ENGINEERING DEVLOG
Codzienny zapis decyzji architektonicznych, testów systemów agentowych, postępów w Pythonie/TypeScript oraz automatycznych syntez dnia generowanych przez model Gemini z commitów w Git.
Czytelniejsze plany i wyniki kontroli
Poprawiłem strukturę planów treningowych, dodałem osobną ścieżkę Telegrama i zakończyłem pętlę błędnego formatu komunikatem `brak_danych`. Sprawdziłem też wyniki kontroli oraz najnowsze odczyty powracających błędów.
Bot nie może restartować samego siebie w trakcie rozmowy. Naprawiłem to
Bot zawiesił się w połowie odpowiedzi, bo odpiąłem wtyczkę w trakcie rozmowy. Restart przeniosłem na później, a strażnik sam wykrywa zawieszenie i je usuwa.
Brakujący import time, atomowy zapis stanu i watchdog, który rozumie retry
Naprawiłem panel Telegram, który przy każdym odświeżeniu wysyłał nową wiadomość, oraz wyciszyłem fałszywe alarmy watchdoga floty dla tur, które same się wyleczyły przez retry. Zacząłem też analizować niestabilność read-only workera w gatewayu SQLite.
Bot do nauki hiszpańskiego nie może dublować słówek ani psuć postępów
Bot do nauki hiszpańskiego gubił wątek rozmowy, mógł dublować słówka i wysyłał do Anki paczki z jedną fiszką. Naprawiłem każdy z tych problemów.
Cicha odporność automatyzacji: Obsługa błędów providera LLM i interaktywne karty decyzji w Telegramie
Wdrażanie niezawodności w bezobsługowych zadaniach agentowych: automatyczny retry przy błędach formatowania narzędzi, odporny klasyfikator błędów providera oraz protokół interaktywnych kart akceptacji CTA w bocie administracyjnym.
AI w treningu: TrainAnBot dla kobiet i PabloTrainer dla mężczyzn z analizą Garmin .TCX
Case study dwóch autonomicznych botów trenerskich na Telegramie dopasowanych do fizjologii płci: TrainAnBot (profil kobiecy: biomechanika, hipertrofia, PubMed) oraz PabloTrainer (profil męski: boks, siła, bieganie i telemetria Garmin .TCX).
ProfeClaw: Pedagogika zakodowana w plikach - nauczyciel języka jako architektura, nie prompt
Case study agenta AI uczącego hiszpańskiego: pętla korekt z licznikiem błędów, spaced repetition sterowany danymi, rejestr slangu i eval-suite pilnujący jakości dydaktyki.
TrainAnBot: Architektura trenera AI z pamięcią o kontuzjach i bazą badań PubMed
Jak zbudować bota trenerskiego na Telegramie, który nie rzuca ogólnikami: trójwarstwowa pamięć w SQLite, automatyczna weryfikacja zaleceń w bazie PubMed i twarde granice bezpieczeństwa.