Osobný AI asistent: Kompletný tech stack, skills a automatizácie

Včera ma Stefan poprosil, aby som mu ukázal, ako mám nastaveného môjho AI asistenta. Nie v štýle "akého chatbota používaš" — ale kompletný obraz. Čo beží, ako to je celé prepojené a čo to reálne každý deň robí.

Tak nech sa páči. Kompletný rozbor môjho osobného AI asistenta — od základov po každý skill, integráciu a automatizáciu, ktorú som okolo toho (zatiaľ) postavil.

Prečo som to postavil

Posledných pár týždňov bol obrovský hype okolo OpenClaw — 24/7 AI asistenta, ktorý beží na VPS alebo Mac Mini (samozrejme) a pomáha ti žiť na autopilote. Vyskúšal som to, a aj keď keď to fungovalo, pôsobilo to ako mágia, nakoniec to zlyhalo. Úplne vidím, že toto je budúcnosť, ale momentálne je to príliš ťažkopádne, príliš veľké, nespoľahlivé a náklady sa jednoducho neoplatili — to, čo som z toho dostával, nestálo za tie peniaze. Jednoducho som nedostával ten produktivitný boost, v ktorý som dúfal. Tak som to vypol. Možno poviete, že je to "skill issue" a možno máte pravdu 😅

O pár týždňov neskôr som objavil NanoClaw — oveľa štíhlejšiu alternatívu, ktorá sa neustále nerozširuje o nové funkcie — obsahuje len pár základných funkcií v jadre a každý používateľ si môže doplniť čo chce a potrebuje. Tak som to chcel skúsiť znova.

Prehľad architektúry

Celý systém beží lokálne na mojom Macu. Žiadne cloudové služby, žiadne predplatné okrem API volaní (a iDoklad, ale ten systém by som potreboval tak či tak). Takto to vyzerá:

       Phone / Desktop
            |
        [ Telegram ]
            |
    [ nanoclaw ]  ── host process
       |    |
       |  [ Gmail Monitor ] [ Dashboard ]
       |
  ── Docker container ──────────────────────
  |                                         |
  |  [ Claude Agent ]  ── Agent SDK         |
  |       |                                 |
  |  ┌────┼─────────┬──────────┐            |
  |  |    |         |          |            |
  | Skills  MCP     CLIs     Memory         |
  |  |      |        |         |            |
  | kickoff gmail   task-cli  CLAUDE.md     |
  | wrapup  nanoclaw idoklad  clients.json  |
  | browser                   daily-notes/  |
  |                           conversations/|
  |                                         |
  ──────────────────────────────────────────

Stack:

Základ: nanoclaw — framework pre osobného AI asistenta bežiaci lokálne
AI Engine: Claude Opus 4.6 cez Anthropic Agent SDK (s možnosťou prepísať model per-group pre ľahšie úlohy)
Rozhranie: Web dashboard s Chrome new-tab extension [primárne] (o tomto trochu viac neskôr) + Telegram [sekundárne]
Runtime: Node.js 22 v Docker
Úložisko: Markdown súbory, JSON configy, SQLite pre históriu správ
Plánovanie: cron-parser pre opakované automatizácie

Prečo lokálne namiesto cloudu? Súkromie a kontrola. Môj asistent číta moje emaily, pozná mojich klientov, spravuje moje faktúry. Chcem tie dáta na svojom stroji, nie na cudzom serveri. Kompromis je, že môj Mac musí byť zapnutý aby AI Assistent mohol fungovať, ale pre môj workflow to nie je problém.

Čo to vie robiť

Schopnosti agenta vychádzajú z mixu stavebných blokov: Skills (markdown inštrukčné súbory definujúce štruktúrované workflow), CLIs (samostatné command-line nástroje v Docker kontajneri), MCP servery (integrácie založené na protokole, napr. Gmail) a vstavaný Claude Code SDK toolset (súborové operácie, bash, webový prístup, subagenti). Všetko je sebestačné a dá sa pridávať, odoberať alebo upravovať nezávisle.

Dashboard

Primárny spôsob, akým s Arthurom interagujem, nie je Telegram — je to Chrome new-tab extension. Zakaždým, keď otvorím nový tab, namiesto prázdnej stránky alebo vyhľadávania vidím interaktívny dashboard s:

Dnešné úlohy podľa priority a klienta
Stav aktívneho timeru
Zhrnutia neprečítaných emailov
Nezaplatené faktúry
Rýchle akcie — spustiť timer, vytvoriť úlohu, opýtať sa Arthura

Je to ako mať ranný briefing dostupný celý deň, vždy aktuálny. Telegram je skvelý na cesty, ale keď sedím za stolom, dashboard je miesto, kde sa všetko odohráva.

Denné rutiny

Každý pracovný deň o 7:00 asistent zbiera informácie z viacerých zdrojov a posiela mi briefing.

