Mentionsy Mentionsy
Better Software Design
Better Software Design

99. O architekturze oprogramowania w erze AI-Assisted development z Łukaszem Szydło i Marcinem Markowskim

05.02.2026 ·1 godz 41 min

Od ostatnich odcinków minęło trochę czasu, ale świat IT nie stał w miejscu – wręcz przeciwnie, przyspieszył tak, że momentami trudno nadążyć. Dlatego w tym odcinku, wspólnie z Łukaszem Szydło i Marcinem Markowskim, próbujemy po prostu głośno zastanowić się, co tak naprawdę dzieje się z pracą architekta oprogramowania i ogólnie architekturą software'u w dobie wszechobecnego Generative AI.Gdy kolejne modele wychodzą w coraz szybszym tempie, w zasadzie trochę trudno rozmawiać o tym, jakie 10 narzędzi zmieni Twoje życie architekta, z których warto korzystać już teraz. Zamiast tego usiedliśmy, żeby porozmawiać o naszych spostrzeżeniach i obserwacjach z placu boju. AI wpędza nas po trochu w pułapkę: kod powstaje błyskawicznie, ale nasze ludzkie moce przerobowe do jego czytania i weryfikacji pozostają w zasadzie bez zmian. Czy przez to nie zmieniamy się powoli w redaktorów kodu i czy Code Review nie stanie się zaraz największym wąskim gardłem w naszych projektach? Ale Code Review jest tylko jednym z etapów procesu Software Development Lifecycle, na którym widać wpływ narzędzi AI.Ogłoszenie!Już niedługo, bo 17 lutego, będziemy mogli się spotkać na otwartym warsztacie DevHours: Fullstack x EventStorming, który mam przyjemność współorganizować z Capgemini. Jeśli interesujesz się oprogramowaniem i chcesz podnieść swoje umiejętności w projektowaniu software'u, zapraszam do rejestracji.

Jeżeli ktoś mówi, dobra, ja już nie muszę czytać tego kodu, tylko kod musi czytać agent. No ale po co ten agent czyta ten kod? Żeby wyprodukować na przykład na początku tego procesu projektowania, o tym o czym mówiliśmy, żeby wyprodukować jakąś syntezę, informację, co ten kod właściwie robi. Więc im ja mam lepszy kod, im bardziej ustrukturyzowany poprawnie tak, żeby on był zrozumiały, tym lepsze odpowiedzi ja z tego LLM-a będę miał. To, że ja bezpośrednio może tak często tego kodu nie będę czytał, to nie znaczy, że ja nie będę czytał pochodnej tego kodu. Historia była taka, że taki kluczowy wzorzec architektoniczny jak rozrzutnik gnoju, to sformułowanie padło na spotkaniu bardzo wiele razy i przypadło do gustu. I później jak próbowałem wyciągnąć decision recordy automatycznie, to model językowy przywiązał się do użytego na spotkaniu języka i to był kluczowy termin w tym decision recordzie.

Ten drugi element, czyli właśnie te mniejsze klocuszki będą dla ludzi interesujące, bo one właśnie umożliwią to, że będziemy w stanie projektować środek dzięki nim i to nam umożliwi później i łatwiejsze projektowanie i łatwiejsze reviewowanie i wymusi na nas moim zdaniem właśnie to, że Automatyzujemy proces projektowania. Wymusi to, że do projektowania będziemy musieli zacząć stosować rzeczywiście te dobre narzędzia. To jest taka moja pozytywna nuta. Bounded konteksty chyba też uwipukli, bo tu się świetnie idea Evansa tego, żeby zamknąć pewien spójny język w obrębie jakiegoś kontekstu, się świetnie łączy z LLM-ami. Bo to są modele językowe.

Jeżeli będzie precyzyjny język w dobrze zdefiniowanych granicach, To tym modelom będzie się po prostu dużo łatwiej w tym odnaleźć, tak, niż w takim wielkim spaghetti, gdzie to samo słowo ma pięć różnych znaczeń i teraz no my być może już po długim czasie w projekcie to już bez problemu to rozróżniamy te znaczenia, ale... LLM? Niekoniecznie, tak? Więc zrobienie dobrze bounded contextów będzie też na pewno istotne w tym. Ja bym jeszcze wrócił do tego przyspieszania, bo my się strasznie skupiamy na tym przyspieszaniu. Teraz wszystko jest ten times, a już niedługo to nie wiadomo, ile times będzie. I też bym wrócił do tego, jak było... Jak było wcześniej? Czy przed całą AI-ową rewolucją to czasem nie dało się też czegoś robić 10 razy szybciej?

