Vibe coding nie jest leniwe — jest bardziej odpowiedzialne
Dlaczego przerzucenie klawiatury na agenta wymaga więcej dyscypliny niż sam kodzenie. O rolach, guardrailach i tym, kiedy powiedzieć „nie, popraw”.
Projektuję i wdrażam web, AI i R&D — jako jedna osoba łączę design system, implementację i agentowy workflow w spójną całość, którą da się zmierzyć.
Zbudowane z narzędzi i technologii, którym ufam
Poniżej pokazuję trzy flagowe projekty z żywymi symulacjami — każdy reprezentuje inny obszar mojej pracy.
Flagowy projekt · interaktywny podgląd
Jedno miejsce, w którym pomysł na grę zamienia się w grywalny prototyp. Piszesz do agenta co ma zrobić, a on czyta pliki, planuje zmiany, pisze kod, uruchamia testy i pokazuje wynik — bez wychodzenia poza studio.
Cztery tryby pracy. Agent działa sam od początku do końca zadania, Edit poprawia zaznaczony fragment, Plan rozpisuje kroki przed działaniem, a Ask odpowiada na pytania bez ruszania kodu. Każdy tryb ma własne narzędzia i własny ton rozmowy.
Prawdziwe studio, nie tylko edytor. Markdown w kilkunastu stylach z eksportem do PDF, kompilator LaTeX, generator i obróbka obrazów, Kanban projektu, web scraper do research'u, transkrypcja głosu, synteza mowy, integracja z Git i terminal. Wszystko pod ręką, w tym samym oknie.
Najedź kursorem, żeby zobaczyć agenta w akcji. Kliknij plik w drzewie albo wybierz operację z górnego menu — każda funkcja ma własny scenariusz pokazujący, jak działa w praktyce.
Moduł
Flagowy projekt · pełna aplikacja
Stworzona od zera aplikacja do śledzenia wydatków domowych. Robisz zdjęcie paragonu, a Gemini 2.5 czyta go w locie — wyciąga produkty, ceny, sklep, miasto, adres, rabat, a nawet stawki VAT. Każda pozycja trafia do jednej z 50 kategorii, a miesięczne budżety aktualizują się automatycznie.
Mobile-first interfejs z 13 widokami: dashboard z dziesięcioma kafelkami akcji, lista paragonów z filtrami, szczegóły paragonu z trzema funkcjami AI (sugestie dań, analiza zdrowotności, sezonowość), zarządzanie limitami z kolorowymi alertami, raporty tygodniowe, listy zakupów, wyszukiwarka z historią cen, powiadomienia, profil z kluczami API i instrukcja systemu.
Sercem jest asystent AI z 25 narzędziami (function calling) i warstwą RAG nad dokumentacją — zapytaj „Ile wydałem na mięso w maju i czy przekraczam budżet?”, a w odpowiedzi zobaczysz żywe wywołania toolsów, wyniki JSON, strumieniowy tekst i wykres tygodniowy. Drugi use case: „Stwórz listę zakupów na niedzielę” — asystent wywołuje manage_shopping_list, zapisuje listę i pokazuje ją w widgecie.
Stack backendu: Flask 3, SQLAlchemy, MariaDB (12 tabel, named parameters), ChromaDB z polskimi embeddingami, JWT + bcrypt, Gemini 2.5 Flash Lite do OCR i konwersacji. Frontend to vanilla-JS SPA z Jinja2, ~15 modułów JS.
Najedź kursorem na telefon, żeby włączyć pętlę — symulacja sama przeprowadzi cię przez wszystkie funkcje w logicznej kolejności. Kliknij dowolny wpis w bocznym menu, żeby skoczyć bezpośrednio do wybranej funkcjonalności.
Funkcjonalności
ParagonyOSA
Hover w telefon = pętla. Klik w funkcję = skok bezpośredni.
…
Flask 3 · Gemini 2.5 · MariaDB · ChromaDB RAG
Maj 2026 · Twoje finanse
Maj 2026
Biedronka
11.05.2026 · 7 poz.
Lidl
09.05.2026 · 5 poz.