Čo zbiera:

Otvorené úlohy podľa priority a klienta
Neprečítané emaily (s krátkymi zhrnutiami tých dôležitých)
Nezaplatené faktúry a sumy po splatnosti
Stav aktívneho timeru (keby som ho zabudol zastaviť)
Naplánované udalosti

Čo posiela:

Podrobný HTML email so všetkým prehľadne usporiadaným a akčným
Krátke Telegram zhrnutie len s kľúčovými bodmi

Toto mi šetrí 15-20 minút, ktoré som každé ráno trávil otváraním tabov, kontrolovaním rôznych nástrojov a skladaním si obrazu o tom, ako vyzerá môj deň.

Chcete vidieť reálne inštrukcie? Tu je kickoff skill súbor.

O 17:30 asistent vyhodnotí, čo sa skutočne udialo oproti tomu, čo bolo naplánované:

Porovná dokončenú prácu s rannými prioritami
Identifikuje úlohy, na ktoré sa nedostalo (carry-over položky)
Aktualizuje daily notes so zhrnutím
Navrhne zmeny statusov úloh — ale pred vykonaním zmien sa pýta na súhlas

Celý workflow: wrapup skill súbor.

Email

Gmail integrácia beží ako MCP server vnútri kontajnera a dáva agentovi priamy prístup do mojej schránky:

Vyhľadávanie s Gmail query syntaxom (from, to, subject, dátumové rozsahy, labels)
Čítanie celého obsahu správ vrátane príloh
Odosielanie a odpovedanie na emaily
Koncepty na kontrolu pred odoslaním
Správa labels — vytváranie, priradenie, odstránenie
Hromadné operácie — spracovanie viacerých emailov naraz

Automatizácia email-to-task:

Toto je jedna z najužitočnejších automatizácií. Beží každú hodinu počas pracovných hodín (Po–Pi, 7:00–19:00), klasifikuje každé neprečítané vlákno pomocou AI a:

Deteguje nové emailové vlákna a klasifikuje ich (akčné, na pozornosť, alebo šum)
Automaticky vytvorí úlohu pre akčné emaily
Aktualizuje existujúce úlohy, keď prídu odpovede — spolu so sumárom, aký je nový update
Aplikuje Gmail labels (NanoClaw/Actionable, NanoClaw/Noise, NanoClaw/Attention)
Automaticky archivuje šum/spam

Už mi neunikajú požiadavky klientov zahrábané v schránke. Každý akčný email sa automaticky stáva sledovanou úlohou.

Sledovanie času a úlohy

Celý môj systém sledovania času a úloh žije v markdown súboroch s YAML frontmatter. Žiadny SaaS, žiadna databáza — len súbory, ktoré viem čítať, editovať a verziovať. Ešte prednedávnom som fungoval na toggl (sledovanie času) a github issues (úlohy), ale potom som si povedal, prečo si nepostaviť vlastnú lokálnu alternatívu oboch, poriadne ich prepojím, tak som to aj spravil.

task-cli umožňuje asistentovi:

Spúšťať a zastavovať timery — "Začni trackovať API refactor pre Klienta X"
Vytvárať a aktualizovať úlohy — so statusom, prioritou, klientom a poznámkami
Dotazovať časové záznamy — "Koľko hodín som tento týždeň pracoval pre Klienta Y?"
Generovať súhrny — filtrované podľa klienta, obdobia alebo statusu

Toto je chrbtová kosť fakturácie. Keď poviem "vytvor faktúru pre Klienta X za február," asistent najprv cez task-cli vytiahne všetky časové záznamy pre daného klienta a mesiac a potom ich predá do fakturačného workflow.

Kompletný prehľad príkazov: task-cli skill súbor.

Fakturácia

iDoklad je český účtovný systém, ktorý používam na všetku fakturáciu. CLI obaľuje kompletné API:

Výpis faktúr — nezaplatené, po splatnosti, podľa klienta, podľa dátumu
Tvorba faktúr — z časových záznamov, s položkami, daňami, splatnosťami
Sťahovanie PDF — vygenerované faktúry
Odosielanie faktúr — priamo klientom emailom
Označenie ako zaplatené — keď príde platba

Fakturačný workflow v praxi:

Poviem: "Vytvor faktúru pre Klienta X za február"
Asistent sa cez task-cli opýta na všetky časové záznamy Klienta X za február
Zoskupí záznamy podľa úloh, vypočíta hodiny podľa hodinovej sadzby klienta (z clients.json — súbor, v ktorom si držím rôzny kontext o klientoch)
Vytvorí faktúru v iDoklad so správnymi položkami
Stiahne PDF
Opýta sa, či ju chcem odoslať

Celkový čas: asi 2 minúty. Predtým: 30 minút preklikávania cez UI a kontrolovania čísel.

Kompletný prehľad príkazov: idoklad-cli skill súbor.

Automatizácia prehliadača

Toto dáva asistentovi skutočný prehliadač, ktorý môže ovládať. Je to reálna Chromium inštancia, ktorá vie navigovať stránky, vypĺňať formuláre, klikať na tlačidlá, robiť screenshoty a extrahovať dáta.

