EN PL DE
Kontakt
Krzysztof Kaim

Systemy AI-native, budowane z produkcyjną dyscypliną.

Inżynieria agentowa, integracje MCP i oprogramowanie klasy enterprise osadzone w systemach, które naprawdę muszą przetrwać produkcję.

Zobacz projekty ↘Tryb Kaimtosh
Starszy inżynier oprogramowania · Systemy AI i inżynieria agentowaKraków, Polska · Zdalnie
@krzysztofkaim
Aktywność GitHub · 13 mies.
…0 zdobytych punktów
GitHub ↗
Publiczna aktywność @krzysztofkaim
MniejWięcej
Kaimtosh Classic
Karta profilu / system gotowy
KAIM / 01
Krzysztof Kaim

Starszy inżynier oprogramowania · systemy AI i inżynieria agentowa

Lokalizacja
Kraków, Polska · Zdalnie
Kontakt
—
Status
Gotowy produkcyjnie
domen funkcjonalnych w Manufakturze MES/APS38
aktywnych endpointów REST w Manufakturze396
metod testów xUnit i Vitest chroniących regresję1,789
maszyn ujętych w przepływach telemetrii54+

KAIM / BIBLIOTEKA REALIZACJI

Zacznij od systemów, które definiują tę pracę, a potem zajrzyj do dowodów stojących za nimi. Pełne studia przypadków mają własne strony kanoniczne; pliki archiwum tworzą zwartą warstwę inspekcji.

Pełne studium przypadku Szybki podgląd

01 / FLAGOWE SYSTEMY

CO / ROLA / DOWÓD są widoczne od razu. Gotowe wpisy prowadzą do pełnego, kanonicznego studium przypadku.

01 / SYSTEM PRODUKCJA / KLIENT NDA

MES / APS · system produkcyjny

Manufaktura

PODGLĄD PRODUKTU
JASNY JASNY 50% CIEMNY 50% CIEMNY
CO
Produkcyjny MES/APS obejmujący planowanie, wykonanie, magazyn, ERP i telemetrię stanu maszyn.
ROLA
Produkcja · jedyny właściciel techniczny
DOWÓD
38 domen · 396 endpointów · 1 789 metod testowych
02 / SYSTEM AKTYWNY NIEZALEŻNY PRODUKT

Analiza działki · wsparcie decyzji geoprzestrzennych

Okolica Działki

PODGLĄD PRODUKTU
JASNY JASNY 50% CIEMNY 50% CIEMNY
CO
Ocena konkretnej działki łącząca dane ewidencyjne, mobilność, planowanie, teren i ryzyka.
ROLA
Architekt produktu · full-stack engineer
DOWÓD
6 domen · 10+ rodzin źródeł · 60 testów regresyjnych
03 / SYSTEM W PRZYGOTOWANIU

Dostarczanie agentowe

System agentowy

PODGLĄD PRODUKTU
PODGLĄD W PRZYGOTOWANIU Materiał wizualny pojawi się po zakończeniu aktualizacji.
CO
Agentowy przepływ dostarczania korzystający z kontekstu repozytorium, z kontrolowanymi narzędziami, walidacją i bramkami przeglądu.
ROLA
Dostarczanie oprogramowania wspierane przez AI
DOWÓD
MCP · walidacja · niezależny przegląd
Studium przypadku w przygotowaniu…

02 / ARCHIWUM DOWODÓW

Analizy przypadków, ślady wykonania, dowody produkcyjne i rekordy modernizacji. Otwórz plik, aby szybko obejrzeć dowód; jeśli należy do flagowego systemu, możesz przejść dalej do pełnego studium przypadku.

Analizy przypadków

Problem, decyzja inżynieryjna i rezultat zapisane jako zwarte narracje gotowe do inspekcji.

2 analizy Podejrzyj pliki powyżej ↗

Ślady wykonania

Dowody wykonania z wnętrza modelu działającego w przeglądarce, a nie nagrana demonstracja wizualna.

