Karolina

Karolina była eksperymentem z personą, która zna kontekst rozmowy, pamięta użytkownika i potrafi odpowiadać bardziej charakterystycznie niż zwykły chatbot. Najpierw działała przez Make, Airtable i Telegram, później dostała wersję w Pythonie, FastAPI i Firebase.

W MemeMatch sama mechanika dopasowania przez memy nie wystarczała. Chciałem sprawdzić, czy postać z pamięcią, humorem i charakterem może zwiększyć zaangażowanie i dać produktowi własny głos.

Jeśli AI pamięta użytkownika i ma wyraźną rolę w produkcie, może być częścią doświadczenia, a nie tylko dodatkowym chatem w rogu ekranu.

• Pierwsze MVP na Make, Airtable i Telegramie.
• Pamięć użytkownika, zapominanie nieaktualnych informacji i odpowiedzi kontekstowe.
• Wersja w Pythonie, FastAPI, Firebase Auth i Firestore.
• Eksperymenty z głosem, obsługą użytkowników i social contentem.

LLM odpowiadał w ramach konkretnej persony, korzystając z pamięci i kontekstu użytkownika. Najważniejszy był styl interakcji: mniej generycznego asystenta, więcej postaci pasującej do MemeMatch.

Make, Airtable, Telegram, Python, FastAPI, Firebase Auth, Firestore, OpenAI/GPT i eksperymenty z ElevenLabs.

• Traktować personę jako część produktu, nie zabawkę promptową.
• Najpierw sprawdzić zachowanie w prostym MVP.
• Nie sprzedawać tego jako osobnego produktu bez mocniejszego use case’u.

Eksperyment z pamięcią, humorem, obsługą użytkowników i social contentem. Na portfolio traktuję go jako moduł MemeMatch, nie osobny produkt.

Wrócić do Karoliny dopiero wtedy, gdy MemeMatch albo podobny produkt będzie potrzebował własnej postaci AI.