Silnik portfolio, który podaje tylko sprawdzone fakty

W jednym zdaniu

Strona, którą czytasz, działa na silniku, w którym każdy fakt o mnie pochodzi z jednego sprawdzonego źródła: korzystają z niego strony, czat, strony pod ogłoszenia i moje CV, i z niczego innego.

Dla kogo

• Rekruter dostaje stronę pod swoje ogłoszenie: krótki kurs o mnie, każde wymaganie z dowodami i jawną listę wymagań, których nie spełniam.
• Hiring manager może zapytać czat. Czat odpowiada ze źródłami pod każdą odpowiedzią albo mówi, że nie wie.
• Ja mam proces, w którym piszę w jednym miejscu i nie mogę opublikować faktu, którego nie potwierdziłem.

Jak fakt trafia na stronę

Piszę w swoich notatkach. Build zamienia je w paczkę profilu: każdy fakt to osobne twierdzenie z własnym identyfikatorem, dosłownym cytatem z tekstu i statusem. Wchodzą tylko twierdzenia potwierdzone przeze mnie albo przez kod.

Build się zatrzymuje, gdy twierdzenie nie ma cytatu, gdy liczba w wersji angielskiej różni się od liczby w polskiej, gdy liczba jest zapisana słownie albo gdy pojawia się nazwa, którą wykluczyłem. CV i strony kursu niosą odcisk paczki, z której powstały, więc widzę, kiedy któreś jest nieaktualne.

Strony pod ogłoszenie

Nowe ogłoszenie staje się subdomeną. Silnik czyta wymagania z ogłoszenia bez modelu i dopasowuje do każdego do 3 twierdzeń powyżej skalibrowanego progu. Wymaganie bez dopasowania zostaje luką i jako luka pojawia się na stronie. Rekruter przechodzi krótki kurs zbudowany z mojej pracy, ze sprawdzianem po każdej lekcji, i może otworzyć CV przygotowane pod to ogłoszenie.

CV przechodzi te same kontrole co strona: każdy punkt wskazuje swoje twierdzenia, a osobna kontrola czyta PDF tak, jak robi to system rekrutacyjny.

Czat

Czat szuka dowodów w grafie mojego doświadczenia, pisze odpowiedź, a drugi model sprawdza ją zdanie po zdaniu z tymi dowodami, zanim trafi do czytelnika. Pod odpowiedzią wypisuje cytaty, z których skorzystał. Niektóre tematy są zamknięte: wynagrodzenie, opinie o firmach i ludziach oraz nazwa klienta, którego nie ujawniam.

Pomiar na prawdziwym modelu: żadnych faktów spoza paczki, 3,3% odpowiedzi kończących się na „nie wiem” i 9,5 s dla najwolniejszych 5% odpowiedzi.

Co na początku nie działało

• Model testowy ukrył słaby czat. Na modelu zastępczym przechodziły wszystkie testy. Na prawdziwym około 40% odpowiedzi kończyło się awaryjnie, bo model sprawdzający widział mniej kontekstu niż piszący i odrzucał prawdziwe fakty. Przebudowałem czat wokół tego odkrycia i dodałem testy na żywym modelu.
• Zmiana wyglądu nie może zmienić strony. Koncepcje wyglądu działają tylko na subdomenie podglądu, a bramka w CI przed każdym scaleniem porównuje 60 widoków działającej strony, w jasnym i ciemnym motywie, na komputerze i telefonie.
• Pomiary na serwerze, budowanie gdzie indziej. Po tym, jak agent raz zbudował obraz na domowym serwerze, obowiązuje zasada: serwer uruchamia tylko gotowe obrazy, a kod źródłowy nigdy tam nie trafia.

Jak powstał

Od 1 października 2026 przebudowuję stronę z agentami AI: agent w chmurze przygotowuje pull requesty, agent lokalny je przegląda, wdraża i mierzy, a decyzje podejmuję ja. 216 z 235 commitów tej przebudowy powstało z Claude. Ekrany kursu wyszły z mojego własnego procesu projektowego, Gatefold.

Moja rola

Wymyśliłem, zaprojektowałem i zbudowałem ten silnik sam, pracując z agentami AI.