Vercel Academy właśnie wrzucił pełny kurs „Build Your Own AI Coding Agent Harness”. Rozbiera na części pierwsze temat „od zera napisz framework agenta kodującego, który naprawdę działa”. To nie jest kolejny tutorial z trzema wywołaniami API i demówką — tu naprawdę gryzą temat pętli narzędzi, przycinania kontekstu, delegowania do subagentów i zarządzania cyklem życia.

Dla inżynierów, którzy chcą zarabiać na zleceniach AI, to sygnał przełomowy: ludzi używających Cursor jest na pęczki, ale kto potrafi dostarczyć „framework agenta szytego na miarę”, ten wycenia się wyraźnie powyżej przeciętnego freelancera.

Najpierw zrozum, czym jest Agent Harness

Agent Harness to szkielet, dzięki któremu AI samodzielnie pracuje, sam zarządza kontekstem i sam pilnuje bezpieczeństwa — taki kierownik projektu + inspektor BHP + notatnik w jednym. Bez Harnessa AI to model, który gada. Z Harnessem AI zachowuje się jak junior, który dostaje zadanie, wykonuje je, raportuje i wraca do człowieka, gdy coś nie gra.

Trzy filary kursu mają jasny podział ról:

• AI SDK — odpowiada za mowę agenta (wywołania modelu, generowanie tekstu)
• Vercel Sandbox — odpowiada za działanie (bezpieczne wykonywanie poleceń w izolowanym środowisku)
• just-bash — odpowiada za posłuszeństwo (standaryzowany interfejs narzędzi, kontrolowane wywołania shella)

Razem to kompletna fabryka agentów.

Ból: dlaczego twój agent zawsze zostaje na poziomie dema

Joel Hooks na otwarciu kursu punktuje żenujący stan branży — „pętla narzędzi z trzema funkcjami to demo, problemy zaczynają się, gdy próbujesz tym wykonać prawdziwą robotę”. Każesz agentowi wczytać plik 5000 linii, wsadza całość do kontekstu i już nic z tego nie wypluje. Dasz mu basha, to jednym rm -rf czyści ci bazę produkcyjną. Odpalasz 20 kroków pod rząd — w dziesiątym agent nie pamięta, po co zaczął.

Klient płaci nie za skorupkę, tylko za to, czy agent dowiezie zadanie. 90% kursów typu „asystent programisty AI” uczy, jak opakować prompt, podpiąć GPT API i zrobić ładny frontend. Firmy płacą za co innego: czy agent bezpiecznie przejdzie cały łańcuch zadań. To problem architektury, nie strojenia parametrów.

Vercel w tym kursie idzie na poważnie: Agent Harness jako pełnoprawny produkt inżynieryjny, nie skrypt-zabawka.

Szansa: inżynierowie agentów stają się najrzadszym zasobem na rynku zleceń

Rynek freelance wyraźnie się polaryzuje. Na jednym końcu „użytkownicy AI”, którzy tylko dopisują kod w Cursorze i ścigają się ceną. Na drugim inżynierowie dostarczający „dedykowane rozwiązania agentowe” — pojedynczy projekt wyceniany znacznie powyżej przeciętnego zlecenia, klienci ustawiają się w kolejce.

Dlaczego? Bo firmy chcą „zautomatyzowanego workflow”, a nie „dopisywania kodu”. Właściciel e-commerce nie potrzebuje skryptu w Pythonie — potrzebuje agenta, który sam ściąga ceny konkurencji, generuje opisy listingów, odpala testy A/B i wypluwa raport. Taką robotę zrobi tylko ktoś, kto rozumie architekturę Agent Harness.

⚠️ Wg źródłowego posta średnia stawka projektów z kategorii „AI agent customization” na Upwork osiąga poziom kilku tysięcy USD — nie zweryfikowano niezależnie.

Ścieżka 1: przerwij kurs moduł po module, zbuduj fosę techniczną

Najcenniejsze moduły sylabusa — każdy w formacie „problem → rozwiązanie → analogia”:

Pętla narzędzi (Tool Loop) — serce agenta.

• Problem: awarie wywołań, timeouty, konflikty współbieżne — agent się sypie.
• Rozwiązanie: AI SDK z warunkiem stopWhen do sterowania końcem pętli, maxSteps do limitu kroków, automatyczny retry.
• Analogia: sterownik tempa na linii produkcyjnej — błąd na stacji zatrzymuje taśmę, brak wyrobu nie przejdzie dalej.

Projektowanie narzędzi (Tool Design) — granulacja decyduje o możliwościach agenta.

• Problem: zbyt grube narzędzia = agent nie ogarnie detalu; zbyt drobne = gubi się w wywołaniach.
• Rozwiązanie: rozłóż „operacje na plikach” na pięć atomowych narzędzi (read, write, edit, glob, grep) zamiast dawać万能 bash.
• Analogia: dajesz pracownikowi konkretne narzędzia (klucz, śrubokręt, wiertarka), a nie cały garaż.