Rossmann
08.05.2026 · 3 poz.
aktywna funkcja
…
Flagowy projekt · pełna platforma streamingowa
Własny Netflix. Katalog większy niż najwięksi gracze w Polsce — ponad 70 000 tytułów z pełnymi opisami, obsadą, ocenami i plakatami. Bez reklam, bez pop-upów, bez limitów oglądania. Logujesz się, wybierasz i oglądasz.
Ciągła aktywizacja danych. W tle działa pipeline, który codziennie dociąga nowe premiery z kilkunastu źródeł w internecie — zbiera opisy, postery, tła, obsadę, dane techniczne i kompletny zestaw linków do odtwarzania. Każdy nowy tytuł trafia do systemu akwizycji razem ze wszystkim, czego potrzebujesz, by od razu go włączyć.
Inteligentny restreaming. Serwer sam rozszyfrowuje zaszyfrowane źródła wideo i puszcza je przez własny proxy — dostajesz czysty strumień w 1080p prosto z aplikacji, bez trackerów, bez reklam, bez czekania na timery. Kiedy jedno źródło padnie, system w locie przeskakuje na kolejne, więc odtwarzanie nie urywa się w środku filmu.
Asystent AI, który rozumie po polsku. Opisujesz nastrój, reżysera, długość czy klimat — model dobiera kilka najbardziej trafnych tytułów z katalogu wraz z krótkim uzasadnieniem. Dodaj do tego wtyczkę przeglądarki, która czyści popularne serwisy z reklam i limitów, i masz kompletne doświadczenie oglądania bez kompromisów.

Oglądaj gdziekolwiek. Anuluj w dowolnym momencie.
Gotowy do oglądania? Wpisz adres e-mail, aby utworzyć konto lub zalogować się.
1
2
3
4
5
6
7
8
9
10Smart TV, PlayStation, Xbox, Chromecast, Apple TV i wiele innych urządzeń.
Pobieranie…
Zapisuj ulubione tytuły — Plan Premium pozwala pobierać bez limitu.
Przy płatności za cały rok oszczędzasz 15% i odblokowujesz wcześniejszy dostęp do nowych funkcji (Features Preview).
Start bez karty · zawsze 0 zł
Rodzina i znajomi · do 4 ekranów
Dwie osoby · max 2 oglądania
Widok 1/8
hero · Top 10 · plany

1
2
3
4
5
6
O mnie
Buduję produkty i systemy na styku web, AI, IoT oraz researchu. Interesuje mnie szybkie przechodzenie od pomysłu do działającego MVP: od architektury i logiki, przez usługi i algorytmy, po prototypy wspierane agentami LLM.
Łączę Next.js, TypeScript, Python, C# i backend z agentowym workflow. Projektuję flow systemów, usługi, wzorce i logikę biznesową, a modele LLM wykorzystuję w analizie, automatyzacji, skanowaniu obszarów i inżynierii wstecznej. Ten sposób pracy sprawdza się w praktyce — od researchu i MVP po wdrożenie działającego produktu.
LLHQ.pl · Technology Studio
LLHQ.pl rozwija nowoczesne produkty cyfrowe dla firm i instytucji — od stron oraz aplikacji webowych po automatyzacje, narzędzia wewnętrzne i systemy wykorzystujące AI. Łączę szybkie prototypowanie z myśleniem produktowym, aby powstawały rozwiązania funkcjonalne, skalowalne i łatwe w dalszym rozwoju.
Praca z AI nie kończy się na generowaniu kodu. Łączę research, analizę ryzyka, szybkie MVP, testy, wdrożenie i rozwój produktu w jeden proces — od pierwszej intencji aż po skalowanie i sprzedaż.
LLM nie jest dla mnie tylko rozszerzonym autocomplete. Pracuje z kontekstem projektu, korzysta z własnych narzędzi, respektuje konwencje kodu i samodzielnie weryfikuje efekt przez testy.
Opisuję cel, ograniczenia i oczekiwany rezultat. Agent analizuje repozytorium, proponuje rozwiązanie i wdraża zmianę, a ja oceniam decyzje techniczne, diff oraz działanie gotowej funkcji.
