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.
Droga jednego zamówienia. Bez mojego udziału na żadnym etapie.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
57,8 tys.linii Pythona
kilkanaściemodułów
co 5 minutkontrola serwera
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:
Zadania i harmonogram: co, kiedy i w jakiej kolejności.
Kalendarz: plan dnia i tygodnia w jednym widoku.
CRM: kontakty i historia ustaleń.
Poczta: wysyłka z gotowych szablonów, z zapisem każdej wiadomości.
Mailing i newsletter: listy odbiorców, zapisy i kalendarz wysyłek.
Finanse: przychody, koszty i rozliczenia.
Oferty: przygotowanie i wysyłka.
Dokumenty: tworzenie i eksport do PDF.
Notatki i pliki: materiały robocze pod ręką.
Kosz i archiwa: nic nie znika bezpowrotnie.
Monitoring: co 5 minut sprawdza, czy serwer odpowiada i jak stoją zasoby
maszyny, alarmuje mailem i trzyma całą historię.
Centrum zadań, czyli zaplecze dla agentów AI: zlecam robotę botom,
zarządzam ważnością zadań i pilnuję, żeby wykorzystać do końca moc, za którą
płacę.
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.
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
31 tys.linii Pythona
1800+linii Pine Script
9 latdanych do sprawdzenia
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, 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.