Oliwier Data · Portfolio

Jak chcesz obejrzeć tę stronę?

Twoje urządzenie udźwignie interaktywną wersję 3D. Treść jest ta sama w obu — wybierz tę, która Ci odpowiada.

Możesz to zmienić w każdej chwili przełącznikiem 3D u góry strony.

Oliwier Data

Od pomysłu po gotowy produkt

Buduję produkcyjne aplikacje webowe, agentów AI opartych na danych firmy oraz infrastrukturę, na której to wszystko działa.

Oliwier Data, Full-Stack Developer & AI Engineer

Rzeszów, Polska · Zdalnie · Otwarty na projekty freelance: full-stack i inżynieria AI

Artur Express

Platforma i lejek konwersji dla przewoźnika logistycznego

Jedna osoba prowadzi produkt od pomysłu do działającego wdrożenia: aplikację, agentów AI i automatyzację wokół niej oraz infrastrukturę pod spodem.

automatyzacji n8n działających na produkcji
20+
wdrożonych agentów AI i systemów RAG — OpenAI, Claude, Gemini
10+
repozytoriów: komercyjnych, produktowych i własnych, większość pod NDA
30+
użytkowników na infrastrukturze produkcyjnej, którą utrzymuję
100+

Trzy filary inżynierskie

InfrastrukturaAgenci i workflowyAplikacja
  1. Inżynieria full-stack

    Szybkie, nowoczesne aplikacje webowe, systemy wewnętrzne i platformy sprzedażowe — budowane w całości, od bazy danych po dopracowany frontend.

    Gdzie to działa

    • 30+ repozytoriów produkcyjnych i komercyjnych
    • Klienci z logistyki, hotelarstwa i branży okołomedycznej

    Narzędzia

    • Next.js 16
    • React
    • TypeScript
    • Prisma ORM
    • PostgreSQL
    • SQL
    • Tailwind CSS
    • Three.js / WebGL
    • Playwright
    • REST APIs
    • Node.js
  2. Inżynieria AI

    Systemy RAG, agenci głosowi i automatyzacja procesów

    Agenci AI oparci na własnych danych firmy (RAG), dostępni przez czat lub głosowo, oraz wieloetapowe automatyzacje, które zdejmują z zespołu ręczną pracę.

    20+ workflowów na produkcji

    • Przyjmowanie, kwalifikacja i routing leadów
    • Obsługa faktur kosztowych z OCR i rejestrem w Sheets
    • Triaż i kategoryzacja zgłoszeń w Zendesku
    • Synchronizacja danych, automatyczne raporty i obsługa błędów z alertami

    Narzędzia

    • OpenAI API
    • Claude API
    • Gemini API
    • Architektura RAGchatboty i asystenci oparci na dokumentacji klienta, z pamięcią rozmowy i wywoływaniem narzędzi
    • Vapi & ElevenLabsagenci głosowi: pytanie zadane na głos przechodzi przez to samo wyszukiwanie, pamięć i narzędzia
    • n8nwęzły agentowe LangChain i własne workflowy
    • Python
    • Integracje REST API
    • OCR
    • Google Sheets API
    • Zendesk
  3. DevOps, infrastruktura i self-hosting

    Konteneryzacja, wirtualizacja i zautomatyzowane wdrożenia, dzięki którym aplikacje i agenci AI, których buduję, działają na produkcji stabilnie i bezpiecznie.

    Na produkcji

    • Infrastruktura dla 100+ użytkowników, utrzymywana na co dzień
    • Każda aplikacja i każdy agent powyżej trafia na produkcję jako kontener, przez pipeline
    • Usługi self-hosted wystawione przez Cloudflare Tunnel, bez otwartych portów przychodzących
    • Szyfrowane kopie zapasowe, z przećwiczonym odtwarzaniem

    Narzędzia

    • Docker i Docker Composearchitektura wielokontenerowa na produkcji
    • Pipeline'y CI/CDautomatyczne buildy, bramki testów end-to-end i wdrożenia
    • Cloudflare Tunnel i Nginxusługi wystawione przez tunel i reverse proxy, bez otwartych portów przychodzących
    • Proxmox VEwirtualizacja serwerów, maszyny wirtualne i klastry
    • Linux i Windows Serveradministracja, utrzymanie usług, TCP/IP, DHCP, DNS, diagnostyka
  1. Artur Express

    Inżynieria full-stack. Platforma i lejek konwersji dla przewoźnika logistycznego.

    Wyniki

    Lighthouse, zmierzony na działającej stronie
    • 98 na 100: Performance
    • 100 na 100: Accessibility
    • 100 na 100: Best practices
    • 100 na 100: SEO
    • 0,8 s LCP
    • 0,004 CLS
    • 62 strony
    • 42 typy treści
    • 19 testów end-to-end Playwright przed każdym wdrożeniem

    Wyzwanie

    Amerykański przewoźnik potrzebował strony przebudowanej w maszynę do pozyskiwania leadów: każda ścieżka odwiedzającego miała kończyć się zapisanym zapytaniem, które da się przekazać dalej — a strony musiały ładować się szybko.