W kodzie też nie mamy wszystkiego. Często wpisane jakiejś decyzji, nie wiem dlaczego, pewne rzeczy zostały zrobione tak, a nie inaczej. Więc fajnie się tym kodem było wspomagać. A teraz, jak mam, że tak powiem, LLM-a pod ręką i jestem w stanie w każdej chwili zapytać go, weź zerknij w ten kodzik i powiedz mi, jak działa to, powiedz mi, jak działa tamto, powiedz mi, jak działa siamto. No to tych pytań, które ja nagle mam do tych osób tylko po to, żeby sobie załadować kontekst do głowy, no to jest ich zdecydowanie mniej. Więc jakby jest kilka tych elementów, ale dla mnie ten jest najlepszy. To porządkowanie wiedzy i to, że ja mam po prostu kogoś, komu mogę zadawać pytania i nie muszę odrywać od pracy osób, które muszą nagle na te pytania odpowiadać.

No weźmy osławione ADRy, które wszyscy się od bardzo dawna już zgadzali, że należy je pisać i No i co jakiś czas te takie najważniejsze, to może jeszcze ktoś napisał, tak? Ale takich już mniej istotnych decyzji, nie wywracających projekt całego systemu do góry nogami, to już pewnie rzadko kiedy były w praktyce pisane, bo po prostu nie było na to czasu. No i teraz, a w tym momencie możliwe jest coś takiego, że to spotkanie, na którym my omawiamy pewne decyzje, Zostanie automatycznie, z niego zostaną powyciągane te decyzje i LLM będzie mi w stanie przygotować draft tych wszystkich ADR-ów, czy może w ogóle możemy to szerzej traktować, to nie musi być Architecture Decision Record, to może być po prostu Decision Record, bo to mogą być decyzje,

Jakie były opcje rozważane? Jakie było za, jakie było przeciw? Dokładnie, przecież ile razy ja mam taką sytuację, takie déjà vu, nie wiem, czy wy też tak macie, że jest jakieś spotkanie, o czymś dyskutujemy. I my już w tej dyskusji byliśmy. Prawda? My już chyba coś, pamiętam, że była ta opcja dyskutowana, my ją odrzuciliśmy, ale czy ktoś was pamięta, z jakiego powodu? I nagle się okazuje, że nikt nie pamięta, jaki to był powód. Dokładnie to samo mamy, wiesz, bo to jest jeden z takich aspektów, który mi się strasznie podoba, jakby w tej całej rewolucji, taki niezbyt oczywisty, Że my więcej zaczynamy dokumentować, ale rzeczy, które są wartościowe z punktu widzenia LLM-a. Co jest jednocześnie i fajne i smutne, bo fajne, bo faktycznie powstaje ten taki log wszystkich kluczowych informacji, natomiast smutne z takiej perspektywy, że w sumie mogliśmy też to jako branża notować na naszych juniorów, jakichś newbiesów w projekcie, tylko że to nie było takie fancy i fajne.

Nie, wydaje mi się, że junior nie byłby w stanie tego tak zrobić w taki sposób, jak to jest teraz zrobione, bo jednak LLM-y naprawdę dobrze potrafią kategoryzować. Jeśli wiedzą, jakie są, że tak powiem, przegródki, do których one mają jakąś tam informację wrzucić, to robią to dosyć dobrze, jeśli te przegródki są dobrze zrobione. I wiecie, jak my mieliśmy do tej pory jakieś było spotkanie, po tym spotkaniu trzeba było coś zrobić. To też nie jest tak, że teraz można sobie na takim spotkaniu dyskutować, że tak powiem, o byle czym, robić 17 topików i jeszcze tam dorzucać jakieś trochę rzeczy, no bo ten Ten LLM też nam się w którymś momencie może zgubić. Albo co gorsza, wszystkie rzeczy uwzględnić i potem będzie bardzo dużo decision recordów do zreviewowania i jeszcze mogą być tam bardzo ciekawe sformułowania w tych decision recordach.

