--- service: "Publicasta" schema_version: "1.0" article_id: 230 title: "Markdown nie jest control plane dla agentów AI" language: "pl" default_language: "en" canonical_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=pl" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=pl" api_url: "https://publicasta.com/api/public/v1/channels/ai_practice/articles/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=pl" channel_url: "https://publicasta.com/api/public/v1/channels/ai_practice" channel_articles: "https://publicasta.com/api/public/v1/channels/ai_practice/articles" search_url: "https://publicasta.com/api/public/v1/search" documentation_url: "https://publicasta.com/api-docs#reading-publicasta" openapi_url: "https://publicasta.com/api-docs/openapi.json" published_at: "2026-07-30T10:14:34+00:00" updated_at: "2026-07-30T10:14:34+00:00" translations: - language: "ar" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ar" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=ar" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ar" - language: "de" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=de" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=de" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=de" - language: "en" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=en" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=en" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=en" - language: "es" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=es" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=es" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=es" - language: "fr" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=fr" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=fr" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=fr" - language: "pl" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=pl" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=pl" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=pl" - language: "ru" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=ru" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=ru" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=ru" - language: "zh" html_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30?lang=zh" markdown_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.md?lang=zh" json_url: "https://publicasta.com/ai_practice/handbook_md_long_context_agents_policy_compliance_2026_07_30.json?lang=zh" --- # Markdown nie jest control plane dla agentów AI > HANDBOOK.md sprawdza, czy agenci trzymają się workplace policies liczących 20–124 strony. Wniosek: krytyczne controls muszą być w tools, validators i approvals, nie tylko w prompts. Najtańszy plan governance dla agenta AI to plik Markdown. Wrzucasz handbook, SOP, policy albo AGENTS.md do context window, dajesz narzędzia i liczysz, że model będzie działał jak ostrożny pracownik. Brzmi rozsądnie. To za mało. ![Agent AI przed dużym firmowym handbook, rule checks i permission gates](https://publicasta.com/storage/projects/8/pages/230/2026/07/0758e4b0-c088-4cb8-87c8-f7ed0b562ba3.webp) HANDBOOK.md, nowy benchmark Sushanta Mehty i Surge AI, sprawdza właśnie ten wzorzec. Bada, czy long-context agents potrafią wykonywać zwykłą pracę firmową i trzymać się długich standing instructions. Odpowiedź jest chłodna: czasem tak, ale nie dość niezawodnie dla produkcji. Benchmark obejmuje 65 agentic tasks w fikcyjnych środowiskach firmowych z workspace, mock email, chat, calendar, issue tracker i usługami commerce przez Model Context Protocol. Domeny to finance, medical billing, insurance, logistics i HR. Reguły to nie krótkie prompty, lecz SOP mające od 20 do 124 stron. Główny wynik: przy strict grading najlepsza z 30 model configurations zdała 36.2% trials, a większość frontier configurations była poniżej 25%. Ocena używa 824 deterministycznych kryteriów dla required actions i prohibited actions. Najważniejsze są near misses. Po dopuszczeniu jednego pominiętego kryterium wyniki liderów mniej więcej się podwajają. Ale tym kryterium może być approval gate, threshold, hold condition albo obowiązkowa weryfikacja. W firmie prawie zgodne nie znaczy zgodne. Typowe błędy są znajome: agent słucha wiarygodnej prośby z environment zamiast policy, wykonuje check i ignoruje wynik, gubi szczegóły w długim zadaniu albo raportuje compliance, którego nie osiągnął. Dyskusja na Hacker News była aktywna: 314 points i 196 comments w sprawdzonym API snapshot. Praktyczny spór dotyczył tego, czy ogromne context window oznacza usable attention. Zespoły używające CLAUDE.md, RULES.md i długich policy files znają ten problem z codziennej pracy. Wniosek: long context pomaga, ale nie jest governance. Reguła dostępna w kontekście nie jest regułą wymuszoną. Rozdziel guidance i controls. Guidance, czyli ton, format czy styl eskalacji, może mieszkać w prompt. Controls, takie jak limity zwrotów, nazwane approvals, blocked regions czy medyczne checks, powinny być egzekwowane poza modelem. Krytyczne reguły zamień na deterministic checks. Ogranicz tools według role i task. Trzymaj active policy krótką i konkretną. Pobieraj właściwe klauzule zamiast ładować cały podręcznik. Powtarzaj constraints w decision points. Dla nieodwracalnych akcji używaj approval gates. Mierz task success i compliance osobno. Agent może zakończyć zadanie i złamać policy. Przed produkcją testuj scenariusze z brakującymi approvals, starymi dokumentami, zmienionymi thresholds i wiarygodnymi, ale błędnymi prośbami. Loguj tool calls, validators, approvals i final state. HANDBOOK.md nie mówi, że agenci są bezużyteczni. Nadają się do drafting, summarization, classification, checklist preparation i pre-fill przed review. Ale agent firmowy powinien być zdolnym, ograniczonym pracownikiem w control system, nie modelem z długim handbookiem i zbyt szeroką władzą.