3 ślady Podejrzyj pliki powyżej ↗

Dowody produkcyjne

Liczniki, akceptacja i sygnały profilowania bezpośrednio powiązane z dostarczeniem systemu produkcyjnego.

3 dowody Podejrzyj pliki powyżej ↗

Rekordy modernizacji

Prace modernizacyjne w oprogramowaniu operacyjnym, wartościowe jako dowód nawet bez osobnego flagowego studium przypadku.

1 rekord Podejrzyj pliki powyżej ↗
01Inżynieria wspierana przez AI

Jak zamienić AI z autouzupełniania w system inżynieryjny.

Celem nie było generowanie większej ilości kodu. Chodziło o stworzenie kontrolowanej pętli dostarczania, w której agenty dostają właściwy kontekst repozytorium, używają ograniczonych narzędzi, potrafią udowodnić swoją pracę i oddają decyzje człowiekowi odpowiedzialnemu za wdrożenie.

01 · Problem

Szybkość AI bez kontroli inżynieryjnej to po prostu szybsza niepewność.

Długotrwała praca nad oprogramowaniem potrzebuje ciągłości, jasnych granic kontekstu, powtarzalnej walidacji i sposobu odróżnienia pewności modelu od rzeczywistych dowodów.

02 · System

Kontekst repozytorium + agenty + MCP + niezależny przegląd.

Zadania są dekomponowane na ograniczone etapy obejmujące architekturę, implementację, testy i dokumentację. Dostęp do narzędzi jest kontrolowany, kryteria akceptacji są jawne, a walidacja jest traktowana jako wynik pierwszej klasy.

03 · Efekt

Przepływ dostarczania zaprojektowany do akumulacji kontekstu, a nie do jednorazowego promptowania.

Przepływ pracy zachowuje ludzką własność scalania i wdrożenia, jednocześnie przenosząc powtarzalną analizę, implementację i przegląd do ustrukturyzowanej pętli agentowej.

MCPkontrolowane integracje narzędzi
Kontekst repozytoriumkontekst osadzony w realnym codebase
Bramki przegląduniezależna walidacja przed wdrożeniemm
Decyzja człowiekadecyzje scalania / produkcja
AgentyMCPInżynieria kontekstuEwaluacjaDostarczanie oprogramowania
02Platforma produkcyjna

Manufaktura: jeden właściciel aplikacji na całej ścieżce operacyjnej.

Produkcyjny MES/APS, w którym planowanie, wykonanie, magazyn, ERP i telemetria maszyn muszą opisywać ten sam stan operacyjny.

01 · Problem

Planowanie, wykonanie, magazyn i stan maszyn żyły w różnych światach operacyjnych.

Platforma musiała modelować zamiar produkcyjny i jego wykonanie dla wielu typów maszyn, hal, przepływów magazynowych, danych ERP i kioskowych przepływów pracy operatorów.

02 · Budowa

Najpierw model domeny, potem interfejsy wokół niego.

Zbudowałem platformę w .NET 10, EF Core, PostgreSQL, React i TypeScript, zdefiniowałem kontrakty aplikacyjne dla pozyskiwania danych PLC / stanu maszyn i odpowiadałem za bezpieczeństwo, obserwowalność, testy i wsparcie wdrożeniowe.

03 · Dowód

Zachowanie produkcyjne zmierzone, przetestowane i zaakceptowane przez klienta.

Praca objęła rozwiązywanie UAT, dowody regresji, szkolenia, przekazanie systemu i profilowanie. Główne wąskie gardła N+1 zostały usunięte, ograniczając zmierzone zużycie zasobów backendu nawet o około 80% w profilowanych przepływach pracy.

38domen funkcjonalnych
396aktywnych endpointów REST
1 789metod testów automatycznych
112encji warstwy trwałości
.NET 10ReactPostgreSQLOpenTelemetryERPUAT
Przejdź do pełnego studium przypadku
02Wnioskowanie w przeglądarce

GPT Nano / Środowisko przeglądarkowe

Rzeczywisty transformer wykonuje całe wnioskowanie lokalnie w przeglądarce przez natywny WebAssembly. Interfejs odsłania faktyczne przejście w przód: tensory pośrednie, wagi mechanizmu uwagi, stan strumienia rezydualnego i 42 obserwowalne etapy. To nie jest symulowana wizualizacja.