Na čo to používam:

Extrakcia dát — vyťahovanie štruktúrovaných dát zo stránok, ktoré nemajú API
Monitoring — pravidelné kontroly konkrétnych stránok, s fokusom na zmeny
Prieskum — keď potrebujem, aby asistent reálne prechádzal a čítal webový obsah

Prehliadač beží headless v Docker kontajneri pomocou agent-browser, CLI nástroja postaveného na Playwright a Chromium. Asistent môže reťaziť viacero stránok — vyhľadať niečo, kliknúť na výsledok, extrahovať dáta zo stránky, prejsť na ďalší výsledok. Zvládne JavaScript-heavy stránky, na ktoré jednoduché HTTP requesty nestačia.

Komunikácia

Okrem toho, že Telegram slúži ako primárne rozhranie, je sám o sebe integráciou. Asistent vie:

Posielať správy do konkrétnych skupín alebo chatov
Posielať formátované správy s HTML
Zdieľať súbory a dokumenty (napríklad PDF faktúry)
Reagovať na správy z naplánovaných automatizácií

Rýchly záznam

Toto je jednoduchšie, ako to znie, ale prekvapivo užitočné. Keď mám nápad — na blogový článok, LinkedIn post, YouTube video — pošlem ho asistentovi cez Telegram. Ten ho automaticky uloží do správneho súboru v ~/Notes/:

linkedin-ideas.md
blog-ideas.md
youtube-ideas.md

Tieto súbory sú na mojom Macu, takže sú okamžite prístupné z desktopu. Žiadne prepínanie aplikácií, žiadne "toto si zapamätám neskôr" (nezapamätám). Stačí poslať správu a je to zachytené.

Všetko ostatné

Nad rámec vyššie uvedených custom schopností má každý agent out of the box prístup k celému Claude Code SDK toolsetu — súborové operácie (read, write, edit, glob, grep), bash, webové vyhľadávanie a fetch, a dokonca orchestrácia subagentov pre paralelnú prácu. Agent tiež komunikuje s nanoclaw hostom cez MCP server na odosielanie správ, plánovanie úloh a správu skupín.

To znamená, že agent nie je obmedzený len na workflow, ktoré som postavil. Môže písať skripty za behu, inštalovať balíčky, volať API cez curl, reťaziť viacero nástrojov — čokoľvek úloha vyžaduje. Skills len kódujú bežné workflow, aby ich nemusel zakaždým vymýšľať od nuly.

Pamäť: Ako si všetko pamätá

AI asistent, ktorý na všetko zabúda je na nič. Pamäťový systém je to, čo z toho robí pocit práce so skutočným asistentom.

História konverzácií

Každá konverzácia je uložená v priečinku conversations/, prehľadateľná a trvalá. Keď odkazujem na niečo z minulého týždňa, asistent to vie dohľadať.

Globálna pamäť

Zdieľaný CLAUDE.md súbor funguje ako asistentov "mozog" — trvalé znalosti, ktoré platia naprieč všetkými konverzáciami a Telegram skupinami. Veci ako moje preferencie, bežné workflow a stále platné inštrukcie.

Konfigurácia klientov

clients.json uchováva všetko, čo asistent potrebuje vedieť o každom klientovi:

Hodinové sadzby a menu
Kontaktné ID a mená (pre iDoklad)
Defaulty pre faktúry (šablóna položky, jednotka, jazyk, typ DPH/ceny)
Labels pre kategorizáciu práce

Denné zápisky

Markdown súbory v daily-notes/YYYY-MM-DD.md zachytávajú, čo sa deje každý deň. Skills kickoff a wrapup tieto súbory čítajú a zapisujú do nich, čím vzniká prehľadateľný log práce v čase.

Prispôsobenie pre seba

Tento setup nie je dokonalý a ani nemusí byť. Funguje pre mňa a môj workflow. Krása tohto prístupu je, že všetko je prispôsobiteľné.

A tu je časť, ktorá vás možno prekvapí: žiadny z týchto skill súborov, CLI nástrojov ani API wrapperov som nepísal ručne. Použil som na to samotný nanoclaw. Vysvetlil som, aký je cieľ, brainstormoval som s asistentom a iterovali sme, kým to nefungovalo. Skills sú len markdown súbory a shell skripty — presne to, v čom je AI agent dobrý. Takže nástroj si stavia vlastné nástroje.

Začni tým, čo rieši tvoj najväčší problém. Pre mňa to bola fakturácia. Potom ranné briefingy. Potom emailová automatizácia. Každá stavala na predchádzajúcej.

Záver

Nič z toho nie je mágia. Je to len prepojenie nástrojov, ktoré už používam, cez AI, ktoré vie reálne konať. Najťažšia časť bol počiatočný setup. Všetko potom je len pýtanie Arthura, aby robil veci, ktoré som predtým robil ručne.

Ak chceš diskutovať o technických detailoch alebo zdieľať svoj vlastný setup, nájdi ma na LinkedIn. Úprimne ma zaujíma, čo stavajú ostatní.