Zmiany powstają w odizolowanym workspace z jasno określonym zakresem dostępu. Mogę bezpiecznie eksperymentować, porównywać warianty i szybko wycofać nietrafioną implementację.
Hot reload, środowiska preview, lint, build i testy uruchamiane przez agenta skracają drogę od pomysłu do zweryfikowanej zmiany. Błędy wychodzą na jaw podczas pracy, a nie dopiero przy manualnym QA.
0×
szybsze prototypowanie
0
proces od pomysłu do sprzedaży
0+
tooli dobieranych zależnie od zadania
0
kroków pełnego flow
9 kroków pełnego flow
Opisuję co i dlaczego. Wymagania są narracyjne, nie ticketowe.
Wyszukuję źródła literaturowe, dokumentację i dane potrzebne do podjęcia trafnych decyzji.
Oceniam wykonalność, koszty, ograniczenia techniczne oraz ryzyka biznesowe i prawne.
Buduję najmniejszą wersję produktu, która rozwiązuje realny problem i pozwala zebrać feedback.
Uruchamiam testy, lint, build i diagnostykę. Sprawdzam stabilność rozwiązania oraz przypadki brzegowe.
Porównuję rezultat z założeniami, analizuję feedback i poprawiam elementy wymagające dopracowania.
Przenoszę rozwiązanie na produkcję, wykonuję smoke testy i konfiguruję monitoring działania.
Rozbudowuję funkcje, optymalizuję infrastrukturę i przygotowuję system na większą liczbę użytkowników.
Przekładam gotowy produkt na konkretną ofertę, prezentuję wartość biznesową i docieram do klientów.
Stack, modele, MCP i tooly
| Narzędzie | Rodzaj | Do czego |
|---|---|---|
| GPT-5.x / Claude Opus 4.x / Gemini | Model | reasoning, research, analiza dokumentów, generowanie kodu i ocena wariantów |
| Codex / Claude Code / Cursor / Kiro | Agent AI | agenty AI pracujące na repozytorium: plan, implementacja, refactor i review |
| MCP / Function Calling / własne tooly | MCP | dostęp agentów do dokumentacji, filesystemu, baz danych, API i wyszukiwania |
| MariaDB / PostgreSQL / SQLite / Supabase | Dane | relacyjne bazy danych, modelowanie schematów, analityka i trwałość danych |
| ChromaDB / FAISS / Sentence Transformers | Dane | embeddingi, wyszukiwanie semantyczne i lokalne warstwy RAG |
| Python / Flask / FastAPI / Next.js | Backend | backendy aplikacji, REST API, pipeline'y danych i integracje z usługami |
| Docker / Proxmox / Cloudflare / Vercel | Infra | kontenery, home lab, bezpieczne tunele, środowiska preview i wdrożenia |
| Git / GitHub Actions / Playwright / pytest | Quality | wersjonowanie, automatyzacja CI, testy end-to-end i testy backendu |
| Agile / MVP / iteracyjny delivery | Proces | priorytetyzacja, szybka walidacja założeń, feedback i rozwój produktu |
Jak optymalizuję proces
Guardraile
Krótkie, konkretne notatki z pracy nad produktami i agentami. Żadnego clickbaitu — wstęp, teza, kod, wnioski.
Dlaczego przerzucenie klawiatury na agenta wymaga więcej dyscypliny niż sam kodzenie. O rolach, guardrailach i tym, kiedy powiedzieć „nie, popraw”.
Rozkład anatomiczny Model Context Protocol. Co faktycznie kryje się pod tym akronimem, kiedy go używać, a kiedy wystarczy zwykły tool call.
Jak przepiąłem cały design system na OKLCH, co zyskałem na kontraście i dlaczego ciemne motywy wreszcie wyglądają dobrze bez ręcznych poprawek.
Nie używam formularzy — zamiast tego odpisuję bezpośrednio w wiadomościach. Poniżej pokazuję, jak wygląda dobry, konkretny pierwszy message, i dlaczego.
Albo jeśli wolisz klasycznie — hello@llhq.pl. Odpowiadam w ciągu 24h w dni robocze.