    Co zbudowałem

    Projekt UX/UI i wdrożenie od początku do końca w Next.js, TypeScripcie i Tailwind CSS: wielościeżkowy lejek konwersji z formularzami leadów, kalkulatory wynagrodzeń, system aktualności i panel CMS zabezpieczony JWT na PostgreSQL + Prisma — dostarczane jako obrazy Dockera przez pipeline CI/CD, który przed każdym wdrożeniem uruchamia testy Playwright, i wystawione przez Cloudflare Tunnel bez otwartych portów przychodzących.

    Zbudowane na

    • Next.js 16
    • React 19
    • TypeScript
    • Tailwind CSS
    • PostgreSQL
    • Prisma
    • Playwright
    • Docker
    • CI/CD
    • Cloudflare Tunnel
  2. Systemy RAG i agenci AI dla firm

    Inżynieria AI. Asystenci, którzy odpowiadają na podstawie dokumentacji firmy.

    10+ wdrożeń produkcyjnych

    Google DriveCzatEmbeddingiPamięć PostgresBaza pgvectorAgent RAGRozmowa głosowaOdpowiedźGoogle DriveCzatRozmowa głosowaEmbeddingiBaza pgvectorAgent RAGPamięć PostgresOdpowiedź

    Wyniki

    • Odpowiedzi oparte na dokumentach klienta, a nie na domysłach modelu
    • Pamięć rozmowy i wywoływanie narzędzi w każdym agencie
    • Jeden agent za czatem i głosem: Vapi prowadzi rozmowę, ElevenLabs mówi
    • Self-hosting od początku do końca: n8n, pgvector i Postgres w Dockerze

    Wyzwanie

    Zespoły tracą godziny na odpowiadanie na pytania, na które odpowiedź jest już zapisana — w dokumentacji, której nikt nie ma czasu przeszukiwać i o której zwykły chatbot nic nie wie.

    Co zbudowałem

    Asystenci AI i chatboty zasilane wewnętrzną dokumentacją klientów, zbudowane na API OpenAI, Claude i Gemini z węzłami agentowymi LangChain w n8n: pamięć rozmowy, wyszukiwanie w bazach wiedzy RAG i integracja z zewnętrznymi narzędziami. Ten sam agent obsługuje też kanał głosowy, zbudowany na Vapi i ElevenLabs: pytanie zadane na głos przechodzi przez to samo wyszukiwanie, pamięć i narzędzia, a odpowiedź wraca jako mowa.

    Zbudowane na

    • OpenAI API
    • Claude API
    • Gemini API
    • n8n
    • LangChain agent nodes
    • Vapi
    • ElevenLabs
    • pgvector
    • PostgreSQL
    • Docker
  3. Produkcyjne automatyzacje procesów

    Inżynieria AI i automatyzacja. Procesy biznesowe, które dzieją się same — z człowiekiem tam, gdzie to ważne.

    20+ workflowów na produkcji

    Prześledź jeden od początku do końcaWybierz, co przychodzi, i zobacz, jak obsługuje to workflow, który działa u mnie na produkcji.

    Dostawca wysyła mailem do księgowości zeskanowaną fakturę w PDF-ie.

    1. Odbiór z GmailaWiadomość zostaje odebrana, a załącznik wyodrębniony.
    2. OCRZeskanowany PDF jest odczytywany do tekstu; cyfrowy pomija ten krok.
    3. Ekstrakcja LLMDostawca, kwoty, daty i pozycje stają się ustrukturyzowanymi polami.
    4. Duplikat i zamówienieFaktura jest porównywana z wcześniejszymi i dopasowywana do swojego zamówienia i dostawcy.
    5. Akceptacja w SlackuCzłowiek widzi odczytane pola w edytowalnym formularzu i zatwierdza je albo poprawia.
    6. Rejestr w SheetsZatwierdzona faktura trafia do rejestru.
    7. WynikZarejestrowana i zatwierdzona przez człowieka; każdy błąd alarmuje kanał operacyjny, zamiast przejść po cichu.

    Odwiedzający wysyła formularz zapytania na stronie klienta.

    1. Podpisany webhookStrona wysyła lead z podpisem HMAC-SHA256.
    2. Weryfikacja podpisuŻądanie, którego podpis się nie zgadza, jest odrzucane, zanim uruchomi się cokolwiek innego.
    3. Zapis i deduplikacjaLead jest zapisywany i dopasowywany po adresie e-mail, więc ta sama osoba nigdy nie trafia do bazy dwa razy.
    4. Ocena 0–100Lead dostaje ocenę za to, co zawiera i na ile jest kompletny.
    5. RoutingGorący trafia na Slacka i e-mail, ciepły na Slacka, zimny jest tylko zapisywany.
    6. WynikKażdy lead jest zapisany, a o tych dobrych właściwa osoba dowiaduje się od razu.

    Klient otwiera nowe zgłoszenie w Zendesku.

