MANTYZ · stav k 3. září 2026

Lokální AI stack

Kompletní přehled toho, co je postavené: modely, algoritmy, funkce, nastavení a co ještě zbývá. Všechna čísla jsou změřená ze systému, ne odhadnutá.

Open WebUI

8080

ComfyUI

8188

Harness

8799

SearXNG

8888

Piper hlas

5001

Ollama

11434

Hlas (Live)

8771

Tunel

302

Hlasová konverzace — nové, 7. září

Hlasový režim v Open WebUI byl nepoužitelný: přepis, model a hlas se dělaly za sebou a dohromady to trvalo přes patnáct sekund. Nahradila to samostatná služba nad Gemini Live API — jeden obousměrný proud, kde model slyší, zatímco mluvíš, a začne odpovídat hned.

Open WebUI (původní)12–15 s

Gemini Live (nové)1–4 s

Otevírá se na http://127.0.0.1:8771/ a startuje s počítačem. Umí skákání do řeči, psaní textem v téže konverzaci, kameru a ukládá hovor na disk.

Co to celé dělá

Jeden agent na počítači, který má většinu práce odbavit lokálně a zdarma a cloud šetřit na to, kde je opravdu potřeba. Ne jen k pultu WING — na vývoj, weby, obsah a rychlé dotazy.

Přístup přes prohlížeč na 127.0.0.1:8080, z telefonu přes https://ai.mantyz.dev (chráněno Cloudflare Access, pustí jen tvůj e-mail).

Kolik to zabírá

Ollama modely54 GB

ComfyUI + SDXL12 GB

Cache balíčků4,5 GB

Open WebUI program2,1 GB

Whisper modely1,5 GB

Data Open WebUI342 MB

Na disku E celkem přes 74 GB, volných zůstává 339 GB.

Na disku C mezitím ubylo

C má 275 GB volných, ale ještě nedávno mělo 304. Příčinu jsem našel: virtuální disk WSL narostl na 39 GB, přestože uvnitř je obsazeno jen kolem 8. Rostl při instalacích a po smazání souborů se sám nesmrskl.

Půlka je hotová: uvnitř WSL proběhl fstrim, který uvolnil bloky, a úklid dočasných souborů vrátil skoro 3 GB. Samotné zmenšení obrazu ale dělá diskpart a ten bez práv správce nespustí ani první krok.

Připraveno k jednomu kliknutí: Plocha\AI-prehled\zmensit-disk-WSL.cmd → pravým tlačítkem → Spustit jako správce. Získá to ~30 GB a služby si nastartuje zpátky samo.

Bezpečnou cestu přes wsl --set-sparse Microsoft zakázal kvůli riziku poškození dat — šla by jen přes --allow-unsafe, což za ztrátu SearXNG a hlasu nestojí.

Lokální modely — na počítači, zdarma

Všechny běží přes Ollamu na RTX 3060 (12 GB). Sloupec čeština je z měřeného testu: čtyři otázky se známou správnou odpovědí, čtyři body za každou. Skript je E:\AI\_work\test-cestiny.py.

Model	Role v systému	Čeština	Čas	Nástroje	Stav
gemma3:12b	Rychlý — chat, třídění dotazů, psaní návrhů, pojmenovávání	16/16	14 s	neumí	v provozu
qwen2.5:14b	Přemýšlivý — chat a auditor v Ověřeném i v harness	16/16	25 s	umí	v provozu
llama3.1:8b	Executor v harness — jediná umí spolehlivě sáhnout na soubory	15/16	21 s	umí	v provozu
qwen2.5-coder:14b	Píše pandas kód pro analýzu dat (v MCP nástroji)	—	—	neumí	v provozu
nomic-embed-text	Počítá vektory pro znalostní bázi (RAG)	—	—	n/a	v provozu
qwen3:14b	Záloha — stejné skóre, ale třikrát pomalejší	16/16	70 s	—	skrytý
mistral-nemo	Záloha — v testu sklouzl do angličtiny přes české zadání	16/16	30 s	—	skrytý
deepseek-r1:14b	Nepoužívá se — nestabilní a neumí nástroje	16/16	77 s	neumí	skrytý
qwen2.5-coder:1.5b	Nepoužívá se — do konverzace se nehodí	—	—	neumí	skrytý

gemma3:12b14 s · 16/16

llama3.1:8b21 s · 15/16

qwen2.5:14b25 s · 16/16

mistral-nemo30 s · 16/16

qwen3:14b70 s · 16/16

deepseek-r1:14b77 s · 16/16

Dvě vlastnosti, které se pletou

Umět česky a umět volat nástroje jsou nezávislé věci. Gemma je v češtině nejlepší, ale nástroje nepodporuje vůbec — Ollama takový požadavek rovnou odmítne. Naopak llama češtinu zvládá hůř, ale nástroje umí, a proto dělá dřinu v harness.

