SumizAI a Dumbar

Czym jest Dumbar

Czym jest Dumbar

Dumbar to inteligentny — nie, głupi, ok, może jednak niegłupi — smartbar dla Ollama. Ten żartobliwy opis kryje w sobie prosty, praktyczny cel: szybki, zawsze dostępny pasek dostępu do lokalnych modeli językowych uruchomionych przez Ollama, bez konieczności otwierania osobnej aplikacji czatu czy terminala za każdym razem, gdy potrzebna jest błyskawiczna odpowiedź od lokalnego modelu AI.

Darmowy model open source na licencji MIT sprawia, że Dumbar jest dostępny dla całej społeczności entuzjastów lokalnego AI bez żadnych barier finansowych, co jest zgodne z filozofią ruchu open-weights, który reprezentuje sam Ollama. Ograniczenie wyłącznie do Maca oznacza skupienie zasobów deweloperskich na głębokiej integracji z natywnym paskiem menu systemu macOS, zamiast budowania wieloplatformowej, ale mniej dopracowanej aplikacji.

Format smartbara, a nie pełnoprawnej aplikacji czatu, to świadomy wybór projektowy adresujący specyficzny przypadek użycia — szybkie, jednorazowe zapytania do lokalnego modelu, niewymagające pełnego interfejsu konwersacyjnego z historią czy zaawansowanymi ustawieniami, tylko natychmiastowej odpowiedzi bez opuszczania bieżącego kontekstu pracy.

Deweloper korzystający z Dumbar do szybkich, codziennych zapytań do lokalnego modelu podczas pisania kodu, z czasem zauważa, które krótkie zapytania sformułowane w konkretny sposób przynoszą najbardziej użyteczne, zwięzłe odpowiedzi pasujące do formatu smartbara. Bez zapisywania tych sprawdzonych sformułowań, trudno konsekwentnie je odtwarzać przy kolejnych, podobnych zapytaniach.

SumizAI uzupełnia Dumbar dokładnie w tym miejscu: sprawdzone, zwięzłe sformułowania zapytań przynoszące najlepsze rezultaty w Dumbar można zapisać jako notatki ai w lokalnym pliku Markdown, budując osobistą bibliotekę skutecznych, krótkich promptów. Deweloper korzystający z Dumbar do różnych typów codziennych zadań zyskuje w ten sposób notatkę ai per typ zapytania, gotową do szybkiego przywołania.

To narzędzia komplementarne: Dumbar dostarcza błyskawiczny dostęp do lokalnych modeli Ollama bezpośrednio z paska menu systemu, a SumizAI dba o to, by sprawdzone sformułowania zapytań przetrwały jako notatki ai niezależne od samej aplikacji, gotowa do wykorzystania przy każdym kolejnym, podobnym zadaniu.

Warto dodać, że filozofia minimalizmu leżąca u podstaw Dumbar — szybki dostęp bez zbędnych elementów interfejsu — dobrze koresponduje z minimalistycznym podejściem do notatek ai jako prostych plików tekstowych, bez rozbudowanego interfejsu, tworząc spójny, lekki ekosystem narzędzi dla użytkownika ceniącego prostotę ponad rozbudowaną funkcjonalność.

Programista pracujący nad wieloma niepowiązanymi projektami jednocześnie, korzystający z Dumbar do szybkich zapytań w każdym z nich, szczególnie zyskuje na prowadzeniu osobnej takie notatki per projekt, dokumentującej sprawdzone, zwięzłe prompty pasujące do specyfiki technicznej danego kodu. Bez takiego rozdzielenia, sprawdzone sformułowania z jednego projektu mogą okazać się mylące lub nietrafne w kontekście zupełnie innej technologii wykorzystywanej w drugim, równolegle prowadzonym projekcie. Programista pracujący jednocześnie nad projektem w Pythonie i projektem w JavaScripcie, mając osobne takie notatki dla każdego z nich, unika sytuacji, w której zwięzły prompt sprawdzony przy jednym języku programowania okazuje się mylący czy wręcz szkodliwy przy zastosowaniu do zupełnie innego kontekstu technicznego drugiego projektu, oszczędzając czas, który inaczej zostałby zmarnowany na diagnozowanie, dlaczego sprawdzone wcześniej podejście nagle przestało działać zgodnie z oczekiwaniami. Taka dyscyplina prowadzenia osobnych takie notatki per projekt kosztuje jedynie ułamek czasu potrzebnego na samodzielne, żmudne odkrywanie tej samej, ważnej lekcji za każdym razem zupełnie od nowa, bez korzystania z wcześniej już zdobytej, cennej i sprawdzonej wiedzy zespołowej.