01 · Środowisko wykonawcze

Wnioskowanie pozostaje po stronie przeglądarki.

Natywny moduł WASM wykonuje model lokalnie, bez zewnętrznego API modelowego. Środowisko wykonawcze przechowuje rzeczywisty stan parametrów uczonych i udostępnia tensory pośrednie bezpośrednio z pamięci WebAssembly.

02 · Inspekcja

Wizualizacja wynika z rzeczywistego stanu modelu.

Interfejs SolidJS i scena Three.js mapują bieżącą operację przejścia w przód na aktywne tensory, macierze mechanizmu uwagi i wektory strumienia rezydualnego. Można przejść przez wszystkie 42 obserwowalne etapy i śledzić zmianę stanu między nimi.

03 · Interakcja

Model jest instrumentem, a nie odtwarzaną animacją.

Sekwencję tokenów można zmieniać, przebieg śledzić krok po kroku i generować kolejne tokeny. Scena 3D podąża za wybraną operacją, a inspektor pokazuje odpowiadającą jej strukturę liczbową i metadane.

42obserwowalne etapy przejścia w przód
3bloki transformera
3głowy mechanizmu uwagi
48kanałów modelu
WebAssemblyThree.jsSolidJSTransformeryWnioskowanie lokalne
QADowody produkcyjne

Proces dostarczania powinien zostawiać dowody, nie tylko wdrożenie.

W software fabrycznym i modernizacyjnym dowodem są mierzalna skala systemu, automatyczne testy, rozwiązane UAT, profilowanie i zachowanie procesu wdrożeniowego, nie samo efektowne demo.

01 · Skala

Skala była modelem do zrozumienia, a nie vanity metric.

Statyczny audyt wykazał 38 domen funkcjonalnych frontendu, 68 widoków aplikacji, 396 aktywnych endpointów REST i 112 encji warstwy trwałości. Te liczby opisują powierzchnię architektury; są dowodem zakresu, a nie samodzielną oceną jakości.

02 · Akceptacja

Dowody jakości pozostawały częścią procesu dostarczania.

Audytowana warstwa regresji obejmuje 1 789 metod testów automatycznych: 955 metod backendowych xUnit i 834 frontendowe Vitest. Dowody akceptacji, regresji i przekazania systemu pozostają obok tych liczników zamiast być sprowadzane do jednej liczby.

03 · Profilowanie

Zmiany wydajności były mierzone na rzeczywistych przepływach pracy.

OpenTelemetry i profilowanie pozwoliły usunąć główne wąskie gardła N+1, redukując zmierzone zużycie zasobów backendu nawet o około 80%. We wcześniejszej modernizacji pamięć przeglądarki spadła o około 70% w reprezentatywnych widokach dużych zbiorów, a czas powtarzalnych wdrożeń o około 95%.

396aktywnch endpointów REST
1 789metod testów automatycznych
38domen funkcjonalnych
~80%redukcji zasobów backendu w profilowanych przepływach
UATxUnit / VitestOpenTelemetryChrome DevToolsAutomatyzacja dostarczania
03Rekord modernizacji

Modernizacja platformy produkcyjnej

Bezpieczny publicznie zapis stabilizacji i modernizacji odziedziczonej aplikacji produkcyjnej: diagnostyka problemów między warstwami, utwardzenie zachowania danych, przywrócenie aktualnego stanu w interfejsie i zastąpienie kruchego procesu wydań powtarzalną ścieżką dostarczania.

01 · System zastany

Modernizacja zaczęła się od zachowania produkcyjnego, nie od greenfield rewrite.

Aplikacja miała już reguły biznesowe, przepływy pracy operatorów i ścieżki stanów maszyn. Praca zaczęła się od prześledzenia błędów przez warstwę interfejsu, backend i warstwę danych oraz oddzielenia długu architektonicznego od rzeczywistych ograniczeń domeny.

