Case Study: Agentic SDLC w Open Mercato
Czy da się zbudować produkcyjny system o skali prawie dwóch milionów linijek kodu, korzystając wyłącznie z agentów AI i nie pisząc kodu ręcznie? Przykład Open Mercato pokazuje, że taki kierunek jest jak najbardziej możliwy i działa w praktyce, ale wymaga fundamentalnej zmiany w podejściu do procesów SDLC.W tym odcinku zapraszam na case study projektu Open Mercato, open-source'owego narzędzia do tworzenia rozwiązań klasy CRM/ERP, rozwijanego w duchu AI-First. Piotr Karwatka, founder i CTO Open Mercato, oraz Patryk Lewczuk, Core Developer / Forward Deployed Engineer, opowiedzą jak wygląda proces SLDC w tym projekcie oraz jakie techniki i narzędzia są do tego wykorzystywane.
Pierwsza to odpalenie go na serwerze VPS. Kupiłem sobie serwer za 30 euro. I po prostu odpaliłem Cezara. To instalacja na takim dołowym serwerze VPS to jedno wywołanie CLI, bo Cezar ma taką opcję, że może się zainstalować sam. I po prostu zacząłem go używać z komórki. I to był dla mnie game changer, bo wiesz, ludzie używają tego trybu remote w Clodzie czy w Codexie. Teraz też jest już domyślnie chyba ten tryb remote, że wszystkie sesje widzisz jakby w tej apce. Ale to działa strasznie źle, nie? W sensie tak klanki i musisz jeszcze mieć swój komputer zostawiony, wiesz, odpalony. Taką łapkę trzeba pod monitor wziąć, pod pokrywę, żeby nikt mi nie zatrzasnął. No, no, no, dokładnie. To mi się średnio podobało.
Wiesz, ten serwer gdzieś tam sobie w tym racku siedzi, w tej serwerowni, nie wiadomo gdzie i robi te taski. A ja sobie robię inne rzeczy i dla mnie to było super, ale druga najważniejsza rzecz, o której właśnie, no była taka niezagosferowana mi się wydaje, to jest kolejkowanie zadań, no turbo prosta sprawa, tak? Ale wiesz, ja mam 100 pomysłów na raz, a no nie jestem w stanie odpalić tych wszystkich agentów, a kiedyś myślałem, że jestem i na przykład odpalałem w CLI-u, wiesz, 10 okienek i już zapominałem, że je odpaliłem, potem zamykałem laptopa, za 3 dni 10, ale ja zlecałem, żeby tego fixa zrobiło i nie ma tego fixa, nie? A tutaj, kurczę, masz listę, co zleciłeś, to jest w kolejce, lecą się po dwa, po cztery, po ile chcesz tych tasków i nakończysz, czy masz link, że tam tu jest pull request, tu jest issue, wiesz, taka organizacja.
Pięć na raz. Każdy z nich stawia instancję twojej apki. Testuję czy to co zrobił działa, może używać Playwrighta, Agent Browsera albo innego frameworka do testów. I na końcu to po prostu wyłączę, kończę pracę, kasuję Workstream i masz zadanie zrobione. I wiecie, to na przykład było dla nas też strasznie uciążliwe, że myśmy już robili ten kodowanie z tym AI, te specki, to wszystko, ale na końcu wisiał pull request. Co trzeba było zrobić? Trzeba było tam wejść, zrobić No nie wiem, jak ktoś używał Github CLI to musiał zrobić GH, PR, check-out, check-outować sobie na komputer, yarn, 20 minut to wstaję, tam klikasz, baza stara, no to nie, to jeszcze bazę muszę wczytać, no bez sensu, nie?
