Tomasz Koczubiej

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

Blisko 8 lat wdrożeń technologii u klientów, teraz także po stronie kodu.

Produkt na żywo Kontakt

Tomasz Koczubiej

Generator spersonalizowanych dokumentów

moja-architektura.pl

Problem

Sprzedaję analizę Human Design, która przy każdym zamówieniu wygląda inaczej, bo powstaje z daty, godziny i miejsca urodzenia konkretnej osoby. Ma od 60 do 70 stron. 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 sklep, który przechodzi całą tę drogę sam. Zamówienie, płatność, wyliczenia, złożenie gotowego pliku PDF i wysyłka mailem idą jedną drogą, w której nie robię nic, a dokument przychodzi od ręki, zaraz po opłaceniu. 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 stoi reszta sklepu: 79 podstron, program partnerski z prowizjami, 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 tak

Zależało mi, żeby te same dane zawsze dawały ten sam dokument, w tej samej jakości, przy każdym zamówieniu. Dlatego składa go zwykły program według moich reguł, a nie sztuczna inteligencja w locie. AI pracuje u mnie wcześniej, przy wytwarzaniu: pomaga pisać i sprawdzać treści oraz budować narzędzia. Przy samej produkcji dokumentu nie ma jej wcale.

Wynik

Sklep działa naprawdę i przyjmuje płatności online. 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 stoi 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.

Platforma operacyjna

Menadżer i Centrum

Problem

Prowadzenie działalności w pojedynkę oznacza kilkanaście osobnych narzędzi i żadne nie rozmawia z resztą. Doszła do tego potrzeba, której gotowe programy w ogóle nie mają: zlecać robotę agentom AI i odbierać ją w jednym miejscu, zamiast przeklejać ręcznie.

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 tak

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 i wysyłki. Aplikacja pilnuje się sama i daje znać mailem, kiedy coś przestaje działać.

Narzędzia analizy rynku

Monitoring krypto na żywo i pomiar skuteczności

Problem

Analiza rynku wymaga patrzenia na kilkanaście rzeczy naraz: co robi cena, gdzie leżą ważne poziomy, ilu jest chętnych do handlu, gdzie giełda zamyka pozycje na siłę, co widać w danych z blockchaina, jak różne waluty zachowują się względem siebie. A popularne metody rzadko ktokolwiek sprawdza pomiarem.

Rozwiązanie

Zbudowałem sobie zestaw narzędzi pracujących na żywych danych. Trzon to program okienkowy na pulpicie: podgląd zleceń czekających na giełdzie, po którym widać, gdzie ustawiają się najwięksi, pasek cen z alarmami, kalkulator wielkości pozycji z podglądem portfela oraz automatyczny odczyt danych prosto z blockchaina. Do tego rozbudowany wskaźnik na TradingView (Pine Script, ponad 1800 linii, kilkadziesiąt alarmów do ustawienia).

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. I tak o nim mówię.

Dlaczego tak

Automat przygotowuje przesłanki i ostrzega, decyzję podejmuje człowiek. Mierzę, zamiast wierzyć.

Wynik

Same narzędzia na pulpicie to program okienkowy napisany w Pythonie: ponad 14 tys. linii i 8 plików testów jednostkowych. Kompletny warsztat analityczny własnej roboty, wszystko w jednym miejscu: dane giełdowe na żywo, zewnętrzne źródła danych oraz analiza przesłanek za i przeciw, oparta na liczbach, a nie na zgadywaniu.

Jak pracuję

Mierzę, zamiast wierzyć.

Automat przygotowuje i ostrzega, decyzję podejmuje człowiek. Ta sama zasada wyszła mi w trzech różnych systemach, więc przestałem ją traktować jak przypadek. Wskaźnik pokazuje przesłanki, ale sam nie handluje. Program wysyłający zmiany na serwer ruszy tylko to, co zaznaczę. Kontrola jakości krzyczy, ale nie blokuje.

Zanim uwierzę, że coś działa, mierzę to i porównuję z wynikiem losowym. Wynik przyjmuję taki, jaki wyszedł, także wtedy, gdy nie schlebia mojej własnej robocie.

Robię małymi partiami i sprawdzam po każdej. Każde wydanie na serwer ma jawny spis plików, program sam wykrywa, co się zmieniło, i ostrzega, gdy coś wygląda podejrzanie, ale rusza dopiero, kiedy kliknę.

Tam, gdzie liczy się powtarzalność, kod jest zwykły i przewidywalny. Modele językowe traktuję jak narzędzie do wytwarzania, a nie jak wyrocznię. Nie trzymam się jednego: każdy dostaje to, w czym jest najlepszy, a wynik sprawdzam innym modelem niż ten, który go napisał.

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