Wszystkie projekty
🎓 EdTech · AI Platform

EduEdu

Kompleksowa platforma edukacyjna z wieloma AI mentorami, streamingiem odpowiedzi i systemem limitów AI

4 AI wyspecjalizowane mentory
Real-time streaming odpowiedzi
Per-user budżetowanie AI
Przewiń w dół
Klient EduEdu Sp. z o.o.
Branża EdTech / E-Learning
Czas trwania 8 miesięcy
Moja rola Lead AI Architect
01

Przegląd projektu

EduEdu to zaawansowana platforma e-learningowa oparta na Blazor Server, integrująca AI na każdym poziomie doświadczenia użytkownika. System oferuje interaktywne kursy, lekcje, quizy i fiszki z wieloma wyspecjalizowanymi AI mentorami (KorekAI, Czajka, Olimpia, Qumak), którzy prowadzą kontekstowe konwersacje i automatycznie oceniają zadania uczniów. Architektura oparta na Microsoft Semantic Kernel zapewnia dynamiczne generowanie treści, streaming odpowiedzi w czasie rzeczywistym oraz inteligentny system zarządzania limitami AI z per-user budżetowaniem.

🤖 Multi-Agent AI (4 wyspecjalizowane persony mentorów)
Streaming odpowiedzi AI przez SignalR w real-time
💰 System limitów AI z per-user budżetowaniem
📐 Kontekstowe wsparcie LaTeX/KaTeX dla matematyki
02

Wyzwanie

Klient potrzebował platformy edukacyjnej klasy enterprise, która mogłaby obsłużyć tysiące użytkowników jednocześnie, zapewniając każdemu spersonalizowaną pomoc AI. Tradycyjne rozwiązania nie oferowały: automatycznej oceny zadań matematycznych z obrazów, wielokanałowej komunikacji real-time, ani elastycznego systemu kontroli kosztów AI per użytkownik. Dodatkowo wymagano wsparcia dla złożonych równań matematycznych i dynamicznego zarządzania promptami AI bez redeployu.

  • Tysiące użytkowników wymagających pomocy AI jednocześnie
  • Ocena zadań matematycznych z obrazów i tekstu
  • Kontrola kosztów AI na poziomie użytkownika
  • Dynamiczne zarządzanie promptami bez redeployu
03

Rozwiązanie

Zaprojektowałem architekturę opartą na Blazor Server z Microsoft Semantic Kernel jako orkiestratorem AI. Kluczowe innowacje: AiLimitGuard - system kontroli budżetu AI z progami ostrzeżeń (80%) i blokad (100%), cachowaniem w AppState i automatycznym resetem dziennym/miesięcznym. AiServiceExecutor - centralny orkiestrator opakowujący wszystkie wywołania AI w pre-flight (limit check) i post-flight (cost tracking). PromptRetrievalService - dynamiczne zarządzanie promptami w bazie danych z wymuszeniem pojedynczego aktywnego promptu per nazwa. Streaming przez SignalR zapewnia responsywny UX, a LRU cache dla treści lekcji minimalizuje obciążenie bazy.

Wykorzystane technologie

.NET 8
Blazor Server
Microsoft Semantic Kernel
SignalR
MudBlazor
PostgreSQL
Entity Framework Core
Azure Blob Storage
OpenAI GPT-4
Stripe
Google OAuth
05

Rezultaty

4 AI
wyspecjalizowane mentory

Korek, Czajka, Olimpia, Qumak

Real-time
streaming odpowiedzi

SignalR + Semantic Kernel

Per-user
budżetowanie AI

Dzienne i miesięczne limity

Damian zaprojektował architekturę, która skaluje się z naszym wzrostem. System limitów AI pozwolił nam kontrolować koszty bez kompromisów w jakości - użytkownicy premium mają nielimitowany dostęp, a reszta ma sprawiedliwy przydział.
CTO EduEdu Sp. z o.o.

💬 Komentarze (2)

?

Zostaw komentarz

Damian
Damian 07 Dec 2025
Kolejny testowy komentarz
Damian
Damian 07 Dec 2025
testowy komentarz
coś tam
coś tam 07 Dec 2025
podkomentarz testowy
🚀

Masz podobny projekt?

Porozmawiajmy o tym, jak mogę pomóc Twojej firmie osiągnąć podobne rezultaty.

Asystent AI Damiana

Online • Odpowiadam natychmiast

Cześć! 👋

Jestem asystentem AI Damiana. Zapytaj mnie o technologie, projekty lub jak mogę Ci pomóc!

Powered by GPT-5.6 • Odpowiedzi mogą zawierać błędy

Rejoining the server...

Rejoin failed... trying again in seconds.

Failed to rejoin.
Please retry or reload the page.

The session has been paused by the server.

Failed to resume the session.
Please reload the page.