Tomasz Koczubiej

Buduję systemy łączące Python, LLM i automatyzację. Poniżej kilka efektów.

Ponad 12 lat wdrożeń technologii u klientów, teraz także po stronie kodu.

Produkt na żywo Kontakt

Tomasz Koczubiej

Generator spersonalizowanych dokumentów

moja-architektura.pl

Problem

W świecie wiecznej gonitwy za czymś ciężko jest dotrzeć do głębi własnego wnętrza, by poznać i tak naprawdę zrozumieć siebie. Indywidualna analiza Human Design to narzędzie, które ma to ułatwić każdemu, kto tego potrzebuje. Problem w tym, że powstaje z daty, godziny i miejsca urodzenia konkretnej osoby. Ma od 60 do 70 stron czystego tekstu. Ręczne składanie takiego dokumentu odpada: nawet przy kopiowaniu gotowych fragmentów łatwo o pomyłkę, a całość i tak trzeba dopasować do jednej osoby. Oddanie tego modelowi językowemu odpada z dwóch powodów: kosztów oraz tego, że przy długich tekstach modele zaczynają zmyślać.

Rozwiązanie

Zbudowałem mechanizm, który przechodzi całą tę drogę sam: od kalkulatora, który liczy położenie gwiazd w momencie urodzenia danej osoby, i to z dwóch punktów w czasie jednocześnie, przez bazę tekstów i dopasowanie ich do konkretnej osoby, po złożenie gotowego pliku PDF. Po opłaceniu zamówienia dokument idzie mailem prosto do zamawiającego, od ręki. Tak powstają dwa produkty: spersonalizowana analiza Human Design dla osoby dorosłej, od 60 do 70 stron, oraz analiza dziecka w formie poradnika dla rodzica, ponad 50 stron. Wokół nich zbudowana jest reszta sklepu: 79 podstron, program partnerski, maile potwierdzające i newsletter.

Zamówienie Płatność Wyliczenia Gotowy PDF Wysyłka mailem Zamówienie Płatność Wyliczenia Gotowy PDF Wysyłka mailem
Droga jednego zamówienia. Bez mojego udziału na żadnym etapie.
Wykres wyliczony przez kalkulator: sylwetka z zaznaczonymi ośrodkami i połączeniami, po bokach dwie kolumny liczb.
Wynik z kalkulatora. Wizualizację, która „żyje”, napisałem od podstaw.

Dlaczego w taki sposób

Zależało mi na dokumencie wysokiej i równej jakości przy każdym zamówieniu. Dlatego składa go automat według moich reguł, a nie sztuczna inteligencja w locie. AI natomiast pracuje u mnie wcześniej, przy wytwarzaniu: pomaga pisać i sprawdzać treści oraz budować narzędzia.

Wynik

Silnik liczący dane napisałem od podstaw, zamiast płacić za gotowy, i udostępniłem publicznie jako kalkulator z własną wizualizacją wykresu. Jego poprawność sprawdziłem, porównując wyniki z oficjalnym kalkulatorem Human Design. Za produktami pracuje baza treści na ponad 170 tysięcy słów, zbudowana pod moją kontrolą jakości. Silnik, generator i sklep to około 5,7 tys. linii mojego kodu w Pythonie. Serwis i sklep działają w produkcji. Na serwerze czuwa worker, który kolejkuje zadania i wydaje zamówienia, a całości pilnuje monitoring sprawdzający stronę i maszynę.

Platforma operacyjna

Menadżer i Centrum

Problem

Prowadzenie działalności w pojedynkę oznacza kilkanaście osobnych narzędzi. Komunikacja między nimi zabiera czas, a przy tym łatwo o pomyłkę.

Rozwiązanie

Napisałem własną aplikację, w której prowadzę całą działalność. Kilkanaście modułów, około 57,8 tys. linii Pythona:

Ostatni z tej listy jest najważniejszy, bo to nim powstała większość tego, co pokazuję obok, i dzięki niemu nic z opłaconej mocy się nie marnuje.

Widok kalendarza w aplikacji Menadżer, z listą modułów po lewej stronie.
Kalendarz w Menadżerze. Po lewej lista modułów.