Tak czytamy metryczkę. Oryginalne sformułowania AlternativeTo są na stronie Dumbar — powyższe fakty odczytano 2026-08-16.

Dumbar w szczegółach

Pięciodniowy projekt, który nadal działa

Dumbar to aplikacja w pasku menu macOS autorstwa Jerry'ego Sievarta, której cały sens sprowadza się do postawienia pola tekstowego przed Ollamą. Klikasz ikonę na pasku, wybierasz jeden z modeli, które masz już pobrane albo zbudowane lokalnie, wpisujesz pytanie, czytasz odpowiedź, zamykasz. Tyle. Nazwa jest żartem — README otwiera się wyjaśnieniem, że to trochę jak inteligentny pasek, tylko głupi, a deklarowanym celem jest szybki dostęp do modelu językowego przy zadaniach, przy których czujesz się na tyle głupi, żeby zapytać pseudo-sztuczną inteligencję. Opis repozytorium ciągnie ten dowcip celowo pokręconym hasłem o smrt, nie, smart, dobra, jednak dumb pasku dla Ollamy.

Za tą autoironią stoi realny kawałek oprogramowania o wyjątkowo ściśniętej historii. Repozytorium na GitHubie powstało 26 sierpnia 2023 roku. Wersja 1.0.0 wyszła tego samego dnia. Potem dwa kolejne wydania — 1.0.1 dwa dni później i 1.0.2 trzydziestego sierpnia. I nic więcej. Ostatni commit nosi datę 30 sierpnia 2023, a przez trzy lata od tamtej pory nie pojawiło się nic nowego. Repozytorium nie jest zarchiwizowane, autor nigdy nie ogłosił, że projekt jest skończony ani martwy; po prostu się zatrzymał, jak zwykle kończą projekty pisane na własną potrzebę, gdy potrzeba zostanie zaspokojona.

Co robi, a czego nie robi

Dumbar nie ma własnego modelu, nie ma klucza API, nie ma konta ani żadnego elementu w chmurze. Każde zapytanie idzie do interfejsu HTTP Ollamy działającej na twojej maszynie, co oznacza, że cała rozmowa zostaje na sprzęcie, który masz przed sobą. Oznacza to również, że Dumbar dziedziczy wszystko, co ma Ollama: lista modeli w menu to dokładnie wynik twojej lokalnej instalacji, wraz z modelami zbudowanymi samodzielnie.

Konfiguracja odzwierciedla ten minimalizm. Ustawienia są dokładnie dwa: host Ollamy, zwykle 127.0.0.1 albo localhost, oraz port Ollamy, domyślnie 11434. Oba da się nadpisać, co po cichu otwiera jeden użyteczny scenariusz — skierowanie paskowej aplikacji na instancję Ollamy działającą na innej maszynie w sieci, tak by laptop pytał desktop z większą pamięcią i lepszym układem graficznym. README tego nie reklamuje, ale te dwa pola w zupełności wystarczą.

Nie ma za to wszystkiego pozostałego. Żadnej historii rozmów, żadnych zapisanych wątków, żadnych załączników, żadnego edytora promptu systemowego wewnątrz aplikacji, żadnego wywołania z klawiatury, żadnych ustawień strumieniowania, żadnego eksportu. To okienko na jedno pytanie. Kto spodziewa się kompletu funkcji pełnego klienta desktopowego do lokalnych modeli, uzna to za ubogie; kto chciał skrótu i niczego więcej, dostanie dokładnie to.

