1. Gotowy kod zamiast tworzenia wszystkiego od zera
Wielu początkującym przedsiębiorcom wydaje się, że uruchomienie własnej usługi technologicznej bazującej na sztucznej inteligencji wymaga miesięcy pisania kodu i budowania od podstaw gigantycznej infrastruktury. W praktyce to kosztowny błąd. Najlepsi gracze na rynku korzystają z ogromnej bazy globalnego open source na GitHubie.
W serwisie GitHub programiści z całego świata udostępniają tysiące zaawansowanych, przetestowanych w boju silników na wolnych licencjach (m.in. Apache 2.0, MIT). Oznacza to, że możesz wziąć gotowy kod, uruchomić go na własnym serwerze i sprzedawać klientom jako dedykowaną usługę biznesową.
Dla właściciela firmy nie ma znaczenia, czy pisałeś kod przez rok. Liczy się to, że rozwiązujesz jego realny problem (np. bot odpowiada na 80% pytań klientów o status zamówienia).
Zamiast płacić 300–800 USD miesięcznie za narzędzia typu Intercom AI czy Make, stawiasz własny kontener Dockera za 25–40 zł/miesięcznie i pobierasz od klienta comiesięczny abonament za opiekę.
Firmy boją się wysyłać poufne umowy i dane klientów do nieznanych zagranicznych chmur. Self-hostowany silnik na europejskim serwerze to gigantyczny atut sprzedażowy.
2. Dify – platforma do budowy botów i aplikacji AI
Wizualny silnik do tworzenia agentów AI, systemów RAG (odpowiedzi na bazie dokumentów firmy) oraz automatycznych przepływów pracy bez pisania backendu.
Powiększ HD
Projekt Dify to kompleksowe rozwiązanie, które zamienia skomplikowaną architekturę AI w intuicyjny panel graficzny. Zamiast ręcznie programować połączenia z bazami wektorowymi (Chroma, Qdrant, Milvus) czy modelami językowymi, układasz przepływy (workflows) jak klocki Lego.
Dzięki Dify możesz wdrożyć dla dowolnej firmy inteligentnego asystenta, który czyta setki stron firmowych dokumentów (instrukcje, regulaminy, oferty, procedury BHP) i w ułamku sekundy udziela precyzyjnych odpowiedzi pracownikom lub klientom.
Wymagania techniczne
- Docker & Docker Compose v2.24+ (narzędzie do uruchomienia całego systemu w izolowanych kontenerach).
- Sprzęt: Serwer VPS z minimum 4 GB RAM (rekomendowane 8 GB RAM pod płynną obsługę bazy wektorowej PostgreSQL z pgvector).
- Klucze API: Dostęp do wybranego modelu (np. OpenAI gpt-4o-mini lub Gemini Flash — koszt kilku złotych miesięcznie).
Instrukcja instalacji krok po kroku
Otwórz terminal na serwerze VPS i wykonaj poniższe polecenia:
git clone https://github.com/langgenius/dify.git
cd dify/docker
cp .env.example .env
docker compose up -dGdy kontenery zakończą pobieranie i wystartują w tle, otwórz przeglądarkę pod adresem:
http://localhost/installZobaczysz kreator wstępnej konfiguracji konta administratora. Od tego momentu masz w pełni działające środowisko AI na własnym serwerze.
Pakiet: Inteligentna Baza Wiedzy & Asystent Obsługi Klienta
Oferujesz firmom rozwiązanie problemu powtarzalnych pytań od klientów lub gubienia się nowych pracowników w firmowej dokumentacji. Wgrywasz ich pliki PDF, konfigurujesz Dify i osadzasz gotowy widget czatu na ich stronie WWW w 1 linijce kodu.
Audyt dokumentacji, konfiguracja bazy wiedzy, prompt engineering i instalacja widgetu na stronie klienta.
Utrzymanie serwera VPS, aktualizacje Dify, comiesięczne wgrywanie nowych plików i monitoring zużycia tokenów.
Sklepy internetowe, producenci ze skomplikowanym katalogiem, biura rachunkowe, kancelarie prawne.
