Release notes

Miesiąc pod znakiem trzech pytań, które wracały przy każdej pracy z narzędziem: „ile mnie to kosztuje", „ile agent pamięta" i „czy to jest bezpieczne, jeśli udostępnię projekt komuś z zespołu". Każde z nich dostało własną odpowiedź w interfejsie — a przy okazji przeszliśmy trzeci przegląd bezpieczeństwa, który wyłapał rzecz poważną.

• Koszty jako osobna sekcja — realne wydatki na wywołania modeli w wybranym projekcie: suma w okresie, liczba wywołań, średni koszt na dzień, rozbicie per operacja i per projekt, wykres dzienny albo tygodniowy (słupki lub linia) z linią trendu i dowolny zakres dat.
• Kurs USD→PLN naprawdę z NBP — wcześniej przeliczenie na złotówki szło po zaszytej stałej 4,00, bo pobranie kursu blokowała nasza własna polityka bezpieczeństwa. Realny kurs to 3,72, więc koszty w PLN były zawyżone o ok. 7,5%. Teraz kurs pobiera serwer, raz na 6 godzin, i widzisz dzień jego obowiązywania.
• Pamięć rozmowy jako osobna sekcja — trzy tryby do porównania obok siebie (pełna historia, ostatnie N wiadomości, streszczanie), każdy z miernikami kosztu i pamięci oraz podglądem „co trafia do modelu" na przykładowej rozmowie. Wybór zapisuje się kliknięciem, bez osobnego „Zapisz"; potwierdzenia wymaga tylko strojenie streszczania, bo ono dokłada wywołanie modelu.
• Dashboard konkretnego projektu — kafle kosztu, pamięci i udostępniania, mapa agentów (orkiestrator → sub-agenci) i lista „Co wymaga uwagi": prowadzi przez kolejne kroki, gdy zaczynasz, a gdy wszystko jest zrobione — znika i oddaje miejsce agentom.
• Tryb tylko-do-odczytu jest teraz naprawdę tylko do odczytu — odbiorca udostępnionego projektu mógł nadpisać treść, tytuł, ocenę i wyniki ewaluacji dowolnej rozmowy właściciela, choć interfejs obiecywał podgląd. Rozmowy mają teraz zapisanego autora i w trybie podglądu można edytować wyłącznie własne.
• Ochrona przed wstrzyknięciem obcego kodu (CSP) — polityka bez „unsafe-inline” i „unsafe-eval”, oparta na jednorazowym tokenie dla każdego wejścia. Istotne, bo Twój klucz Gemini leży w pamięci przeglądarki. Zweryfikowana w prawdziwej przeglądarce na 12 sekcjach.
• RELEASE zamiast tagów wersji — jeden jednoznaczny znacznik wersji promptu, która idzie „na produkcję", zamiast swobodnych etykiet.
• Katalog komponentów kompletny — wewnętrzny „/component-lib” pokazuje wszystkie komponenty interfejsu (wcześniej 9 z 26), więc kolejne ekrany powstają ze wspólnych klocków, a nie z kopii.

Prompt zaczyna działać jak kod: każdy zapis to nowa wersja z opisem „co się zmieniło”, z możliwością porównania i cofnięcia. Znika największy hamulec eksperymentów — strach przed regresją. Reszta miesiąca poszła w fundamenty: narzędzie przestało być zbiorem osobno budowanych ekranów i zaczęło korzystać z jednego zestawu komponentów. Doszła wizualna mapa agentów i — najważniejsze przy pracy na kluczu współdzielonym — twarde ograniczenia kosztu, których nie da się obejść.