Modelfile — najciekawszy element

Jedyne miejsce, w którym Dumbar wychodzi poza zwykłe pole tekstowe, to obsługa modeli własnych — i robi to, opierając się w całości na mechanizmie samej Ollamy, zamiast wymyślać własny. Ollama pozwala zdefiniować model za pomocą pliku Modelfile: krótkiego przepisu, który bierze model bazowy i nakłada na niego prompt systemowy, tworząc nowy nazwany model. Dumbar dostarcza trzy gotowe przykłady: bartender, chef i programmer. Budujesz taki model jednym poleceniem, ollama create chef -f examples/chef.modelfile, po czym pojawia się on w menu Dumbara obok wszystkich pozostałych.

To mądrzejsza decyzja projektowa, niż wygląda na pierwszy rzut oka. Zamiast wbudowywać w aplikację system person, Dumbar traktuje pytanie „z jakim asystentem rozmawiam" jako problem wyboru modelu i oddaje całą robotę Ollamie. Skutek jest taki, że persony żyją niezależnie od aplikacji, działają też z wiersza poleceń i nie kosztują ani linijki kodu w samym Dumbarze. Ceną jest to, że stworzenie persony wymaga edycji pliku i polecenia w terminalu — w aplikacji nie ma edytora promptów.

Wymagania, instalacja i realia platformowe

Ollama musi być zainstalowana i uruchomiona, zanim Dumbar do czegokolwiek się przyda, a README szczerze przyznaje, że dwie najczęstsze awarie to dokładnie to: nieuruchomiona Ollama albo brak pobranych modeli. Dokumentacja podpowiada sprawdzenie przez ollama list, a przykładowy wynik w niej zawarty jest małą kapsułą czasu tamtej epoki — llama2 w wariantach 7B i 13B, codellama w wersji instruct, obok autorskich buildów bartender, chef i programmer.

Dystrybucja to podpisany plik .dmg ze strony wydań na GitHubie. Obsłużone są zarówno Apple Silicon, jak i Intel; README pokazuje ten proces na żywo, bo oryginalne zdanie o wyłącznej obsłudze Apple Silicon jest przekreślone i uzupełnione notatką, że wersja x64 jednak powstała po sprostowaniu od czytelników Hacker News. Oficjalne buildy są podpisane cyfrowo, co na macOS ma znaczenie, bo to różnica między zwykłą instalacją a wycieczką do ustawień bezpieczeństwa w celu obejścia Gatekeepera.

Budowanie z kodu

Dumbar to aplikacja Electron napisana w JavaScripcie, pakowana przez electron-builder i zarządzana Yarnem. Instrukcja budowania ma trzy polecenia: yarn do instalacji zależności, yarn run app do uruchomienia ze źródeł i yarn run package do wytworzenia instalatora. README sygnalizuje jedną pułapkę dla samodzielnie pakujących: trzeba podmienić tożsamość podpisu w konfiguracji electron-buildera na własny profil certyfikatu, bo inaczej wynik będzie niepodpisany i inni użytkownicy będą musieli zatwierdzać instalację ręcznie.

Electron ma tu oczywisty koszt. Narzędzie z paska menu, którego zadaniem jest wyrenderowanie pola tekstowego i trochę wyjścia, dźwiga cały silnik Chromium, co przy aplikacji rezydującej stale w pamięci jest ciężarem nieproporcjonalnym do dostarczanej wartości. Jest to jednocześnie powód, dla którego ta aplikacja w ogóle istnieje, bo dzięki temu działające wydanie powstało w jeden dzień. Czy ten układ jest do przyjęcia, zależy od tego, ile aplikacji Electrona siedzi już na twoim pasku.

Licencja, kondycja i dla kogo to jest

Licencja to MIT, czyli mniej więcej najbardziej liberalna z możliwych: forkuj, zmieniaj, sprzedawaj komercyjnie, bez zobowiązań poza zachowaniem noty. Przy kodzie małym i uśpionym ma to większe znaczenie niż zwykle — jeśli API Ollamy zmieni się tak, że Dumbar przestanie działać, nic nie stoi na przeszkodzie, żeby ktoś inny to naprawił.

