Adam Kaczmarek · Solutor.pl

Zamieniam realne problemy w działające produkty cyfrowe.

Projektuję, buduję i wdrażam aplikacje od pomysłu do produkcji — łącząc myślenie produktowe z nowoczesnym, wspomaganym przez AI procesem wytwórczym.

ENERGOCHŁONNOŚĆ BUDYNKU · GJ/stopniodzień ▼ 29%
0.1362 0.1818 0.1618 0.1430 0.1293 21/22 22/23 23/24 24/25 25/26
rzeczywiste dane · 5 sezonów · 104 506 pomiarów

Jak pracuję

Od problemu do wdrożenia

Zaczynam od problemu, nie od technologii

Każdy z moich projektów powstał, bo coś realnie nie działało: chaos w domowej apteczce osoby przewlekle chorej, brak danych o pracy węzła cieplnego budynku. Najpierw rozumiem problem i użytkownika, potem dobieram narzędzia.

Dowożę działający produkt, nie prototyp

Wdrożenie na produkcję, własna domena, aplikacja instalowalna na telefonie, monitoring, telemetria, onboarding użytkownika. Projekt jest skończony wtedy, gdy ktoś go używa — nie wtedy, gdy kod się kompiluje.

AI jako zespół, ja jako architekt

Pracuję w zdyscyplinowanym procesie z modelami AI: jeden projektuje i recenzuje architekturę, drugi generuje kod, a każda zmiana przechodzi przez weryfikację przed wdrożeniem. Efekt: tempo małego zespołu przy jednoosobowych kosztach.

Projekty

Projekty, które żyją na produkcji

Nie makiety i nie repozytoria-wydmuszki. Oba rozwiązania działają publicznie — możesz je otworzyć teraz.

Data Driven Heat Control

zobacz na żywo

Monitoring i analityka węzła cieplnego budynku wielorodzinnego.

2090SDG
najzimniejszy sezon w 5-letniej historii pomiarów (2025/26)
1,16GJ/24h
…a mimo to najniższe dobowe zużycie ciepła w historii
−29%
spadek energochłonności budynku od szczytu w 2022/23
~14 000
unikniętego kosztu ciepła w trzech kolejnych sezonach

Problem

Wspólnota mieszkaniowa płaci za ciepło i serwis węzła, ale nie ma żadnych danych, by ocenić, czy instalacja pracuje optymalnie — ani argumentów w rozmowie z dostawcą ciepła i firmą serwisową.

Rozwiązanie

Dashboard analityczny zasilany automatycznie zbieranymi pomiarami co 15 minut (ponad 100 000 obserwacji z 5 sezonów). Porównuje sezony z normalizacją pogodową (stopniodni grzewcze), wykrywa anomalie względem sezonu wzorcowego i wylicza autorskie wskaźniki: Energochłonność Termiczną oraz PC Indeks — gotowość instalacji do zastąpienia pompą ciepła, z progiem opłacalności wyliczonym z realnych taryf.

Najciekawsze wyzwania techniczne

  • Automatyczny scraper z inteligentnym pobieraniem tylko brakujących danych
  • Algorytm detekcji granic sezonu grzewczego z surowych pomiarów
  • Normalizacja zużycia przez warunki pogodowe — uczciwe porównania rok do roku
  • Zgodność pracy węzła z krzywą wzorcową: wzrost z 19,9% do ~85% po interwencjach popartych danymi
  • Alerty e-mail przy spadku temperatury, harmonogram zadań w tle

Stack

PythonDash / Plotly pandasSelenium APSchedulerRender.com

MedOrganizer Pro

medorg.pl

Cyfrowa apteczka dla osób przewlekle chorych i ich opiekunów.

Problem

Osoby przyjmujące kilka leków stale balansują między „zapas się kończy" a „recepta traci ważność". Papierowe notatki i pamięć zawodzą — a skutkiem jest przerwa w leczeniu.

Rozwiązanie

Aplikacja webowa (PWA), która czyta e-recepty z PDF, automatycznie śledzi zużycie leków w czasie, przypomina o wykupie i wizycie u lekarza, synchronizuje dane między urządzeniami przez Google Drive i generuje „kartę apteczną" QR z listą zakupów dla farmaceuty.

Efekt

Kompletny produkt zbudowany i wdrożony end-to-end w pojedynkę: własna domena, instalowalna aplikacja PWA, logowanie Google OAuth, synchronizacja w chmurze, pipeline telemetrii i system onboardingu. Od pierwszej linii kodu do produkcji — jeden autor, pełna odpowiedzialność za każdą warstwę.

Najciekawsze wyzwania techniczne

  • Parser e-recept PDF odporny na różne formaty dokumentów
  • Synchronizacja wielourządzeniowa z rozwiązywaniem konfliktów (CRDT/LWW)
  • Model logistyki leków: predykcja wyczerpania zapasu na podstawie dawkowania
  • Onboarding kontekstowy prowadzący użytkownika krok po kroku

Stack

PythonFlet (PWA) Google Drive APIOAuth 2.0 PyMuPDFRender.com

Warsztat

Czym i jak pracuję

Technologie

  • Backend / danePython, pandas, NumPy
  • AplikacjeDash / Plotly, Flet (PWA)
  • IntegracjeGoogle API (Drive, OAuth, Sheets), Selenium, REST
  • WdrożeniaRender.com, Docker, DNS / domeny, GitHub
  • Dokumentyparsowanie PDF (PyMuPDF, pdfplumber), generowanie QR

Proces z AI

01

Architektura i code review. Jeden model projektuje rozwiązania, audytuje kod i weryfikuje każdą zmianę.

02

Generowanie kodu. Drugi model implementuje według zatwierdzonej specyfikacji.

03

Zasada żelazna. Żaden wygenerowany kod nie trafia do projektu bez przeglądu.

Ten proces to nie skrót — to metoda. Daje mi przewagę szybkości przy zachowaniu kontroli nad jakością i architekturą.

Współpraca

W czym mogę pomóc

Dla firm — zlecenie lub współpraca

Buduję narzędzia wewnętrzne, dashboardy analityczne, automatyzacje i aplikacje webowe — od rozmowy o problemie do działającego wdrożenia. Najlepiej sprawdzam się tam, gdzie problem jest realny, a zespołu IT brak albo ma pilniejsze rzeczy.

Opisz mi swój problem

Dla pracodawców — rekrutacja

Szukasz osoby na styku produktu i technologii — kogoś, kto rozumie kod na tyle, by go recenzować i architektować, a jednocześnie myśli wdrożeniem, użytkownikiem i efektem biznesowym? Porozmawiajmy — CV wysyłam na życzenie.

Poproś o CV