Původně byly modely vybrané podle rychlosti a nástrojů a čeština se netestovala. Výsledek: llama tvrdila o kardioidním zapojení nesmysl a DeepSeek na „co je rozhledna" jen zopakoval otázku. Odtud ten test.

Modely běží na třech procentech svého okna

Změřeno 4. září. Ollama bez výslovného nastavení dává každému modelu 4 096 tokenů, i když model umí mnohonásobně víc:

gemma3:12b131 072 → 4 096

llama3.1:8b131 072 → 4 096

qwen2.5:14b32 768 → 4 096

Co se do okna nevejde, model zahodí — a odpovídá z toho, co zbylo, aniž by to přiznal. Nejvíc to bolí u dotazů nad znalostní bází: nalezené úryvky plus otázka se do 4 096 tokenů často nevejdou.

Stav: nález je čerstvý, oprava zatím neproběhla — delší okno stojí paměť grafiky, takže se musí proměřit, co se na 3060 vejde bez zpomalení.

Cloudové modely — přes předplatné

Režim Cloud nespouští placené API, ale Claude Code CLI přihlášené tvým účtem. Předplatné Pro API nezahrnuje, takže přes api.anthropic.com by se tokeny platily zvlášť. Takhle to nestojí nic navíc, jen se to počítá do limitů.

Model	Kde se používá	Stav
Claude Sonnet 5	Režim Cloud — Sonnet; v harness manažer a auditor na vyšších stupních; subagenti	v provozu
Claude Opus 5	Režim Cloud — Opus; v harness plánování a závěrečná odpověď; plánovací fáze v `opusplan`	v provozu
Claude Fable 5	Nejsilnější, připravený jako ruční stupeň žebříčku (`--fable`)	nedostupný
Claude Haiku 4.5	Zvažován jako levný mezistupeň, nakonec nenasazen	nepoužívá se
gemini-3.1-flash-lite	Režim Gemini — rychlý. 1,5 s, česky správně, největší kvóta.	v provozu
gemini-3.7-flash	Režim Gemini — silný. 4,1 s, lepší formulace.	v provozu
gemini-3.8-flash	Nejnovější, ale opakovaně vrací 503 „high demand“ — je v záložním řetězci	přetížený
Gemini Pro (všechny)	Na bezplatném tieru kvótu nemají vůbec — vrací 429	nedostupný

Proč Fable není v žebříčku

Není součástí předplatného Pro — platí se z „extra usage" kreditů, které máš vypnuté (org_level_disabled) a platit je nechceš. Logika pro něj je hotová a otestovaná, jen se sama nespustí. Zapíná se ručně přepínačem --fable, kdyby sis ty kredity někdy pořídil.

Algoritmy a heuristiky

Věci, které nejsou modely, ale rozhodují, co se s dotazem stane. Většina vznikla jako reakce na konkrétní selhání.