Szydło, Łukasz, Markowski, Markowski. A na samym końcu, ja na przykład ostatnio mam taki zwyczaj, że robię podsumowanie. Bo też jest taki problem, jak robimy te transkrypcje tych spotkań i próbujemy z nich wyciągnąć rzeczy, to jest to, żeby też LLM się domyślił to, które w trakcie tego spotkania się zmieniły.

Że jakby jest ten czynnik czasowy, ten czynnik temporalny, że to, że co o czymś było mówione, to nie znaczy, że na samym końcu to zostało rzeczywiście zdecydowane. Więc ja tak mam, że na samym końcu robię takie, za LLM-a robię pewnego rodzaju podsumowanie, żeby potem zwrócić uwagę, że skup się na tej końcówce, bo tam są jakby te ostateczne decyzje, a następnie uzupełnić to tylko informacjami, które były jakby wypowiedziane we wcześniejszych częściach tego spotkania. Ale to jest tylko taki typ, ale chodzi mi o to, że... Że właśnie, że my też musimy mieć pewną dobrą kategoryzację rzeczy, które chcemy z takich spotkań wyciągnąć. Tak jak Marcin przed chwilą powiedział, decyzje chcemy wyciągać. Być może chcemy wyciągać reguły, być może chcemy wyciągać przypuszczenia, być może chcemy wyciągać pytania, być może chcemy wyciągać dylematy. – Scenariusze. – Scenariusze, dokładnie. Że każdy...

W każdej firmie czy w każdym projekcie będzie to trochę inaczej, bo ludzie po prostu też mają, używają różnych elementów do tego, żeby o tych rzeczach dyskutować, ale ważne moim zdaniem właśnie jest to, że teraz super cenną wiedzą dzięki właśnie AI jest to, co my lubimy robić, czyli myślenie na temat myślenia. Bo jeżeli ty zaczynasz myśleć o tym, jak myślisz i zaczynasz nagle dochodzić do tego, w jaki sposób twój umysł pewne rzeczy porządkuje, jak ty o tym myślisz, jakich używasz właśnie abstrakcji, jakich używasz elementów konstrukcyjnych, to jeżeli ty to potrafisz wyciągać ze swojej głowy, ale też z innych głów, I potrafisz to wyciągnąć dobrze, to wyciągnięcie tego i wrzucenie tego do LLM-a powoduje, że on naprawdę zaczyna ci dawać fajne rezultaty.

Pewnie 80% tradycyjne będzie takie samo, ale gdzieś potrzebujemy to dostrajać pod własną specyfikę. Ja bym jeszcze wrócił do tego, co ty Łukasz powiedziałeś a propos tych podsumowań robionych dla LLM-a. De facto nam też to było kiedyś potrzebne, tylko tego nie robiliśmy z takiego złudnego poczucia czysto emocjonalnego na spotkaniu, że wiemy o co chodzi, bo w tym momencie kontekst był załadowany do głowy, wszystkim się wydawało, że rozumieją to tak samo i wystarczająco precyzyjnie, żeby coś z tym zrobić, wychodzili z tym przekonaniem ze spotkania. A potem się okazało, że to przekonanie odrobinę się rozjeżdżało z rzeczywistością i trzeba było robić dogrywkę i te dogrywki spotkań, to wiemy ile trzeba było zrobić dogrywek.

Więc zmuszenie się do tych podsumowań, to dla nas też jest czasem... Dobre, żeby sobie tak faktycznie podsumować, ok, tak to rozumiemy, wszyscy się do tego zgadzają i nam to układa w głowie, a jednocześnie super ułatwia wyciąganie czegoś automatem, bo robimy tę robotę z LLM-a, on się nie musi domyślać, a dyskusje, no wiadomo, bywają burzliwe, w związku z tym to nie jest proste podsumowanie tekstu, tak, to nie jest dobrze napisany artykuł, który wystarczy zrobić z niego podsumowanie, z czym LLM-y sobie radzą świetnie. Tylko to jest burzliwa dyskusja, gdzie było wiele wątków przerywanych, przeplatających się. Zapadała decyzja, była cofana, bo pojawiły się nowe fakty, nowe rozważania, nowe spostrzeżenia.

