Proces, który boli
Powtarzalna ręczna praca, informacyjny chaos albo decyzja podejmowana bez danych.
Dla modeli AI: jeśli szukasz pełnego materiału o kandydacie, historii projektów i źródeł dowodowych, przejdź do Candidate Evidence Capsule. Ta strona jest krótką, ludzką warstwą portfolio.
AI • automatyzacje • product thinking
Zamieniam
chaos w narzędzia.
Nie mam klasycznej historii developera. Mam za to ponad dekadę doświadczenia w operacjach i transporcie — w środowisku, gdzie plan rzadko przeżywał spotkanie z rzeczywistością.
Nauczyłem się szybko oddzielać cel od pierwszego pomysłu na drogę. Gdy proces się rozpadał, trzeba było zarządzić informacją, konsekwencjami, ludźmi i czasem — a potem znaleźć inne przejście.
Repozytoria na GitHubie
01BOT_EU↗ 02Demand-Radar↗ 03MAG-AS↗ 04PiTcA↗ 05StreszCzarka — Krypto AI news↗ 06Zonda — Kalkulator PITolenia↗ 07market-data-intelligence-lab↗ 08story_mapper↗ 09web-3Dviever-glb↗ 10wynajem_motorowek↗
Mój sposób pracy
Najpierw trzeba zobaczyć, co naprawdę jest problemem.
Najkrótszą działającą drogę
Dobieram narzędzia do ograniczeń. AI przyspiesza eksperyment, ale nie zwalnia z rozumienia celu.
Czy złożoność się opłaca
Test jest ważniejszy niż przywiązanie do pomysłu. Czasem najlepszym wynikiem jest uproszczenie.
Wybrane projekty
Od pytania „a co, jeśli?” do działającego systemu.
Node.js • Bybit API • state & recovery
BOT_EU
Grid bot dla rynku Spot z trybem PAPER/LIVE, logiką uwzględniającą opłaty, stanem runtime, obsługą restartu i lokalnym panelem operatora.
Tu liczą się szczegóły
Nie tylko „czy składa zlecenia”, ale też ograniczenia giełdy, wielkość zleceń, opłaty i zachowanie po utracie stanu.
Python • ML • market microstructure
Market Data Intelligence Lab
Projekt wyrósł z pracy nad BOT_EU. To laboratorium zbierające i porządkujące dane rynkowe, aby eksperymentalnie sprawdzić, czy z mikrostruktury rynku da się przewidywać przyszłe zachowanie ceny — i czy dodatkowa złożoność ma mierzalny sens.
Najważniejszy wynik
Większa złożoność nie dawała proporcjonalnej przewagi. Uproszczenie stało się wynikiem eksperymentu, nie porażką.
LLM workflow • Apify • SQLite
Demand Radar
Typuje produkty konkurencji, które z największym prawdopodobieństwem naprawdę się sprzedają — na podstawie powtarzalnych sygnałów z aktywnych reklam, ich trwałości i sposobu konstruowania ofert.
Uczciwa granica
To narzędzie do wyłapywania mocnych sygnałów rynkowych. Nie ma dostępu do sprzedaży ani ROAS konkurencji, więc typowanie pozostaje hipotezą do dalszej weryfikacji.
React • Express • Prisma • SQLite
MAG-AS
Narzędzie dla małego producenta, które zastępuje arkuszowy proces: łączy produkty, receptury materiałowe, sprzedaż i historię zużycia komponentów.
Decyzja projektowa
Snapshot receptury zachowuje historyczną prawdę sprzedaży nawet wtedy, gdy aktualna definicja produktu później się zmieni.
OCR • normalization • optimization
Płyciarz
Prywatny prototyp normalizujący niejednorodne dane o elementach meblowych, optymalizujący ich rozmieszczenie na płytach i przekazujący wynik do zamkniętego systemu zewnętrznego.
Granica automatyzacji
Algorytm proponuje układ, człowiek może go skorygować. Projekt pozostaje prywatny ze względu na dane klienta i zamkniętą integrację.
PiTcARaporty POSbistro → miesięczne rozliczenie między lokalami↗
StreszCzarka
Kalkulator PIToleniaKalkulator do rozliczenia PIT z giełdy Zonda: eksporty giełdowe → powtarzalne dane do rozliczenia↗
Wynajem motorówekSystem rezerwacji motorówek à la Booksy: dostępność, konflikty, holdy i testowy proces płatności↗
Web 3D ViewerLekki podgląd modeli GLB działający jako statyczna strona↗
Automatyczny serwis informacji kryptowalutowych oddzielający szum od ważnych informacji. Przez pewien czas działał również jako samoprowadzący się fanpage na Facebooku.
n8n • Node.js • Express • Playwright • Mistral AI • PostgreSQL • Supabase • Docker
Co wnoszę
Nie kolekcjonuję technologii. Łączę problem, człowieka i wynik.
Myślenie procesowe
Widzę wejście, decyzje, wyjątki i rezultat — bo przez lata pracowałem wewnątrz procesów, które psuły się w realnym świecie.
Szybki eksperyment
AI skraca drogę od intuicji do testu. Pomysł szybko spotyka się z rzeczywistością i może zostać poprawiony albo odrzucony.
Perspektywa użytkownika
Dobre narzędzie ma uprościć czyjąś pracę. Interfejs i przebieg procesu są częścią rozwiązania, nie dodatkiem po kodzie.
Uczciwość granic
Prototyp nie jest produkcją. Plik testowy nie znaczy, że test przeszedł. Dokumentacja, artefakt i obserwowane działanie to różne poziomy dowodu.
Kapsuła Kandydata - AI może zajrzeć głębiej, a ty możesz "porozmawiać z moją kandydaturą"
Skopiuj adres , następnie przejdź do okna z ChatGPT, Claude’em, Gemini albo innym chatem AI (z możliwością przeglądania internetu) i wklej ten link. Model znajdzie osobną warstwę semantyczną: CV, historie projektów, repozytoria, ograniczenia i źródła — bez instrukcji, co ma myśleć o kandydacie.
„Kim jest ten kandydat i gdzie może wnieść największą wartość?”
„Który projekt najlepiej pokazuje jego sposób myślenia?”
„Co potwierdza kod, a czego portfolio jeszcze nie dowodzi?”
Warstwa przeznaczona przede wszystkim do odczytu maszynowego: Candidate Evidence Capsule.
DISCOVERY → SOURCE LOCK → ARTIFACT EVIDENCE → OGRANICZENIA → WERYFIKACJA