02 · Niezawodność

Współbieżność i nieaktualny stan potraktowano jako problemy systemowe.

Ścieżka danych, która wyrosła poza swoją wczesną konfigurację, została utwardzona pod równoległy odczyt i zapis. Równolegle interfejs zaczął odzwierciedlać zmiany produkcyjne bez ręcznego odświeżania, a śledzenie żądań ujawniło subtelne błędy mapowania statusów ukryte w długiej ścieżce danych.

03 · Dostarczanie

Ręczne kopiowanie kompilacji zastąpiła powtarzalna ścieżka wydań.

Wdrożenie zależało od ręcznego przenoszenia skompilowanych wersji między maszynami. Modernizacja przesunęła proces w stronę zautomatyzowanych, wersjonowanych wydań i bezpieczniejszego środowiska deweloperskiego, bez ciągłej pracy na żywym systemie.

04 · Modelowanie wymagań

Niejednoznaczne wymagania były zamieniane w modele operacyjne przed implementacją.

Planowanie, przypisanie maszyn i prezentacja postępu były rozpisywane jako scenariusze i prototypy wizualne przed kodowaniem. Dzięki temu przypadki brzegowe wychodziły wcześniej, a implementacja pozostawała związana ze sposobem pracy planistów i operatorów.

WALutwardzenie współbieżności danych
Na żywoprzywrócona propagacja stanu w interfejsie
CI/CDzmodernizowana ścieżka wydań
Scenariuszewymagania rozpisane przed implementacją
.NETReact 18TypeScriptCI/CDUX operacyjny

Interaktywny model · GPT Nano

Rzeczywisty transformer z 3 blokami, 3 głowami uwagi i 48 kanałami działa w całości w przeglądarce. Zmieniaj sekwencję tokenów, przechodź przez 42 obserwowalne etapy i oglądaj tensory, wagi mechanizmu uwagi oraz strumień rezydualny wyliczane podczas rzeczywistego przejścia w przód wykonywanego przez WASM.

Mikroskop przejścia w przód Rzeczywiste wagi. Rzeczywiste tensory. Bez wnioskowania na serwerze.
85 728 parametrów42 etapy3 bloki × 3 głowy11 tokenów kontekstu
Studium przypadku w przygotowaniu

Prawdziwe tensory · obliczenia WASM · wnioskowanie w przeglądarce

GPT Nano / mikroskop przejścia w przód

0 parametrów · 0 B
ŁADOWANIE
ŁADOWANIE
Graf obliczeniowy modelu42 obserwowalne etapy obliczeń
3 bloki3 głowy48 dmodel11 kontekst
3 operacji
B1·ATTN
12 operacji
12 operacji
3 operacji
ujemnedodatnie
Sekwencja · klikaj tokeny startowe, aby zmieniać A/B/C
Mikroskop przejścia w przód
B1·ATTN07 / 42
Obliczenia tylko przy interakcji · strumień rezydualny pozostaje bez zmian podczas bezczynności6 / 11 pozycji · 0 aktywnych wartości · obrót przez przeciąganieInfluenced by llm-viz
Przeciągnij: obrót · kółko / gest dwoma palcami: przybliżenie · najedź na sekwencję: wybór pozycji · podwójny klik: wycentruj aktywny etap

Ładowanie prawdziwego modelu.

wagi + lokalny rdzeń obliczeniowy WASM · bez wnioskowania po stronie serwera

Kierunek

Świadomie przesuwam środek ciężkości w stronę inżynierii systemów AI-native, nie porzucając tego, co najważniejsze: architektury, niezawodności, obserwowalności, bezpieczeństwa i dostarczania pod realnymi ograniczeniami operacyjnymi.

01

Systemy AI i inżynieria agentowa

Agentowe przepływy pracy, integracje MCP, inżynieria kontekstu, orkiestracja narzędzi, ewaluacja i mechanizmy ochronne razem z lokalnym wnioskowaniem w przeglądarce i architekturą platform LLM.