Co to je	Jak to funguje	Kde	Ověřeno
Třídění dotazů	Jedno rychlé volání Gemmy zařadí dotaz do čtyř kategorií: rychlé / ověřené / kód / těžké. Pokyn obsahuje příklady a instrukci, že při váhání má volit rychlé — kontrola trvá dvakrát tak dlouho.	auto_router.py	7/7
Rozhodnutí, kdy hledat	Podle klíčových slov („najdi", „v okolí", ceny, „kde je") a výskytu vlastních jmen. Když dotaz míří na něco konkrétního, místního nebo aktuálního, nejdřív se hledá.	_spolecne.py	7/7
Detekce rozbitého výstupu	Pozná mechanicky vadný výstup: prázdno, vypsané volání nástroje jako text, poškozené kódování. Záměrně neposuzuje kvalitu — na to model není.	_spolecne.py	ano
Eskalace mezi modely	Když první model vrátí rozbitý výstup, zkusí druhý (jiná architektura, jiná slabina). Když selžou oba, přizná to místo aby podstrčil nesmysl.	všechny režimy	ano
Auditorská smyčka	Návrh → audit druhým modelem → oprava → znovu audit. Auditor nesmí odpovídat, jen hledat chyby, jinak by chybu zopakoval po svém. Vrací JSON s verdiktem a seznamem k ověření.	overeny_lokalni.py	ano
Kontrola proti zdrojům	Když jsou k dispozici nalezené stránky, auditor klasifikuje každé tvrzení jako podloženo / nepodloženo / v rozporu místo kontroly z paměti.	overeny_lokalni.py	ano
Žebříček harness	Úsporný → vyvážený → maximální. Každý stupeň se pustí, až když předchozí neuspěje. Rozlišuje návratový kód: 1 = neúspěch (eskalovat), 2 = chyba konfigurace (zastavit).	harness-eskalace.py	nespuštěno
Rozpočtový strážce	Před drahým během čte vyčerpání limitů předplatného. Hlídá oba (pětihodinový i týdenní) a navíc tempo — spotřeba nesmí předběhnout uplynulý čas o víc než 15 bodů. Zastaralý údaj odmítne.	harness-eskalace.py	ano
Analýza dat kódem	Místo nacpání souboru do kontextu nechá model napsat pandas skript, spustí ho a vrátí jen výsledek. Při pádu zkusí druhý model.	lokalni_nastroje.py	ano
Generátor tmavého režimu	Projde CSS dashboardu a u každé barvy podle světlosti rozhodne: světlé pozadí ztmavit, tmavý text rozsvítit, tmavé tlačítko zvednout, ostatní nechat. Odstín zůstává, takže zelená zůstane zelená.	harness-dark.py	ano
Parser exportů Gemini	Rozebere .docx export chatu na otázky, odpovědi, zdrojové karty, tabulky a kód. Zvládá i turny bez značky „Váš dotaz" a bloky, které jsou jen zdroje.	parse_gemini_docx.py	0 ztrát
Test češtiny	Čtyři otázky se známou odpovědí, boduje jazyk, neopakování otázky, délku a věcnou správnost. Obsahuje past: u kardioidy hlídá, že odpověď neobsahuje „střed" a „okraj".	test-cestiny.py	ano

Režimy v přepínači modelů

Režim	Co dělá	Cloud	Stav
Auto	Zatřídí dotaz a pošle ho na vhodný model. U složitých napíše, že to patří do cloudu, místo aby tiše vrátil slabou odpověď. Výchozí.	0 %	přepojit na Gemini
Rychlý	Gemma, jeden průchod, bez kontroly	0 %	funguje
Přemýšlivý	Qwen 2.5, nejdřív si to rozmyslí	0 %	funguje
Ověřený	Návrh → audit → oprava. Se zapnutým hledáním kontroluje proti zdrojům.	0 %	opraveno
Cloud — Sonnet	Claude přes předplatné, varuje při 90 % limitu	100 %	funguje
Cloud — Opus	Totéž, nejsilnější	100 %	funguje
Gemini — rychlý	Flash-Lite přes bezplatný tier, 1,5 s. Hledá si samo jako lokální režimy.	0 %	funguje
Gemini — silný	Flash 3.7, 4 s. Lepší odpovědi, při přetížení přepne na zálohu.	0 %	funguje
Harness	Spustí dlouhý úkol, nečeká na výsledek, pošle na dashboard	20–85 %	nespuštěno

Doplňkové funkce

Funkce	Jak je řešená	Stav
Vyhledávání na webu	SearXNG ve WSL — vlastní instance, bez API klíče, bez měsíčních limitů, agreguje desítky vyhledávačů. Režimy Ověřený a Auto hledají samy, nezávisle na přepínači v rozhraní.	funguje
Hlasová konverzace	Vlastní služba nad Gemini Live API — jeden obousměrný proud, ne přepis → model → hlas. Model slyší, zatímco mluvíš. Skákání do řeči, přepis obou stran, analytik na pozadí, kamera, uložení hovoru. Na `127.0.0.1:8771`.	1–4 s
Diktování v Open WebUI	Whisper medium lokálně. Změřeno: 12–14 s bez ohledu na délku nahrávky — model se načítá při každém požadavku a jede na procesoru.	pomalé
Hlas (text → řeč)	Piper s českým hlasem `cs_CZ-jirka-medium`, tváří se jako OpenAI TTS, ale syntéza je lokální. Windows český hlas nemá vůbec.	funguje
Generování obrázků	ComfyUI + SDXL. Otestováno: 1024×1024 za 30 s včetně načtení modelu. Nespouští se sám — drží 7 GB VRAM.	funguje
Znalostní báze	125 dokumentů z tvých konzultací o WINGu a PA zvuku, rozsekaných po jedné otázce. Vektory počítá `nomic-embed-text` lokálně.	nahráno
Vzdálený přístup	Cloudflare tunel na `ai.mantyz.dev`, chráněný Access politikou na tvůj e-mail. Odchozí spojení, na routeru se nic neotevírá.	funguje
Ovládání DaVinci Resolve	Nativní skriptovací API Resolve, žádný placený plugin. Funguje jen s Pythonem 3.13, ne 3.12.	neověřeno

