105. 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.
Zajmuję się też, myślę, że o tym dzisiaj pogadamy, takim harnessem i tym, jak ręce czytają to repozytorium. A z drugiej strony już pracuje z klientami, także pomaga im to wdrażać, rozmawiamy, co oni by potrzebowali w tym produkcie, żeby móc na tym produkcie pracować. Forward deployed engineer. Tak, tak, tak. I nie wiem, czy jakby to hasło mi trochę tak średnio podchodzi, bo... Ale tak ta robota wygląda, że faktycznie z jednej strony się jest u klienta i zaraz wieczorem już się siada i coś tam do tego produktu można jako feedback dorzucić, więc to w ten sposób działa. Cześć, ja się nazywam Piotr i założyłem Open Mercato rok temu w ogóle, Mariusz. Wyobrażasz sobie, że to już rok przeleciał, 10 września i właśnie mega się cieszę, że udało nam się zbudować zespół świetnych inżynierów.
Rozumiem, że część pewnie tej fazy implementacyjnej to jest jakiś Jakiś harness, jakaś weryfikacja, czy to, co w ogóle wychodzi, jest zgodne z waszymi ustaleniami, ale na końcu jeszcze trzeba podjąć decyzję, czy to tak naprawdę chce włączyć do Core'a. Pochylimy się na ten moment. Piotr, jak analizujesz pull requesty, żeby zmerge'ować do Core'a? To jest, wiecie co, najtrudniejszy element, nie? To jest też powód, dla którego my mamy na przykład otwarte 160 pull requestów w Open Mercato, one tam progresują i pomału są merge'owane, ale nie są merge'owane, wiesz, hurtem, nie? I dokładnie dlatego, no po prostu my to robimy nadal ręcznie w pewnym sensie. To znaczy, wiesz, jak pull request ma 700 plików, bo są takie, a niektóre mają, kurczę, 1000 plików, Też są takie. To właśnie ostatni agent orkiestrator, co nie, miał tyle.
A to jest by the way problem, który też Akipa z Neowision próbuje rozwiązywać, więc jakby, żeby właśnie wizualnie pokazać dobra, jaką zmianę zrobić, żebyś ty jako powiedzmy architekt ocenił, czy to jest w ogóle w dobrym kierunku. Ale to co mnie jeszcze tak interesuje, że nie moglibyśmy się na chwilę na ten temat zanurzyć, bo Zanim w ogóle dojdę do tego etapu, o którym Piotr mówił, czyli takiej ludzkiej oceny, czy ja chcę to wpuszczać, czy nie, to ja bym chciał mieć jednak pewność, że to jest zgodne z jakimiś moimi wytycznymi. W jaki sposób zbudowali się harness, żeby taki agent faktycznie nie wyszedł, wiecie, z jakimś crapem. Ja nie mówię o takim, powiedzmy, na etapie, wiecie, jakiejś tam konkretnej funkcji, czy tam jakiejś pętelki. Chodzi mi bardziej o takie zmiany architektoniczne. Typu, jeżeli się umówiliście na przykład, że okej, tworzymy pewien taki modularny monolit, w którym mam możliwość niezależnego stosowania tych modułów i nie mam tego wszystkiego pod spodem poplątanego, no to ja bym dalej chciał to takie założenie utrzymać.
Pokazano wszystkie 3 dopasowania. 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.