• Wersjonowanie promptów — każdy zapis tworzy nową wersję z krótkim opisem „co się zmieniło”; wersje porównujesz i cofasz w kilka sekund, a jedna jest oznaczona jako obowiązująca.
• Edycja w miejscu — treść promptu, model, temperaturę i limit tokenów zmieniasz bezpośrednio w podglądzie, bez wyskakujących okien.
• Optymalizacja promptu przez AI — model analizuje cały prompt wg dobrych praktyk i proponuje pojedyncze, uzasadnione poprawki, które akceptujesz albo odrzucasz po jednej. Kontrola zostaje po Twojej stronie.
• Mapa agentów (drzewko) — orkiestrator i sub-agenci jako kafelki na płótnie, z liniami pokazującymi routing. Kafelki przeciągasz, widok przesuwasz, układ zapisuje się per projekt, jest tryb pełnoekranowy i wyśrodkowanie jednym kliknięciem.
• Rejestr kosztów wywołań — każde wywołanie modelu zapisuje realne tokeny i koszt, a po jego zakończeniu dostajesz krótki komunikat z kosztem tego konkretnego wywołania (nie tylko sumą miesięczną).
• Twardy dzienny limit kosztu na kluczu współdzielonym — próg w dolarach, po którym dalsze wywołania są wstrzymywane, plus sufit długości odpowiedzi. Wcześniej limit dzienny dało się obejść, podając fałszywy klucz.
• Konto w Ustawieniach — zmiana hasła i trwałe usunięcie konta wraz ze wszystkimi danymi (projekty, prompty, agenci, evale, rozmowy, persony), z potwierdzeniem przez wpisanie frazy.
• Wspólna biblioteka komponentów — jeden „Tag” zamiast ośmiu wariantów pigułek, jedne zakładki segmentowe, jeden tooltip, wspólny zakreślacz nagłówków. Efekt: ekrany wyglądają jak jedno narzędzie, a nie jak kilka.
• Interfejs na telefonie — osobne menu nawigacji i ustawień, wysuwane panele o tej samej budowie co na desktopie.
• Stabilne odpowiedzi agentów — sub-agenci odpowiadają w ustalonym formacie (treść, akcja, prośba o ocenę), więc przyciski akcji nie gubią się w dłuższej rozmowie, a sędzia LLM widzi te sygnały przy ocenie.
• Wiele projektów bez przeskoków — projekt zmieniasz w górnej belce bez wyrzucania z sekcji, na której pracujesz.

Wejście do narzędzia nie zaczyna się od pustego ekranu, tylko od kompletnego, realistycznego scenariusza obsługi klienta: orkiestrator plus wyspecjalizowani sub-agenci, persony do symulacji, a w odpowiedziach ocena trafności i kontekstowe akcje (zamówienie, produkt, reklamacja). Dla kogoś, kto dopiero poznaje orkiestrację LLM, to najkrótsza droga od „ciekawe" do „rozumiem, jak to złożyć u siebie". Do tego doszła pełna przejrzystość kosztu: każde wywołanie modelu jest policzone i komunikowane, zanim się wykona, a limity i ustawienia masz pod ręką. Eksperymentujesz bez obawy, że rachunek za tokeny urośnie w tle.