Nástroje MCP — kam Claude předává práci

Vrstva, přes kterou Claude pozná typ úkolu a předá ho lokálnímu nástroji místo aby ho dělal sám. Do cloudu se vrátí jen výsledek.

Nástroj	K čemu	Stav
lokalni_model	Drobná textová práce — shrnutí, překlady, titulky, commit messages, boilerplate	funguje
analyza_dat	CSV, JSON, Excel — model napíše kód, ten proběhne, vrátí se výsledek	funguje
prepis_audio	Whisper na GPU, 4,3 s na 7sekundovou nahrávku	funguje
hledej_web	SearXNG bez klíče a bez limitů	funguje

Open WebUI — aktuální konfigurace

Přečteno přímo z databáze E:\AI\openwebui\data\webui.db.

Oblast	Klíč	Hodnota
Hledání	web.search.enable	true
	web.search.engine	searxng
	searxng_query_url	localhost:8888
	searxng_language	cs-CZ
	result_count	5
Řeč → text	audio.stt.engine	(prázdné = lokální)
	whisper_model	medium
Text → řeč	audio.tts.engine	openai
	tts base_url	localhost:5001/v1
	audio.tts.voice	cs_CZ-jirka-medium
Obrázky	image_generation.enable	true
	engine / model	comfyui / sd_xl_base_1.0
	size / steps	1024×1024 / 20
Znalostní báze	rag.embedding_model	nomic-embed-text
Rozhraní	ui.default_models	Auto
Bezpečnost	auth.enable_api_keys	false
	ENABLE_SIGNUP	False

Konfigurace se čte z databáze, ne z proměnných

Tohle stálo nejvíc času. Open WebUI si nastavení uloží do databáze při prvním startu a od té chvíle proměnné prostředí ignoruje. Cokoli se nastaví v launcheru, se tiše přehlíží.

Měnit se to musí přímo v webui.db, tabulce config, při zastaveném serveru.

Do hlavičky funkce nepatří „requirements"

Režimy Ověřený a Auto se dlouho vůbec neobjevovaly ve výběru modelů. Příčina: měly v hlavičce requirements: httpx. Open WebUI se ten balíček při startu pokouší doinstalovat a když to selže, funkci vůbec nenačte. httpx přitom v prostředí dávno je.

Ověřit dostupnost balíčku jde takhle:

E:\AI\uv-tools\open-webui\Scripts\python.exe -c "import httpx"

Kde se co loguje

Open WebUI     E:\AI\openwebui\openwebui.log      (předchozí jako .předchozí)
Cloudflare     E:\AI\cloudflared.log
SearXNG        wsl -d Ubuntu -e bash -lc "journalctl -u searxng -n 50"
Piper hlas     wsl -d Ubuntu -e bash -lc "journalctl -u piper-tts -n 50"

Proč nešel použít žádný model — vyřešeno 7. září

Open WebUI 0.11 připojí ke každému dotazu z rozhraní své vestavěné nástroje, pokud model výslovně neřekne, že je neumí. Výchozí hodnota té schopnosti je True:

and (model…capabilities or {}).get('builtin_tools', True)

Ollama takový požadavek u Gemmy odmítne s HTTP 400 a chat spadne dřív, než začne. A Gemma je výchozí model „Rychlý“, takže to shodilo běžné použití.

Ověřeno voláním na každý model: odmítá to jediná Gemma, ostatní parametr přijmou. Opraveno u všech devíti.

