dev_horizon #007 - labs
O wydarzeniu
To już SIÓDME spotkanie społeczności dev_horizon w Płocku! Tym razem robimy coś trochę innego: praktyczny warsztat dla osób, które chcą nie tylko słuchać o AI, ale faktycznie zbudować działający kawałek systemu.
Siema! 👋
Odpalamy dev_horizon #007 w formule dev_horizon labs.
Zamiast klasycznych prelekcji robimy hands-on lab: Python, GitHub Codespaces, OpenAI API i realny case. Będziemy budować działający program wykorzystujący AI, a nie tylko oglądać slajdy o możliwościach modeli.
To nie będzie kolejny tutorial typu "weather forecast API". Najpierw pokażemy, jak łatwo zrobić coś krucho: ręczny HTTP request, regexy do odpowiedzi modelu, wyciąganie JSON-a z tekstu i ręczne if-owanie po wypowiedzi AI. Potem naprawimy to dobrymi wzorcami: OpenAI SDK, structured output i function calling.
Dlaczego warto wpaść?
🚀 Real skills: Wyjdziesz z działającym programem wykorzystującym AI, a nie tylko z notatkami.
🛠️ Praktyka zamiast slajdów: Będziemy pisać, uruchamiać, psuć i naprawiać kod.
🧠 AI bez magii: Zobaczysz, gdzie kończy się promptowanie, a zaczyna inżynieria aplikacji.
🤝 Lokalna społeczność: Jak zawsze, będzie przestrzeń na rozmowy, pytania i networking.
📅 Co będziemy robić?
Checkpoint 1: pierwsze wywołanie OpenAI SDK
Zaczynamy od poprawnego wywołania OpenAI SDK z modelem gpt-4o-mini. Mały model jest tu celowy: chcemy pokazać, że dobra aplikacja AI wynika z dobrego przepływu, kontraktu danych i testowalnego kodu, a nie tylko z wyboru największego modelu.
Checkpoint 2: jak tego nie robić
Odpalamy gotowe antyprzykłady: ręczny HTTP request, regex parser, JSON wyciągany z tekstu modelu i ręczne sterowanie kodem po odpowiedzi AI. Chodzi o to, żeby zobaczyć, gdzie takie podejście pęka.
Checkpoint 3: SDK jako stabilna baza
Naprawiamy kod: oficjalne SDK, sensowna konfiguracja, czytelne błędy i struktura, którą da się dalej rozwijać.
Checkpoint 4: structured output
Zamiast prosić model, żeby "jakoś" odpowiedział w JSON-ie, definiujemy oczekiwaną strukturę odpowiedzi. Dzięki temu kod dostaje dane, które da się walidować, testować i bezpiecznie przekazać dalej.
Checkpoint 5: function calling
Łączymy model z funkcjami aplikacji. Model decyduje, kiedy potrzebuje narzędzia, Python wykonuje deterministyczny kod, a odpowiedź wraca do użytkownika w naturalnej formie.
📌 Prerequisites
Weź ze sobą:
laptop,
konto GitHub,
otwartą głowę
📍 Gdzie i kiedy?
🗓 Data: 11 czerwca 2026 (czwartek) | 17:30
🏢 Miejsce: Audytorium Politechniki Warszawskiej w Płocku, ul. Łukasiewicza 17, sala 59
🎓 Format: warsztat hands-on, liczba miejsc ograniczona
Misja dev_horizon
Nasza misja to budować świadomość Twoich kompetencji i współtworzyć społeczność IT w Płocku. W tej edycji idziemy krok dalej: od świadomości do praktycznej kompetencji.
Wstęp jest wolny, ale przy warsztacie liczba miejsc będzie mocno ograniczona. Jeśli chcesz naprawdę popracować z AI API, a nie tylko posłuchać o AI z boku, zapisz się wcześniej.
Do zobaczenia! 👊