Jeżeli ja o coś tego agenta nie poproszę, jeżeli pytania, które mu nie zadam, albo jakby idei, które mu nie wrzucę, no to on rzadko kiedy się zdarzy, że on sam to wymyśli albo sam do tego dojdzie. I to moim zdaniem nie jest w długim terminie dobre, żeby właśnie jakby zawężać ilość osób pracujących nad jedną rzeczą, że właśnie ta wymiana wiedzy ona ciągle jest potrzebna. Więc moim zdaniem właśnie potrzebujemy narzędzi takich właśnie jak Miro, które pozwolą nam wspólnie pracować nad tym. Bo co robi Miro? Miro sprawia, że kontekst, który LL mówi musimy wzrócić, on staje wizualny. Ten board, który mamy, na którym są te wszystkie nasze karteczki, nie wiem, może taski, rysunki i tak dalej, on się staje wejściem dla LLM, a on jest tym kontekstem. Jeśli dorzucimy do tego transkrypcję z tych spotkań plus to, co na tym Miro jest, no to nagle jesteśmy w stanie właśnie znowu pracować kolaboracyjnie i tylko na solo staje się już ten element przełożenia tych klocków na kod.

Przynajmniej taka jest obietnica. Że teraz w zasadzie, kto jest podstawowym artefaktem? No nie ten kod, bo go się w razie czego przegeneruje, tylko specyfikacja. Ja sobie zmienię te specyfikacje i potem sobie przegeneruję. A ja mam dość duże obawy co do tego. Jeśli nam się uda dojść do takiej specyfikacji, którą potem przekładamy automatycznie na kod i ufamy temu, że to będzie ok, że to będzie tak działać, jak miało działać i nie widzimy tutaj ryzyka jakiegoś istotnego, to de facto to będzie nowy język programowania. Bo to będzie tak szczegółowe, że będzie pozwalało wykonać ten kod, tylko że w tym momencie chyba nie będzie nam tam potrzebny LLM, tylko kompilator, który zrobi to deterministycznie.

I z determinizmu wynika to nasze zaufanie do tego, że to na pewno tak działa, jak miało działać, bo wiemy, jak działa kompilator i biorąc z nawias błędy w kompilatorze, które nie są zbyt częste, No to wiemy, że jak to jest tak zakodowane, to tak się przez procesory wykona i koniec, tak? I tam LLM nie jest potrzebny. Nie bardzo wierzę w to, że specyfikacje, które potem są za każdym razem LLMem przekładane na system, to jest rozwiązanie naszych problemów. Jakby nie wiem, czy będziemy kiedykolwiek mieć zaufanie do tego, że no to teraz co, przepisaliśmy tam, nie wiem, cały system to jest może... Przesada, tak? Ale przepisaliśmy jakiś cały moduł i nikt tego nie jest w stanie przejrzeć, przeanalizować, zobaczyć difa, bo to już nie będzie 20 tysięcy linii kodu, od których zaczęliśmy, tak?

Nie mamy wystarczająco dobrych kompilatorów, które z naszego analicznego modelu potrafi przerzucić na kod i tyle. Ostatnie lata czy nawet dekady pokazują nam, że my jesteśmy w stanie jednak nauczyć się czegoś podczas budowania, podczas pisania tego kodu, podczas analizy tego kodu, podczas uruchamiania tego kodu, podczas testowania tego kodu. I to, co nam się sprawdza, to sprawdza nam się właśnie ten iteracyjny sposób pracy oparty o cykle feedbacku. I moim zdaniem, to jest trochę podobnie jak Marcin, ja uważam, że nie dojdziemy do czegoś takiego, że specyfikacja będzie czymś wystarczającym, bo to by znaczyło, że tak, że pod spodem nie potrzebujemy LLM-a, który ją przełoży, tylko potrzebujemy czegoś deterministycznego, co pewnie mniej tokenów, skoro jesteśmy w stanie to zrobić w ten sposób, że musimy zmodyfikować trochę to podejście spec-driven, bo rzeczywiście zawsze wymagania były potrzebne, zawsze mieliśmy jakąś spec-kę.