02

Platformy klasy produkcyjnej

Systemy enterprise i przemysłowe obejmujące .NET, TypeScript, dane, integracje i obserwowalność. Tę samą dyscyplinę, która utrzymuje przy życiu oprogramowanie operacyjne, wnoszę do systemów AI.

03

Własność techniczna i modernizacja

Architektura, implementacja, wydajność, bezpieczeństwo, testy, wdrożenie, UAT i przekazanie systemu pozostają pod jednym właścicielem inżynieryjnym. Obejmuje to także stabilizację systemów, których nie da się po prostu przepisać od zera.

Narzędzia / stos technologiczny
MCPAgentowe przepływy pracyInżynieria kontekstuEwaluacjaC#.NET 10ASP.NET CoreEF CoreReact 18TypeScriptPostgreSQLSQL ServerSignalROpenTelemetryxUnitVitestDockerGitHub ActionsCloudflareAWS

Doświadczenie

Ta trajektoria prowadzi przez infrastrukturę, bezpieczeństwo, produkty full-stack i systemy produkcyjne do inżynierii systemów AI-native. Wspólnym mianownikiem jest odpowiedzialność techniczna: zrozumieć domenę, zbudować system, zmierzyć go i doprowadzić do produkcji.

Manufaktura MES/APS · klient NDA

Właściciel techniczny / jedyny inżynier full-stack .NET · kontrakt przez Vapture

Produkcyjna Manufaktura MES/APS: 38 domen funkcjonalnych, 396 aktywnych endpointów REST, 112 encji warstwy trwałości i 1 789 metod testów automatycznych, z przepływami telemetrii obejmującymi 54+ maszyn. Równolegle zaprojektowałem i prowadziłem agentowy proces dostarczania świadomy repozytorium, oparty na własnych agentach i narzędziach MCP.

NATA Automation

Inżynier oprogramowania full-stack / inżynier MES · kontrakt przez Vapture

Modernizacja frontendu, logika domeny produkcyjnej, automatyzacja wdrożeń, aktualizacje maszyn przez SignalR oraz modernizacja uwierzytelniania i przechowywania poświadczeń.

Vapture · niezależny consulting oprogramowania

Założyciel / konsultant oprogramowania i inżynier full-stack

Pięciu długoterminowych klientów NDA z obszarów ochrony zdrowia, podróży, lokalizacji i oprogramowania enterprise; pełna odpowiedzialność za SDLC od analizy potrzeb po utrzymanie.

WSEI Kraków

Programista i lider projektu

Wewnętrzne systemy .NET i WordPress, środowiska Azure oraz międzyfunkcyjne przywództwo techniczne podczas hackathonów dla ponad 100 uczestników.

Archman

Pentester i konsultant bezpieczeństwa · część etatu

Testy black-box i oceny OWASP Top 10 platformy ECM klasy enterprise z użyciem Burp Suite, Nmap, OWASP ZAP i Wireshark.

Kopalnia Soli Wieliczka

Administrator baz danych i specjalista sieciowy

Dokumentacja przekazania topologii sieci i infrastruktury oraz migracje Oracle Database.

Notatki

Subiektywne notatki o agentic engineering, kontekście, MCP, architekturze produkcyjnej, wydajności i decyzjach, które czynią software niezawodnym.

Wszystkie notatki
AI Engineering2 min

Agenci potrzebują release engineering, nie tylko lepszych promptów

Praktyczny model przejścia od efektownego demo agentic coding do kontrolowanej pętli delivery z kontekstem, dowodami i releasem należącym do człowieka.
Delivery2 min

UAT nie jest końcem developmentu

Czego rozwiązanie 112 zgłoszeń UAT od klienta nauczyło mnie o traktowaniu akceptacji jako pętli feedbacku projektowego, a nie jedynie bramki release'owej.
AI Engineering2 min

Traktuj MCP jak kontrakt operacyjny

Dlaczego integracje MCP stają się użyteczniejsze, gdy projektujesz je jak interfejsy produkcyjne: wąskie capabilities, jawne granice zaufania i obserwowalne wywołania narzędzi.