ANDRZEJ MAREK
Wróć do projektów
Tech & Team LeadZWERYFIKOWANY PROJEKT

Elite Medical Prep — platforma AI Tutor

Produkcyjny tutor sokratejski wykorzystywany przez setki studentów podczas ponad tysiąca lekcji.

01 / Kontekst

Aplikacja webowa, realizowana z Widelab dla Elite Medical Prep, ogranicza potrzebę korzystania z kosztownych indywidualnych sesji z lekarzem. Student najpierw odpowiada na otwarte pytanie medyczne, a następnie kontynuuje rozmowę z AI Tutorem. Zamiast od razu ujawniać odpowiedź, tutor ocenia wypowiedź, zadaje pytania pomocnicze i prowadzi studenta metodą sokratejską. Tutorzy i administratorzy przygotowują lekcje oraz materiały źródłowe, a platforma generuje raporty luk w wiedzy, które tutor może wykorzystać do zaplanowania kolejnych kroków nauki. Jako Tech i Team Lead w czteroosobowym zespole Andrzej odpowiadał za wymagania klienta, architekturę i praktyczne full-stack delivery aż do wdrożenia produkcyjnego.

02 / Zakres i decyzje
  • Prowadził czteroosobowy zespół, pozostając hands-on w React, Node.js, TypeScript, Python i AWS.
  • Zbudował proces otwartych pytań i rozmowy oparty na nauczaniu sokratejskim zamiast bezpośredniego generowania odpowiedzi.
  • Wykorzystał prompty, state machine, reguły lekcji i osobnych agentów klasyfikujących do oceny wypowiedzi i kontrolowania przebiegu lekcji.
  • Zaimplementował RAG i wyszukiwanie wektorowe po książkach, materiałach medycznych i treściach przygotowanych przez tutorów oraz administratorów.
  • Wykorzystał PostgreSQL jednocześnie jako bazę produktową i magazyn wspierający wyszukiwanie wektorowe.
  • Oddzielił API i integracje produktu w Node.js od warstwy AI, agentów, RAG i klasyfikacji w Pythonie.
  • Zintegrował modele OpenAI, Anthropic, Google Gemini i Amazon Bedrock.
  • Wykorzystał WebSockety do interaktywnej komunikacji aplikacji.
  • Wdrożył platformę produkcyjną z użyciem AWS ECS, RDS, S3, CloudFront, SQS i Bedrock.
  • Dostarczył widoki studenta, tutora i administratora, edytor lekcji, raporty, analitykę oraz zarządzanie użytkownikami.
03 / Rezultaty
  • Zbudował i wdrożył platformę od zebrania wymagań do produkcji.
  • Rozwiązanie obsłużyło setki studentów i ponad tysiąc lekcji.
  • Umożliwił tutorom analizę luk w wiedzy i rekomendowanie kolejnych kroków nauki.
04 / Technologie

React · TypeScript · Node.js · Python · PostgreSQL · WebSocket · RAG · Vector Search · OpenAI · Anthropic · Google Gemini · Amazon Bedrock · AWS ECS · Amazon RDS · Amazon S3 · Amazon CloudFront · Amazon SQS

AMI / PROJECT CONTEXT

Dopytaj o decyzje, rolę i sposób realizacji.

Zapytaj Ami o ten projektZobacz projekt