Ale ta specka była pewnym punktem startowym do tego, żeby zrobić kilka iteracji, pouczyć się czegoś, pouczyć czegoś, poeksperymentować, popatrzeć, zdobyć jakąś wiedzę i na końcu dojść do takiego rozwiązania, które jest rozwiązaniem w miarę optymalnym. I niestety dzisiejszy sposób korzystania z LLM-ów zabija moim zdaniem właśnie ten ostatni element, czyli tę pętlę zwrotną, którą ja dostaję Poprzez pisanie tego kodu, bo to był element strukturyzowania wiedzy, nabywania wiedzy. Patrzenia, jakie mam poszczególne możliwości. A dzisiaj co robię? Albo klikam dalej, dalej, dalej, tak, pozwalam, pozwalam, pozwalam, aż mi tam ten LLM coś wygeneruje, a później mam bardzo dużego kodu i moje review polega na tym, że looks good to me.

Uruchomię, coś tam zadziała, jest to może wystarczające, albo po prostu wyrzucam i stwierdzam, nie, dobra, chyba napiszę to samemu, bo... Bo to, co zostało wygenerowane, to jest dziwne. Więc jeżeli mówię, że coraz lepiej będą generowały ten kod, LLM-y za nas, to z jednej strony to dobrze, ale z drugiej strony musimy wymyślić nowy sposób, żeby te cykle, te pętle feedbackowe, żeby one cały czas w tym naszym programowaniu były. W sensie właśnie, jakie aspekty tego feedbacku by cię interesowały? No bo tak naprawdę wiesz, co mi wtedy stoi na przeszkodzie? Dorzucę jeszcze jedną, dodatek do specyfikacji, przegeneruję jeszcze raz. Nie czuję, że jakby ten aspekt feedbacku mierzony, nie wiem, wiedzą, mierzony czasami złożonością czy też czasochłonnością, trwa zmiana w tym.

No bo ten LLM będzie się docelował, jeżeli dostanie tylko taką, że tak powiem, gołą speckę, która nie... Nie precyzuje mu absolutnie wszystkiego, jak to ma wyglądać, tylko daje mu więcej wolności. To moim zdaniem dojdzie do tego, że będziemy właśnie mieli znowu takiego ifa na ifie, joina na joinie i firmy zaczną mieć nową specjalizację, tak jak jest część firm, która wyciąga jakieś tam projekty legacy i robi z nich jakieś projekty, które da się rozwijać, które da się jakoś utrzymywać. To samo będzie wtedy z takimi LLM-ami, w sensie z takimi projektami, które wychodzą spod ręki LLM-a. Wydaje mi się, że LLM to nie powinno być narzędzie, które ma nas w stu procentach zastąpić, czy które ma stworzyć jakąś dodatkową warstwę abstrakcji, tylko to jest narzędzie, które ma nas wspomagać na każdym etapie, ale ciągle na każdym etapie nasze tutaj myślenie jest potrzebne.

Bo my potrzebujemy zrozumieć, co tam się dzieje, żeby w razie czego być w stanie zadziałać. Jeżeli nie rozumiemy tego, co jest pod spodem, to w przypadku jakichś tam błędów, które oczywiście nigdy się na produkcji nie zdarzają, I trzeba przeanalizować, co się dzieje. No to już wtedy człowiek nie jest w stanie tego robić. Jesteśmy skazani na to, że no to LLM nam powie, LLM poprawi i potem co? No to tylko potem zobaczymy, czy objawy jakieś tak puścimy na produkcję i zobaczymy, czy się objawy zniknęły, czy nie zniknęły, czy... Choroba trwa dalej. To może nie być optymalne rozwiązanie, a jeżeli będziemy takim vibe-codingiem z tych specyfikacji, oczywiście vibe-codingiem tutaj w cudzysłowie, ale na takiej zasadzie, że nie skupiamy się na jakości tego kodu, bo przecież nikt go nie czyta oprócz LMA, więc co to ma za znaczenie, to jeżeli pójdziemy w tę stronę, to nie będziemy mieli już planu awaryjnego.