Čeká na tebe

Co	Proč to nemůžu udělat sám	Náročnost
Odstranit zbytečnou službu Cloudflared	Běží jako LocalSystem a nejde zastavit bez práv správce. Nic nedělá, ale drží binárku, takže blokuje i upgrade.	2 min
Vyzkoušet tunel z mobilních dat	Potřebuje tvůj telefon mimo domácí Wi-Fi. Má tě to vyzvat o e-mail a poslat kód.	2 min
Vyzkoušet diktování a hlas	Potřebuje tvůj mikrofon. Přes `https://` na telefonu by to mělo jít taky.	5 min
Zmenšit disk WSL	Připraveno jako `Plocha\AI-prehled\zmensit-disk-WSL.cmd` — spustit jako správce. Uvnitř už proběhl `fstrim`, zbytek udělá diskpart, který bez elevace nejde.	~30 GB
Klíč pro Gemini	Režim je hotový a zaregistrovaný, čeká jen na klíč z AI Studia. Ber ho na vedlejším účtu, ne na hlavním.	2 min
Přihlásit wrangler	`npx wrangler login`, pak `E:\AI\web-info\nasadit.cmd` — vystaví tenhle dokument na info.ai.mantyz.dev.	2 min

Ověří se až používáním

Co	Proč se to zatím neví
Harness naostro	Nikdy neproběhl skutečný běh. Cesty, příkazy a role jsou ověřené, ale samotný běh ne — a stojí tokeny, tak jsem ho nespouštěl bez tebe.
Návratový kód při selhání	Ze zdrojáku vím, že vrací 1 při nesplnění a 2 při chybě konfigurace. Na tom stojí žebříček. Potvrdí to až první běh, který neprojde.
DaVinci na projektu	API se načte, ale připojuje se k běžícímu Resolve. Bez něj se nedá zkusit nic dalšího.
Rozpočtový strážce v akci	Logika je otestovaná na simulovaných hodnotách. Skutečné zablokování nastane, až budou limity vysoko.

Nápady, které nejsou rozpracované

Gemini jako bezplatný mezistupeň mezi lokálem a Claudem — viz Poznámky
Rychlé odpovědi o WINGu — znalostní báze je nahraná, ale nikdy se na ni pořádně nezkoušelo ptát v provozu
Mapování VirtualDJ → WING a aplikace k tomu — původní záměr, ke kterému se ještě nedošlo
Video — na 3060 jen krátké klipy v nízkém rozlišení, nedoporučuju

Spouštěče

Soubor	Co dělá	Spouští se
wing-agent.cmd	Claude Code v izolovaném profilu, opusplan + prohlížeč	ručně
harness.cmd	Harness se stupni `usporny / vyvazeny / maximalni / auto / rozpocet / web`	ručně
start-comfyui.vbs	ComfyUI (obrázky) — na pozadí, bez okna	ručně
start-harness-web.vbs	Dashboard harness na 8799	ručně
start-searxng.cmd	Probudí WSL a zkontroluje SearXNG	ručně
setup-tunnel.cmd	Vytvoří tunel a DNS záznam (už proběhlo)	hotovo
harness-dark.py	Tmavý režim dashboardu; `--zpet` vrátí původní	ručně

Po přihlášení automaticky

Startup\open-webui.vbs        Open WebUI na 8080
Startup\wsl-ai-sluzby.vbs     drží WSL naživu (SearXNG + Piper)
Startup\cloudflare-tunel.vbs  tunel na ai.mantyz.dev

Ollama a Voicemeeter tam byly už předtím.

Kód

Soubor	Co je uvnitř	Řádků
openwebui/functions/_spolecne.py	Společný základ všech režimů — detekce selhání, hledání, limity, patičky	211
openwebui/functions/overeny_lokalni.py	Režim Ověřený	358
openwebui/functions/auto_router.py	Režim Auto	245
openwebui/functions/cloud_claude.py	Režim Cloud	171
openwebui/functions/harness.py	Režim Harness	193
mcp/lokalni_nastroje.py	Čtyři nástroje MCP	318
harness-eskalace.py	Žebříček a rozpočtový strážce	266
harness-dark.py	Generátor tmavého režimu	213
davinci/resolve_api.py	Ovládání DaVinci Resolve	132
PREDANI.md	Předávka pro nového agenta	143
_work/test-cestiny.py	Měřený test češtiny	175
_work/priprav-znalosti.py	Rozsekání chatů na dokumenty	111
_work/pojmenuj-znalosti.py	Pojmenování dokumentů lokálním modelem	109

Parser exportů Gemini je jinde: C:\Users\matej\Desktop\agent\_work\parse_gemini_docx.py

Kolik místa zabírá kontext

Ptal ses na to a odpověď je příjemná: megabajty, ne gigabajty.