    1. Nowe zgłoszenieZendesk przekazuje zgłoszenie do workflowu w chwili, gdy powstaje.
    2. KlasyfikacjaAgent AI przypisuje mu temat i pilność.
    3. Szkic odpowiedziAgent pisze odpowiedź opartą na artykułach z centrum pomocy.
    4. Akceptacja człowiekaCzłowiek zatwierdza albo poprawia szkic w Slacku, zanim cokolwiek zostanie wysłane.
    5. Wysyłka lub eskalacjaOdpowiedź trafia do klienta albo zgłoszenie przechodzi do ręcznej obsługi.
    6. WynikKlienci szybciej dostają odpowiedź opartą na źródłach i nic nie trafia do nich bez wiedzy człowieka.

    Wyniki

    • Leady Weryfikacja podpisu, deduplikacja, ocena 0–100 i routing
    • Faktury OCR, ekstrakcja AI, akceptacja w Slacku, rejestr w Sheets
    • Zgłoszenia AI pisze szkic odpowiedzi, człowiek zatwierdza przed wysyłką
    • Każdy błąd trafia na kanał operacyjny — nic nie psuje się po cichu

    Wyzwanie

    Faktury, zgłoszenia do supportu i leady sprzedażowe obsługiwano ręcznie: przepisywano je między systemami, odpowiadano z opóźnieniem i gubiono tak, że nikt tego nie zauważał.

    Co zbudowałem

    Zautomatyzowane procesy biznesowe w n8n, Pythonie i REST API: obsługa faktur kosztowych z OCR, triaż zgłoszeń w Zendesku, routing leadów sprzedażowych, synchronizacja danych między systemami i centralny monitoring błędów z alertami.

    Zbudowane na

    • n8n
    • Python
    • REST APIs
    • OCR
    • Google Sheets API
    • Zendesk
    • Slack
  4. Infrastruktura kontenerowa i komercyjne aplikacje webowe

    Full-stack i DevOps. Platforma, na której wdrożone jest wszystko powyżej.

    30+ repozytoriów

    Git pushCI + testy E2EDocker buildCloudflare TunnelStos ComposeNginxKopie zapasoweGit pushCI + testy E2EDocker buildStos ComposeNginxCloudflare TunnelKopie zapasowe

    Wyniki

    • Wieloetapowe obrazy Dockera i stosy Compose
    • Pipeline'y Jenkins i GitHub Actions, z testami end-to-end jako bramką wdrożenia
    • Cloudflare Tunnel z przodu: żadnych otwartych portów przychodzących na hoście
    • Szyfrowane, automatyczne kopie zapasowe z kontrolą integralności i przećwiczonym odtwarzaniem
    • Infrastruktura obsługująca 100+ użytkowników

    Wyzwanie

    Aplikacja albo agent AI są coś warte tylko wtedy, gdy działają: wdrażane za każdym razem tak samo, objęte kopią zapasową i możliwe do odtworzenia, gdy serwer padnie.

    Co zbudowałem

    Aplikacje webowe (Next.js 16, Prisma, PostgreSQL) i wewnętrzne systemy automatyzacji wdrażane jako stosy Docker Compose na Linuksie i Proxmoksie, dostarczane przez pipeline'y CI/CD, które przed wdrożeniem uruchamiają testy end-to-end — z reverse proxy i SSL z przodu, tunelem Cloudflare, dzięki któremu żaden port przychodzący nie jest otwarty, oraz szyfrowanymi, automatycznymi kopiami zapasowymi z tyłu.

    Zbudowane na

    • Docker Compose
    • Proxmox VE
    • Linux
    • CI/CD
    • Nginx
    • Cloudflare Tunnel
    • Next.js 16
    • PostgreSQL

Większość z 30+ repozytoriów jest objęta NDA: to prace komercyjne dla klientów z logistyki, hotelarstwa i branży okołomedycznej. Napisz, a pokażę to, co mogę pokazać.

Napisz do mnie

Gdzie pracuję

  1. wrz 2025 — obecnieZdalnie

    Full-Stack Developer & AI Engineer

    Projekty freelance i komercyjne

    Dostarczanie od początku do końca aplikacji w Next.js 16 (Prisma + PostgreSQL, Tailwind, Docker), 10+ agentów AI i RAG na OpenAI, Claude i Gemini oraz 20+ produkcyjnych automatyzacji w n8n.

  2. mar 2026 — obecnieRzeszów

    Specjalista IT i infrastruktury (L1/L2) · automatyzacja wewnętrzna

    AmeriPol

    Utrzymanie infrastruktury Docker Compose na Linuksie, wirtualizacji Proxmox i pipeline'ów CI/CD; budowa wewnętrznych automatyzacji w n8n, Pythonie i REST API, które ograniczają ręczną pracę; wsparcie techniczne i sieciowe dla 100+ użytkowników.

Masz coś do wdrożenia?

Wyślij krótki brief — co trzeba zbudować, na jakim stacku pracujesz i na kiedy — a wrócę z tym, jak bym to zbudował.

oliwier.data@gmail.com
Albo złóż to samWybierz części, których potrzebuje Twój projekt. Stają na planszy w miarę wybierania, a brief pisze się sam.

Aplikacja

AI

Automatyzacja

Infrastruktura

Twój brief

Nic jeszcze nie wybrano. Wybierz część powyżej albo po prostu napisz kilka słów poniżej.

Jak daleko