A ja tego nie umiem zainstalować. Nie jestem w stanie tego zainstalować. To jest tak skomplikowane, że ja nie wiem, o co chodzi. To już widać, czy to u was jest komanda, a które są komandą. Ja mówię, dobra, hold my beer. I po weekendzie instalowało się tylko jedną komendą. Znaczy w ogóle się nie instaluje, tak naprawdę. No tak, wywołujesz jedną komendę i pyk. On wykrywa ci na kompie wszystkie twoje kodnik-agenty, łączy się, sprawdza czy masz GitHub CLI, podłącza się pod to sami. Jak mi to zaimponowało, Patryk, że nie ma tego instalatora, nie? Mówię, nie, no teraz to już kurde, to będzie hit, nie? I adopcja była w dobę, nie? Ktoś się przerzucił ze swoich tam jakichś zwipecodowanych rzeczy na w dobę, no. Ale dobra, to łącząc te wszystkie fakty, z tej pierwszej fazy przychodzę ze specyfikacją, w tej drugiej fazie mam narzędzie, które mi tak naprawdę dostarczy implementację tego wszystkiego, no i teraz trzeba tak naprawdę to jeszcze ocenić.
On miał swoje API, swoje formaty JSONa, to też musiało być w tym momencie, zaczęło się rozrastać. Sytuacja po pewnym czasie była taka, że przychodził deweloper, robił sobie Create Mercato App, bo mamy takiego CLI. Od tego się w ogóle zaczyna praca z Open Mercato, tylko o tym powiem szybciutko, bo to nadaje kontekst. Przychodzisz i tak jakbyś robił appkę Next.js, w Next robisz Create Next App, to tutaj robisz Create Mercato App, Dostajesz apkę, ona wciąga przez NPM pakiety Open Mercato, więc możesz cały czas update'ować Open Mercato bez dotykania swojego kodu i Ty w tym repo masz tylko swój kod wciągniętej Open Mercato. I my teraz jesteśmy w takiej sytuacji z tym kontekstem, że nie wiemy, co ten ktoś będzie robił, nie?
Pokazano wszystkie 5 dopasowań. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Podcast zaczyna się, autor przedstawia gościa i ich role w projektowaniu Open Mercato.
Goście opisują Open Mercato jako framework do budowania aplikacji biznesowych i opisują sposób jego implementacji.
Goście rozwijają temat technologii i architektury Open Mercato, w tym opisania funkcji i modeli AI.
Goście opisują rozwój Open Mercato i rolę AI w jego implementacji, w tym opisywane są konsekwencje zmian w modelach AI.
Goście opisują proces tworzenia funkcjonalności w Open Mercato, w tym opisywane są specyfikacje, kodowanie i testowanie.
Goście dyskutują o roli deweloperów i inżynierów AI w projektowaniu Open Mercato, w tym opisywane są nowe wyzwania i perspektywy.
Rozmowa koncentruje się na procesie tworzenia specyfikacji wymagań i używaniu skille do zarządzania procesem SDLC. Podkreśla się potrzebę systematyzacji pracy i używania agencji do automatyzacji zadań.
Podróżnicy opowiadają o trzech kluczowych problemach, które próbują rozwiązać: CRM, Open Mercato i inne moduły. Rozmowa skupia się na optymalizacji kontekstu i generacji dynamicznego kontekstu, aby automatycznie wybierać odpowiednie skille. Podkreślone są wyzwania związane z adopcją i ownershipem, a także potrzebą testowania i zabezpieczenia kodu.
Wskazano na problem z poczuciem osamotnienia deweloperów w firmach, którzy korzystają z AI w procesie SDLC.
Porównano programy 10xDevs i AI Tech Leaders, podkreślając konieczność edukacji całego zespołu.
Podsumowano rozmowę, podziękowano za udział i zaproszono do podcastra.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.
Czy da się zbudować produkcyjny system o skali prawie dwóch milionów linijek kodu, korzystając wyłącznie z agentów AI i nie pisząc kodu ręcznie? Przykład Open Mercato pokazuje, że taki kierunek jest jak najbardziej możliwy i działa w praktyce, ale wymaga fundamentalnej zmiany w podejściu do procesów SDLC.
W tym odcinku zapraszam na case study projektu Open Mercato, open-source'owego narzędzia do tworzenia rozwiązań klasy CRM/ERP, rozwijanego w duchu AI-First. Piotr Karwatka, founder i CTO Open Mercato, oraz Patryk Lewczuk, Core Developer / Forward Deployed Engineer, opowiedzą jak wygląda proces SLDC w tym projekcie oraz jakie techniki i narzędzia są do tego wykorzystywane.