Projekty

Problem: Duża ilość plików bez spadów.

Rozwiązanie: Skrypt tworzy spady przez kopiowanie krawędzi dokumentu i jego przeskalowanie.

Wpływ: Nie trzeba odsyłać pliku do klienta do poprawy, ani ręcznie dorabiać spadów.

Problem: Ręczna impozycja akcydensów (np. ulotki, wizytówki) jest czasochłonna.

Rozwiązanie: Skrypt oblicza ilość użytków na arkuszu i wykonuje automatycznie impozycję.

Wpływ: Skrócenie czasu impozycji z około 10 min do 10 sekund.

Problem: Ręczna impozycja broszury lub instrukcji jest bardzo czasochłonna.

Rozwiązanie: Skrypt oblicza ilość użytków na arkuszu i wykonuje automatycznie impozycję.

Wpływ: Skrócenie czasu impozycji z około 20 min do 10 sekund.

Problem: Klient przysyła kilkadziesiąt plików PDF naraz, każdy wymaga ręcznego sprawdzenia przed drukiem.

Rozwiązanie: Skrypt PowerShell monitoruje folder i automatycznie uruchamia preflight w Adobe Acrobat Pro (via Droplet). Pliki poprawne trafiają do folderu Correct, błędne do folderu Incorrect wraz z raportem tekstowym opisującym wykryte problemy.

Wpływ: Eliminacja ręcznego sprawdzania plików — weryfikacja kilkudziesięciu PDF-ów odbywa się w tle, bez udziału operatora.

Problem: Klient często nie rozumie, gdzie kończy się format netto, gdzie znajduje się spad i jaki obszar należy traktować jako bezpieczny.

Rozwiązanie: Skrypt tworzy czytelny podgląd projektu z wymiarowaniem, ramkami safe area, cięcia i spadu, panelami info/warning/danger oraz opcjonalną symulacją odcięcia prawego spadu.

Wpływ: Ułatwia szybkie przygotowanie wizualnej specyfikacji dla klienta, zmniejsza liczbę nieporozumień i lepiej tłumaczy zasady przygotowania pliku do druku.

Problem: Przygotowanie zdjęć produktowych pod sklepy internetowe, gazetki reklamowe czy platformy sprzedażowe wymaga ręcznego kadrowania każdego pliku z osobna w Photoshopie, co przy dużych seriach pochłania wiele godzin pracy operatora.

Rozwiązanie: Agent Skill dla Gemini CLI, który automatycznie rozpoznaje główny obiekt na każdym zdjęciu w folderze, oblicza jego geometrię i wywołuje ImageMagick, który precyzyjnie kadruje plik do kwadratu o podanej rozdzielczości (np. 480x480px). Obsługuje przetwarzanie wsadowe całego folderu za jednym poleceniem w terminalu.

Wpływ: Kadrowanie setek zdjęć produktowych odbywa się w tle bez udziału operatora. Oryginalne pliki pozostają nienaruszone, a wykadrowane trafiają automatycznie do osobnego folderu.

Problem: Ręczna podmiana znaku FSC w dużej liczbie plików PDF jest czasochłonna i podatna na błędy.

Rozwiązanie: Aplikacja desktopowa automatycznie wykrywa wskazany znak w PDF i nakłada nowy element w to samo miejsce w trybie wsadowym.

Wpływ: Ogranicza ręczną pracę przy seryjnych poprawkach i może być używana także do podmiany innych logo lub powtarzalnych elementów grafiki.

Problem: Klientom trudno ocenić, jak na gotowej wizytówce będą wyglądały uszlachetnienia takie jak lakier punktowy czy tłoczenie, ponieważ w plikach produkcyjnych są one pokazane jako czarno-białe maski.

Rozwiązanie: Aplikacja webowa renderuje pliki PDF i przedstawia wizytówkę jako obiekt 3D, pokazując uszlachetnienia w bardziej realistycznej formie z użyciem Three.js i PDF.js.

Wpływ: Ułatwia pokazanie klientowi efektu końcowego przed drukiem, zmniejsza liczbę nieporozumień i pozwala szybciej ocenić wygląd projektu.

Problem: Grafiki dostarczane do druku mogą mieć nieprawidłowe parametry techniczne lub zawierać wady wizualne, takie jak rozmycia, artefakty kompresji czy ślady sztucznego powiększania. Ich ręczna weryfikacja jest czasochłonna.

Rozwiązanie: Automatyzacja w n8n najpierw sprawdza parametry plików na podstawie specyfikacji JSON (wymiary, PPI, proporcje, orientacja). Grafiki, które przejdą tę kontrolę, trafiają do Gemini. AI analizuje trzy wycinki w skali 1:1, oceniając 16 kryteriów jakości całej grafiki. Wyniki kontroli technicznej i analizy AI zapisywane są w jednym raporcie JSON dla każdej grafiki.

Wpływ: Automatyzuje wstępną kontrolę grafik i raportowanie. Projekt ma również charakter eksperymentalny — bada przydatność AI do oceny jakości obrazów w DTP. Testy wykazały ograniczenia modeli w wykrywaniu utraty szczegółowości po skalowaniu i kompresji, dlatego ocena AI pozostaje pomocnicza.