Abstrakcja sandboxa (Sandbox Abstraction) — klucz do bezpieczeństwa.

• Problem: agent z bashem może jednym rm -rf wyczyścić ci bazę produkcyjną.
• Rozwiązanie: Vercel Sandbox daje izolowane środowisko — agent może tam szaleć bez ryzyka dla hosta.
• Analogia: dygestorium w laboratorium chemicznym — wybucha okap, nie cały budynek.

Przycinanie kontekstu (Context Pruning) — nie ładuj 5000 linii do promptu.

• Problem: AI po wczytaniu 5000 linii ma mózg jak balon, stare rozmowy zanieczyszczają nowe decyzje.
• Rozwiązanie: hak prepareStep przed każdym krokiem przycina kontekst — zostawia ostatnie N kroków + streszczenie starszych.
• Analogia: porządek w pokoju — niepotrzebne rzeczy chowasz do schowka, na biurku zostaje to, co dziś potrzebne.

Delegowanie do subagentów (Subagent Delegation) — złożone zadania trzeba rozbić.

• Problem: jeden agent przy wielu modułach = eksplozja kontekstu i chaos odpowiedzialności.
• Rozwiązanie: agent główny planuje, subagenci wykonują konkretne moduły, wyniki spływają z powrotem.
• Analogia: kierownik projektu rozdziela robotę frontendowcowi, backendowcowi i testerowi, sam trzyma rękę na pulsie i ryzykach.

Zarządzanie cyklem życia (Lifecycle Management) — start, praca, pauza, wznowienie, koniec.

• Problem: sieć padnie w połowie długiego zadania, user anuluje, model przekroczy timeout — stan agenta przepada.
• Rozwiązanie: serializuj każdy stan, wspieraj wznowienie od checkpointu i ręczną interwencję.
• Analogia: save w grze — zginiesz, wczytasz ostatni zapis, nie zaczynasz od nowa.

Ścieżka 2: stack z kursu jako narzędzie do zleceń i budowy case studies

Skończenie kursu to nie koniec, to start. Od razu łap Vercel AI SDK + Vercel Sandbox + just-bash i bierz pierwszy prawdziwy projekt.

Najszybsza ścieżka monetyzacji: wystaw usługę na Fiverr, Upwork lub Allegro — „Custom AI Agent w stacku Vercel”. Pierwszych trzech klientów zrób za pół ceny albo za darmo, w zamian za case study i opinię.

⚠️ Wg źródłowego posta czas potrzebny na trzech darmowych klientów zależy od złożoności agenta — od kilku dni do kilku tygodni; opłacalność zależy od tego, czy przełożysz case studies na płatnych klientów. Nie zweryfikowano niezależnie.

Wybór case study ma znaczenie. Nie łap „zrób mi chatbota” — to dno rynku. Łap „zautomatyzuj mi workflow operacyjny” — tu są pieniądze. Przykłady:

• Dla sprzedawcy na Amazonie: agent monitorujący opinie, wyciągający słowa-klucze z negatywów, generujący rekomendacje ulepszeń i wysyłający je na Slacka.
• Dla twórcy treści: agent śledzący konta konkurencji na Lemon8/Pinterest, analizujący wzorce viralowych postów, generujący listę tematów.
• Dla indie developera: agent monitorujący Issues na GitHubie, klasyfikujący je po priorytecie, generujący szkice PR.

⚠️ Wg źródłowego posta widełki cenowe takich projektów sięgają kilkudziesięciu tysięcy PLN — nie zweryfikowano niezależnie.

Zimny start: brak bazy klientów

Brak kontaktów w B2B to realny punkt wyjścia dla większości osób. Trzy konkretne kanały:

1. Posty w społeczności: publikuj case studies w polskich społecznościach programistycznych, na LinkedInie, w grupach branżowych. Szablon tytułu: „Zbudowałem agenta w Vercel AI SDK dla branży X — oszczędność Y godzin miesięcznie”, plus 30-sekundowe wideo demo. Ruch się rozkręci, klienci sami napiszą.
2. Darmowy prototyp za referencję: znajdź małego klienta przez znajomych, pierwszy projekt za 500 PLN, ale wymóg: opinia tekstowa + zgoda na publikację case study.
3. Strategia schodkowa: 500 PLN (agent jednomodułowy) → 3000 PLN (workflow wielomodułowy) → 30 000 PLN (kompletne rozwiązanie + pół roku utrzymania). Każdy kolejny level wymaga case study z poprzedniego.

Ścieżka 3: przetwórz kurs na content i monetyzuj przez twórczość

Kurs Vercel jest po angielsku i ma wysoki próg wejścia. To twoja przewaga informacyjna.