Dlaczego w taki sposób

Chciałem jednego miejsca, w którym automat i bot przygotowują robotę, a zatwierdzam ją ja. Nic nie rusza się samo: to, co ma skutek na zewnątrz, czeka na moje kliknięcie. Gotowe programy trzeba by spinać ze sobą integracjami, a nie znalazłem takiego, który robiłby tę jedną rzecz, na której zależało mi najbardziej.

Wynik

Całą działalność prowadzę z jednego miejsca: zadania, kontakty, pieniądze, wysyłki i wiele innych. Wszystko mam pod kursorem myszki.

Narzędzia analizy rynku

Monitoring krypto na żywo i pomiar skuteczności

Problem

Analiza rynku wymaga patrzenia na kilkanaście rzeczy naraz: wskaźniki, zmienność, analizę techniczną, to gdzie leżą ważne poziomy, ilu jest chętnych do handlu, co widać w danych z blockchaina, jak różne waluty zachowują się względem siebie.

Rozwiązanie

Zbudowałem sobie zestaw narzędzi pracujących na żywych danych. Trzon to pasek na pulpicie, który na bieżąco wyświetla kilka zmiennych i alarmuje, gdy coś się dzieje na rynku. Reszta siedzi w programie okienkowym, który pobiera dane z kilku miejsc naraz i grupuje je w jednym miejscu. Dzięki temu decyzja o inwestycji jest łatwiejsza, bo program pokazuje, ile zmiennych przemawia za kupnem, a ile za sprzedażą. Najważniejszy moduł to podgląd na żywo: widać na bieżąco, na jakich poziomach czekają grube ryby, gdzie są zakładane pułapki i gdzie leżą poziomy likwidacji pozycji lewarowanych. Jest też kalkulator wielkości pozycji z podglądem portfela i automatyczny odczyt danych prosto z blockchaina. Do tego rozbudowane wskaźniki na TradingView, własnej produkcji.

Podgląd zleceń czekających na giełdzie, z paskami pokazującymi wielkość zleceń powyżej i poniżej ceny.
Podgląd zleceń czekających na giełdzie, na żywych danych.

Weryfikacja

Sprawdziłem, czy to naprawdę działa. Kilkanaście testów statystycznych na dziewięciu latach danych, każdy porównany z wynikiem losowym. Wniosek przyjąłem taki, jaki wyszedł: to narzędzie bardzo dobrze opisuje stan rynku, ale nie przewiduje przyszłości.

Dlaczego w taki sposób

Narzędzie jest dopasowane do mnie: przygotowuje przesłanki i ostrzega, a decyzję podejmuję ja.

Wynik

Cały warsztat to około 31 tys. linii Pythona, z czego sam program okienkowy na pulpicie to ponad 14 tys. i 8 plików testów jednostkowych. Wszystko własnej roboty i w jednym miejscu: dane giełdowe na żywo, zewnętrzne źródła danych oraz analiza przesłanek za i przeciw, oparta na liczbach.

Jak pracuję

  1. Definiuję problem.
  2. Rozpisuję go z AI na specyfikację.
  3. Wybieram najprostszą możliwą formę.
  4. Robię plan prac.
  5. Buduję kawałkami, nie całością.
  6. Rozdzielam role między modele.
  7. Uczę się na bieżąco, żeby nie być zakładnikiem.
  8. Dokumentuję dla samego siebie.
  9. Używam, obserwuję, sprawdzam, poprawiam.

W skrócie: człowiek z kilkoma modelami AI nie musi pisać kodu ręcznie. Musi umieć precyzyjnie opisywać, dzielić pracę na małe kroki i testować po każdym kroku. Reszta jest wykonawstwem, które modele robią coraz lepiej.

Czym pracuję

Python (Flask, Tkinter), SQLite, Linux i praca w wierszu poleceń (bash), nginx, certbot, WeasyPrint, Swiss Ephemeris, Pine Script (TradingView), zewnętrzne API (dane giełdowe i blockchain, poczta, media społecznościowe), modele językowe w wytwarzaniu (Gemini, ChatGPT, Claude), agenci i własne narzędzia, git.

Kontakt