C:\Users\matej\.claude\projects     140 souborů      35,5 MB
E:\AI\.claude\projects              13 souborů        1,2 MB
z toho tahle konverzace                               7,8 MB

A kontext se do souboru už ukládá sám. Claude Code píše každou relaci do .jsonl v profilu — kompletní přepis včetně volání nástrojů. Nemusíš nic zařizovat, jen o tom vědět.

Když se kontext naplní, data se neztrácejí

Starší část konverzace se shrne, nesmaže. Ztrácí se přesné formulace, ne fakta. Navíc je všechno podstatné průběžně v bridge (projects/mantyz-lokalni-ai-agent, verzovaně) a v PREDANI.md.

Tenhle dokument je psaný z čerstvě změřených dat — modely z Ollamy, konfigurace z databáze, velikosti z disku. Ne z paměti konverzace.

Gemini jako bezplatný mezistupeň

Ptal ses, jestli by šlo automatizovat bezplatný web Gemini přes lokálního robota v prohlížeči. Technicky ano, ale nedoporučuju:

Bezplatný web limity má, jen je nezveřejňuje — při automatizovaném tempu na ně narazíš rychleji
Je to proti podmínkám Googlu a riskoval bys ten účet, na kterém máš Gmail
Scraping se rozbije při každé změně rozhraní
A hlavně: v čem ti Gemini vyhrávalo, bylo hledání — a to teď máme lokálně

Legální cesta ke stejné věci je bezplatný API tier z AI Studia:

Model	Dotazů denně	Za minutu
Gemini Flash	~250–1500	10
Gemini Flash-Lite	~1000	15
Gemini Pro	~50–100	—

Zdroje se v číslech rozcházejí, aktuální hodnoty jsou v dokumentaci. Zapadlo by to čistě jako další model v přepínači i jako stupeň žebříčku: lokál → Gemini Flash → Sonnet → Opus.

Jedna věc na rovinu: u bezplatného tieru si Google vyhrazuje právo tvoje vstupy a výstupy použít k trénování. U WINGu a webů to nejspíš neřešíš, u citlivějšího bych to poslal na lokál nebo Claude.

Zapojeno a ověřeno — 7. září

Klíč je vložený, oba režimy jedou. Změřeno na skutečných dotazech, ne na papíře:

gemini-3.1-flash-lite1,5 s · česky správně

gemini-3.7-flash4,1 s · nejlepší

Účet vidí 40 modelů — kromě textových i generování obrázků (Nano Banana Pro), hudbu (Lyria), přepis řeči a Deep Research. Zatím se využívají jen ty textové.

Dvě věci, které se ukázaly až měřením: žádný model Pro na bezplatném tieru kvótu nemá (všechny vrací 429), a nejnovější 3.8-flash je trvale přetížený (503). Proto režim při přetížení automaticky přepne na záložní model a napíše, že to udělal.

Ověřeno i to podstatné: na dotaz po ceně WINGu cenu nevymyslel — řekl, že ve zdrojích není. Přesně na tomhle lokální modely padaly.

Zmenšení disku WSL

Virtuální disk má 39 GB, ale uvnitř je obsazeno jen kolem 8. Rostl při instalacích a po smazání souborů se nesmrskl — tak to u virtuálních disků chodí.

Získalo by to zpátky asi 30 GB na C. Vyžaduje to zastavit WSL, takže na pár minut vypadne hledání a hlas. Nedělal jsem to bez tebe, protože je to operace nad obrazem disku a kdyby se zasekla, přišel bys o obě služby.

Co stálo nejvíc času

Jedna třída chyby, třikrát

Pokaždé to bylo stejné: něco bylo nastavené správně, otestoval jsem jen část cesty a prohlásil to za hotové. Fungovalo to v testu a selhalo v reálném použití.

Hledání — ověřil jsem, že SearXNG odpovídá. Cesta k modelu byla přerušená a model si vymyslel, že hledal. Vznikl neexistující „Vyhlídkový mlýnek u Libušíně".

Auditor v harness — nastavený správně, jenže ten model neuměl sáhnout na soubory. Tiše by selhal.

Režimy Ověřený a Auto — kód v pořádku, ale hlavička je shodila při načítání. Ve výběru se vůbec neobjevily.

Kdyby sis z tohohle dokumentu měl zapamatovat jednu větu: „otestoval jsem to" a „funguje ti to" nejsou totéž.