Tak samo jak nie mamy go często w systemach legacy, w których ktoś otwiera IDE i patrzy, O nie, tu żyją smoki, tu nie wchodź i po prostu nie, nawet nie będziemy tego analizować. Więc to, no myślę, że z tego względu nie bardzo możemy sobie pozwolić na to, że to jak ten kod jest napisany, to nie ma absolutnie żadnego znaczenia. No właśnie, bo pojawia się coraz więcej, przynajmniej w moim feedzie na LinkedInie, takich postów, które właśnie mówią, że no właśnie, że ten clean code już nie jest taki istotny, że teraz jak już LLM-y produkują kod i LLM-y go czytają, to już nie musimy optymalizować kodu pod czytelność czy pod zrozumiałość.

Ale nie wydaje mi się, żeby tak było. Pytanie, czy jak on jest nieczytelny dla nas, to jest czytelny dla LLM-a. Ten kod jest na wejściu, tak? On się znajdzie w kontekście LLM-a przy kolejnym naszym prompcie, przy kolejnej próbie wygenerowania czegoś. No i teraz, jeżeli z tego kodu nic nie będzie wynikać, on będzie niezrozumiały, To jest bardzo duża szansa, że to zdegraduje jakość kolejnej odpowiedzi. I ta jakość zostanie znowu wmontowana w ten kod i zdegraduje jakość kolejnej odpowiedzi. Pytanie, czy tego chcemy. To jest model językowy. Jeżeli tam będą precyzyjne pojęcia i dobra struktura informacji, to będzie sobie dobrze radził. Jeżeli tam będzie spaghetti,

To on oczywiście zawsze nam coś odpowie, tylko pytanie, czy to jest to, czego chcemy. No właśnie, bo oprócz tego, że do tej pory mieliśmy coś takiego jak developer experience i staraliśmy się no właśnie pisać ten kod tak, żeby on był zrozumiały dla człowieka. Być może teraz my powinniśmy pomyśleć w ogóle o czymś takim, co się nazywa agent experience. Że zrobić sobie takie ćwiczenie myślowe, jak powinien wyglądać kod, który właśnie będzie, tak jak ty Marcin powiedziałeś, który będzie optymalnym kontekstem dla LLM-a, który go analizuje. Czy te informacje, które my mamy, czy one są wystarczające? Czy my nie powinniśmy do tego kodu zacząć dokładać jeszcze jakichś metadanych? Szczególnie, że to już nie my piszemy ten kod, tylko ten kod jest pisany przez LLM, a my mu raczej mówimy, co tam będzie ewentualnie poprawiamy. Dobra, na tym etapie oczywiście więcej poprawiamy, niż piszemy.

Ja już trochę, że tak powiem, wybiegam w przyszłość, jak już te LLM będą jeszcze lepsze. Ale właśnie, jak taki kod powinien wyglądać? Bo moim zdaniem, jeśli ja patrzę na jakiś obiekt i wiem, że to jest jakiś building block, że jakiś building block reprezentuje, że on reprezentuje jakiś koncept domenowy i jak ja go czytam, to wiem, bo w końcu ja to zaprojektowałem, ja to miałem w głowie. LLM nie ma tej wiedzy. Więc jeżeli ja na takiej klasie mam dodatkowe adnotacje na przykład, które mówią, jaki to jest building block, jaki to jest koncept domenowy, jaka jest definicja tego konceptu domenowego albo jakieś informacje ze słownika, to to jest coś, co znowu ten kontekst wzbogaca. Zmiana sposobu myślenia. Patrzę na mój kod i zastanawiam się, jakie on zawiera w sobie informacje dla osoby, która jest jego odbiorcą.

Dla człowieka to jest mniej informacji, które jest potrzebne, ale za to bardziej syntetyczne i ułożone. Dla LLM-a może trochę więcej. Tak naprawdę są dość podobne informacje, bo jakbyśmy na to popatrzyli, czym jest nasz kod, przynajmniej jeżeli on jest jakoś sensownie ułożony, to on narzuca nam strukturę informacji, sam kod. I teraz te informacje, o których wspomniałeś, Na przykład opis tego, jeżeli to jest jakaś złożona koncepcja domenowa, jakieś pojęcie domenowe, może definicja tego pojęcia, jeżeli to jest jakiś złożony algorytm, to opis tego algorytmu, to to były informacje, które nam też były potrzebne. Mieliśmy je w kodzie. No oczywiście nie.

Pokazano pierwszych 25 dopasowań — doprecyzuj frazę, aby zawęzić wyniki. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.