3. Browser Use – autonomiczny agent do przeglądarki
Biblioteka, która pozwala modelom LLM bezpośrednio kontrolować przeglądarkę: widzi elementy strony, klika przyciski, omija trudne formularze i wyciąga ustrukturyzowane dane.
Powiększ HD
Projekt Browser Use rozwiązuje największą zmorę tradycyjnego scrapingu i automatyzacji: ciągłe zmiany w kodzie HTML stron WWW. Zwykłe boty psują się, gdy strona zmieni nazwę klasy CSS. Agent Browser Use widzi stronę internetową tak, jak człowiek — analizuje obraz i drzewo DOM, a następnie sam podejmuje decyzję, w co kliknąć.
Wymagania techniczne
- Środowisko: Python 3.11 lub nowszy.
- Klucz API: Anthropic (Claude 3.5 Sonnet radzi sobie w interakcjach wizualnych najlepiej), OpenAI (gpt-4o) lub Google Gemini 1.5/2.0 Flash.
Instrukcja instalacji
Zainstaluj pakiet w swoim środowisku za pomocą menedżera uv lub pip:
pip install browser-useNastępnie utwórz plik .env i podaj klucz do modelu:
ANTHROPIC_API_KEY=sk-ant-api03-...
OPENAI_API_KEY=sk-proj-...Przykładowy kod uruchomieniowy
Napisanie kompletnego agenta, który wchodzi na stronę i zbiera dane, zajmuje zaledwie kilkanaście linijek:
from browser_use import Agent
from langchain_anthropic import ChatAnthropic
import asyncio
async def main():
agent = Agent(
task="Znajdź firmy budowlane w Poznaniu, wejdź na ich strony i wyciągnij telefony oraz maile",
llm=ChatAnthropic(model_name="claude-3-5-sonnet-20241022"),
)
result = await agent.run()
print(result)
asyncio.run(main())Pakiet: Autonomiczny Monitoring Rynku & Pozyskiwanie Leadów (DaaS)
Zamiast ręcznego sprawdzania cen u konkurencji przez pracownika (który spędza na tym 15 godzin w tygodniu), sprzedajesz firmom zautomatyzowany raport dostarczany co poniedziałek rano prosto do arkusza Google Sheets lub CRM.
Opracowanie scenariusza ekstrakcji, wdrożenie obsługi logowania/paginacji i zapis danych do bazy/arkusza.
Cykliczne dostarczanie świeżych baz i raportów (Data-as-a-Service) wraz z utrzymaniem agenta w chmurze.
Dystrybutorzy monitorujący ceny detaliczne, agencje nieruchomości zbierające ogłoszenia, działy handlowe.
4. Whisper Web UI – napisy i transkrypcja w przeglądarce
Wygodny graficzny interfejs dla najnowocześniejszego modelu rozpoznawania mowy Whisper od OpenAI. Działa w 100% lokalnie, bez limitów minut i bez wysyłania plików do chmury.
Powiększ HD
Projekt Whisper Web UI pozwala na lokalną transkrypcję dowolnego nagrania audio lub wideo na tekst z dokładnymi znacznikami czasowymi (timecodes).
W odróżnieniu od płatnych aplikacji internetowych, które kasują po 1–2 złote za każdą minutę nagrania (a nagrania powyżej 60 minut kosztują krocie), Whisper Web UI przetwarza gigabajty danych za 0 zł na Twoim własnym sprzęcie.
Wymagania techniczne
- Podstawa: Docker Desktop (najprostsze uruchomienie) lub lokalnie: Python 3.10–3.12 oraz biblioteka FFmpeg.
- Sprzęt: Procesor wielordzeniowy lub (dla błyskawicznego przetwarzania) karta graficzna NVIDIA z CUDA albo Apple Silicon (M1/M2/M3/M4).
Instrukcja instalacji (Docker Desktop)
Pobierz repozytorium i uruchom kontenery:
git clone https://github.com/jhj0517/Whisper-WebUI.git
cd Whisper-WebUI
docker compose build
docker compose upPo zakończeniu budowy otwórz w przeglądarce panel:
http://localhost:7860Pakiet: Prywatna Transkrypcja Prawnicza / Pakiety Napisów dla Twórców
Oferujesz usługę precyzyjnej transkrypcji spotkań zarządu, przesłuchań prawnych lub tworzenia napisów (SRT) dla podcasterów i agencji social media. Kluczowy argument: nagrania nigdy nie opuszczają Twojego bezpiecznego serwera.