• Audyt bezpieczeństwa i naprawy — usunięty bypass dziennego limitu (fałszywy klucz omijał licznik, a zapytanie i tak szło na klucz współdzielony), zamknięty otwarty endpoint kasujący dane, licznik limitu przestawiony na „w razie błędu odmawiaj", operacje administracyjne za rolą admina, koniec z wyciekaniem surowych komunikatów błędów z bazy. Do tego ochrona przed wstrzyknięciem obcego kodu (CSP).
• Model trialu, którego nie da się obejść — pula startowa liczona po haszu adresu e-mail, więc usunięcie i ponowna rejestracja tym samym adresem jej nie resetuje. Dzienne i miesięczne limity globalne oraz sufit kosztu na kluczu współdzielonym.
• Panel administratora — wykresy kosztu, wywołań i użytkowników (z podziałem na klucz współdzielony i własny), prognoza kosztu, edytowalne limity, sprzątanie osieroconych kont. Admin nie może usunąć własnego konta.
• Przewodnik po narzędziu — prowadzony tour osobno dla każdej sekcji, który sam otwiera właściwe okna i podświetla elementy, dostępny też bez logowania.
• Wspólny słownik zmiennych — zmienne użyte w promptach mają jedno miejsce z opisami, a te spoza słownika są podświetlane.
• AI pomaga zacząć — propozycje kryteriów ewaluacji na podstawie promptu i automatyczne uzupełnianie opisów zmiennych.
• Kompletne dane demo, też po angielsku — realistyczny scenariusz obsługi klienta (orkiestrator + sub-agenci, persony, rozmowy z transkryptami i ocenami) w pełnym mirrorze PL/EN, dobieranym wg języka interfejsu.
• Wybór rozmówcy w czacie i symulacji — rozmawiasz z orkiestratorem albo bezpośrednio z wybranym sub-agentem, a w Analizie widzisz, jaka pamięć obowiązywała w danej rozmowie.
• Symulacja przestała się zapętlać — persona wita się dokładnie raz, powtarzane powitania są obcinane od drugiej tury, a szacowany koszt został przeliczony na realnych przebiegach (był zawyżony około siedmiokrotnie).
• Suwak limitu tokenów działa na modelu pro — z rezerwą na „budżet myślenia", więc ograniczenie długości nie kończy się pustą odpowiedzią.
• Czytelność w trybie ciemnym — wykresy i tagi przeszły z zaszytych kolorów na zmienne motywu.

Jedno konto obsługuje wiele projektów w pełnej izolacji — osobne prompty, agenci, evale, persony i dane — więc możesz trzymać kilka inicjatyw obok siebie bez ryzyka, że coś się przemiesza. Doszła też pamięć kontekstu rozmowy: świadomy kompromis między jakością kontekstu a kosztem tokenów, który ustawiasz per projekt.

• Wiele projektów w izolacji — osobne prompty, agenci, evale, persony i rozmowy w każdym projekcie. Nic się nie przemieszcza między inicjatywami.
• Udostępnianie projektu jednym linkiem — w trybie tylko do odczytu, żeby ktoś mógł przejrzeć Twoją pracę bez ryzyka, że coś zmieni.
• Pamięć rozmowy w trzech trybach — pełna historia, okno ostatnich wiadomości albo streszczanie starszych z własnym promptem.
• Kompromis koszt ↔ kontekst ustawiany per projekt — jako PM albo inżynier decydujesz świadomie, ile historii jest warte swojej ceny w tokenach.
• Realistyczne zachowanie w dłuższych rozmowach — agent nie gubi wątku po kilku turach, a narzędzie rośnie razem z liczbą wdrożeń.

Zanim rozmowa trafi do prawdziwego użytkownika, możesz ją przetestować automatycznie: syntetyczne persony (spokojna, zniecierpliwiona, przeskakująca tematy) prowadzą z Twoim systemem wieloturowe rozmowy, a osobny model-sędzia ocenia odpowiedzi wg zdefiniowanych kryteriów. Zamiast ręcznie przeklikiwać setki scenariuszy, dostajesz mierzalny sygnał jakości i widzisz, gdzie agent się gubi — routing do złego sub-agenta, ucięty kontekst, zły ton. Dla entuzjasty AI to moment, w którym „wydaje się, że działa" zamienia się w liczby, a wdrożenie przestaje być loterią.

• Syntetyczne persony — definiujesz rozmówcę (zachowanie, poziom języka, własny prompt persony i wartości zmiennych), a model gra jego rolę przez wiele tur.
• Symulacja AI ↔ AI — persona rozmawia z Twoim agentem bez Twojego udziału, więc materiał do oceny powstaje w kilka minut, a nie w kilka dni.
• Ewaluacja przez sędziego LLM — definiujesz kryteria zero-jedynkowe, a model ocenia według nich zapisane rozmowy i uzasadnia werdykt.
• Pass-rate w Analizie — widzisz, ile procent rozmów przechodzi Twoje kryteria, z podziałem na poszczególne evale.