AI-assisted development w praktyce - na przykładzie Open Mercato z Piotrem Karwatką
“Najgorsze co można zrobić, to zerknąć.” Piotr Karwatka o pętlach kodujących, w których agent pracuje 4 dni non-stop, a Ty masz siedzieć na rękach. Bo jak zerkniesz, trafisz na głupotę, przerwiesz mu tok myślenia i wszystko się posypie. Witamy w świecie, gdzie spec-driven development zastępuje ping-pong z Claude’em. 🎯 Open Mercato to 750 tysięcy linii kodu, z których żadna nie została napisana ręcznie. Framework do aplikacji biznesowych z hasłem “start with 80% done” - CRM, OMS, WMS w paczkach npm, monolit modularny inspirowany Shopify, stos wybrany pod to, co LLM-y znają najlepiej: Next.js, Postgres, Redis. Core team? 4 osoby full time. Koszt odtworzeniowy? ~20 developerów na rok. ⚠️ Harness AI, skille do specyfikacji, planowania i implementacji, atomowe commity z testami, refinement specek pytaniem “co może pójść źle?” - i open source’owy model monetyzacji, który Piotr porównuje do homologacji kampera na Fiacie Ducato. Bo “w zeszłym tygodniu pan Darek zrobił vibe codingiem jakieś ten, wszystko działało, a potem baza znikła.” Czy AI-assisted development na poważnie wymaga więcej myślenia niż tradycyjne kodowanie? Sprawdź, zanim odpalisz kolejnego agenta bez specki. A teraz nie ma co się obijać! 👉 Wpadajcie na naszego Discorda: https://discord.gg/78zPcEaP22 ! 🔥Tam możecie się z nami pokłócić o przyspieszanie SQL-a, podyskutować o naiwnych nadziejach na AI albo po prostu podzielić się swoimi IT-owymi przemyśleniami. Słuchasz Patoarchitektów dzięki PROTOPII – firmie, w której Łukasz i Szymon działają na co dzień, wspierając zespoły IT na każdym etapie: od projektowania, przez wdrożenia i migracje, aż po optymalizację i zabezpieczenia. Oferujemy też mentoring i szkolenia dostosowane do potrzeb każdej firmy, niezależnie od wielkości. Sprawdź nas: 👉 protopia.tech - Nasze sociale i linki - Materiały do odcinka - Pato szkolenia
Jasne, słuchaj, to dzięki za feedback na pewno będziemy go uwzględniać. Dobrze, to teraz kolejny element, który też jest bardzo ciekawy właśnie, bo poszliście bardzo praktycznie. W sensie, macie Monoli, to już nawet sam mówisz, który można skalować i tak dalej. W takim razie, czemu Monoli, czemu mikroserwisy? Tak trochę rzucam to za pazury, no bo doskonale sobie zdajemy sprawę, ale jak wiesz, jakie było wasze uzasadnienie tego wszystkiego? Bo tam też będzie element AI-owy, zakładam. Okej. Wiesz co? Akurat chyba nie tutaj. Tutaj nie ma chyba elementu AI-owego. Tu jest element taki zdroworozsądkowy, co nie? Czyli najlepszy. Tak. Kiedyś czytałem bardzo fajny, to był chyba blog post, ale on był bardzo długi, bo ktoś z zespołu Shopify opisał, jak dokładnie jest zarządzane Shopify, które też jest chyba najbardziej znanym takim monolitem.
I oni mają taki monolik bardzo sprytny, że te moduły są takie izoformiczne, że one od siebie właśnie nie mogą zależeć. Czy to się jakoś chyba nawet inaczej nazywa, już nie pamiętam. Ale w każdym razie, że moduły są od siebie niezależne, mogą być osobno wydawane wersje tych modułów. I my poszliśmy dokładnie tą drogą, dlatego że ja z microservice'ami miałem złe doświadczenia, bo to był bardzo duży hype. Nawet ebooka kiedyś napisałem o microservice'ach, więc nie można powiedzieć, żeby mi to było obce, bo żebym tego w tamtym czasie nie lubił, bo byłem fanem. Ale jak się zważy, ile to dodaje takiego overheadu, zwłaszcza takiego devopsowego, Tych wszystkich różnych tam trudnych rzeczy, zależności, to się wszystko wypierdala na końcu, to kurde, to się w ogóle nie, to się najszczęściej w ogóle nie opłaca, co nie?
Czyli jest tak, wiesz co, mieliśmy, wczoraj jak byliśmy na jednej konferencji takiej luźniejszej, to ktoś wrzucił coś, że mają 70 mikroserwisów i że to jest MVP. Kurczę, ale wiecie co, ja myślę, że ludzie po prostu tak jakby zapominają, dlaczego te microserwisy się stały hot. A czemu one się stały hot? One się stały hot, bo były firmy takie, nie wiem, jakieś Amazon, Zalando i tak dalej, które miały potężne systemy monolityczne, bo one były tworzone bardzo, bardzo dawno. I tam był już taki problem, że tego już nie szło dalej dźwignąć, bo tam był dług technologiczny, bo tam były różne zależności. I oni to refaktoryzowali na te micro-serwisy i każdy się tam jarał, że fajna metoda, bo teraz na przykład zespół, który byłby zblokowany ze swoją rzeczą, bo tam inny zespół...
Nie musi czekać. Tak, nie musi czekać, na przykład. Na koniec dnia i tak to są rozproszone monolity, jak zaczniemy patrzymy. Często tak, albo z kolei są tak granularne te usługi, że są za bardzo granularne. I jest overhead komunikacyjny i to się wywala po prostu. Jak ktoś robi microservice typu GetDate. Ja już widziałem takie rzeczy. Ja wiem, wiem. Czekajcie, wiecie co, ja wam zalinkuję taki filmik, był kiedyś ten Taki parodia, dlaczego nie możemy wdrożyć funkcji, bo tamten jeszcze czegoś nie wystawia. I koleś na tablicy rozrysowuje taką... Kurde, był kiedyś taki ten... Wrzucimy, to jest świetne. Rozrysowuje na tablicy, tłumacząc przejście przez mikroserwisami, czego gdzie brakuje i dlaczego nie mogą wystawić typu data urodzenia na frontendzie.
Pokazano wszystkie 4 dopasowania. Transkrypcja generowana automatycznie i niesprawdzana ręcznie — może zawierać błędy.
Piotr Karwatka wyjaśnia, jak Open Mercato wykorzystuje AI do generowania kodu i dostosowywania się do potrzeb klienta.
Kontynuacja omówienia AI Engineering Foundation Framework i jego zastosowania w Open Mercato.
Piotr opisuje proces deweloperski, w tym role agenci kodującego i harnessu AI w Open Mercato.
Rozmowa o optymalizacji procesu deweloperskiego w Open Mercato, w tym użyciu małych modeli AI.
Piotr opisuje testowanie procesu deweloperskiego i ewolucję Open Mercato wraz z zmianami w modelach AI.
Kontynuacja omówienia spec-driven development i korzyści z monorepo w Open Mercato.
Piotr opisuje proces planowania i refactoringu speck w Open Mercato, w tym podział na fazy i taski.
Rozmowa o eksperymentach z procesem deweloperskim w Open Mercato, w tym użyciu serwera zdalnego do monitorowania procesu.
Rozmowa o planowaniu czyszczenia dokumentacji i zarządzaniu skillami w Open Mercato.
Rozdziały i streszczenia generowane automatycznie. Pełna transkrypcja nie jest publikowana — wyszukaj frazę, aby zobaczyć dopasowane fragmenty.
Kliknij, aby znaleźć fragmenty, w których pada.