Miesięczny abonament za generowanie i korektę napisów do 20–50 rolek/odcinków podcastów.
Specjalistyczna transkrypcja rozpraw, wywiadów medycznych lub rad nadzorczych z certyfikatem poufności NDA.
Kancelarie adwokackie, notariusze, agencje influencer marketingu, firmy szkoleniowe.
5. Zestawienie porównawcze 3 projektów
Poniższa macierz pomoże Ci dobrać odpowiednie narzędzie do Twoich obecnych zasobów sprzętowych i umiejętności:
| Narzędzie | Główne Zastosowanie | Próg wejścia | Wymagania | Sugerowana Wycena Usługi | GitHub |
|---|---|---|---|---|---|
| Dify ↗ | Boty wiedzy firmy (RAG), czatbity na WWW, automatyzacje | Niski (zero-code UI) | VPS 4–8 GB RAM, Docker | 2.5k – 6.5k PLN + abonament | langgenius/dify |
| Browser Use ↗ | Autonomiczny wywiad rynkowy, zbieranie leadów, scraping stron | Średni (prosty Python) | Python 3.11+, klucz LLM API | 1.8k – 4.5k PLN + abonament | browser-use |
| Whisper Web UI ↗ | Poufne transkrypcje audio/wideo, automatyczne napisy SRT | Bardzo niski (interfejs web) | Docker lub Python, zalecane GPU | 600 – 1.5k PLN/mc lub 4-9 zł/min | jhj0517/Whisper-WebUI |
6. Jak przygotować ofertę i pozyskać pierwszego klienta
Większość osób popełnia błąd, próbując sprzedawać „technologię”. Nie idź do klienta, mówiąc: „Mogę wdrożyć u Pana Dify z modelem GPT-4o”. Klient nie wie, czym jest Dify i nie chce tego wiedzieć.
Zamiast tego sformułuj ofertę opartą o rezultat biznesowy:
Sprzedajesz wdrożenie Dify jako cyfrowego asystenta, który odpowiada na pytania o cenniki, stany magazynowe i procedury firmy.
Sprzedajesz usługę Browser Use jako cotygodniowy plik Excel z kontaktami do kierowników budów wyciągniętymi z rejestrów publicznych.
Sprzedajesz usługę Whisper Web UI kancelariom, gwarantując umową NDA, że dane nie trafiają do serwerów w USA.
7. Checklista wdrożeniowa i najczęstsze pytania (FAQ)
Pięć kroków do pierwszej wystawionej faktury:
- Zainstaluj Docker Desktop i Pythona na swoim komputerze do celów testowych.
- Wybierz dokładnie JEDNO narzędzie z powyższej trójki (np. zacznij od Dify).
- Zbuduj działający prototyp (PoC) na własnych materiałach — np. stwórz bota odpowiadającego na pytania o Twoje usługi.
- Zadzwoń lub napisz do 5 zaprzyjaźnionych firm i pokaż im nagranie wideo (Loom) z działania bota na ich własnych danych.
- Zaproponuj pierwsze wdrożenie w cenie promocyjnej w zamian za pisemne referencje i zgodę na case study.
Czy komercyjne sprzedawanie usług na bazie kodu z GitHuba jest legalne?
Ile kosztuje serwer VPS pod takie instalacje?
Czy muszę być programistą, żeby to wdrożyć?
Kto płaci za zużycie modeli językowych (API)?
Chcesz wdrożyć te rozwiązania w swojej firmie bez tracenia czasu?
W MKM Labs projektujemy dedykowane systemy AI, automatyzacje procesów biznesowych i autonomiczne agenty dla firm z całej Polski. Jeśli potrzebujesz wsparcia architektonicznego, wdrożenia pod klucz lub bezpiecznego audytu AI — porozmawiajmy bezpośrednio z naszymi inżynierami.