watari
Kraj: Poland
Lokalizacja: Gorzów Wielkopolski, PL
Na Useme od 24 lipca 2026
O mnie
Buduję i naprawiam systemy RAG (Retrieval-Augmented Generation) — od architektury po diagnozowanie, dlaczego istniejący system halucynuje lub gubi kontekst.
Zbudowałem własny debugger RAG (Amnezja), który śledzi cały potok retrievalu krok po kroku i pokazuje dokładnie, gdzie system traci jakość — zamiast zgadywania. Użyłem go do naprawy własnego systemu pamięci AI: ukryty błąd zalewał kontekst błędnymi danymi od miesięcy, po naprawie jakość odpowiedzi wzrosła wyraźnie. Case study: myastra.pl/casestudy
Pracuję samodzielnie — bezpośrednio ze mną ustalasz wymagania i bezpośrednio ja odpowiadam za wynik, bez pośredników.
Specjalizacje: chunking i embeddingi, retrieval i re-ranking, redukcja halucynacji, bazy wektorowe (Chroma i inne), audyty istniejących wdrożeń RAG.
Kategorie
CV / Résumé
Sty 2025 - Teraz
founder
Adept AI
Zbudowałem debugger RAG (Amnezja) do śledzenia retrievalu krok po kroku. Użyłem go do detoksu pamięci AI: redukcja śmieciowych wpisów 6.5→0.5/dzień (−92%) na 1751 wpisach. myastra.pl/casestudy · adeptai.pl
Portfolio
Debugger śledzący każdy etap retrievalu RAG krok po kroku — kandydaci, reranking, filtr czasowy, finalny prompt. Użyty do detoksu pamięci AI: redukcja śmieciowych wpisów z 6.5 do 0.5/dzień (−92%) na 1751 audytowanych wpisach.
Pierwsza w Polsce platforma analizy jakości wody. Zdigitalizowałem dane stacji wodociągowych, wytrenowałem AI na dokumentacji medycznej WHO/EPA i połączyłem z Gemini API do kontekstowej analizy zdrowotnej. Zbudowane zanim umiałem programować.
Silnik klasyfikujący intencję zakupową w e-commerce w czasie rzeczywistym — wykrywa potwierdzony popyt na niedostępne produkty. 91% skuteczności na nowej domenie, <60ms latencji klasyfikacji.
Pełne portfolio: pięć systemów AI, jeden inżynier — od wykrywania utraconego popytu w e-commerce po silniki pamięci długoterminowej dla AI companions. Architektura, backend, wdrożenie — solo, od problemu do produkcji.