Liczby są skromne i uczciwe. Pięćdziesiąt dwie gwiazdki, jeden fork, zero otwartych zgłoszeń oraz wpis katalogowy bez polubień, bez ocen i bez komentarzy, założony w tym samym tygodniu, w którym pojawił się kod. Zestawiono z nim czterdzieści trzy alternatywy. Zero otwartych zgłoszeń w uśpionym repozytorium jest dwuznaczne — może oznaczać, że nic się nie psuje, albo że nikt nic nie zgłasza. Przy tej wielkości kodu pierwsza interpretacja jest wiarygodna.

Dumbar pasuje użytkownikowi Maca, który już ma Ollamę, ma już pobrane modele i chce mieć je o jedno kliknięcie zamiast o jedno okno terminala dalej — pod warunkiem, że akceptuje program, który nie będzie aktualizowany. Nie pasuje nikomu, kto potrzebuje historii rozmów, obsługi dokumentów albo produktu, za którym ktoś stoi. Warto przejrzeć źródła przed uruchomieniem, co przy tej skali jest realną sugestią, a nie pustym frazesem. Do pracy polegającej na wrzucaniu długich dokumentów i odbieraniu skondensowanego wyniku wyspecjalizowana usługa taka jak SumizAI odpowiada na zadanie, pod które Dumbar nigdy nie był kształtowany — podejście z paskiem menu jest o szybkości dostępu, a nie o przerabianiu objętości.

Strona produktu: github.com

Czym jest SumizAI

Aplikacja do notatek zbudowana wokół rozmowy z modelem AI. Zadajesz pytanie, odpowiedź płynie strumieniem, a odpowiedzi warte zachowania stają się notatkami Markdown — odkładanymi do vaulta, który jest katalogiem na Twoim dysku.

Vault to katalog z plikiem base.md, czyli wygenerowanym spisem treści do sześciu poziomów w głąb, oraz katalogiem notes/ z jednym plikiem .md na notatkę. Zanim notatka zostanie zapisana, jest sprawdzana wobec już istniejących, więc czwarta notatka o tym samym zostaje scalona, a nie dołożona. Odnośniki między notatkami to zwykłe linki Markdown do plików, które istnieją.

Model nigdy nie jest nasz: podłączasz własny klucz API do jednego z siedmiu dostawców — Anthropic, OpenAI, Gemini, Groq, OpenRouter, lokalna Ollama albo własny serwer — i płacisz temu dostawcy bezpośrednio. Z pytaniem wysyłany jest spis treści i najwyżej pięć trafnych notatek w budżecie 24 000 znaków, a aplikacja pokazuje, których pięciu użyła.

Każda tak zachowana odpowiedź trafia do zbioru jako treść notatki ai, gotowa do przeszukania miesiące później bez przekopywania starych rozmów.

Obok siebie

Czym się różnią

• Dumbar działa z Ollamą — SumizAI też: lokalna Ollama jest jednym z jego siedmiu dostawców. Model może zostać na Twojej maszynie, a odpowiedzi i tak będą odkładane jako notatki Markdown, zamiast zostawać w oknie czatu.
• W opisie Dumbar na AlternativeTo nie ma mowy o modelu AI. W SumizAI to jest punkt wyjścia: rozmawiasz z modelem na własnym kluczu API, a odpowiedzi warte zachowania stają się notatkami bez Twojego udziału w odkładaniu.
• Dumbar jest oprogramowaniem open source (MIT), a SumizAI nie. Jeśli to wgląd w kod przesądza sprawę, jest to realny argument za Dumbar. SumizAI daje w zamian gwarancję strukturalną, nie prawną: notatki to pliki Markdown w wybranym przez Ciebie katalogu, więc otwierają się w dowolnym edytorze niezależnie od tego, czy aplikacja działa.
• W opisie Dumbar na AlternativeTo nie ma mowy o Markdownie, więc zanim ją zapełnisz, sprawdź, w jakim formacie lądują notatki. SumizAI zapisuje standardowe pliki .md w wybranym przez Ciebie katalogu, a konto nieopłacone nadal potrafi je wszystkie wyeksportować.
• AlternativeTo nie wymienia mobilnej wersji Dumbar. SumizAI działa na macOS, Windows, iOS i Androidzie.

Co wybrać