaca, a kiedy zostań przy abonamencie

Skoro już o pieniądzach — bez ściemy, bo to ważne dla zaufania:

• Pracujesz codziennie i ciężko na flagowym modelu (wbijasz w limity)? Abonament za 20 $ jest tańszy i wygodniejszy niż dostęp przez API. Nie buduj tego, żeby oszczędzić — buduj dla prywatności i automatyzacji.
• Używasz AI rzadko, nieregularnie? Dostęp przez API kosztuje dosłownie kilka dolarów miesięcznie — taniej niż stałe 20 $.
• Ma z tego korzystać kilka osób? Jeden wspólny budżet zamiast pięciu abonamentów — ale to już serwer, osobny wpis.
• Automatyzujesz dużo? Model lokalny w automatyzacjach jest praktycznie darmowy „na sztukę".

Krótko: koszt bywa efektem ubocznym, ale nie jest powodem. Powodem jest prywatność i to, że asystent staje się Twój.

Po co Ci to — konkretnie

W przeciwieństwie do zwykłej wyszukiwarki asystent czyta dokumenty, które mu dasz, i odpowiada na ich podstawie, a nie zmyśla z pamięci. Kilka zastosowań z życia:

• Umowy i pisma. Wrzucasz PDF umowy najmu, leasingu czy deweloperskiej i prosisz o bezlitosne wypunktowanie kar umownych i haczyków.
• Dane, które nie powinny wyjść. Dokumentacja, materiały firmowe, pisma z danymi osobowymi — pytasz o nie, nie wysyłając ich do żadnej dużej usługi (w pełni dopiero przy wersji lokalnej).
• Długie materiały. Raport, instrukcja, dokumentacja, materiały do nauki — pytasz konkretnie, zamiast przewijać dziesiątki stron.

Teraz to zbudujmy.

Czego potrzebujesz (5 minut)

• Komputer z przeglądarką — dowolny, nawet kilkuletni.
• Zainstalowany Docker Desktop (pobierz tutaj) — „paczkomat" na programy, dzięki któremu nie instalujesz nic ręcznie.
• Darmowe konto na Groq (groq.com) — bez karty. (Albo OpenRouter, jeśli od razu chcesz modele komercyjne.)
• Twoje dokumenty do testów — jeden albo kilka (PDF, notatki, instrukcje).

Krok 1: Zainstaluj OpenWebUI (Twój telewizor)

Otwórz terminal (na Windowsie PowerShell, na Macu lub Linuksie Terminal), wklej poniższą komendę i naciśnij Enter:

docker run -d -p 8080:8080 \
  -v open-webui:/app/backend/data \
  --name open-webui \
  --restart always \
  ghcr.io/open-webui/open-webui:main

Docker pobierze program (chwilę to potrwa za pierwszym razem). Gdy skończy, otwórz http://localhost:8080 i załóż konto lokalne — login i hasło zostają wyłącznie na Twoim komputerze.

Utknąłeś na którymś kroku albo wyskoczył błąd? Skopiuj komendę lub treść błędu i wklej do swojego AI — ChatGPT, Claude, Gemini, dowolnego, jaki masz. Wyjaśni krok po kroku i odpowie na dopytania. (A jeśli coś w tej instrukcji jest niejasne albo nieaktualne, napisz w komentarzu — poprawię.)

Krok 2: Podłącz silnik (kablówkę)

Najpierw zdobądź klucz API:

• Groq (darmowo): groq.com → konto → API Keys → Create → skopiuj klucz.
• albo OpenRouter: openrouter.ai → konto → Keys → Create → skopiuj. (Modele darmowe ruszysz od razu; do komercyjnych doładuj konto.)

Ten klucz to Twój bilet do modelu — coś jak hasło. Nikomu go nie dawaj i nie wrzucaj na GitHuba.

Teraz w OpenWebUI kliknij profil → Settings → Connections (Ustawienia → Połączenia) i dodaj połączenie typu OpenAI, wklejając adres i klucz:

Zapisz. Możesz dodać oba — wtedy w czacie przełączasz modele jednym kliknięciem.

Krok 3: Zbuduj swojego asystenta

Tu jest sedno — i to coś, czego Twój ChatGPT tak po prostu nie da. Zamiast wrzucać dokument przy każdej rozmowie, raz zbudujesz nazwanego asystenta, który ma na stałe „przeczytane" wszystkie Twoje dokumenty. Potem tylko wybierasz go z listy i pytasz.

3a. Zbierz dokumenty w bazę wiedzy. Wejdź w Workspace → Knowledge → + Create a Knowledge Base → nadaj nazwę (np. „Moje umowy") → wgraj pliki. Może być jeden dokument, może być pięćdziesiąt — OpenWebUI pokroi je i zaindeksuje.

3b. Stwórz asystenta na tej bazie. Wejdź w Workspace → Models → + (nowy model) i ustaw:

• Bazowy model: np. llama-3.3-70b-versatile (Groq).
• Nazwa: np. „Mój asystent" — pod nią wybierzesz go w czacie.
• System prompt (instrukcja zachowania), wklej np.: „Jesteś asystentem, który odpowiada wyłącznie na podstawie załączonej bazy wiedzy. Jeśli odpowiedzi tam nie ma, powiedz wprost, że nie znajdujesz jej w dokumentach — nie zgaduj."
• Knowledge: podepnij bazę „Moje umowy".

Zapisz.

3c. Używaj. Otwórz nowy czat, z listy modeli wybierz „Mój asystent" i pytaj po ludzku. Nie musisz nic wrzucać ani wpisywać # — asystent już zna swoje dokumenty.

