Autor: Jakub Rusinowski · Ostatnia aktualizacja: 12 lipca 2026
Lokalny LLM do pisania e-maili tworzy wiadomości, odpowiedzi i streszczenia na Twoim własnym komputerze — bez API w chmurze, bez abonamentu i bez tego, by cokolwiek, co napiszesz, opuściło Twoją maszy
Lokalny LLM do pisania e-maili tworzy wiadomości, odpowiedzi i streszczenia na Twoim własnym komputerze — bez API w chmurze, bez abonamentu i bez tego, by cokolwiek, co napiszesz, opuściło Twoją maszynę. Każdy nowoczesny model 7–8B działający w Ollama albo LM Studio dobrze radzi sobie z e-mailami i codziennym pisaniem, a ten poradnik pokazuje dokładną konfigurację oraz wzorce promptów, dzięki którym staje się to naprawdę użyteczne na co dzień.
Ostatnia aktualizacja: lipiec 2026
W większości zadań modele w chmurze są po prostu mądrzejsze. E-maile i krótkie formy pisemne to wyjątek, w którym lokalne rozwiązanie wygrywa bezapelacyjnie, z trzech konkretnych powodów:
Uczciwy kompromis: model 7–8B nie wyszuka dla Ciebie faktów i może pogubić się w bardzo długich wątkach. Do redagowania, odpowiadania, zmiany tonu i streszczania — czyli w 95% przypadków — w zupełności wystarczy.
Zainstaluj Ollama (albo LM Studio, jeśli wolisz interfejs graficzny — zobacz nasze porównanie Ollama i LM Studio), a następnie pobierz model:
# Najlepszy wszechstronny model do pisania w klasie 8B - potrzebuje ~6 GB VRAM albo Maca z 16 GB
ollama run llama3.1
# Alternatywa o nieco bardziej naturalnym, mniej "asystenckim" tonie
ollama run gemma3:12b
# Dla maszyn z 8 GB / starszych laptopów
ollama run qwen2.5:7bKażdy z nich działa na GPU 8–12 GB albo na Macu z Apple Silicon i 16 GB pamięci. Nie masz pewności, co udźwignie Twoja maszyna? Sprawdź to w analizatorze sprzętu.
Różnica między bezużytecznym a świetnym lokalnym modelem tkwi niemal wyłącznie w prompcie. Te trzy szablony pokrywają prawie całą pracę z e-mailami.
Podaj modelowi fakty i ton; nigdy nie każ mu wymyślać treści:
> Napisz e-mail na podstawie tych punktów. Ton: przyjazny, ale profesjonalny. Zmieść się w 120 słowach. > - nie mogę być na czwartkowej rozmowie > - proponuję zamiast tego poniedziałek albo wtorek po południu > - wyniki za III kwartał, o które prosili, są w załączniku
Małe modele radzą sobie tu znakomicie, bo dostarczyłeś każdy fakt — model dokłada tylko tkankę łączną.
> Poniżej znajduje się e-mail, który otrzymałem. Napisz odpowiedź, która: uprzejmie odrzuca ofertę, zostawia otwartą furtkę na kolejny kwartał i dziękuje za szczegółową propozycję. Moja odpowiedź ma być krótsza niż ich wiadomość. > > [wklej e-mail]
Lista instrukcji *przed* wklejonym e-mailem ma znaczenie — modele 7–8B lepiej trzymają się instrukcji, gdy pojawiają się jako pierwsze.
> Streść ten wątek e-mailowy w 3 punktach, a potem wypisz zadania do wykonania wraz z osobą odpowiedzialną za każde z nich. Zaznacz każdy wspomniany termin. > > [wklej wątek]
Przy bardzo długich wątkach pamiętaj o oknie kontekstu — model 8B przy domyślnych ustawieniach Ollama czyta niezawodnie około 2000 słów. Powyżej tego zwiększ rozmiar kontekstu (zobacz nasz poradnik o oknach kontekstu) albo streszczaj partiami.
