AI-agenten som sparar 4 timmar i veckan

Vecka 7. Varje morgon vid sju hämtar en AI-agent hem trender från hela internet, väljer ut de starkaste signalerna, och levererar åtta färdiga innehållsidéer till en av Sveriges mest följda ögonläkare på Instagram.

Det tar 2-3 minuter. Calle sitter inte vid datorn.

Det är Leonie.

Vem är Leonie?

Leonie är en AI-agent byggd på OpenClaw, en agent-plattform som kör i en Docker-container på Calles server. Under huven använder hon Claude via Amazon Bedrock, med Brave Search, Google Drive, Tavily och DataForSEO som verktyg.

Grundkonfigurationen tog ungefär en dag att sätta upp. Men Leonie som hon fungerar idag är resultatet av sju veckors kontinuerliga justeringar.

Hon är inte en produkt du köper. Hon är ett system du bygger.

En typisk morgon

Kl. 07:00 vaknar ett cron-jobb. Leonie läser igenom veckans Trend Radar, 25 signaldrivna idéer samlade under söndagens research, och väljer ut de starkaste för just den dagen. Hon checkar vädret i Stockholm, sätter ihop Morgonbrevet och levererar åtta idéer i tre sektioner: aktuella trender, djup ögonvetenskap och en snippet från "Kirurgens resa".

Allt landar i Christinas Telegram. Calle får en kopia. Sedan är det klart.

Christina messar 06:30 och 22:37. Leonie svarar glatt alla tider på dygnet.

Hur Leonie lär sig

Det finns inga automatiserade ML-loopar. Ingen modell som tränar sig själv i bakgrunden.

Det är manuell, iterativ prompt-engineering. Calle och Christina ger feedback i chatten. Leonie uppdaterar sina process-filer och sitt långtidsminne direkt. Mer som att träna en ny medarbetare än att finjustera en modell. Långsammare, men transparent.

Onboardingen

Leonie behövde onboarding precis som en vanlig person. Calle skapade filer som beskriver vem hon är, vem Christina är, vad målen är och vad som är bra respektive dåligt innehåll. Christinas specialitet, tonalitetsprofil, WordPress-struktur, API-nycklar, content-pelare.

Precis som att börja ett nytt jobb: lär dig vem du jobbar för, vilket verktyg du har, och börja producera.

De första veckorna

Inte kaotiskt, men inte sömlöst heller.

De tidiga veckorna handlade om att kalibrera format: hur långa idéerna ska vara, vilken ton som är rätt för Christina, hur mycket vetenskap mot storytelling. Det tekniska krånglade med timeout-problem i cron-jobbet, cron-jobb som raderades vid en uppdatering och Google OAuth som behövde förnyas.

Vecka 7 sparar Calle 4 timmar per vecka. De första veckorna investerades förmodligen dubbelt så mycket i att bygga systemet.

Den viktigaste lärdomen

Signal före ämne.

Det är lätt att falla i fällan att bestämma ämnen i förväg och sedan söka efter belägg. Rätt approach är omvänd: vad pratar folk om just nu på patientforum, i kommentarsfält, i koreanska och brasilianska medier, och sedan koppla det till Christinas expertis.

Idéer som börjar i verkligheten är alltid starkare.

Vad händer härnäst?

"Vi alla kommer snart ha fem agenter vardera."

Inte en allmängiltig assistent som försöker göra allt. Smala agenter som är riktigt bra på en sak: en för content, en för research, en för kundkommunikation, en för administration. För Gradient Vibes del är nästa agenter riktade mot produktutveckling, kundsupport och intern kunskapshantering.

Leonie är ett proof of concept. Den visar att det fungerar, och att det viktigaste inte är tekniken. Det är onboardingen, feedbackloopen och tålamodet att kalibrera vecka för vecka.

Vill du bygga en egen Leonie? Hör av dig.