Zobaczysz coś takiego (przykłady z prawdziwej umowy najmu):

• „Jaki jest okres wypowiedzenia?" → trafna odpowiedź z numerem paragrafu. ✅
• „Kto płaci za naprawy?" → poprawnie rozróżnia drobne naprawy najemcy i remonty właściciela. ✅
• „Czy mogę mieć kota?" → „Nie znajduję tego w dokumentach." — i dobrze, bo faktycznie nie było. ✅
• „Ile łącznie zapłacę przez trzy lata?" → próbuje liczyć i czasem się myli. ❌ Tu trzeba sprawdzić samemu.

Uczciwie: na 70–80% pytań asystent odpowie dobrze. Na resztę trzeba mu pomóc — dopytać, podzielić pytanie albo poprawić sposób, w jaki czyta dokumenty (o tym w osobnym wpisie). To narzędzie, nie wyrocznia.

Szybki wariant na jeden raz: jeśli chcesz tylko zapytać o pojedynczy plik bez budowania asystenta — w dowolnym czacie wpisz #, wskaż dokument i pytaj. Stały asystent jest wygodniejszy, gdy wracasz do tych samych materiałów.

Jeśli asystent ignoruje dokumenty (mówi, że nie ma informacji, choć jest): w edytorze modelu rozwiń Advanced Params i upewnij się, że Function Calling jest ustawione na Default. Na świeżej instalacji zwykle już tak jest — ale jeśli ktoś przestawił to globalnie na „Native", darmowe modele potrafią przestać korzystać z bazy.

Co się właśnie stało (w 30 sekund)

Kiedy zbudowałeś asystenta, OpenWebUI pociął jego bazę wiedzy na mniejsze kawałki i zapamiętał. Gdy zadajesz pytanie, program najpierw wyszukuje kawałki najbardziej pasujące do pytania, a potem podaje je modelowi jako ściągę. Model odpowiada na podstawie Twoich materiałów, a nie tego, co „pamięta" z internetu.

Ta technika nazywa się RAG. Nie musisz pamiętać skrótu — wystarczy, że wiesz, dlaczego asystent zna Twoje dokumenty, a nie zmyśla.

Do czego ten asystent się nadaje — a do czego nie

Zanim wrzucisz mu wszystko z dysku: ten setup ma granice i lepiej znać je z góry, niż się sfrustrować.

Działa dobrze, gdy:

• Wgrywasz pojedynczy dokument albo kilka–kilkanaście (umowa, instrukcja, regulamin, notatki, materiały do nauki, FAQ).
• Odpowiedź siedzi w jednym–dwóch miejscach dokumentu.
• Pytasz konkretnie: „jaki jest okres wypowiedzenia", „co robić przy błędzie E5", „jakie są wymagania z rozdziału 3".

Zacznie się gubić, gdy:

• Wrzucisz bardzo długi, gęsty i mocno powiązany wewnętrznie dokument — ustawę, AI Act, akt prawny. Tam odpowiedź często wymaga połączenia kilkunastu odległych fragmentów albo zrozumienia struktury („artykuł X odsyła do załącznika Y"). Mechanizm wyciąga do pytania tylko kilka najlepiej pasujących kawałków — jeśli odpowiedź jest rozsiana po dwudziestu miejscach, poskłada ją niepełnie.
• Każesz mu liczyć albo zestawiać dane z całego dokumentu („ile łącznie...", „wymień wszystkie..."). To nie arkusz kalkulacyjny.
• Oczekujesz pewności prawnika czy księgowego. To asystent do szybkiego odnajdywania i streszczania, nie do wiążących decyzji.

Krótko: świetny do „znajdź mi to i wytłumacz" na rozsądnej ilości materiału; słaby do „przeanalizuj całą ustawę i bądź pewny". Jeśli celujesz w to drugie — np. asystenta na AI Act (Ścieżka B wyzwania) — potrzebny będzie mocniejszy silnik wyszukiwania. To temat osobnego wpisu.

Co dalej

Masz działającego asystenta — ale na chmurowym mózgu. Logika serii jest prosta: skoro tańszy model wystarcza do większości zadań, kolejne kroki oddają Ci prywatność i sprawiają, że asystent zaczyna działać sam.

• Pełna prywatność. Ten sam asystent, ale z modelem na Twoim komputerze — bez internetu, bez opłat, zero danych wychodzących na zewnątrz. Dopiero tu „prywatny" znaczy naprawdę prywatny.
• Asystent, który działa sam. Najmocniejsza rzecz, której abonament nie umie: automatyzacje. Przykład z życia — przychodzące maile z danymi osobowymi, których nie chcesz wysyłać do dużych usług, segregowane i streszczane przez lokalny model (Ollama + n8n). Czat odpowiada, gdy pytasz; automatyzacja pracuje, gdy Ciebie nie ma.
• Wyciśnij więcej z bazy wiedzy. Dwa sposoby pracy z dokumentami (szybkie pytanie do pojedynczego pliku vs stały asystent na całej bazie), kilka osobnych baz pod różne tematy i jak poprawić trafność odpowiedzi, gdy asystent czegoś nie znajduje.

Coś się nie zgadza albo znasz lepszy sposób? Napisz w komentarzu pod wpisem. Traktuję tę instrukcję jak żywą — aktualizuję ją, gdy narzędzia się zmieniają albo gdy ktoś podrzuci usprawnienie. Dzięki temu zawsze jest świeża, a Ty masz realny wpływ na jej treść.

Zbudowałeś własnego asystenta? Pokaż go w Wyzwaniu ZIU #1 — zasady i termin znajdziesz na stronie wyzwania. A jeśli chcesz wiedzieć o kolejnych tutorialach, zapisz się do newslettera — dam znać, gdy pojawi się następny.