Rozbij kurs na 10–15 odcinków serii, publikuj na YouTube, TikToku, LinkedInie. Przykładowe tytuły: „Wewnętrzny tutorial Vercel: jak naprawdę napisać framework agenta AI”, „Pętla trzech narzędzi to zabawka — prawdziwy agent potrzebuje tych pięciu modułów”, „Przycinanie kontekstu: jak sprawić, by agent nie tracił pamięci”.

Każdy odcinek 5–8 minut, jeden techniczny punkt, demo z kodem. Konkretne wskazówki:

• Odcinek 1: pętla narzędzi — 3 dema kodu (konfiguracja generateText + tools w AI SDK, użycie stopWhen, przykład przycinania kontekstu przez prepareStep), docelowo 7 minut.
• A/B test tytułów: „Wewnętrzny tutorial Vercel” vs. „Praktyczny przewodnik po frameworku agenta AI” — odpal po 100 PLN budżetu na każdy, sprawdź CTR, powiel lepszy wzorzec.

Monetyzacja w trzech warstwach: warstwa 1 — reklamy narzędzi programistycznych; warstwa 2 — sprzedaż własnego kursu „AI Agent Engineer w praktyce”; warstwa 3 — konsulting B2B dla firm budujących zespoły agentowe. ⚠️ Wg źródłowego posta stawka za reklamę edukacji programistycznej na koncie z 10 tys. obserwujących sięga poziomu kilkuset PLN za post — nie zweryfikowano niezależnie.

Którą ścieżkę wybrać

• Programista na etacie, chce dorobić: ścieżka 2 + lekka wersja ścieżki 3. Weekendowe zlecenia 1–2 małe projekty, równolegle nagrywanie krótkich filmów. Cel: 5–10 tys. PLN miesięcznie.
• Freelancer celujący w 50 tys. PLN/mies.: ścieżka 2 na pełnej intensywności. Zimny start 3 miesiące — bez wybredzania, tylko case studies. Od czwartego miesiąca selekcja klientów pod średnią stawkę 30 tys. PLN+.
• Student / zmiana branży: najpierw ścieżka 1, 5 projektów demo na GitHubie jako portfolio, dopiero po 6 miesiącach zlecenia.

Case study: sam kurs Joela Hooksa jest wzorem do skopiowania

Joel Hooks, autor kursu Vercel Academy i prowadzący „Build Your Own AI Coding Agent Harness”, sam jest żywym dowodem monetyzacji inżyniera agentów. Zbudował silną markę osobistą w społeczności deweloperów dzięki wysokiej jakości tutorialom — jego treści są masowo remiksowane i udostępniane.

Jego schemat da się przenieść 1:1: rdzeń technologiczny to Vercel AI SDK, a deliverable to „działający system agentowy”, a nie „fragment kodu”. To właśnie najrzadsze dobro na rynku zleceń agentowych.

⚠️ Konkretne dane o zarobkach innych indie developerów (np. 50 tys. USD/mies., 120 tys. obserwujących w pół roku) nie mają weryfikowalnego źródła w materiale — ten tekst ich nie powtarza.

Ścieżka dla totalnie zielonych

Jeśli Node.js / TypeScript to dla ciebie czarna magia, idź tą kolejnością:

1. Miesiąc 1: podstawy Node.js + składnia TypeScript + fundamenty LLM (co to token, prompt, function calling). Po polsku: kurs TypeScript na TypeScriptlang.org, „AI Engineering Handbook”.
2. Miesiąc 2: tylko moduł „pętla narzędzi” z kursu + quickstart z oficjalnej dokumentacji AI SDK, doprowadź do działającego dema.
3. Miesiąc 3: dołóż moduł „abstrakcja sandboxa”, zbuduj agenta, który sam porządkuje foldery.
4. Od miesiąca 4: start monetyzacji wg ścieżki 2 lub 3.

Realne oczekiwania: pierwszy miesiąc tylko pętla narzędzi, nie próbuj ogarnąć wszystkiego naraz. 2 godziny dziennie, po 30 dniach stawiasz minimalny, działający łańcuch agenta.

Wezwanie do działu: dziś wieczorem otwórz Vercel Academy

Kurs Vercel Academy jest darmowy i otwarty, bez płatnego konta. Wejdź na vercel.com/academy, wyszukaj „Build Your Own AI Coding Agent Harness”, zacznij od pierwszego modułu.

Nie próbuj zjeść słonia. 2 godziny dziennie, najpierw pętla narzędzi i sandbox, potem od razu minimalny produkt — nawet jeśli to tylko agent porządkujący foldery.

Gdy w 30 minut postawisz kompletny łańcuch „wczytaj plik → przeanalizuj → wygeneruj raport → zapisz do nowego pliku”, przeskoczyłeś 90% kursantów „tutoriali AI”. W tym momencie zlecenia, nagrania, posty na LinkedInie — wszystko zacznie mieć realny content za sobą.

Dziś wieczorem otwórz Vercel Academy, zacznij od modułu pętli narzędzi — za 30 dni podziękujesz sobie.