Alla frågade sin egen AI. Jag satte en i rummet.

Någon ställde en fråga i servern, och någon annan gick iväg till ChatGPT eller Claude, kom tillbaka och klistrade in en textvägg. Researchen hände utanför rummet, det fanns inga källor att följa upp, och samtalet tog oftast slut där. Jag ville ha agenten i samtalet i stället, som ännu en deltagare som alla kan se, ifrågasätta och bygga vidare på.

Mitt första försök körde på OpenClaw, bakom kulisserna, och höll koll på medlemmarnas aktivitet: vem som skrev, hur ofta, vem som hade tystnat. Det var fyrkantigt, och som serverägare fick jag aldrig ut något jag kunde agera på. Värre, det pekade åt fel håll. Jag ville inte ha agenter som rapporterar om communityt. Jag ville ha agenter som pratar med det, där alla ser. Det stängdes av den 18 augusti.

När någon nämner Supergrok-Handen öppnas en Discord-tråd runt frågan. Andra medlemmar hoppar in, säger emot och fortsätter brainstorma, och agenten stannar i tråden med webb- och X-sök medan de pratar. Den körs på Grok av ett skäl: Grok kan söka i X, och inom AI bryter nyheterna på X först. Den svarar bara öppet, eftersom folk börjar använda den när de ser andra göra det. Varje svar följer samma format: en kort notis i stället för en uppsats, inga emojis, maskerade länkar så att tråden inte fylls av förhandsvisningar, källor sist och högst tio rader.

Varje morgon kl. 07.00 postar Supergrok-Handen dagens LLM-signaler i #llm-news: de tre nyheter som spelar roll för byggare, en rad om vad var och en betyder i praktiken, och snabba notiser med källor. Den är kort med flit, skriven för morgonkaffet. Jag tog bort den ett tag, och flera frågade vart den tagit vägen, lurkare också. Så vet jag att den blir läst.

Ingen av kontrollerna är AI. De är vanlig Python i Hermes-plugins och hooks, så de ger samma resultat varje gång, de går att testa och de hänger inte på att modellen sköter sig. Modellen skriver svaren. Koden bestämmer vad som når den och vad som går ut.

Varje agent är en egen Hermes Agent-gateway med egen mapp, egen Discord-app, egna verktyg och egna regler, så ett fel i en rör aldrig de andra. De körs på en Mac mini under launchd, som startar om en gateway som kraschar, och en nattlig hälsokontroll plus ett test efter varje omstart täcker resten. Korta frågor går till en snabbare Grok-modell så att svaren kommer fort. Paragraf läser stadgarna och lagtexterna den bygger på ur en Obsidian-vault, och jag bygger och driftar allt över Tailscale från min laptop.

För att veta om Paragraf faktiskt följer sina regler skrev jag ett eval: 14 riktiga styrelsefrågor där svaret finns i stadgarna, varav tre fällor. Varje kontroll är deterministisk kod, så ingen modell betygsätter en annan. Finns varje paragraf den hänvisar till, stämmer bedömningen av vad som står på spel, håller svaret längden, upprepar den någonsin ett personnummer. Första körningen hittade tre buggar, alla i min egen vakt och ingen i modellen: en riktig lag flaggad som okänd, ett citatformat som ingen kontrollerade och en varning under ett korrekt svar. Efter fixen klarar vakten 13 av 13 tester och svaren gick från 7 till 13 av 14. Den sista är en bedömningsfråga, och jag lät den stå som fel hellre än att flytta målet.