Zamiast powtarzać „profesjonalnie, ale ciepło” w każdym prompcie, wpisz swój głos w model przy pomocy promptu systemowego. W Ollama utwórz plik Modelfile:
FROM llama3.1
SYSTEM You are my email writing assistant. Write in a direct, warm, professional voice. No corporate filler phrases ("I hope this email finds you well", "per my last email"). Short paragraphs. Never invent facts I did not provide — if information is missing, put [PLACEHOLDER] instead.ollama create email-assistant -f Modelfile
ollama run email-assistantInstrukcja z [PLACEHOLDER] to najcenniejsza linijka w całości: powstrzymuje model przed halucynowaniem dat spotkań i liczb, o których nigdy nie wspomniałeś. Głębsze omówienie techniki promptów systemowych i gotowych person znajdziesz w Prompty systemowe od podstaw.
| Model | VRAM (Q4) | Styl pisania | Najlepszy do |
|---|---|---|---|
| Llama 3.1 8B | ~6 GB | Wyważony, niezawodnie trzyma się instrukcji | Domyślny wybór |
| Gemma 3 12B | ~8 GB | Najbardziej naturalna proza, najmniej robotyczna | E-maile do klientów |
| Qwen 2.5 7B | ~5 GB | Zwięzły, lekko formalny | Maszyny z małą ilością VRAM |
| Mistral NeMo 12B | ~8 GB | Dobre streszczenia długich wątków (kontekst 128K) | Praca w stylu przeglądów |
Wszystkie cztery dobrze radzą sobie z redagowaniem i odpowiadaniem; różnice widać w tonie. Jeśli Twoje e-maile brzmią sztywno, najpierw zmień model, zanim zaczniesz obwiniać prompty.
1. Trzymaj otwarty terminal (albo okno LM Studio) z załadowanym modelem email-assistant — model 8B zostaje w pamięci, zajmuje ~6 GB i odpowiada natychmiast. 2. Skopiuj e-mail, na który odpowiadasz, i wklej go pod blokiem instrukcji z wzorca 2. 3. Przeczytaj szkic krytycznie. To Ty jesteś redaktorem, a model stażystą. Popraw to jedno niezgrabne zdanie i wyślij. 4. We wszystkim, co wrażliwe — kadry, sprawy prawne, medyczne — to *jedyny* przepływ pracy z AI, z jakiego w ogóle powinieneś korzystać. Takie dane nie mają czego szukać w API w chmurze. Kontekst biznesowy i RODO znajdziesz w Prywatna AI dla firm.
Tak. Redagowanie e-maili to zadanie o niskiej trudności: Ty dostarczasz fakty, model dostarcza płynne sformułowania. Model 7–8B, taki jak Llama 3.1, radzi sobie z tym w zdecydowanej większości wiadomości nieodróżnialnie od modeli chmurowych. Różnica ujawnia się dopiero w długiej, złożonej pracy na wielu dokumentach.
Llama 3.1 8B to najbezpieczniejszy domyślny wybór; Gemma 3 12B tworzy najbardziej naturalnie brzmiącą prozę, jeśli masz ~8 GB VRAM albo Maca z 16 GB lub więcej. Do pisania nie schodź poniżej 7B — modele klasy 3B produkują zauważalnie drętwe teksty.
Nie. Skwantyzowany model 8B działa z użyteczną prędkością (10–20 tokenów na sekundę) na nowoczesnym CPU z 16 GB RAM, a bardzo dobrze na dowolnym Macu z Apple Silicon. GPU sprawia, że odpowiedzi są natychmiastowe, a nie tylko znośne.
Nie od razu po instalacji — Ollama i LM Studio to narzędzia do rozmowy, a nie klienty poczty. Opisany wyżej przepływ z kopiuj-wklej to prosty i bezpieczny wybór domyślny. Jeśli chcesz automatyzacji, oba wystawiają lokalne API, do którego napiszesz skrypt — zobacz Konfiguracja lokalnego API.